Blog

  • Instructure y el ataque a Canvas: lo que falló en el gobierno del dato

    Instructure y el ataque a Canvas: lo que falló en el gobierno del dato

    Instructure, la compañía detrás del sistema de gestión de aprendizaje Canvas, sufrió uno de los mayores incidentes de exposición de datos del año en Estados Unidos. El vector de entrada fue un proveedor externo, un patrón que se repite con preocupante consistencia en el sector educativo y que expone una falla estructural en la cadena de ownership del dato. Para los equipos de gobierno de datos, la pregunta relevante no es cómo ocurrió el ataque, sino qué controles de data governance habrían contenido el daño.

    Según se informó, los atacantes accedieron a los sistemas de Instructure a través de un tercero contratado, lo que desencadenó una brecha de alcance significativo que afectó a instituciones de educación superior en múltiples jurisdicciones. La naturaleza del acceso —lateral, a través de un eslabón con privilegios delegados— es característica de los ataques a cadenas de suministro de datos, donde el perímetro técnico no coincide con el perímetro de ownership del dato.

    El problema no es el ataque: es la arquitectura de confianza

    Cuando un proveedor externo puede acceder a volúmenes de datos suficientes para generar una brecha “de las más grandes del año”, el problema subyacente es de data governance, no de ciberseguridad. En términos del DAMA-DMBOK, el knowledge area de Data Security Governance establece que el acceso a datos debe estar gobernado por políticas que incluyan clasificación por sensibilidad, necesidad mínima de acceso y revisión periódica de privilegios de terceros. La pregunta que debería haber respondido un data steward antes de este incidente es: ¿qué datos puede ver este proveedor, por qué, y desde cuándo no revisamos esa autorización?

    El modelo de Non-Invasive Data Governance de Bob Seiner es particularmente relevante aquí: en entornos educativos, donde la aversión al cambio estructural es alta y los ciclos de decisión son lentos, el gobierno del dato no puede depender de grandes transformaciones organizacionales. Depende de que alguien —un data steward concreto, con nombre y responsabilidad asignada— sea accountable por cada dataset expuesto a terceros. Si ese rol no existe o no tiene visibilidad sobre los contratos de datos, el incidente de Instructure es predecible.

    Qué hace el CDO el lunes con esto

    Este caso activa al menos tres revisiones inmediatas para cualquier equipo de gobierno de datos en organizaciones con ecosistemas de proveedores:

    • Auditoría de accesos de terceros: mapear qué vendors tienen acceso a datos clasificados como sensibles o confidenciales, con qué granularidad y bajo qué contrato de procesamiento. Si el catálogo de datos no incluye esta dimensión, es el primer gap a cerrar.
    • Revisión de data lineage hacia afuera: el lineage no termina en el data warehouse interno. Los datos que fluyen a plataformas SaaS o a integraciones con terceros deben tener trazabilidad documentada. Canvas es SaaS; sus integraciones con LTI y APIs de terceros son puntos ciegos frecuentes.
    • Cláusulas de governance en contratos con proveedores: verificar que los contratos vigentes incluyan obligaciones de clasificación, notificación de incidentes y limitación de uso. En muchas organizaciones latinoamericanas, estas cláusulas no existen o son genéricas.

    El ángulo LATAM: brecha, notificación y responsabilidad distribuida

    Canvas tiene presencia activa en universidades de Brasil, México, Argentina y Colombia, entre otros países. Si el incidente involucró datos de estudiantes latinoamericanos —lo cual es altamente probable dado el alcance reportado— entran en juego marcos regulatorios concretos. En Brasil, la LGPD (Lei 13.709/2018) obliga al controlador a notificar a la ANPD dentro de un plazo razonable cuando la brecha pueda acarrear riesgo o daño relevante; Instructure, como operador, tiene responsabilidad solidaria si no implementó las medidas técnicas pactadas. En Argentina, la Ley 25.326 y la Disposición AAIP 4/2019 establecen la obligación de reportar incidentes de seguridad. En México, el INAI ha sido explícito en que los responsables no pueden delegar su obligación de custodia al subcontratar servicios. Ninguna de estas jurisdicciones acepta “fue el proveedor” como exoneración del responsable principal.

    El sector universitario latinoamericano, que adoptó Canvas masivamente durante la pandemia, hereda ahora un modelo de governance de datos construido sobre urgencia operativa, no sobre diseño. Los equipos de TI universitarios raramente cuentan con un CDO formal ni con un catálogo activo de datos sensibles. El CDMC (Cloud Data Management Capabilities) del EDM Council ofrece una referencia útil: las capacidades de gestión de riesgo de terceros corresponden al dominio 9 del framework, y la mayoría de las universidades de la región operaría en nivel 1 o por debajo si se midiera formalmente.

    La lección que no es nueva, pero sigue sin aprenderse

    Los incidentes por terceros no son accidentes de seguridad: son síntomas de ownership difuso. Cuando nadie en la organización puede responder en menos de 24 horas a “¿qué datos tiene acceso ese proveedor y quién autorizó eso?”, el data governance falló antes de que llegara el atacante. El caso de Instructure debería ser el disparador para que los responsables de datos en el sector educativo latinoamericano eleven este punto en la próxima reunión de rectorado o de directorio, no como un tema de IT, sino como un riesgo institucional con implicancias legales directas.

    El vector fue un proveedor, pero la vulnerabilidad era de gobierno: sin ownership claro del dato y sin lineage hacia afuera, cualquier integración de terceros es una puerta entreabierta.

  • Brecha en proveedor de salud de EE.UU. expone datos de 3,8 millones de pacientes

    Brecha en proveedor de salud de EE.UU. expone datos de 3,8 millones de pacientes

    Un incidente de seguridad en Unlimited Technology Systems, empresa de gestión de ciclo de ingresos para el sector salud con sede en Montgomery, Ohio, resultó en la exposición de datos de aproximadamente 3,8 millones de pacientes. La brecha se produjo entre el 10 y el 15 de octubre de 2025, fue detectada el 19 de octubre y recién trascendió públicamente con un reporte actualizado en julio de 2026, revelando una ventana de divulgación que supera los ocho meses desde el evento original.

