La auditoría de la norma citada: el pecado capital del compliance
En compliance, un artículo de ley o una cláusula de política citada mal no cuesta un retrabajo: cuesta un informe falso al comité o al regulador. Esta es la lección del moat RESPONDER aplicado al compliance: la IA propone, el analista verifica, y quien firma el informe es una persona, siempre.
Un analista de compliance le pidió a la IA el sustento legal para liberar un nuevo flujo de datos de clientes y recibió, en segundos, "conforme al artículo 7, inciso IX, de la Ley General de Protección de Datos (LGPD), el tratamiento está amparado por interés legítimo, eximiendo el consentimiento". La redacción era impecable, el número del artículo parecía correcto. Casi lo adjuntó directo al dictamen que iba al comité de riesgo. Un colega, por costumbre, abrió el texto de la ley antes de presentarlo: el inciso IX trata la protección al crédito, una hipótesis completamente distinta de la que el flujo exigía. El informe entero estaba apoyado en una lectura equivocada del artículo, y solo la verificación en la fuente, antes de reportar, evitó que el comité aprobara un flujo sin base legal real.
Un analista le pidió a la IA la norma contable que fundamentaba una clasificación de provisión y recibió la cita de un ítem del CPC "en vigor", con redacción convincente. El ítem real del CPC, al verificarlo, trataba otra hipótesis contable, y la clasificación propuesta por la IA no se sostenía. La verificación en la fuente oficial, hecha antes de adjuntar al informe de auditoría, impidió que la clasificación equivocada saliera.
Un abogado interno le pidió a la IA jurisprudencia para sustentar la defensa de la empresa en una fiscalización y recibió cuatro fallos con resultado, sala y ponente. Al auditar antes de presentar, descubrió que dos estaban inventados desde cero y un tercero era real, pero decía exactamente lo opuesto de lo que la IA afirmó que decía. Faltaba una hora para el plazo de respuesta al organismo fiscalizador.
Un equipo le pidió a la IA el sustento regulatorio de un claim de campaña ("aprobado por la autoridad sanitaria") y recibió la cita de un registro con número y fecha. La pieza casi salió al aire. En la auditoría, el registro citado no correspondía al producto real de la campaña, y el claim sin respaldo exponía a la empresa a un juicio por publicidad engañosa. Verificar el registro en la fuente antes de aprobar la pieza fue lo que impidió que el claim saliera al aire.
Una analista de RRHH le pidió a la IA el artículo de la legislación laboral que amparaba una política de monitoreo de correo corporativo y recibió la cita de un dispositivo "vigente", convincente. Iba a adjuntarlo a la política que se comunicaría a toda la empresa. En la verificación, el artículo citado trataba otra hipótesis de monitoreo, y la política propuesta excedía lo que la ley realmente autoriza. Verificar el texto oficial antes de comunicar la política evitó exponer a la empresa a una práctica sin respaldo legal real.
Un PM le pidió a la IA si una feature de geolocalización necesitaba un aviso de privacidad específico y recibió la cita de un artículo de la Ley General de Protección de Datos (LGPD) "que exime el aviso para ese tipo de dato". Ya iba a pegarlo en el PRD para justificar la ausencia del aviso. Antes, fue a buscar el texto oficial: el artículo citado no trataba ninguna exención, y la feature sí exigía un aviso claro. La priorización entera estaba apoyada en una lectura fabricada, y verificar la fuente antes del lanzamiento evitó lanzar una feature sin la base legal que necesitaba.
Un gerente comercial le pidió a la IA el límite legal de regalo a un agente público antes de cerrar una negociación con un organismo estatal y recibió la cita de una norma anticorrupción "vigente", con un valor específico. Casi siguió ese valor en la negociación. Fue a verificar en la política real de la empresa y en la ley citada: el valor real era bastante menor, y la IA había mezclado el límite de dos normas distintas. Verificar antes de negociar evitó una oferta que configuraría ventaja indebida a un agente público.
