Regulación · UE y España
Marco normativo de la IA
Selecciona un ámbito para explorar qué exige la regulación europea y española a los sistemas de inteligencia artificial.
Marco europeo
Reglamento (UE) 2024/1689 · «AI Act»
La IA es una tecnología de impacto masivo y no puede regirse solo por la ética voluntaria de quien la desarrolla. Necesita reglas jurídicas que establezcan qué puede hacer, qué no puede hacer y qué debe hacer.
Aspectos clave
- Es un reglamento, no una directiva: se aplica directamente en España y en todos los Estados miembros, sin transposición.
- Su idea central es el enfoque basado en el riesgo: las obligaciones dependen del nivel de riesgo del sistema.
- Cada Estado debe designar una autoridad nacional, organizar la vigilancia del mercado y definir un régimen sancionador.
No se aplica de forma aislada
- RGPD: sigue siendo aplicable siempre que la IA trate datos personales. Ambas normas se aplican a la vez.
- Carta de los Derechos Fundamentales: aporta los valores que justifican las prohibiciones.
- Reglamento de Ciberresiliencia: se cruza con la exigencia de solidez y ciberseguridad (art. 15).
Niveles de riesgo
El enfoque basado en el riesgo
No toda la IA se regula igual. La intensidad de las obligaciones depende del nivel de riesgo, y el Reglamento distingue cuatro.
Prácticas prohibidas de forma directa por ser contrarias a los valores de la UE.
Sistemas sometidos a obligaciones estrictas antes de poder comercializarse o usarse.
Sistemas con obligaciones de transparencia, como los chatbots o la IA generativa.
La mayoría de las aplicaciones: uso libre, con códigos de buena conducta voluntarios.
Prácticas prohibidas
Riesgo inaceptable · Artículo 5
El artículo 5 prohíbe de forma directa un conjunto reducido de prácticas que se consideran contrarias a los valores de la UE y que generan un riesgo inadmisible.
Lo que la IA no puede hacer
- Manipulación subliminal, engañosa o que explote vulnerabilidades.
- Puntuación social.
- Predicción del riesgo de comisión de delitos.
- Inferencia de emociones.
Biometría
- Categorización biométrica para inferir opiniones o características sensibles.
- Identificación biométrica remota en tiempo real en espacios públicos.
- Recopilación indiscriminada de imágenes faciales.
Sanción: hasta 35 millones de euros o el 7 % del volumen de negocio anual mundial de la empresa infractora, la cifra que resulte mayor.
Alto riesgo y obligaciones
Artículo 6 · Proveedores y desplegadores
Los sistemas de alto riesgo sí pueden comercializarse y usarse, pero solo si cumplen un conjunto exigente de obligaciones antes de salir al mercado. Pueden ser componentes de seguridad de productos regulados o sistemas autónomos en usos sensibles, como la selección de personal, la educación o el acceso a servicios esenciales.
Proveedor · quien desarrolla o comercializa
- Gestión de riesgos durante todo el ciclo de vida (art. 9).
- Gobernanza de los datos de entrenamiento, validación y prueba (art. 10).
- Documentación técnica, conservada diez años (arts. 11 y 18).
- Registro automático de eventos y logs (art. 12).
- Transparencia y supervisión humana (arts. 13 y 14).
- Exactitud, solidez y ciberseguridad (art. 15).
- Seguimiento poscomercialización y notificación de incidentes graves (arts. 72 y 73).
Desplegador · quien utiliza el sistema
- Seguir las instrucciones de uso.
- Garantizar la supervisión humana.
- Supervisar el funcionamiento del sistema.
- Comunicar al proveedor los riesgos detectados.
Supervisión humana
Artículo 14 · ¿Quién decide realmente?
Cuanto más autónoma se vuelve la IA, menos claro queda quién decide. Por eso los sistemas de alto riesgo deben diseñarse para que una persona pueda vigilarlos y corregirlos. Según el grado de intervención humana se distinguen tres modelos.
Human in the loop
La persona participa en cada decisión antes de que se ejecute: la IA propone y la persona aprueba.
«El agente propone, el humano opera».
Human on the loop
La IA opera de forma autónoma, pero una persona vigila el proceso y puede intervenir o detenerla.
«El agente opera, el humano observa».
Human out of the loop
La IA actúa sin intervención ni supervisión humana.
No es aceptable en sistemas de alto riesgo.