    Qué se sabe del incidente

    Unlimited Technology Systems opera como proveedor de servicios de revenue cycle management (RCM) para organizaciones del sistema de salud estadounidense. Su función implica el procesamiento de información clínica y financiera de pacientes en nombre de múltiples entidades cubiertas bajo la norma HIPAA, lo que convierte a este tipo de proveedores en un vector de alto impacto cuando sufren compromisos: un solo incidente en el eslabón tercerizado puede propagar el daño a través de toda la cadena de clientes. Según se informó, los datos involucrados corresponden a registros de salud y, potencialmente, información de identificación personal de los pacientes afectados, aunque el detalle completo de los tipos de datos comprometidos no fue divulgado en la información disponible al cierre de esta nota.

    La demora entre la detección del incidente —octubre de 2025— y la divulgación pública amplia —julio de 2026— pone en el centro del debate la eficacia de los mecanismos de notificación obligatoria. Bajo HIPAA, las entidades cubiertas y sus business associates tienen plazos definidos para notificar a los afectados y al Departamento de Salud y Servicios Humanos de EE.UU. (HHS), pero la escala del impacto no siempre se conoce de forma inmediata, especialmente cuando el incidente involucra a un tercero que agrega datos de múltiples clientes.

    El riesgo del modelo RCM y la cadena de custodia de datos

    Los proveedores de RCM representan uno de los puntos de concentración más críticos en el ecosistema de datos de salud. Centralizan información de facturación, diagnósticos, números de seguro, datos demográficos y, en muchos casos, documentación clínica parcial. Esta arquitectura de agregación es funcional para la operación, pero multiplica el radio de impacto de cualquier compromiso. El caso de Unlimited Technology Systems no es aislado: el sector salud acumula consistentemente los costos por brecha más altos de cualquier industria, según el reporte anual de IBM Cost of a Data Breach, que en su edición 2024 ubicó el promedio en 9,77 millones de dólares por incidente en ese sector.

    Desde una perspectiva de data governance, el incidente expone fallas en al menos tres dimensiones: la clasificación y el control de acceso sobre datos sensibles de pacientes en entornos de terceros, la ausencia o insuficiencia de cláusulas contractuales de notificación ágil en los acuerdos con proveedores, y la falta de monitoreo continuo sobre el data lineage —es decir, el rastro de dónde están los datos, quién los procesa y bajo qué condiciones— cuando esos datos salen del perímetro de la organización de salud original.

    Implicancias para proveedores de servicios en LATAM

    El modelo de tercerización de procesos de datos en salud es una práctica creciente en América Latina. En Brasil, los operadores de planos de saúde que transfieren datos a proveedores de RCM o de gestión administrativa están sujetos a la Lei Geral de Proteção de Dados (LGPD), que en su artículo 42 establece responsabilidad solidaria entre controlador y operador cuando el daño deriva de un tratamiento en violación a la ley. La Autoridade Nacional de Proteção de Dados (ANPD) ha intensificado su actividad fiscalizadora desde 2024, y un incidente de esta magnitud protagonizado por un operador local difícilmente pasaría sin consecuencias formales. En Argentina, la Ley 25.326 y su decreto reglamentario obligan a los responsables de bases de datos a adoptar medidas técnicas y organizativas para garantizar la seguridad, con responsabilidad extensible a los cesionarios. En México, la LFPDPPP y los Lineamientos del INAI en materia de seguridad aplican criterios similares de responsabilidad sobre encargados del tratamiento.

    Lo que el caso de Ohio ilustra con claridad es que la debilidad regulatoria no es la causa raíz: HIPAA existe desde 1996 y tiene requisitos de seguridad administrativos, físicos y técnicos detallados. El problema es la ejecución del modelo de gestión de riesgos en terceros, un área donde incluso organizaciones con marcos maduros presentan brechas operativas significativas.

    Qué deberían revisar los equipos de datos este lunes

    Para los responsables de datos en organizaciones del sector salud o en proveedores que gestionan información sensible, este incidente ofrece un punto de entrada concreto para al menos tres revisiones inmediatas:

    • Inventario de proveedores con acceso a datos de pacientes o clientes: verificar si existen acuerdos de procesamiento de datos (DPA) vigentes, con cláusulas de notificación en plazos no mayores a 72 horas desde la detección, alineados con estándares como LGPD Art. 48 o GDPR Art. 33.
    • Revisión del data lineage sobre datos que salen del perímetro organizacional: ¿sabemos exactamente qué registros están en manos de qué tercero, bajo qué propósito y con qué controles de acceso? Si la respuesta no es inmediata, hay un gap de governance que documentar en el registro de riesgos.
    • Simulacro de notificación: ¿cuánto tardaría el equipo en identificar a los titulares afectados, cuantificar el alcance y activar el protocolo de comunicación? En el marco del CDMC (Cloud Data Management Capabilities) del EDM Council, la capability de Data Protection incluye explícitamente la capacidad de respuesta ante incidentes como un indicador de madurez.

    Cuando 3,8 millones de registros de pacientes quedan expuestos por un proveedor que nadie menciona en el titular, la pregunta que deberían hacerse los CDOs de la región no es “¿nos puede pasar esto?” sino “¿cuánto tardaríamos en saberlo?”.

  • Zambia bajo la lupa: coalición global exige acceso irrestricto a internet durante las elecciones

    Zambia bajo la lupa: coalición global exige acceso irrestricto a internet durante las elecciones

    Más de 370 organizaciones de 106 países que integran la coalición #KeepItOn enviaron una carta abierta al presidente zambiano Hakainde Hichilema exigiendo que se garantice el acceso irrestricto a internet y plataformas digitales durante las elecciones del 13 de agosto de 2026. El llamado pone en tensión dos frentes conocidos en la región: la seguridad nacional como justificación de apagones digitales y el derecho a la información en contextos electorales.