Un coordinador de operaciones le pidió a la IA el límite de aprobación definido en la norma interna de aprobación de compra y recibió un valor específico, citado con confianza. Iba a distribuirlo al equipo como regla oficial. En la auditoría, abrió la norma real: el valor citado por la IA no correspondía al texto vigente, que definía un nivel de aprobación distinto. El documento parecía operativo y estaba basado en una lectura equivocada, y solo abrir la norma real antes de distribuirlo evitó difundir la regla equivocada.
Una analista le pidió a la IA el artículo de la Ley General de Protección de Datos (LGPD) que sustentaba un control interno de retención de dato y recibió la cita de un dispositivo "vigente", con número y redacción convincente. Iba a adjuntarlo al dictamen de riesgo que cerraría el trimestre. Antes de firmar, verificó en el texto oficial: el artículo citado había sido interpretado de forma equivocada por la IA, que mezcló el texto de un artículo con el criterio de otro. Un control apoyado en base regulatoria mal citada es el tipo de falla que la próxima auditoría externa encuentra con certeza, y verificar el texto oficial antes de firmar fue lo que evitó eso.
Un analista de seguridad le pidió a la IA el ítem de la política de acceso que amparaba la concesión de una credencial privilegiada y recibió la cita de un ítem "vigente", con número y texto convincente. Casi concedió el acceso con base en eso. Fue a verificar la política real: el ítem citado trataba otro tipo de acceso, y la concesión propuesta no tenía respaldo real en la norma interna. Verificar la política antes de conceder el acceso evitó una concesión indebida.
Una diseñadora le preguntó a la IA si un patrón de pantalla de consentimiento estaba alineado con la Ley General de Protección de Datos (LGPD), pidiéndole el artículo que amparaba el análisis, y recibió "conforme al artículo 9, el formato es adecuado", segura, lista para aprobar el flujo. En la verificación, el artículo 9 trataba otro requisito, y el formato propuesto no cumplía el requisito real de transparencia de la ley. Verificar el artículo antes de aprobar el flujo evitó lanzar una pantalla fuera de cumplimiento.
Un analista de estrategia le pidió a la IA la exigencia regulatoria para entrar a un nuevo mercado internacional y recibió la cita de una norma de licenciamiento "vigente en ese país", con número y organismo regulador. Ya iba a entrar en el memorando para el directorio como asunto resuelto. Antes de presentarlo, fue a buscar la fuente oficial del país: la norma citada no existía con ese número, y la exigencia real era otra, más restrictiva. La decisión de entrada estaba apoyada en una lectura fabricada, y solo la verificación en la fuente primaria, antes de llevarlo al directorio, evitó presentar una exigencia que no existía.
Mira, voy a ser honesto contigo. La parte más peligrosa de la IA en compliance no es cuando se equivoca de un modo obvio. Es cuando acierta el formato y se equivoca en la norma. Te entrega un artículo con número, redacción y tono de quien domina el tema, y tu cabeza se relaja porque parece el trabajo de un colega experimentado. Ese relajamiento es el agujero. En compliance, una norma citada mal no cuesta un comentario malo: cuesta un informe falso al comité de riesgo o al regulador, y puede costar la credibilidad del área entera.
La idea central de esta lección. La IA no "consulta" la norma: predice el siguiente texto más probable. Por eso inventa artículo, cláusula de política interna e ítem de norma técnica con confianza absoluta, y su confianza es justamente lo que te engaña. La regla es simple e innegociable: nunca confíes en una cita de norma de la IA sin verificar. Tú auditas. Y quien firma el informe de compliance es una persona, siempre, porque "la IA que citó" no existe ante el comité o el regulador.
01Por qué la IA miente con la cara más seria del mundo
Vamos a deshacer un malentendido que cuesta caro. La IA no tiene un banco de normas en la cabeza que "abre" para responderte. Funciona prediciendo cuál es la palabra siguiente más probable, dado todo lo que vino antes. Cuando le pides el artículo que ampara una decisión, no busca: compone algo que tiene la cara de una cita correcta. Número, texto, tono de quien domina el tema, todo en el formato perfecto, porque vio miles de citas reales y aprendió el molde. El molde está bien. El contenido puede estar mal, o puede ni siquiera existir.