Cuatro criterios de la AEPD
- Competencia y autoridad.
- Preparación y formación.
- Independencia y diligencia.
- Medios para ejercer su competencia.
Mecanismos complementarios
- Rutas de escalamiento.
- Monitorización automatizada en tiempo real.
- Principio de los cuatro ojos.
- Puntos de control con aprobación humana antes de acciones sensibles.
«No se puede obviar el artículo 22 inventándose una participación humana».AEPD · sobre el artículo 22 del RGPD
Transparencia y explicabilidad
Artículo 13 · Entender el resultado
Aunque suelen usarse como sinónimos, no son lo mismo. La transparencia es la exigencia general del Reglamento; la explicabilidad es la capacidad de ofrecer a las personas una comprensión razonable de cómo y por qué el sistema ha producido un resultado.
En el Reglamento de IA
- Los sistemas de alto riesgo deben ser lo bastante transparentes para que el desplegador pueda interpretar sus resultados (art. 13).
- La explicabilidad no tiene un artículo propio: se materializa a través de esa exigencia de transparencia.
- La AEPD la relaciona con la calidad de los resultados, la repetibilidad y la trazabilidad.
En el RGPD
- Derecho a no ser objeto de decisiones basadas únicamente en el tratamiento automatizado (art. 22).
- Deber de informar sobre la existencia de decisiones automatizadas y perfiles (arts. 13.2.f y 14.2.g).
- Protección de datos desde el diseño y por defecto (art. 25).
- Evaluación de impacto cuando el tratamiento presente un alto riesgo (art. 35).
Trazabilidad y auditabilidad
Reconstruir, verificar y conocer el origen
Tres conceptos permiten saber qué hizo un sistema, comprobarlo desde fuera y conocer con qué datos trabajó.
Trazabilidad
Capacidad de conocer el ciclo de vida completo de un dato o de una decisión: de dónde viene, quién lo transformó, cuándo, dónde y con qué finalidad.
Registro automático de eventos y logs durante toda la vida útil del sistema.
Auditabilidad
Propiedad que permite examinar el sistema de forma independiente para verificar que cumple los requisitos y funciona como se declara.
Se apoya en la documentación, los logs, la cooperación con las autoridades y el seguimiento poscomercialización.
Procedencia de los datos
Capacidad de identificar el origen de los datos que alimentan el sistema y verificar su fiabilidad.
Requisitos de relevancia, representatividad, ausencia de errores y minimización de sesgos.
Limitación: el catálogo detallado de normas técnicas todavía está en desarrollo.
Marco español
AESIA · Sandbox · AEPD
En España el marco tiene tres piezas: el Reglamento europeo, una normativa estatal propia (el Estatuto de la AESIA y el sandbox de IA) y la normativa de protección de datos.
AESIA
Agencia Española de Supervisión de Inteligencia Artificial, creada por el Real Decreto 729/2023.
Es la autoridad que supervisa y, en su caso, sanciona los sistemas de IA en el ámbito estatal. Supervisa de oficio los que usan las Administraciones Públicas.
Sandbox de IA
Entorno controlado donde las empresas prueban sus sistemas frente a las obligaciones del Reglamento antes de lanzarlos al mercado.
Reduce la incertidumbre normativa y ha dado lugar a guías técnicas orientativas.
AEPD
No es una autoridad de IA, pero tiene un papel central: la mayoría de los sistemas tratan datos personales y se rigen también por el RGPD.
Sus guías son la referencia práctica para operar con IA en España.
Obligatorio y orientativo: el Reglamento de IA, el RGPD y el Estatuto de la AESIA son normas vinculantes. Las guías de la AEPD y las del sandbox son soft law: no obligan, pero tienen un peso interpretativo muy relevante.
INVIA.
Ventaja estratégica.
Vulnerabilidad interna.
La inteligencia artificial multiplica capacidades. También transforma los riesgos y la dependencia de quienes la utilizan.
¿Cómo hemos analizado la IA?
Revisión documental cualitativa para evaluar ventajas, vulnerabilidades y sus implicaciones estratégicas y operativas.
¿Cuándo es una ventaja estratégica y cuándo puede comprometer la autonomía y la seguridad?
La investigación compara ambas dimensiones y valora las condiciones necesarias para aprovechar la IA sin perder capacidad de control.
Revisión documental
Informes especializados, publicaciones académicas y documentos institucionales nacionales e internacionales.