    #KeepItOn es una de las redes de monitoreo de internet más activas del mundo. Coordinada por Access Now, documentó en 2023 más de 180 apagones de internet en distintos países, muchos de ellos coincidentes con procesos electorales o protestas sociales. La petición a Zambia no es un hecho aislado: responde a un patrón regional y global en el que los gobiernos recurren a cortes de conectividad como herramienta de control de la narrativa pública en momentos de alta tensión política.

    El patrón de los apagones electorales

    La práctica de interrumpir el acceso a internet durante elecciones ha sido documentada en distintos países de África, Asia y, en menor medida, América Latina. El argumento oficial suele enmarcarse en la prevención de desinformación o el mantenimiento del orden público. Sin embargo, organizaciones de derechos digitales señalan que el efecto práctico es la supresión de la comunicación ciudadana, el periodismo independiente y la coordinación de la sociedad civil, precisamente cuando más se los necesita.

    En el caso de Zambia, las organizaciones firmantes de la carta —cuya lista incluye grupos de derechos digitales de todos los continentes— advierten que cualquier restricción al flujo de información durante la jornada electoral del 13 de agosto constituiría una violación de estándares internacionales de derechos humanos, incluyendo el Artículo 19 del Pacto Internacional de Derechos Civiles y Políticos, que garantiza la libertad de expresión y acceso a la información.

    Resonancias en América Latina

    Aunque el caso se desarrolla en el sur de África, las implicancias para América Latina son directas. La región tiene su propio historial de restricciones digitales en contextos de crisis institucional. Venezuela registró múltiples episodios de throttling —reducción deliberada del ancho de banda— durante protestas entre 2019 y 2024, según informes de NetBlocks y OONI. Cuba mantiene un esquema de conectividad con cortes selectivos documentados, particularmente luego de las manifestaciones de julio de 2021. En Ecuador y Perú, durante momentos de inestabilidad política, se reportaron anomalías en el acceso a plataformas específicas.

    En términos regulatorios, varios países latinoamericanos carecen de marcos explícitos que prohíban los apagones digitales ordenados por el Ejecutivo. Brasil, con la Lei 12.965/2014 (Marco Civil da Internet), establece garantías de neutralidad de red y libertad de expresión en línea que dificultan —aunque no imposibilitan— este tipo de medidas. México, Argentina y Colombia no cuentan con disposiciones equivalentes de rango legal que establezcan consecuencias claras ante una eventual orden gubernamental de corte de conectividad.

    El rol de las plataformas y los ISP

    Uno de los aspectos más relevantes del llamado de #KeepItOn es que no solo interpela a los gobiernos, sino también, implícitamente, a los proveedores de servicios de internet y a las plataformas digitales. Cuando un Estado ordena un corte o una restricción, la cadena de cumplimiento involucra a actores privados. La pregunta sobre hasta dónde debe llegar la obediencia de un ISP o una red social ante una instrucción gubernamental que compromete derechos fundamentales es un debate vigente en todo el mundo, y América Latina no es la excepción.

    “Los apagones de internet son violaciones de derechos humanos. Afectan la capacidad de los ciudadanos de acceder a información, comunicarse libremente y participar en la vida pública, especialmente durante las elecciones.”

    — Coalición #KeepItOn, carta abierta al presidente de Zambia, agosto de 2026

    Un indicador a seguir

    Lo que ocurra en Zambia el 13 de agosto será monitoreado en tiempo real por herramientas de medición como OONI Probe y por analistas de NetBlocks. Los datos resultantes alimentarán los informes anuales sobre libertad en internet y podrán ser citados en litigios y procesos de revisión ante organismos internacionales. Para los actores de derechos digitales en América Latina, cada nuevo caso documentado refuerza el argumento jurídico y político contra la legitimidad de los apagones como herramienta de gobernanza.

    Si Zambia apaga internet el día de las elecciones, no será solo un problema africano: será otro precedente disponible para cualquier gobierno de la región que busque argumentos para hacer lo mismo.

  • OpenAI bajo la lupa: 15 fiscales exigen preservar registros del incidente en Hugging Face

    OpenAI bajo la lupa: 15 fiscales exigen preservar registros del incidente en Hugging Face

    Quince fiscales generales de Estados Unidos enviaron una carta formal al CEO de OpenAI, Sam Altman, exigiendo que la compañía preserve toda la documentación relacionada con el reciente incidente en Hugging Face, en el que modelos de OpenAI habrían tenido participación directa. Los funcionarios advierten que la empresa podría haber violado leyes estatales y federales, y el movimiento marca un punto de inflexión en la presión regulatoria sobre los grandes laboratorios de inteligencia artificial.

    La carta, enviada el lunes según se informó, lleva las firmas de 15 fiscales generales de orientación republicana y está dirigida al máximo ejecutivo de la compañía creadora de ChatGPT. El texto advierte que OpenAI podría haber incurrido en conductas que vulneran normativas vigentes a nivel estatal y federal en los Estados Unidos. El pedido de preservación de registros —conocido en la práctica legal como litigation hold— suele preceder a investigaciones formales o demandas judiciales y obliga a las organizaciones a no destruir ni alterar documentación potencialmente relevante.

    Qué se sabe del incidente en Hugging Face

    Hugging Face, la plataforma de referencia para compartir modelos de inteligencia artificial de código abierto, fue escenario de una brecha en la que habrían estado involucrados modelos atribuidos a OpenAI. Aunque los detalles técnicos del incidente no han sido divulgados en su totalidad, según se informó el alcance habría sido suficientemente significativo como para motivar la acción coordinada de más de una docena de fiscales. La naturaleza exacta de los datos comprometidos y el vector de ataque permanecen bajo investigación al cierre de esta nota.

    Lo que distingue a este caso de otros incidentes en el ecosistema de IA no es solo la escala potencial, sino el hecho de que una empresa de IA de primer nivel aparezca como actor —directo o indirecto— en la brecha de otra organización del sector. Ese ángulo cambia radicalmente el análisis de responsabilidad: ya no se trata de un proveedor víctima, sino de una entidad cuya tecnología podría haber operado como vector de compromiso.