El problema no es que se equivoque; es que se equivoca con la misma confianza con la que acierta. No viene un aviso, no viene un "quizás", no viene una duda. Viene un texto seguro, redondo, del modo en que un especialista experimentado lo escribiría. Y existen casos reales de instituciones sancionadas por reportar un control inexistente o mal fundamentado al regulador, mucho antes de que existiera cualquier IA generativa. Ahora, con la IA generando ese tipo de texto en segundos, el riesgo de repetir ese error en escala aumenta, no disminuye.
Fíjate en la inversión cruel. En el mundo analógico, la señal de que algo es confiable es que parezca bien hecho. Con la IA, que parezca bien hecho no dice nada sobre si es verdadero, porque producir algo bien hecho es exactamente lo que ella hace mejor. La forma dejó de ser prueba. Solo el hecho es prueba. Y el hecho, en compliance, se verifica en la fuente oficial.
02La paradoja de la velocidad: te sientes más rápido equivocándote
Hay un estudio que necesita entrar en tu cabeza antes de que confíes en tu propia sensación. En 2025, METR midió a profesionales experimentados trabajando con y sin asistencia de IA. El resultado contrarió a todo el mundo: con la IA, se volvieron más lentos, cerca de diecinueve por ciento más lentos. Pero el detalle que importa para compliance es otro: creían que estaban más rápidos. La sensación de aceleración era real; la ganancia no lo era.
¿Por qué pasa esto? Porque la IA te da un borrador instantáneo, y el cerebro registra esa entrega rápida como progreso. Solo que el trabajo de verdad, verificar, corregir, deshacer lo que vino mal, queda escondido y desaparece de tu percepción. En compliance, esa paradoja cuesta más que horas. Cuesta un informe reportado mal al comité, un incumplimiento que pasó desapercibido, una multa. Por eso la auditoría de la norma no puede depender de cómo te sientes respecto al informe. Necesitas un proceso externo, frío, que no pregunta si estás seguro. Pregunta si la norma existe y dice lo que el informe afirma.
03La lista de verificación de auditoría de compliance: cinco preguntas antes de reportar
Aquí está el corazón de la lección. Auditar un informe asistido por IA no es una intuición, es una rutina. Cinco preguntas, siempre las mismas, siempre en la fuente. Si cualquiera falla, el informe no sale. No se trata de cuánto confías: se trata de pasar por las cinco puertas.
- ¿Cada norma citada existe y dice lo que la IA afirmó? Abre el texto oficial (ley, norma técnica, política interna). Verifica número del artículo, inciso, ítem. Y lee el texto de verdad, porque un artículo real puede decir lo opuesto de lo que la IA garantizó que dice.
- ¿La norma está vigente? Una norma citada puede estar derogada, modificada o actualizada desde el entrenamiento del modelo. La IA no rastrea derogaciones automáticamente. Confirma la vigencia en el texto oficial actualizado.
- ¿La norma es aplicable a este proceso? Existir y estar vigente no basta. La norma necesita tratar la hipótesis, el tipo de dato o el tipo de operación compatible con tu caso real. Norma fuera de contexto es munición que explota en tu mano en la próxima auditoría.
- ¿Algún hecho sobre la operación está inventado? La IA llena el vacío con lo que suena plausible: volumen de dato, fecha de un control, nombre de responsable. Cruza cada hecho afirmado en el informe con lo que el proceso realmente muestra y con la evidencia real. Un hecho inventado sobre la propia operación es el error que destruye la credibilidad del informe entero.
- ¿Quien firma sabe sostenerlo? Si el comité de riesgo o el regulador pregunta de dónde vino ese argumento, en el momento, sin la IA cerca, ¿lo sostienes? Si la respuesta es no, el informe todavía no es tuyo. Es un borrador que no entiendes.
