← Resources
By Leila Haddad
— Solutions Architect, Enterprise
·
· GUIDE
Registro de Auditoría de IA y Cumplimiento: Qué Registrar y Por Qué
Los sistemas de IA necesitan registros de auditoría que el registro de aplicaciones convencional no puede proporcionar — para la rendición de cuentas, el cumplimiento normativo y los litigios. Esta guía cubre qué registrar, los marcos normativos que lo exigen, por qué la observabilidad de agentes es especialmente difícil, y las realidades sobre inmutabilidad y eDiscovery.
Por qué la IA necesita su propio registro de auditoría
Los agentes de IA realizan acciones reales y se comportan de forma no determinista — el mismo prompt puede producir secuencias distintas de llamadas a herramientas en diferentes ejecuciones — por lo que la observabilidad tradicional y determinista puede decirte que algo ha fallado, pero no por qué. Además, la atribución de identidad es ambigua: los agentes suelen actuar bajo cuentas de servicio compartidas o con las credenciales del ser humano que los desplegó, de modo que sin registro por acción no es posible vincular claramente una acción con el agente que la realizó.
El resultado es una brecha de responsabilidad precisamente donde las consecuencias son mayores — acciones autónomas sobre sistemas reales. El registro de auditoría la cierra, y cada vez menos es opcional: es la evidencia que reguladores, auditores y tribunales solicitan. (También pone de manifiesto los riesgos de agencia excesiva tratados en nuestra [guía de salvaguardas para agentes](/articles/autonomous-agent-guardrails).)
Qué registrar
Los registros de aplicaciones capturan solicitudes; los registros de auditoría de IA deben capturar la cadena de razonamiento. Registra, como eventos estructurados en lugar de métricas agregadas: el prompt exacto y la respuesta, cada llamada a herramienta con sus entradas y salidas, el nombre y la versión del modelo, la versión del prompt, el contexto recuperado, la identidad del usuario, el recuento de tokens y el coste, la latencia, y cualquier evento de escalado o aprobación humana.
El campo de modelo y versión importa más de lo que la gente cree — cuando el comportamiento cambia tras una actualización del modelo, necesitas los registros para saber qué versión produjo qué salida. Vincula cada registro a una identidad para que el rastro responda a "quién hizo qué, con qué modelo y cuándo".
Los marcos normativos que lo exigen
Varios regímenes convierten ya el registro de IA en un requisito, no en un lujo. La Ley de IA de la UE (Artículo 12) exige que los sistemas de IA de alto riesgo registren automáticamente eventos a lo largo de la vida del sistema para garantizar la trazabilidad. El principio de responsabilidad proactiva del GDPR te obliga a demostrar el cumplimiento con evidencia documentada. La HIPAA exige controles de auditoría sobre los sistemas que manejan datos de salud protegidos, con retención de varios años. SOC 2 no prescribe un período, pero te audita según tu propia política y espera evidencia de resistencia a la manipulación. Y el Marco de Gestión de Riesgos de IA del NIST hace hincapié en la documentación, la auditabilidad y la trazabilidad — incluyendo registros de cambios de modelo y versiones de datos — a lo largo del ciclo de vida.
El hilo conductor: registra automáticamente, vincula a una identidad y sé capaz de producirlo.
Inmutabilidad y retención
Los registros que se pueden editar en silencio no son evidencia. El estándar es la inmutabilidad — almacenamiento de solo-adición o escritura única, o encadenamiento de hashes criptográficos donde cada entrada incluye el hash de la anterior, de modo que cualquier manipulación sea detectable — guardados de forma separada del sistema que los generó, para que ni siquiera los administradores puedan alterarlos retroactivamente.
La retención varía según el régimen: la HIPAA exige aproximadamente seis años, mientras que SOC 2 suele establecer unos doce meses por defecto (con una ventana activa para investigaciones en curso), auditados conforme a tu política declarada. Establece la retención al marco más estricto al que estés sujeto y asegúrate de que el almacenamiento la aplique en lugar de depender de procesos manuales.
La brecha de observabilidad y el eDiscovery
Dos presiones más recientes dan forma al registro de auditoría de IA. En primer lugar, los estándares: las convenciones semánticas de GenAI de OpenTelemetry están emergiendo como esquema común para la telemetría de IA — estandarizando los nombres de atributos para llamadas de modelo, uso de tokens y pasos de agente — de modo que los registros no queden atados a un único proveedor. Combina el registro con la detección de anomalías para identificar el uso de herramientas fuera de política y la escalada de permisos que los registros estáticos por sí solos no detectarían.
En segundo lugar, los litigios: los prompts y las salidas de IA son información almacenada electrónicamente susceptible de descubrimiento, y los tribunales ya han ordenado la producción de grandes volúmenes de registros de GenAI. Esto tiene doble filo — tu historial de interacción con IA es tanto una responsabilidad de descubrimiento como una obligación de retención legal, lo que significa que necesitas que sea consultable y producible, no disperso entre sistemas.