    Presión legal coordinada y señal regulatoria

    La acción coordinada de 15 fiscales generales no es un gesto simbólico. En el sistema legal estadounidense, estos funcionarios tienen potestad para iniciar investigaciones independientes, imponer medidas cautelares y, eventualmente, presentar demandas civiles o derivar casos a instancias federales. El solo hecho de que se emita una carta de preservación de registros indica que al menos algunos de estos despachos están evaluando activamente el inicio de procedimientos formales.

    “OpenAI podría haber violado leyes estatales o federales en el incidente”

    — Extracto de la carta de los 15 fiscales generales dirigida a Sam Altman, según se informó

    El movimiento se enmarca en una tendencia más amplia: los estados de EE.UU. están llenando el vacío regulatorio que el Congreso federal no ha logrado cubrir en materia de inteligencia artificial. A falta de una ley federal de IA o de privacidad integral, los fiscales generales se convierten en los principales garantes del cumplimiento normativo frente a los gigantes tecnológicos.

    Implicancias para el ecosistema de IA y los proveedores

    Para los equipos legales y de cumplimiento de empresas que utilizan modelos de OpenAI —incluidas las integradas vía API en productos de terceros—, este caso plantea preguntas urgentes sobre la cadena de responsabilidad. Si un modelo puede ser considerado vector de una brecha en una plataforma externa, los contratos de servicio, los acuerdos de procesamiento de datos y las cláusulas de indemnización cobran una relevancia que muchas organizaciones aún no han dimensionado.

    El incidente también reencuadra el debate sobre los modelos de código abierto y las plataformas de distribución como Hugging Face. La capacidad de alojar, modificar y redistribuir modelos a escala genera superficies de ataque nuevas que los marcos legales tradicionales —pensados para software empresarial empaquetado— no contemplan con precisión. Desde la perspectiva del AI Act europeo, que clasifica sistemas por nivel de riesgo, un incidente de esta naturaleza podría incidir en cómo se evalúa la categorización de modelos de propósito general.

    El ángulo latinoamericano: responsabilidad del proveedor de IA

    En América Latina, la discusión sobre responsabilidad de proveedores de IA en incidentes de datos avanza a distinta velocidad según el país. Brasil, con la Lei Geral de Proteção de Dados (LGPD) y la Autoridade Nacional de Proteção de Dados (ANPD) ya operativa, cuenta con un marco que obliga a los operadores a notificar brechas en plazos definidos y que alcanza a empresas que traten datos de titulares brasileños, independientemente de dónde estén constituidas. Argentina, bajo la Ley 25.326 y en proceso de modernización legislativa, también proyecta responsabilidad extraterritorial. México, con la LFPDPPP para el sector privado y las directrices del INAI, enfrenta el desafío de aplicar normas diseñadas antes del auge de los modelos generativos a incidentes que involucran cadenas complejas de proveedores de IA.

    Lo que el caso OpenAI-Hugging Face ilustra para la región es que las organizaciones que integran modelos de terceros en sus productos o servicios no pueden delegar completamente la responsabilidad en el proveedor. Los DPOs y equipos legales de empresas latinoamericanas que usan estas tecnologías deberían revisar con urgencia si sus contratos con proveedores de IA contemplan escenarios de responsabilidad compartida ante brechas que involucren a subprocesadores o plataformas de distribución de modelos.

    Lo que viene: investigación y precedente

    La respuesta de OpenAI a la carta de los fiscales marcará el tono de los próximos meses. Si la empresa adopta una postura cooperativa y divulga los registros solicitados voluntariamente, podría reducir la exposición legal inmediata. Si opta por una estrategia defensiva, es probable que al menos parte de los 15 despachos avancen hacia acciones formales. En cualquier escenario, el caso sentará precedente sobre el grado de accountability exigible a los laboratorios de IA cuando su tecnología protagoniza —o facilita— un incidente de seguridad en un actor externo.

    En un sector acostumbrado a moverse más rápido que los reguladores, el tiempo en que los laboratorios de IA podían declarar incidentes como “ajenos” a su responsabilidad parece estar llegando a su fin.

  • Ataque a infraestructura crítica en Utah: controlador de bombas comprometido sin exfiltración de datos

    Ataque a infraestructura crítica en Utah: controlador de bombas comprometido sin exfiltración de datos

    Un intruso logró acceder al sistema de control automatizado de una planta de disposición de aguas salinas en Utah y modificó parámetros operativos que podrían haber provocado fallas de equipos o daños ambientales. La empresa Sage Water Resources confirmó que trabajadores detectaron y revertieron los cambios maliciosos antes de que ocurriera un impacto físico. El incidente, ocurrido el 15 de marzo de 2026 y divulgado en agosto, pone en primer plano las brechas de gobernanza en entornos OT (tecnología operacional) de infraestructura crítica.

    Qué ocurrió en Duchesne

    La instalación de Sage Water Resources, ubicada cerca de Duchesne, en el estado de Utah, opera como sitio de disposición de aguas residuales de pozos petroleros —un proceso industrial sensible tanto por sus implicancias ambientales como por su integración con sistemas de control industrial (ICS). Según se informó, el intruso consiguió acceder al controlador automatizado que regula las bombas de inyección y realizó modificaciones que eludieron las salvaguardas de seguridad de los equipos. El personal de la empresa advirtió la anomalía a tiempo y evitó que los cambios derivaran en una falla operativa o en un derrame con consecuencias ambientales.

    El vector de intrusión no fue confirmado públicamente al momento de la divulgación. Lo que sí quedó establecido es que el atacante tuvo acceso suficiente como para alterar la lógica del controlador, lo cual implica un nivel de privilegio elevado dentro de la red OT o una segmentación deficiente entre la red corporativa IT y los sistemas de control. Este tipo de arquitectura plana —donde IT y OT comparten segmentos de red o credenciales— es uno de los problemas de gobernanza más frecuentes en operadores industriales de mediano tamaño.

