El gobierno de la IA como parte de la AE

La Arquitectura Empresarial – AE es una sombrilla transversal que recorre todos y cada uno de los procesos de la organización buscando desarrollar el mejor balance de los recursos. La AE apunta a que el modelo de excelencia organizacional y operacional maximice la productividad (calidad, efectividad, oportunidad y seguridad) de la empresa. La AE dispone de todos los marcos de referencia, capacidades, metodologías, técnicas y herramientas para que los modelos de excelencias se mejoren continuamente. Por su parte, la Inteligencia Artificial – IA ha pasado de ser una herramienta o convertirse en una capacidad que mejora los procesos e incluso la gestión misma. Así las cosas es prudente considerar el gobierno de la IA como parte de la AE.

A través de la AE se debe establecer el gobierno de la IA como un marco integral de políticas, directrices y controles que guíen la creación, uso y supervisión responsable de las soluciones IA. El gobierno debe convertirse en un pilar que alinee la innovación y los servicios tecnológicos con los objetivos estratégicos del negocio y el cumplimiento normativo y de regulación. Así las cosas, la IA necesita estar integrada en la AE. Por lo cual, es posible que las organizaciones adoptan herramientas y capacidades de IA de forma estratégica. En consecuencia es posible evitar soluciones IA fragmentadas y aisladas.

Por otro lado, los principales beneficios de integrar adecuadamente el gobierno de la IA como parte de la AE son:

• Alineación estratégica: asegura que los casos de uso de la IA aporten un valor cuantificable y respalden las metas y los objetivos estratégicos de la organización. Por otro lado, el nivel ejecutivo de la organización debe liderar el portafolio de proyectos de IA, estar comprometido con el valor y a invertir en su correcta implementación.
• Gestión de riesgos y cumplimiento: establece salvaguardas contra sesgos, filtración de información confidencial y el uso no autorizado de herramientas (Shadow AI). Por otra parte, se debe controlar la autonomía total de los agentes digitales inteligentes – ADIs y sus permisos y privilegios.
• Control del ciclo de vida: estandariza la forma en que los modelos se entrenan, despliegan, monitorean y retiran (prácticas de MLOps / LLMOps). También se debe tener una hoja de vida y un inventario detallado de artefactos que usan la IA y la forma cómo la usan.
• Madurez en observabilidad: se debe tener visibilidad real de los procesos de toma de decisiones (fuente de información, calidad de datos, modelo, resultado, resiliencia, ajuste y corrección, memoria, etc.). Por lo tanto, la transparencia es fundamental en la interpretación de toda señal y convertirla en una acción concreta.

Ahora veamos cuáles pueden ser los componentes clave (marco) del gobierno de IA como parte de la AE.

1. Ética y principios rectores: establece los valores organizacionales que guían el uso de la IA, como la equidad, la no discriminación, la privacidad y la sostenibilidad.

2. Clasificación y evaluación de riesgos: criterios para categorizar los sistemas de IA según su impacto (bajo, medio o alto). Esto determina el nivel de supervisión y los controles necesarios.

3. Roles y responsabilidades: asignación clara de tareas utilizando modelos como RACI (responsable, aprobador, consultado, informado). Incluye comités de ética, dueños de negocio y equipos técnicos.

4. Políticas y estándares: normas documentadas que definen cómo se debe desarrollar, implementar y retirar la IA. Se integran con normativas globales como el Reglamento de la UE sobre IA (EU AI Act) o el Marco de gestión de riesgos de IA del NIST.

5. Gobernanza de datos y trazabilidad: control sobre la calidad, procedencia (linaje) y seguridad de los datos utilizados para entrenar y alimentar los modelos.

6. Controles técnicos y observabilidad: infraestructura tecnológica para detectar sesgos, desviación del modelo (data drift), garantizar la ciberseguridad y generar registros de auditoría en tiempo real.

7. Colaboración y supervisión humana: mecanismos que garantizan la intervención humana para revisar, aprobar o detener decisiones automatizadas en flujos de trabajo de alto riesgo.