Registro de auditoría en osFoundry
osFoundry trata el registro de auditoría como una capacidad empresarial de primer nivel, no como un añadido posterior. Cada interacción con IA — prompts, respuestas, llamadas a herramientas, modelo y versión, usuario, coste y escalados — se captura como registros estructurados y trazables vinculados a una identidad, abordando directamente la brecha de observabilidad de agentes y el mandato de registro automático del Artículo 12 de la Ley de IA de la UE. La auditoría integrada de llamadas a herramientas y la detección de anomalías ponen de manifiesto los riesgos de agencia excesiva y escalada de permisos en la capa de herramientas, mientras que la retención inmutable respalda las expectativas de responsabilidad de SOC 2, HIPAA y GDPR. Los informes de cumplimiento mapean esta evidencia a los marcos reconocidos, y el soporte de eDiscovery hace que el historial de interacción con IA sea consultable y producible para la retención legal — de modo que la responsabilidad sobre la IA autónoma proviene de una sola plataforma en lugar de herramientas de observabilidad y gobernanza cosidas entre sí. Combina de forma natural con [SSO y RBAC](/articles/sso-rbac-for-ai-workspaces), ya que cada acción registrada está vinculada a una identidad gobernada.
Frequently asked questions
- ¿Por qué la IA necesita registro de auditoría más allá de los registros de aplicaciones normales?
- Porque los agentes de IA realizan acciones reales y se comportan de forma no determinista, de modo que los registros ordinarios pueden mostrar que algo falló, pero no por qué, y la identidad suele ser ambigua (cuentas de servicio compartidas). Los registros de auditoría de IA capturan la cadena de razonamiento completa — prompts, llamadas a herramientas, versión del modelo y salidas vinculadas a un usuario — que es lo que exigen la rendición de cuentas, el cumplimiento normativo y la investigación de incidentes.
- ¿Qué debe capturar un registro de auditoría de IA?
- El prompt y la respuesta exactos, cada llamada a herramienta con sus entradas y salidas, el nombre y la versión del modelo, la versión del prompt, el contexto recuperado, la identidad del usuario, el recuento de tokens y el coste, la latencia, y cualquier evento de escalado o aprobación — almacenados como registros de eventos estructurados, no solo métricas agregadas. El campo de modelo y versión es especialmente importante para diagnosticar cambios de comportamiento tras actualizaciones.
- ¿Exige la Ley de IA de la UE el registro de IA?
- Sí, para los sistemas de IA de alto riesgo. El Artículo 12 exige que registren automáticamente eventos a lo largo de la vida del sistema para permitir la trazabilidad y el seguimiento post-comercialización — registro automático, no documentación manual. Otros marcos (responsabilidad proactiva del GDPR, HIPAA, SOC 2, NIST AI RMF) imponen obligaciones de registro y evidencia relacionadas.
- ¿Cuánto tiempo deben conservarse los registros de auditoría de IA y deben ser inmutables?
- La retención depende del marco — la HIPAA exige aproximadamente seis años, SOC 2 suele establecer unos doce meses auditados conforme a tu propia política. La inmutabilidad es el estándar: almacenamiento de solo-adición o con encadenamiento de hashes, guardado de forma separada del sistema generador, de modo que los registros no puedan alterarse retroactivamente y cualquier manipulación sea detectable.
- ¿Qué marcos de cumplimiento exigen el registro de IA?
- La Ley de IA de la UE (registro automático del Artículo 12 para sistemas de alto riesgo), el GDPR (el principio de responsabilidad proactiva y los registros de tratamiento), la HIPAA (controles de auditoría con retención de varios años), SOC 2 (registro auditado conforme a tu política con resistencia a la manipulación) y el Marco de Gestión de Riesgos de IA del NIST (documentación y trazabilidad a lo largo del ciclo de vida).
- ¿Por qué las herramientas de observabilidad tradicionales no cubren los agentes de IA?
- Porque fueron diseñadas para sistemas deterministas. Los agentes de IA son no deterministas — la misma entrada puede generar secuencias distintas de llamadas a herramientas — y su atribución de identidad suele ser ambigua. Las herramientas tradicionales capturan que ocurrió un fallo, pero no la ruta de razonamiento que lo causó, que es la brecha de observabilidad que cubre el registro de auditoría a nivel de evento específico para IA.
- ¿Son los prompts y las salidas de chatbots de IA susceptibles de descubrimiento en litigios?
- Sí. Los prompts y las salidas de IA se consideran información almacenada electrónicamente sujeta a descubrimiento, y los tribunales ya han ordenado la producción de grandes volúmenes de registros de GenAI. Esto convierte tu historial de interacción con IA tanto en una responsabilidad de descubrimiento como en una obligación de retención legal — una razón de peso para mantenerlo registrado, consultable y producible en lugar de efímero.
Sources