    El ángulo de gobernanza: qué falló antes del incidente

    Más allá del análisis forense de la intrusión, el incidente expone al menos tres fallas de gobernanza de datos e infraestructura que merecen atención. Primero, la ausencia o ineficacia de controles de cambio sobre el controlador: en un entorno OT gobernado correctamente, cualquier modificación de parámetros operativos debería requerir autorización, registro y validación. Segundo, la falta de monitoreo en tiempo real que detecte desvíos de configuración antes de que un operador humano los advierta visualmente. Tercero, la inexistencia de un baseline documentado del estado de configuración del controlador, lo que dificulta la respuesta a incidentes y la atribución de cambios.

    Desde la perspectiva del NIST Cybersecurity Framework —ampliamente adoptado en sectores industriales de América del Norte— la función “Detect” y su categoría de “Anomalies and Events” debería haber generado alertas automáticas ante la modificación no autorizada de parámetros. El hecho de que la detección haya dependido de la observación humana sugiere que esa capacidad estaba ausente o no estaba operativa en este entorno.

    Infraestructura crítica y gobernanza en América Latina

    El caso es relevante para operadores latinoamericanos de infraestructura crítica —petroleras, utilities, plantas de tratamiento de agua, mineras— que conviven con el mismo problema estructural: sistemas SCADA y controladores ICS adquiridos hace décadas, sin actualizaciones de firmware, integrados a redes corporativas modernas sin segmentación adecuada. En México, la Estrategia Nacional de Ciberseguridad de 2017 identificó la protección de infraestructura crítica como eje prioritario, pero la implementación efectiva en operadores privados medianos sigue siendo heterogénea. En Argentina, el Programa Nacional de Infraestructuras Críticas de Información y Ciberseguridad (ICIC), bajo la órbita de la Secretaría de Innovación, establece lineamientos para estos entornos, aunque sin obligatoriedad generalizada para el sector hidrocarburífero privado.

    Brasil presenta el marco más estructurado de la región: la Lei nº 14.600/2023, que creó la Agência Nacional de Cibersegurança (ANCiber), incluye entre sus competencias la coordinación de la protección de infraestructuras críticas. Sin embargo, los reglamentos sectoriales que operativicen esos mandatos para empresas de disposición de residuos industriales todavía están en desarrollo.

    Lo que un CDO o responsable OT debería hacer esta semana

    Este incidente ofrece una lista de verificación concreta para equipos de gobernanza en entornos industriales:

    • Auditar el inventario de activos OT: ¿existe un catálogo actualizado de todos los controladores, PLCs y HMIs con su versión de firmware y nivel de acceso?
    • Revisar la segmentación IT/OT: ¿hay zonas DMZ entre la red corporativa y la red de control? ¿Las credenciales son independientes?
    • Documentar el baseline de configuración de controladores críticos y activar alertas ante cualquier desvío.
    • Verificar que los procedimientos de control de cambios (change management) aplican explícitamente a modificaciones de parámetros OT, no solo a cambios de software corporativo.
    • Chequear si el plan de respuesta a incidentes incluye escenarios de manipulación de controladores y define tiempos de contención para evitar impacto ambiental o físico.

    El marco DAMA-DMBOK no cubre OT directamente, pero el principio de data ownership aplicado a datos de configuración industrial —¿quién es el data steward de los parámetros de un controlador de bombas?— es exactamente la pregunta que este incidente deja sin respuesta en Duchesne.

    Cuando la gobernanza de datos llega tarde a los entornos OT, el costo no se mide en multas regulatorias sino en derrames, fallas de equipo y, eventualmente, vidas humanas.

  • Outfront Media nombra CDO con perfil de agencia: el dato como negocio publicitario

    Outfront Media nombra CDO con perfil de agencia: el dato como negocio publicitario

    Outfront Media, una de las principales compañías de publicidad exterior de Estados Unidos, designó a un veterano de la agencia UM como su nuevo Chief Data Officer, según informó MediaPost. El movimiento consolida una tendencia creciente en el sector de out-of-home (OOH): las empresas de medios físicos buscan ejecutivos con ADN de agencia para convertir datos de audiencia en ventaja competitiva real.

    El nombramiento de Griffiths —quien acumuló experiencia en UM, una de las agencias de medios más grandes del mundo bajo el paraguas de IPG Mediabrands— no es un movimiento de recursos humanos rutinario. Es una señal de hacia dónde se mueve la industria del outdoor tradicional: hacia modelos de monetización basados en datos first-party, medición de audiencias y activación programática en pantallas digitales. Outfront opera miles de vallas, pantallas y estructuras de tránsito en mercados urbanos clave de Norteamérica, y la presión del mercado publicitario por métricas comparables a las del ecosistema digital es cada vez mayor.

    El CDO como puente entre inventario físico y datos digitales

    En el sector OOH, el dato no es un subproducto del negocio: es el argumento central de venta. Las pantallas digitales fuera del hogar (DOOH) compiten directamente con display digital, redes sociales y CTV por los mismos presupuestos de marca. Para ganar esa batalla, las compañías necesitan ofrecer atribución, medición de alcance único y segmentación por audiencia con estándares equivalentes a los del entorno online. Ahí es donde un CDO con formación en planificación de medios tiene una ventaja clara sobre un perfil tecnológico puro: entiende el lenguaje de los compradores de medios y sabe qué datos hacen mover un presupuesto.

    Desde la perspectiva del DAMA-DMBOK, el rol que asume Griffiths combina al menos tres dominios críticos: gestión de datos de referencia y maestros (MDM) para unificar audiencias cross-pantalla, data quality para garantizar la integridad de las métricas de medición, y data governance como marco que permite compartir datos con agencias y anunciantes sin comprometer la privacidad de los usuarios. Este último punto es especialmente sensible en un contexto donde los datos de movilidad y geolocalización —insumo central del OOH inteligente— están bajo escrutinio regulatorio creciente.

