top of page
  • Instagram
  • Facebook
  • LinkedIn
  • TikTok

Evaluación de Impacto de IA: Qué Es y Cómo Hacerla en una Empresa de 5 a 30 Empleados

  • 9 ago
  • 2 min de lectura
Evaluación de Impacto de IA
Evaluación de Impacto de IA

"Evaluación de impacto" suena a trámite corporativo de empresa grande con departamento legal propio. No lo es. Es, en esencia, responder una pregunta antes de implementar un sistema de IA: ¿a quién puede afectar esto si se equivoca, y qué tan grave sería? Esa pregunta la puede — y debe — responder cualquier empresa, sin importar su tamaño.



Por qué esto ya no es opcional en la práctica


El proyecto de Ley de Inteligencia Artificial en Venezuela, aunque sigue en trámite y sin promulgar, ya establece la evaluación de impacto como requisito antes de implementar sistemas que afecten a personas. No hacerla hoy no te expone a una sanción — porque la ley no está vigente — pero sí te deja sin la documentación que vas a necesitar cuando se apruebe, y sin el criterio que te protege si algo sale mal mientras tanto.



Cómo hacer una evaluación de impacto sin comité ni burocracia


1. Identifica a quién afecta la decisión 

¿El sistema decide sobre clientes, empleados, candidatos? Nombra específicamente a quién.


2. Define la gravedad del error posible 

No es lo mismo que un sistema recomiende mal un producto a que descarte a un candidato calificado o prioridad mal un reclamo urgente. Clasifica el riesgo: bajo, medio, alto.


3. Documenta qué supervisión humana existe 

Para cada sistema de riesgo medio o alto, debe existir un punto de revisión humana identificado — no "el equipo lo revisa", sino quién y cada cuánto.


4. Deja registro escrito, aunque sea simple 

Un documento de una página por sistema es suficiente: qué hace, a quién afecta, qué riesgo tiene, quién supervisa. Eso es tu evaluación de impacto.



Lo que esto te da, más allá de estar preparada para la ley


Una empresa que hace este ejercicio, aunque sea de forma simple, detecta riesgos antes de que se conviertan en problemas — no después. Es la diferencia entre descubrir que tu sistema de filtrado descarta candidatos calificados porque tú lo revisaste a tiempo, o porque un cliente o candidato se quejó públicamente.



María Alejandra Tuozzo

Abogada | Consultora en Estructura Operativa

Comentarios


Suscríbete a mi newsletter

Gracias por suscribirte!

bottom of page