El ciclo de inteligencia orienta el proceso; la metodología descrita en el informe es cualitativa, descriptiva y analítica.
La evolución de la inteligencia artificial
Del desarrollo de los primeros sistemas a la competencia internacional por la tecnología.
GAN, Transformer y modelos reutilizables
Las GAN amplían la generación de contenido sintético. El Transformer (2017) y BERT (2018) aceleran los modelos capaces de adaptarse a distintas tareas.
La inteligencia artificial abarca distintos enfoques para realizar tareas asociadas con capacidades cognitivas humanas.
¿Quién controla las capacidades críticas de la IA?
Inversión, investigación e infraestructura condicionan la autonomía de Estados y organizaciones.
Rusia
El informe no aporta un análisis cuantitativo de Rusia comparable al de EE. UU., China y la UE. Puede mencionarse en el contexto de usos de IA relacionados con seguridad y defensa, sin atribuirle un puesto en la clasificación.
Taiwán
La concentración de fabricación avanzada de chips en empresas como TSMC ilustra una dependencia de la cadena tecnológica. Taiwán importa aquí como nodo industrial crítico, no como un cuarto competidor equivalente en modelos de IA.
Más información del informe
Infraestructura y dependencias tecnológicas
Desarrollar una aplicación propia no equivale necesariamente a controlar los chips, los datos, la computación o los modelos de los que depende.
Cifras y afirmaciones del apartado 3 del informe INVIA; algunas magnitudes miden dimensiones diferentes y no constituyen un ranking único. Verificar las fuentes y fechas antes de la publicación final.
Ventajas y oportunidades de la IA
01PRIMERA PREGUNTA¿Cuándo la IA se convierte en ventaja estratégica?No basta con tenerla: importa qué problema resuelve y qué mejora.
Incorporar inteligencia artificial a una organización no genera una ventaja automática. Su utilidad depende de que resuelva un problema, permita realizar mejor o más rápido una tarea necesaria y amplíe la escala a la que esa tarea puede ejecutarse.
Tres condiciones que hacen útil a la IA
Resolver un problema
Identificar una tarea real que necesite mejorar, no adoptar IA por inercia tecnológica.
Hacerlo mejor o más rápido
Reducir trabajo previo, mejorar la búsqueda o facilitar la explotación de información.
Asumir lo inabarcable
Abordar volúmenes, formatos y relaciones que exceden una revisión manual oportuna.
Tres límites humanos que ayuda a reducir
La IA permite manejar más información, reducir tiempos y hacer visibles relaciones difíciles de identificar manualmente. El criterio profesional determina qué información importa, qué debe comprobarse y qué decisión puede justificarse.
¿Hay mejoras de productividad documentadas?
Los resultados pertenecen a tareas y poblaciones concretas. No son una medida general de mejora para inteligencia, defensa ni ciberseguridad.
Noy y Zhang · Science (2023)
Experimento con 453 profesionales y tareas de redacción: reducción del tiempo medio del 40 % y mejora de calidad del 18 % cuando se permitió utilizar ChatGPT.
Brynjolfsson, Li y Raymond · QJE (2025)
Estudio con 5.172 agentes de atención al cliente: incremento medio publicado del 15 %, con mejoras heterogéneas y mayor beneficio para trabajadores menos experimentados.
La versión previa de trabajo de NBER (2023) comunicaba aproximadamente 14 %, cifra utilizada en los apuntes de INVIA. La publicación definitiva de 2025 informa del 15 %.
Cuando una tarea admite recuperación de conocimiento, apoyo cognitivo o automatización parcial, la combinación entre persona y máquina puede mejorar el rendimiento. La magnitud y la calidad de la mejora deben comprobarse en cada contexto.
Cinco ámbitos donde la IA aporta valor
Las aplicaciones no son equivalentes: unas facilitan la explotación documental, otras utilizan aprendizaje automático para detectar anomalías y otras apoyan la interpretación o la planificación. Selecciona cada área para conocer qué aporta y dónde exige supervisión.
2.1InformaciónDel exceso de datos al conocimiento útil
Una primera ventaja clara es la escala. Las organizaciones producen y reciben más información de la que una persona —o incluso un equipo— puede revisar manualmente en un plazo útil.