    Geolocalización y privacidad: la tensión que el nuevo CDO deberá gestionar

    El negocio de datos en publicidad exterior depende en gran medida de señales de movilidad: datos de dispositivos móviles, patrones de tránsito y comportamiento en zonas de influencia de pantallas. Esa dependencia coloca al nuevo CDO en el centro de un debate regulatorio que ya está llegando a América Latina. En Brasil, la Lei Geral de Proteção de Dados (LGPD) establece restricciones precisas sobre el tratamiento de datos de localización como datos sensibles cuando permiten inferir comportamientos o rutinas personales. En Argentina, la Ley 25.326 y las disposiciones de la AAIP han comenzado a revisar con mayor detalle los flujos de datos de geolocalización en contextos publicitarios. México, por su parte, avanza en criterios del INAI sobre el uso de datos de comportamiento en publicidad dirigida.

    Para las empresas de OOH que operan o buscan expandirse en la región —o para sus socios locales que utilizan las mismas metodologías de medición—, el estándar de governance que establezca Outfront bajo el nuevo CDO puede convertirse en referencia o en advertencia, dependiendo de cómo equilibre monetización y cumplimiento normativo.

    Qué implica este movimiento para equipos de datos en LATAM

    El perfil de Griffiths anticipa un modelo de CDO que América Latina todavía está procesando: el ejecutivo de datos que habla tanto el idioma del negocio como el del cumplimiento. En la región, los CDO suelen venir de perfiles tecnológicos o de consultoría, con menor exposición al ciclo comercial de los medios. La brecha es relevante porque varios grupos de medios latinoamericanos —desde operadoras de vía pública en México y Colombia hasta conglomerados de medios en Brasil y Argentina— están en pleno proceso de construir sus capacidades de datos de audiencia para competir con las plataformas digitales.

    Para un CDO o Data Governance Manager en una empresa de medios de la región, el movimiento de Outfront sugiere al menos tres prioridades concretas a evaluar esta semana:

    • Auditar qué datos de movilidad o comportamiento se están incorporando a modelos de audiencia y bajo qué base legal se procesan según la normativa local aplicable.
    • Revisar si existe un data steward definido para los datasets de terceros que alimentan la segmentación publicitaria, especialmente aquellos provenientes de data brokers o SDKs de terceros en apps móviles.
    • Evaluar si el marco de governance actual permite responder a una solicitud de agencia o anunciante sobre provenance y calidad del dato de audiencia sin depender de silos departamentales.

    El CDO que el mercado de medios está buscando

    La designación en Outfront es un caso de estudio comprimido sobre la evolución del rol de CDO en industrias de medios y publicidad. Ya no alcanza con gestionar infraestructura de datos o supervisar pipelines de ingesta. El mercado exige ejecutivos capaces de traducir activos de datos en propuestas de valor para clientes externos, negociar estándares de medición con agencias y, al mismo tiempo, operar dentro de marcos regulatorios que se endurecen en todas las jurisdicciones donde la empresa tiene presencia o ambición de crecimiento.

    En un mercado donde el dato de audiencia es tanto el producto como el riesgo, la elección del CDO es, en realidad, una declaración de estrategia.

  • Sin gobierno del dato, la IA bancaria es un castillo de arena

    Sin gobierno del dato, la IA bancaria es un castillo de arena

    Los bancos que aceleran la adopción de inteligencia artificial sin haber resuelto primero su arquitectura de gobierno del dato están construyendo sobre terreno inestable. La experiencia acumulada en el sector financiero global —y cada vez más en América Latina— muestra un patrón consistente: los proyectos de IA que fracasan o generan resultados sesgados tienen, en su raíz, problemas de calidad, ownership o trazabilidad de datos, no de algoritmos.

    El dato como activo estratégico, no como subproducto

    Durante años, las entidades financieras gestionaron sus datos como un subproducto de las operaciones: algo que existía, que se almacenaba y que se consultaba cuando era necesario. La irrupción de modelos de machine learning y, más recientemente, de large language models (LLMs) en procesos críticos —scoring crediticio, detección de fraude, atención al cliente, cumplimiento regulatorio— cambió radicalmente esa ecuación. Hoy, un modelo de IA es tan confiable como los datos con los que fue entrenado y con los que opera en producción. Si esos datos tienen problemas de linaje, duplicidades o definiciones inconsistentes entre sistemas, el modelo amplifica esos defectos a escala.

    El marco DAMA-DMBOK, referencia obligada para cualquier programa de gobierno del dato, identifica once áreas de conocimiento que van desde la arquitectura de datos hasta la gestión de la calidad y la privacidad. Para un banco que quiere desplegar IA de forma responsable, las más críticas son precisamente las que más se descuidan: data quality management, data lineage y el establecimiento formal de data stewards —roles que asumen la responsabilidad operativa sobre dominios de datos específicos, como clientes, productos o transacciones.

    Qué hace un CDO bancario con esto el lunes

    El punto de partida no es un proyecto de transformación de dieciocho meses. Es un diagnóstico acotado. Un Chief Data Officer que quiera validar si su organización está en condiciones de escalar IA debería revisar al menos tres dimensiones antes de aprobar cualquier caso de uso nuevo:

    • Data lineage documentado: ¿puede el equipo trazar, de punta a punta, el recorrido de las variables que alimentan cada modelo? Sin esto, cualquier auditoría interna o regulatoria se convierte en un ejercicio de arqueología de datos.
    • Ownership formalizado: ¿existe un data steward designado para cada dominio crítico, con criterios de calidad definidos y medidos periódicamente? En bancos medianos de la región, este rol suele estar fragmentado entre TI y el área de negocio, sin responsabilidad clara.
    • Catálogo activo: ¿el banco opera con un catálogo de datos que los equipos de datos y de negocio realmente usan, o es un documento que se actualizó por última vez durante una auditoría?

    El EDM Council, a través de su marco CDMC (Cloud Data Management Capabilities), ofrece una escala de madurez que varios bancos de primera línea en Brasil y Colombia ya están usando como referencia para sus programas internos. En particular, la capability 8 —que evalúa controles de acceso, clasificación y protección del dato en entornos cloud— resulta directamente aplicable a cualquier banco que opere modelos de IA sobre infraestructura híbrida.