Para implementar este marco, la AE suele apoyarse en estructuras de dominios estandarizados (como TOGAF) segmentando el gobierno en capas fundamentales:

1. Arquitectura de Negocio: Define qué problemas operativos o experiencias del cliente resolverá la IA y cómo medirá su éxito.
2. Arquitectura de Datos: Es la columna vertebral. Establece la calidad, procedencia, gobernanza y seguridad de los datos que alimentan los modelos.
3. Arquitectura Tecnológica y de Aplicaciones: Determina la infraestructura, los modelos de lenguaje (LLMs) y las plataformas de orquestación (como arquitecturas agénticas) que se utilizarán.
4. Gobierno, Riesgo, Cumplimiento y Control: Formula las directrices éticas, el control de acceso y el cumplimiento de normativas legales o regulatorias.
5. Arquitectura de seguridad: protege todo el ecosistema de IA. Define controles contra ataques específicos de IA y garantiza la alineación con los sistemas integrales de seguridad de la información y ciberseguridad.
6. Arquitectura de Integración y Nube: conecta y hace operable el gobierno de IA. Aunque puede ser parte de la capa tecnológica y de aplicaciones es mejor separarla. Regula cómo los modelos de IA se conectan de forma segura con el resto de la empresa y cómo se consumen los recursos elásticos de la nube.

Para estructurar un gobierno de IA sólido desde la AE, las empresas adoptan o mapean sus dominios utilizando marcos de referencia, estándares y mejores prácticas reconocidos por todos los ecosistemas e industrias:

• NIST AI RMF: El Marco de Gestión de Riesgos de IA (por sus siglas en inglés) que se centra en cuatro funciones principales: gobernar, mapear, medir y gestionar.
• ISO/IEC 42001: El estándar internacional para sistemas de gestión de inteligencia artificial, que ayuda a las organizaciones a demostrar un uso ético y responsable.
• COBIT / COSO: Alinea los controles de IA con los marcos de gobierno y riesgo corporativos ya existentes para evitar duplicidad de esfuerzos.
• TOGAF (The Open Group Architecture Framework): es un marco de referencia que cuenta con una estructura metodológica robusta. Por lo cual la AE permite extender el Método de Desarrollo de la Arquitectura (ADM) para incluir los requerimientos específicos de la IA.

A continuación, se detalla cómo se integra el gobierno de la IA en las fases clave del ADM de TOGAF:

1. Fase preliminar y primera fase: “Visión de la Arquitectura”. 1) se definen los principios rectores de la organización (ej. equidad, explicabilidad, privacidad y responsabilidad) que gobernarán todo el ciclo de vida de la IA. 2) se formalizan los comités de ética de IA y los roles de soporte dentro de la estructura de gobierno corporativo (gobernanza) existente.
   
2. Segunda fase: “Arquitectura de Negocio”. 1) se identifican qué capacidades de negocio serán potenciadas por la IA y los casos de uso transversales (ej. automatización de atención al cliente, análisis predictivo). 2) se establecen políticas claras para mitigar el uso de herramientas de IA no autorizadas evitando el “shadow IA”.
   
3. Tercera fase: “Arquitecturas de Sistemas de Información (Datos y Aplicaciones)”. 1) se estructura el sistema integral de gestión de información – SIGI para el gobierno, calidad, protección, explotrción y evolución de los datos. También se realiza la gestión de datos que alimentan los modelos de IA. 2) se definen los patrones de integración para el despliegue de modelos (APIs, microservicios) y plataformas de orquestación (LLMOps / MLOps) a través de la arquitectura de aplicaciones.
   
4. Cuarta fase: “Arquitectura Tecnológica”. 1) se planifica la capacidad tecnológica necesaria (GPU, servicios en la nube, procesamiento Edge) para el entrenamiento e inferencia de los modelos. Arquitectura de infraestructura de computo y procesamiento. 2) se evalúa el impacto del consumo energético y de cómputo de la IA dentro de los objetivos de sostenibilidad de la empresa.
   
5. Quinta y sexta fases: “Oportunidades, Soluciones y Planificación de Transición”. 1) se priorizan las iniciativas y los proyectos de IA evaluando el retorno de inversión (ROI) frente al riesgo técnico y ético. 2) se estable la hoja o mapa de ruta para la estrategia de adopción de la IA. 3) se diseñan los bloques de construcción de arquitectura (SBBs) reutilizables para acelerar futuros despliegues de IA.
   

Para finalizar revisemos en detalle cómo sería la hoja o mapa de ruta para el gobierno de la IA y cómo se integraría con el Plan Estratégico de Tecnología – PETI utilizando TOGAF. La IA se debe trabajar como una capacidad empresarial transversal. En consecuencia el PETI define el hacia dónde va la tecnología para apoyar la estrategia de negocio, y la Arquitectura Empresarial (AE) bajo TOGAF define el cómo se estructura técnicamente esa visión. Por lo tanto sugerimos hacer una división en cuatro bloques estratégicos del mapa de ruta:

1. Fase de Diagnóstico y Alineación Estratégica (Meses 1 – 3): para esta fase el objetivo del PETI es entender la estrategia de negocio y la situación actual de TI (As-Is). Desde TOGAF se adelantar las fases preliminar, A (Visión) y B (Arquitectura de Negocio).