Del exceso de datos al conocimiento útil
Acceder a la información ya no es suficiente. El verdadero problema es localizar lo relevante y situarlo en el contexto correcto. La IA puede descargar parte del trabajo previo: clasificar documentos, reconocer entidades, traducir, transcribir, extraer acontecimientos, agrupar temas, buscar por significado y preparar resúmenes.
Más formatos
Los modelos multimodales permiten trabajar conjuntamente con texto, imagen, audio y vídeo, útil cuando un mismo fenómeno aparece fragmentado entre fuentes y disciplinas.
Más conexiones
Un sistema integrado puede señalar nombres, lugares y hechos repetidos, contradicciones, cambios y novedades que requieren revisión manual, especialmente en fuentes abiertas multilingües.
Recuperación con fuentes
Un sistema de recuperación aumentada (RAG) permite consultar documentos de una colección y recuperar pasajes asociados. La cita no garantiza la autenticidad ni la exactitud: hay que comprobar qué documento se recuperó, su integridad y si respalda la respuesta.
Límite: detectar una coincidencia o producir un resumen no verifica su autenticidad. El analista debe regresar a la fuente primaria.
2.2AutomatizaciónReducir lo mecánico, preservar lo decisivo
La automatización es probablemente la ventaja más inmediata de percibir: reducir lo mecánico, preservar lo decisivo.
Menos tareas repetitivas, más tiempo para interpretar
Etiquetar información, convertir formatos, comparar versiones, ordenar registros, cumplimentar campos, preparar cronologías, generar borradores o priorizar alertas consume tiempo sin exigir siempre un juicio complejo.
Automatizar esas tareas no equivale necesariamente a eliminar puestos. Puede liberar horas antes destinadas a operaciones mecánicas para que el profesional se concentre en interpretar, supervisar y decidir.
Esto es especialmente relevante en análisis: el tiempo dedicado a limpiar datos o buscar referencias deja de estar disponible para contrastar hipótesis.
Localizar desviaciones
Los algoritmos pueden identificar comportamientos habituales, agrupar secuencias semejantes y señalar desviaciones o relaciones débiles. Detectar una anomalía no significa comprender su causa. Indica dónde conviene investigar.
Distinguir herramientas
Los modelos estadísticos y de aprendizaje automático pueden estimar demanda, riesgo, fallos o evolución de variables a partir de datos históricos. Los modelos generativos ayudan a ordenar alternativas, resumir argumentos, construir escenarios y comparar cursos de acción.
Idea clave: unos modelos estiman; otros ayudan a consultar, explicar y presentar. Ninguno elimina la validación de resultados ni la responsabilidad humana.
Ver ejemplo práctico «con y sin IA» ↓2.3InteligenciaLa IA como apoyo al ciclo analítico
El análisis de inteligencia es un terreno especialmente adecuado para estas herramientas porque rara vez trabaja con información completa, homogénea o disponible con tiempo suficiente.
Más explotación, pero no más certeza automática
La IA no sustituye la función analítica. Reduce parte del trabajo previo necesario para llegar a ella. Cuanto mayor sea el volumen de información y menor el tiempo, mayor puede ser su utilidad como apoyo al trabajo especializado.
En distintas fases puede asistir con traducciones, transcripción, extracción de entidades, clasificación, duplicados, cronologías, redes, hipótesis alternativas, recuperación de antecedentes y seguimiento de indicadores. La información resultante sigue requiriendo comprobación.
La IA dentro del ciclo de inteligencia
Recorre dirección, obtención, procesamiento, análisis y difusión. Cada fase explica qué puede aportar la IA, qué corresponde al profesional y qué límites deben vigilarse.
Abrir el ciclo interactivoUtilizar la IA para discutir el propio análisis
Un modelo generativo puede buscar argumentos contrarios a una hipótesis, hacer explícitos sus supuestos, localizar información que la debilite y sugerir indicadores capaces de distinguir explicaciones competidoras. Puede apoyar técnicas de contraste como el análisis de hipótesis competitivas (ACH).
La respuesta no debería aceptarse como una conclusión. Su utilidad reside en forzar una segunda mirada y estimular comprobaciones independientes.
Resumen: la IA puede estar presente en casi todo el ciclo, pero de formas diferentes. La atribución, la causalidad y la decisión sobre qué difundir exigen responsabilidad profesional.
¿Tres avisos significan un mismo incidente?