04El principio RESPONDER: quien firma el informe es una persona, siempre
En el mapa Los 3 Movimientos, RESPONDER es el moat: la parte del trabajo con IA que no se terceriza, porque ahí vive la responsabilidad. En compliance, RESPONDER tiene una traducción exacta y dura: el informe sale con un nombre humano abajo, y ese nombre responde por cada norma citada en él.
Piensa en lo que pasa en una fiscalización. Si hay un problema en el informe de cumplimiento, el regulador no llama a la IA. No existe "la IA que citó" ante el comité de riesgo, ante el regulador, ante la dirección. Existe el analista o el gerente que firmó. La máquina ejecuta, la máquina propone, la máquina revisa rápido. Pero la firma es la frontera donde la responsabilidad deja de poder empujarse hacia adelante. Golpea a una persona y se queda ahí.
Y aquí está el marco que cambia tu relación con la auditoría. Verificar cada norma citada no es desconfiar de la herramienta, no es anticuado, no es pérdida de tiempo. Auditar es proteger tres cosas a la vez: la empresa, que reporta al regulador con base en lo que firmas; el proceso real, que se compromete con un solo artículo mal citado; y tu credibilidad profesional, que es tu activo más caro en el área. La IA te dio velocidad en el borrador. La auditoría es lo que convierte esa velocidad en algo que puedes firmar sin perder el sueño. Quien se salta la auditoría no está siendo más rápido. Está tercerizando su propio riesgo y fingiendo que no lo vio.
Hazlo ahora
Toma un informe real de compliance (tu tarea real sirve bien) en el que usarías la IA para sustentar una conclusión con norma citada. Antes de pensar en presentar o reportar cualquier cosa, arma TU propia lista de verificación de auditoría de compliance de cinco puntos, adaptada a tu tipo de función:
- LA NORMA EXISTE Y COINCIDE: escribe la pregunta exacta y en qué fuente oficial vas a verificar cada artículo, cláusula de política interna o ítem de norma técnica (qué ley, qué documento, qué página).
- VIGENCIA: ¿cómo confirmas que cada norma citada está en vigor hoy, y no derogada o modificada desde la última actualización que la IA conoce?
- APLICABILIDAD: ¿qué criterio usas para decidir si la norma realmente sirve para ESTE proceso (tipo de dato, tipo de operación, contexto)?
- HECHOS DE LA OPERACIÓN: ¿cómo cruzas cada hecho afirmado en el informe con la evidencia real del proceso, para detectar cualquier cosa que la IA haya inventado?
- SUSTENTACIÓN: la pregunta que te haces para saber si podrías defender cada cita ante el comité o el regulador, sin la IA cerca.
Escribe los cinco en una página y pégala junto a la pantalla. Si reportas sin pasar por los cinco, no fue la IA la que firmó: fuiste tú.
Practica
1. ¿Por qué una norma citada por la IA nunca debe entrar en un informe de compliance sin verificación en la fuente oficial, incluso cuando viene con número de artículo y redacción completos?
2. El estudio de METR en 2025 mostró a profesionales experimentados más lentos con IA, pero creyendo que estaban más rápidos. ¿Cuál es la lección directa de esto para la auditoría de compliance?
3. Aplicado a compliance, ¿qué determina el principio RESPONDER (la IA propone, el analista verifica, la persona firma) sobre la responsabilidad por el informe?
Para la pizarra
Sobre el pecado capitalel peligro no es que se equivoque de forma obvia. Es acertar el formato y errar la norma.
Sobre la sensaciónte sientes más rápido justo cuando deberías desconfiar más. La checklist no pregunta si confías, pregunta si la norma existe.
Sobre la firmaes la frontera donde el riesgo deja de poder empujarse hacia adelante. Quien firma el informe es una persona, siempre.
Gracias por el feedback. Esto ayuda a afinar la próxima lección.