Una empresa energética combina dos mundos que rara vez tienen el mismo propietario. Por un lado está la tecnología operativa: sistemas de medición y control, gestión de redes, mantenimiento de infraestructura crítica. Por otro lado está la oficina: contacto con clientes, facturación, planificación, departamentos jurídicos y de cumplimiento. La IA aparece en ambos, pero con una relación diferente entre riesgo y comodidad. En la capa operativa, una aplicación de IA rápidamente afecta a sistemas cuyo fallo o una decisión errónea tiene consecuencias directas fuera de la organización. En la capa de oficina se trata más a menudo de texto, datos y apoyo a la toma de decisiones, con un riesgo que se parece más al de otros sectores. Una gobernanza que trata estas dos capas de la misma manera pasa por alto lo esencial: lo que en una capa es una mejora de eficiencia, en la otra capa es una cuestión de seguridad y supervisión.
A esto se añade que las empresas energéticas suelen estar bajo una supervisión más estricta, están sujetas a obligaciones de notificación específicas del sector y trabajan con datos que afectan a la infraestructura nacional. Eso hace que la pregunta "¿quién ha utilizado aquí la IA, y en qué?" tenga más peso que en un entorno de oficina promedio. El contenido normativo detrás de esto —qué obligaciones exactas aplican y cuándo— se trata en otro lugar; aquí se trata del mecanismo con el que una organización obtiene y mantiene visión sobre lo que sucede.
Quien pregunta qué sistemas de IA están en uso recibe del departamento de TI una lista de herramientas aprobadas. Esa lista es un punto de partida, no la realidad. Un planificador que utiliza un modelo de lenguaje para resumir informes de mantenimiento, un analista que alimenta un modelo externo con datos de medición para reconocer patrones, un empleado por contrato que consulta un chatbot ante un protocolo de avería: esto ocurre a menudo sin que se haya presentado una solicitud o se haya pedido una aprobación. No por mala voluntad, sino porque funciona y nadie lo ha preguntado.
El núcleo de un inventario, por tanto, no es marcar los sistemas conocidos, sino visualizar lo que realmente ocurre. Eso requiere un tono diferente al de una auditoría. Quien quiera saber qué utiliza un empleado debe preguntarlo sin que ello conlleve una sanción; de otro modo, la respuesta desaparece tan rápido como el propio uso. Cómo es esa conversación y por qué una sanción resulta contraproducente se describe en cómo evitar que los empleados utilicen una herramienta que nadie conoce. Un riesgo específico dentro de ese panorama más amplio es introducir datos de la empresa —datos de medición, condiciones contractuales, datos de red— en una ventana de chat gratuita fuera de la organización; lo que está en juego y cómo reconocerlo se explica en cómo evitar que los datos de la empresa desaparezcan en una ventana de chat gratuita.
Después del inventario surge la pregunta de qué hace realmente un sistema. Una aplicación de IA que reescribe texto para una carta a un cliente tiene una función diferente a un modelo que participa en decisiones sobre la planificación de mantenimiento a partir de datos de sensores. La clasificación debe registrar esa función, y el nivel de riesgo que le corresponde, independientemente de qué departamento utilice la herramienta por casualidad. Ahí es donde el sector energético requiere una interpretación propia: una herramienta que en un equipo de marketing es inocua puede adquirir un peso diferente en un equipo de gestión de redes porque el resultado repercute en un sistema físico.
Este enfoque —inventariar, clasificar, incorporar en la gobernanza existente— no es exclusivo del sector energético. Cuestiones comparables se plantean en organizaciones que trabajan con instalaciones físicas y riesgos de seguridad, como puede leerse sobre la gobernanza de la IA en empresas de instalaciones con una práctica técnica y ejecutora y sobre la gobernanza de la IA en la construcción donde la planificación y la ejecución convergen. También sectores con exigencias de supervisión estrictas, como se muestra en la gobernanza de la IA en la sanidad donde la seguridad del paciente y la supervisión convergen, demuestran que la forma de la gobernanza se desplaza a medida que las consecuencias de un error se vuelven mayores. Quien haga esa comparación verá que el sector energético no es único en la pregunta, sí en la envergadura de la respuesta.
Un conjunto de gobernanza que se sitúa junto a la estructura de riesgo existente funciona mejor que un marco nuevo aparte. Las empresas energéticas suelen tener ya una estructura de gestión de riesgos para la seguridad operativa y el cumplimiento normativo. La gobernanza de la IA debería ser una extensión de eso, con las mismas líneas de reporte hacia la dirección y el supervisor, no un proceso separado que haya que mantener aparte y que un día acabe junto a los demás informes de riesgo sin llegar nunca a converger.
Una vez que está claro qué aplicaciones de IA existen y qué riesgo representan, surge otra pregunta: qué significa eso para el trabajo que las personas realizan ahora. Un inventario muestra lo que funciona; un escaneo del trabajo muestra lo que ese funcionamiento significa para las tareas, las funciones y la capacidad. El escaneo del trabajo de FTE TO AI calcula, por tarea, qué parte del trabajo puede ser asumida por la IA, y así aporta, junto al panorama de riesgo, también el panorama de capacidad. Ese es el paso lógico siguiente tras un inventario: no solo saber qué ocurre, sino también qué significa eso para la organización que debe trabajar con ello.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.