• Definición de Principios de IA: Crear los principios éticos organizacionales (Explicabilidad, Equidad, Seguridad, Transparencia) que se incluirán en el estatuto de TI.
• Comité de Gobierno de IA: Establecer una estructura de gobierno transfuncional dentro del PETI (Legal, Cumplimiento, Negocio, TI y Arquitectura).
• Inventario de Capacidades de IA (As-Is): Identificar qué soluciones de IA ya existen (incluyendo riesgos de Shadow AI o uso informal de LLMs por empleados).
• Evaluación de Madurez: Determinar el nivel de madurez de la organización respecto a datos e infraestructura para soportar IA.

2. Diseño de la Arquitectura de IA de Destino (Meses 4 – 8): para esta fase el objetivo del PETI será definir el modelo de Referencia Objetivo (To-Be). Desde TOGAF se adelanta la fase C (Datos y Aplicaciones) y fase D (Tecnología).

• Gobierno de Datos para IA (Fase C – Datos): Definir políticas de procedencia, linaje, anonimización y consentimiento de datos. La IA requiere datos limpios y libres de sesgos para el entrenamiento.
• Arquitectura de Aplicaciones e Integración (Fase C – Aplicaciones): Establecer los patrones de diseño (catálogo de APIs, microservicios) para consumir modelos de IA y definir el ciclo de vida de desarrollo de software seguro integrado con MLOps / LLMOps.
• Arquitectura Tecnológica (Fase D): Definir la infraestructura requerida para cómputo e inferencia (Cloud, On-Premise, Edge), evaluando costos financieros (FinOps) y sostenibilidad energética (Green TI).
  

3. Portafolio de Proyectos y Planificación de Transición (Meses 9 – 12). El objetivo del PETI será construir el plan de iniciativas tecnológicas, presupuesto y tiempos. Y desde TOGAF se ejecutan las fases E (Oportunidades y Soluciones) y F (Planificación de la Transición).

• Matriz de Priorización de Casos de Uso: Evaluar las iniciativas de IA cruzando el Valor para el Negocio (ROI) contra el Riesgo Ético/Técnico.
• Definición de Bloques de Construcción de Arquitectura (ABBs): Crear componentes tecnológicos reutilizables (ej. un servicio centralizado de autenticación para modelos de IA o una pasarela de seguridad de LLMs).
• Definición de Brechas (Gap Analysis): Identificar la brecha de talento y diseñar un plan de capacitación/reskilling para los equipos de TI y de negocio.

4. Implementación y Gobierno Continuo (Meses 12+). Desde el PETI se debe asegurar el modelo de operación, gestión del cambio y cumplimiento normativo. Y desde TOGAF se adelantan las fases G (Gobierno de la Implementación) y H (Gestión de Cambios de la Arquitectura).

• Controles de Cumplimiento (Fase G): Validar que cada proyecto que pase a producción cumpla con las auditorías éticas y normativas acordadas en la Fase 1 (alineado a marcos como ISO/IEC 42001.
• Monitoreo y Mantenimiento (Fase H): Implementar sistemas de observabilidad para detectar la degradación de los modelos de IA (data drift / concept drift) y ajustar la arquitectura empresarial ante nuevas regulaciones o innovaciones disruptivas.

En conclusión, para que el gobierno de IA no quede como un documento aislado recomendamos hacerlo parte viva del PETI. Así mismo, se debe contemplar al menos tres pilares fundamentales: 1. El modelo de gobierno de TI. 2. La política de gestión de riesgos. 3. La métricas y la observabilidad. Desde niik estamos en capacidad de acompañar a nuestros clientes para asegurar que el gobierno de la IA sea parte integral de la AE. En muchos negocios la velocidad importa sin embargo la precisión y oportunidad lo son aún más. Los ADIs amplifican los conocimientos y si el contenido es estructurado y fiable escalan con precisión. Por lo tanto una estrategia de datos es fundamental y allí niik tiene experiencia y puede aportar.

contactanos@niik.net
+57 3182352827 / +57 3103124796
#ConiikTIC
#TuCompañiaEnElMundoDigital

Fuentes: 1) Why enterprise AI initiatives stall — and what CIOs can do about it. CIO. 27/05/2026. 2) Investigaciones realizadas por el equipo de arquitectura de niik. 3) What AI agents actually mean for enterprise knowledge work. ETCIO. 04/06/2026.