Supongamos que una alerta técnica sitúa un vehículo a las 08:15 en un edificio; un testigo habla de una furgoneta a las 09:00 en una calle cercana; y una imagen sin fecha muestra un vehículo similar. Un modelo podría agrupar los tres avisos como una secuencia única.
Mostrar la revisión crítica que debería hacer el analista
Comprobar fecha y metadatos de la imagen, verificar la ubicación exacta de cada fuente, separar observación directa de interpretación y mantener la alternativa de que se trate de vehículos distintos. La similitud no demuestra identidad ni continuidad temporal.
2.4CiberseguridadDistinguir señal de ruido
Distinguir señal de ruido. Una red corporativa o institucional puede generar millones de eventos al día; revisarlos todos manualmente no es realista.
Reducir la saturación de alertas
En un centro de operaciones de seguridad (SOC), uno de los problemas es el exceso de avisos. Si una herramienta agrupa eventos relacionados, identifica ruido conocido, correlaciona señales y sugiere comprobaciones, puede ayudar al equipo a concentrarse en lo más relevante.
Se registran avisos de múltiples fuentes.
La IA agrupa y correlaciona eventos relacionados.
El analista comprueba y decide qué investigar.
El analista no deja de ser necesario: puede reservar su atención para incidentes de mayor impacto y para buscar amenazas de forma proactiva. Los propios sistemas de IA también necesitan protección.
2.5DefensaIA transversal y ventaja informativa
En defensa, la IA no encaja en una única función. Es una tecnología transversal.
Integrar información para comprender antes
Puede aplicarse a inteligencia, vigilancia y reconocimiento (ISR), fusión de sensores, apoyo al mando, planificación, simulación, logística, mantenimiento predictivo, ciberdefensa, guerra electrónica, sistemas no tripulados y formación.
Los casos son distintos, pero comparten una idea: reducir el tiempo que transcurre entre observar lo que ocurre, entenderlo suficientemente bien y actuar. La IA puede reducir el ciclo de decisión al detectar señales antes, integrar más información y actualizar con mayor rapidez una imagen operativa. En determinados contextos, una ventaja informativa de minutos puede importar más que mejoras marginales de una plataforma.
Límite: la rapidez no sustituye precisión, interoperabilidad, doctrina ni supervisión. No deben atribuirse a un modelo generativo funciones propias de visión artificial, mando o armamento.
Una misma tarea: con IA y sin IA
Compara el trabajo de preparación de un informe documental. La IA puede asistir en la búsqueda y organización, mientras que la verificación y la interpretación continúan bajo responsabilidad del analista.
¿Qué cambia en el trabajo del analista?
Selecciona una opción para observar cómo se redistribuyen las tareas. Es una comparación didáctica, no una medición de ahorro de tiempo.
- Búsqueda de cada fuente por separado.
- Clasificación y comparación manual.
- Redacción preliminar y revisión.
- Valoración profesional y decisión.
El analista asume todas las operaciones de preparación y análisis.
La IA dentro del ciclo de inteligencia
Recorre las cinco fases. El diagrama es una adaptación didáctica: las aportaciones de IA varían según la organización, las fuentes y las condiciones de seguridad.
Definir bien la pregunta
La IA puede ayudar a descomponer una necesidad de información y proponer cuestiones que convendría aclarar. La prioridad y el marco de la misión los fija la persona responsable.
Estructurar requerimientos y detectar ambigüedades.
Determinar prioridades, alcance y legalidad.
La IA puede proponer objetivos inadecuados o no pertinentes.
Aplicación crítica: utilizar el modelo como contrapunto (*red team*) para poner a prueba explicaciones, identificar supuestos y buscar indicadores contrarios. El modelo plantea cuestiones; no certifica hechos.
Una capacidad no es aún una ventaja
Se sustituye el DAFO genérico por una matriz aplicable a cualquier organización. Para elaborar un DAFO riguroso habría que identificar una organización concreta y sus capacidades internas reales, además de las oportunidades y amenazas externas del entorno.
01 · InformaciónClasificar y conectar fuentesMayor cobertura de información relevanteOrigen y calidad verificables
Comprobar qué información importante detecta y omite, cuántas referencias están correctamente atribuidas y qué errores aparecen en documentos recuperados.
02 · AutomatizaciónEjecutar trabajo repetitivoReducción del tiempo total sin degradar calidadRevisión y costes de corrección
No medir solo la generación inicial. Registrar horas de revisión, retrabajo, dependencia del proveedor y resultados comparables antes/después.