    El ángulo regulatorio que LATAM no puede ignorar

    La presión no viene solo del mercado. Los reguladores financieros de la región están incorporando el gobierno del dato como un requisito implícito —y en algunos casos explícito— dentro de sus marcos de supervisión de riesgos tecnológicos. El Banco Central de Brasil ha avanzado en lineamientos sobre riesgo de modelos que exigen documentación del ciclo de vida del dato utilizado en sistemas de decisión automatizada. En Argentina, la Comunicación A 7724 del BCRA establece criterios de gestión de riesgo tecnológico que, interpretados en clave de IA, demandan exactamente lo que el gobierno del dato provee: trazabilidad, control y accountability. En Colombia, la Superintendencia Financiera ha señalado en circulares recientes que los sistemas de scoring basados en IA deben poder explicarse y auditarse, lo que es imposible sin data lineage sólido.

    Esta convergencia entre exigencia regulatoria y necesidad operativa es, paradójicamente, la mejor noticia para los equipos de datos bancarios: el caso de negocio para invertir en gobierno del dato ya no necesita justificarse solo por eficiencia interna. Existe un mandato externo que empuja en la misma dirección.

    Madurez antes que velocidad

    La tentación de desplegar IA rápido para mostrar resultados es comprensible en un sector tan competitivo como el bancario. Pero los casos de modelos crediticios que reprodujeron sesgos históricos —o de chatbots que ofrecieron información incorrecta sobre productos financieros— tienen, casi siempre, un factor común: datos sin gobierno. Bob Seiner, referente en Non-Invasive Data Governance, sostiene que el gobierno del dato no es un proyecto separado de la operación, sino una capa de responsabilidad que debe integrarse en los procesos existentes sin crear fricción adicional. Esa filosofía es especialmente relevante para bancos latinoamericanos con estructuras más ágiles, donde la burocracia de un programa de DG clásico puede matar la iniciativa antes de dar frutos.

    La pregunta ya no es si los bancos de la región necesitan gobierno del dato para escalar IA — la pregunta es cuántos incidentes evitables hacen falta antes de que ese programa pase al tope de la agenda del CDO.

  • ¿Dónde están sus datos? La pregunta que la IA obliga a responder

    ¿Dónde están sus datos? La pregunta que la IA obliga a responder

    La adopción masiva de inteligencia artificial en las organizaciones latinoamericanas ha disparado una pregunta que muchos equipos de datos no pueden responder con certeza: ¿dónde están realmente los datos que alimentan esos modelos? El problema no es nuevo, pero la IA lo volvió urgente. Sin un inventario preciso y un data lineage actualizado, cualquier iniciativa de IA corporativa construye sobre terreno inestable.

    Durante años, la gobernanza de datos fue tratada como un proyecto de infraestructura de segundo orden: importante en el papel, postergado en la práctica. Los datos se acumularon en silos departamentales, data lakes sin catalogar y sistemas heredados que nadie se atrevía a tocar. Ese desorden era manejable cuando los datos se usaban para reportes o dashboards. Deja de serlo cuando un modelo de lenguaje o un sistema de ML los consume sin discriminar calidad, origen ni clasificación de sensibilidad.

    El inventario como base de todo

    El primer paso que propone el DAMA-DMBOK para cualquier programa de gobierno de datos es el establecimiento de un inventario de activos de datos —lo que en la industria se conoce como data catalog. No se trata de una herramienta tecnológica per se, sino de una decisión organizacional: alguien tiene que ser responsable de saber qué datos existen, dónde residen, quién los usa y con qué propósito. Ese rol es el data steward, y en la mayoría de las empresas latinoamericanas todavía no está formalizado ni tiene capacidad de decisión real.

    El EDM Council, a través de su marco CDMC (Cloud Data Management Capabilities), identifica la capacidad de localización y clasificación de datos como una de las capabilities fundacionales —equivalente al nivel 8 de su modelo de madurez— sin la cual ningún control de privacidad, seguridad o calidad puede implementarse de forma efectiva. Dicho de otro modo: si no sabés dónde están tus datos, no podés protegerlos, no podés auditarlos y no podés cumplir con ninguna obligación regulatoria.

    La presión regulatoria que ya llegó

    En América Latina, esta exigencia dejó de ser solo buena práctica para convertirse en obligación legal en varios frentes. En Brasil, la Lei Geral de Proteção de Dados (LGPD) requiere que las organizaciones puedan demostrar el propósito y la base legal de cada tratamiento de datos personales —algo imposible sin un registro de actividades de tratamiento actualizado. En Argentina, la Ley 25.326 y la reglamentación de la AAIP (Agencia de Acceso a la Información Pública) exigen que los responsables de bases de datos personales puedan informar a los titulares qué datos tienen y con qué fin. En México, la LFPDPPP impone obligaciones similares sobre el aviso de privacidad y los transfers de datos a terceros.

    Lo que la IA agrega a este escenario es una capa adicional de complejidad: cuando los datos personales se usan para entrenar o alimentar un modelo, el ciclo de vida del dato se vuelve difuso. ¿En qué punto el dato deja de ser “tratado” y pasa a ser parte del modelo? ¿Quién es el data steward de un dataset de entrenamiento? Estas preguntas no tienen respuesta regulatoria definitiva en la región, pero las autoridades de protección de datos ya las están formulando.

    Qué hace un CDO con esto el lunes

    La pregunta operativa no es filosófica. Un Chief Data Officer que está evaluando o ya tiene iniciativas de IA en producción debería revisar esta semana al menos tres cosas concretas:

    • Inventario de datasets en uso por modelos de IA: ¿están catalogados con clasificación de sensibilidad (dato personal, dato confidencial, dato público)? ¿Tienen data steward asignado?
    • Data lineage de extremo a extremo: ¿puede trazarse el origen de cada dataset hasta la fuente primaria? ¿Hay transformaciones no documentadas en el camino?
    • Revisión de acuerdos con proveedores de IA: ¿los contratos con vendors cloud o de modelos de terceros contemplan cláusulas sobre uso de datos para reentrenamiento? ¿Son consistentes con las bases legales declaradas en los registros de tratamiento?

