Líderes de opinión

La pregunta de debida diligencia que nadie está planteando todavía

mm
Añade Unite.AI a tus fuentes preferidas en Google

Desde que los bancos abren cuentas, el cumplimiento se ha basado en una única suposición: que una persona real e identificable está detrás de cada una. Verificar que la persona en el proceso de incorporación y todo lo que sigue hereda la confianza. Esa suposición se está erosionando desde dos direcciones a la vez. Los agentes de IA ahora transaccionan en nombre de las personas, y las identidades sintéticas se hacen pasar por personas que nunca existieron. Confirmar que un ser humano genuino está detrás de una cuenta, y que tiene la intención de lo que la cuenta está haciendo, nunca ha sido tan difícil.

Los reguladores lo han notado, aunque avanzan de manera desigual y aún no han nombrado a los agentes como una categoría propia. Dos jurisdicciones muestran el rango.

Dos reguladores, dos direcciones

La señal más clara proviene de Europa. La Ley de IA de la Unión Europea entra en su fase de aplicación más trascendental el 2 de agosto de 2026, cuando el conjunto completo de obligaciones para sistemas de alto riesgo y las normas de transparencia del Artículo 50 se vuelven aplicables, junto con los poderes de ejecución propios de la Comisión, que pueden multar a los proveedores de los modelos de IA de propósito general más avanzados hasta un 3 % de la facturación mundial o 15 millones de euros, lo que sea mayor. La ley no define a un agente de IA como una categoría legal propia. No necesita hacerlo. Cualquier sistema que reciba datos, los procese y tome una acción ya califica como sistema de IA bajo el texto vigente, y un agente que desempeñe una función de alto riesgo en préstamos, seguros o verificación de identidad hereda las mismas obligaciones que tendría un sistema operado por humanos.

Singapur adoptó el enfoque opuesto. El 22 de enero de 2026, en el Foro Económico Mundial, el Ministerio de Desarrollo Digital e Información presentó el Modelo de Marco de Gobernanza de IA para IA Agente, el primer modelo de gobernanza creado específicamente en torno a sistemas autónomos en lugar de adaptado de normas generales de IA. Es voluntario, pero establece cómo se ve un marco formal: se evalúa el nivel de autonomía de un agente, se le asigna una estructura de rendición de cuentas humana, y su riesgo se delimita por diseño en lugar de detectarse después del hecho—dos reguladores, convergiendo en el mismo problema desde extremos opuestos del libro de normas. Uno extiende las leyes que ya tiene para cubrir a los agentes. El otro redacta nuevas normas para una categoría que no existía cuando se redactaron las anteriores.

¿Quién responde por el agente?

Detrás de ambos enfoques se encuentra una pregunta que los equipos de cumplimiento no habían tenido que responder claramente antes: cuando un agente actúa, ¿quién es responsable? El análisis legal de Baker McKenzie, publicado el 1 de julio de 2026, concluye que los tribunales y reguladores están convergiendo en una respuesta, al menos por ahora. La responsabilidad recae en los humanos y entidades detrás del agente, no en el propio agente, y una orden ejecutiva de EE. UU. de junio de 2026 que instruye al Departamento de Justicia a priorizar la aplicación contra el hacking habilitado por IA refuerza este principio. Esa respuesta funciona como un estándar legal. No es, por sí sola, una solución operativa.

Saber que un ser humano es finalmente responsable no indica al oficial de cumplimiento cuál es esa persona, en el momento en que se liquida una transacción. Tampoco le dice si la entidad detrás de un agente fue verificada una sola vez al incorporarse o de forma continua a medida que cambiaban los permisos del agente. Las normas de titularidad beneficiaria se diseñaron para responder “quién es el propietario”, mayormente como una pregunta puntual. La actividad agente plantea una pregunta continua: ¿quién está dirigiendo esto actualmente, y puede esa respuesta cambiar sin que nadie lo sepa?

El trabajo real de la función de cumplimiento

La mayoría de las funciones de cumplimiento no pueden rastrear actualmente esa cadena de extremo a extremo, y las herramientas para hacerlo aún se están desarrollando en lugar de comprarse prefabricadas. Un marco para el diseño adaptativo de programas AML sostiene que las reglas rígidas y uniformes de cribado aplicadas idénticamente a todos los clientes y jurisdicciones no pueden seguir el ritmo de un riesgo que cambia de forma tan rápidamente, y que los perfiles de cribado configurables, ajustados al riesgo real en lugar de a un libro de normas fijo, son la única estructura lo suficientemente flexible. La misma lógica se extiende naturalmente a la actividad agente. Un programa de cribado que no pueda ajustarse a una nueva categoría de principal no está capacitado para gobernarla.

La gobernanza de los propios agentes sigue la misma lógica. La guía reciente sobre otorgar a las herramientas de IA acceso a datos de señales de riesgo aboga por conexiones con permisos y registro que hereden los controles de acceso basados en roles existentes. Por lo tanto, las acciones de un agente generan la misma pista de auditoría que la de un analista humano, en lugar de un atajo sin seguimiento. Esa es una versión a menor escala del problema exacto que los reguladores están abordando ahora a nivel de todo el sistema financiero: las acciones de un agente deben ser atribuibles, en tiempo real, a la parte responsable detrás de ellas, en lugar de reconstruirse después del hecho.

Formalizando lo que ya existe

Sea como sea que la industria lo denomine, Conoce a tu Agente es una disciplina distinta, no un subconjunto de los equipos de cumplimiento de diligencia debida de clientes y negocios que ya existen. La dirección del movimiento apenas genera dudas: la fase de aplicación de la Ley de IA, el marco de gobernanza de Singapur y el consenso legal emergente sobre la responsabilidad apuntan todos al mismo destino: normas formales sobre quién o qué está autorizado a actuar y bajo cuya autoridad.

La única pregunta real es el momento, si las instituciones financieras construyen esa disciplina antes del mandato o se apresuran a ensamblarla después. Los reguladores rara vez recompensan lo último. Y el problema más difícil yace bajo las normas en cualquier caso: el cliente frente a la institución ya no es de forma fiable una persona, y ninguna simplificación de la documentación hace que el ser humano detrás de una cuenta sea más fácil de confiar.

Tamás Kádár es el CEO y cofundador de SEON, una empresa líder en prevención de fraude y AML. Lanzó SEON en 2017 después de enfrentar problemas de fraude en su propia casa de cambio de criptomonedas. Con experiencia en fintech, IA y ciberseguridad, construyó una plataforma que ofrece herramientas de nivel empresarial para empresas de todos los tamaños. Bajo su liderazgo, SEON ha ganado reconocimiento global. Como contribuyente al Consejo de Tecnología de Forbes y HackerNoon, Kádár aboga por la democratización de la prevención de fraude en tiempo real.