03 · InteligenciaPreparar y contrastar hipótesisMás evidencia contrastada y menos omisionesFuentes independientes
Valorar si propone alternativas discriminantes, detecta vacíos de información y evita introducir hechos inexistentes.
04 · CiberseguridadCorrelacionar y priorizar eventosInvestigaciones más oportunas sin perder ataquesFalsos positivos y negativos
Auditar reglas de priorización, incidentes detectados y omitidos y tiempos efectivos de respuesta, en condiciones equivalentes.
05 · DefensaIntegrar datos y asistir a mandosDecisiones mejor fundamentadas y oportunasFiabilidad, interoperabilidad y control
Valorar calidad de la información compartida, capacidad de justificar decisiones y riesgos por errores propagados.
¿Cómo saber si la IA aporta valor real?
La mejora debe observarse en una tarea definida, frente a una situación de referencia y considerando errores, costes y dependencia. Estos son criterios de evaluación, no resultados medidos en INVIA.
¿Ahorra tiempo neto?
Tiempo completo de la tarea, incluidas revisión, rectificaciones y fallos.
¿Mejora el resultado?
Proporción de respuestas correctas, justificadas y pertinentes.
¿Detecta lo relevante?
Casos o fuentes relevantes identificadas y omisiones observadas.
¿Qué errores comete?
Falsos positivos, falsos negativos, respuestas inventadas y sesgos.
¿Puede comprobarse?
Proporción de afirmaciones respaldadas por referencias verificables.
¿Qué pasa si falla?
Continuidad del servicio, alternativas disponibles y control operativo.
No basta con demostrar que el modelo puede hacer algo. Debe comprobarse que la organización obtiene una mejora relevante y sostenible, sin que los nuevos errores o dependencias superen los beneficios.
Laboratorio de exposición.
Seis vectores técnicos. Qué pueden comprometer y cómo reducir la superficie de riesgo.
Prompt injection
Instrucciones maliciosas introducidas en entradas o contenidos que un sistema procesa y que pueden desviar su comportamiento.
Sistemas afectados: Asistentes, flujos RAG, herramientas conectadas.
Reducir la exposición
Separación de instrucciones y datos; mínimos privilegios; verificación de salidas y acciones.
Demostraciones conceptuales, sin ejecución de ataques.
Casos bajo análisis.
Venezuela dispone de un dossier ampliado independiente con fuentes y niveles de evidencia; Teherán permanece en versión introductoria. Los hechos requieren contraste editorial.
Venezuela.
Contexto, acontecimientos, posibles usos de IA, evidencias y límites del caso.
Información del dossier
El dossier ampliado reúne contexto, acontecimientos, posibles usos de IA, evidencias y límites del caso.
Publicación en WordPress: el documento íntegro se incorporará como una página específica de INVIA, para preservar su estructura y referencias sin sobrecargar esta página principal.
Teherán.
Contexto, cronología contrastada, fuentes, cuestiones analíticas e incertidumbres.
Ver estado del dossier
Contenido documental pendiente de incorporación y contraste con el informe INVIA.
Este espacio está preparado para una cronología verificable, las evidencias, la participación atribuida a sistemas de IA, posibles consecuencias y las incertidumbres del análisis.
Estructura del dossier- Contexto y pregunta analítica.
- Cronología con fuentes.
- Actores y capacidades verificadas.
- Hallazgos, hipótesis y límites.
- Implicaciones para inteligencia y defensa.
Explora el perfil de exposición.
Modifica las características de una organización ficticia y observa una representación educativa del riesgo.
El indicador cambia de forma uniforme con cinco factores ficticios. No representa una probabilidad de incidente, un índice validado ni un diagnóstico de una organización.
Ver modelo de cálculo ⓘ
El marcador es la media aritmética, con peso idéntico, de cinco entradas: dependencia, uso no controlado de IA generativa y los inversos de supervisión, seguridad y auditoría.
Fórmula: (dependencia + uso no controlado + 100 − supervisión + 100 − seguridad + 100 − auditoría) ÷ 5.
Los umbrales 0–33, 34–66 y 67–100 son convenciones de diseño. No hay calibración empírica, métricas de riesgo real ni garantía de que las relaciones entre variables sean lineales.
Cuanta más tecnología se incorpora, más inteligencia humana se necesita.
La capacidad importa. El control, también.