    El framework Non-Invasive Data Governance de Bob Seiner plantea que los controles de gobernanza más efectivos son los que se integran en los procesos existentes sin crear burocracia nueva. Aplicado al contexto de IA, eso significa que el CDO no necesita un proyecto de 18 meses para responder dónde están sus datos: necesita asignar ownership de datos en los pipelines actuales y establecer una política mínima de clasificación antes de que cualquier dataset entre a un flujo de entrenamiento o inferencia.

    La ventana se está cerrando

    En Chile, el nuevo reglamento de la Ley 21.719 —que entrará en vigencia en 2026— incorpora requisitos de accountability que obligarán a las organizaciones a demostrar, no solo declarar, que tienen control sobre sus datos personales. Colombia avanza en la misma dirección con la actualización de la Ley 1581 bajo supervisión de la SIC (Superintendencia de Industria y Comercio). El patrón regional es claro: la carga de la prueba se invierte, y ya no alcanza con tener una política de privacidad publicada en el sitio web.

    Las organizaciones que lleguen a esa instancia sin un catálogo de datos operativo ni un modelo de ownership claro no tendrán un problema de compliance: tendrán un problema de negocio.

  • IA agéntica en la empresa: gobierno de datos antes de soltar las riendas

    IA agéntica en la empresa: gobierno de datos antes de soltar las riendas

    Los agentes de inteligencia artificial ya no solo responden preguntas: toman decisiones, ejecutan tareas encadenadas y operan con autonomía creciente dentro de los sistemas corporativos. Para los equipos de data governance, esto no es una promesa de eficiencia futura, es un problema de ownership y control que existe hoy.

    La adopción de arquitecturas agénticas en el mundo empresarial está acelerando a un ritmo que supera la madurez de los marcos de gobierno existentes. A diferencia de los modelos de IA conversacional, los agentes pueden acceder a bases de datos, invocar APIs, modificar registros y desencadenar flujos de trabajo sin intervención humana en cada paso. El resultado es un nuevo vector de riesgo que no encaja bien en los playbooks tradicionales de data governance ni en los controles de ciberseguridad convencionales.

    El problema de ownership que nadie quiere resolver primero

    Antes de discutir qué hace un agente, la pregunta crítica es a qué datos tiene acceso y quién responde por ese acceso. En la terminología del DAMA-DMBOK, el concepto de data stewardship —la responsabilidad operativa sobre un conjunto de datos— se vuelve especialmente relevante cuando el “consumidor” del dato es un sistema autónomo. Si un agente procesa datos de clientes para personalizar ofertas o tomar decisiones crediticias, el data steward de ese dominio debe definir explícitamente qué atributos puede consumir el agente, bajo qué condiciones y con qué registro de auditoría.

    El EDM Council, en su marco CDMC (Cloud Data Management Capabilities), identifica como capability crítica la clasificación de datos y el control de acceso basado en sensibilidad. En entornos agénticos, esta capability deja de ser un ejercicio anual de catalogación para convertirse en una guardrail operativa en tiempo real. Sin una clasificación actualizada y un catálogo de datos con data lineage trazable, no es posible saber qué está consumiendo un agente ni qué decisiones está tomando en base a qué información.

    Qué hace el CDO el lunes por la mañana

    El primer movimiento concreto es un inventario de agentes activos o en piloto. En la mayoría de las organizaciones medianas y grandes de la región, ya existe algún agente de IA en producción —muchas veces desplegado por un área de tecnología o una línea de negocio sin pasar por el proceso de data governance—. Mapear qué datos consume cada agente, con qué identidad técnica se autentica y qué logs genera es el punto de partida no negociable. Sin ese inventario, cualquier política es papel mojado.

    El segundo paso es revisar las políticas de acceso con privilegio mínimo aplicadas a identidades no humanas. Los agentes de IA deben operar con el mismo principio que una cuenta de servicio: acceso estrictamente necesario para la tarea definida, con revisión periódica. Esto implica coordinar con el equipo de IAM (Identity and Access Management) para que las identidades de agentes sean ciudadanos de primera clase en el modelo de gobernanza, no excepciones informales.

    El tercer elemento es definir un proceso de aprobación para nuevos agentes que toque datos sensibles o regulados. No alcanza con una revisión de seguridad técnica: debe incluir una evaluación de impacto en el ciclo de vida del dato, quién es el data owner del dominio afectado y qué obligaciones regulatorias están en juego.

    El contexto regulatorio LATAM no espera

    En Brasil, la LGPD (Lei Geral de Proteção de Dados) ya exige que los responsables del tratamiento puedan demostrar las bases legales de cada operación con datos personales. Cuando esa operación la ejecuta un agente autónomo, la carga de la prueba no desaparece: se traslada al proceso de diseño del sistema. La ANPD ha señalado en sus orientaciones sobre IA que la automatización de decisiones con impacto sobre titulares requiere mecanismos de explicabilidad y posibilidad de revisión humana. En Argentina, la AAIP trabaja en una actualización de la Ley 25.326 que incorporará principios similares. En México, el INAI ha emitido criterios sobre decisiones automatizadas en el marco de la LFPDPPP que obligan a informar al titular cuando una decisión significativa se toma sin intervención humana.

    Esto significa que el marco de gobierno para agentes de IA no puede diseñarse solo desde la lógica tecnológica: debe incorporar los requisitos de accountability, explicabilidad y derechos del titular desde el momento del diseño, no como parche posterior al despliegue. Privacy by design y governance by design son, en este contexto, la misma exigencia con distinto nombre.

    El riesgo de esperar a que el marco llegue solo

    La tentación organizacional es esperar a que exista un estándar consolidado —un ISO, un framework de la OCDE, una guía de la autoridad regulatoria local— antes de actuar. Ese enfoque es el que genera los incidentes que después obligan a responder en modo crisis. Los marcos de referencia como el NIST AI RMF ya ofrecen una estructura de gobernanza lo suficientemente concreta para empezar: identificar, medir, gestionar y gobernar el riesgo de sistemas de IA. Adaptarlo al contexto de agentes autónomos con acceso a datos sensibles es un trabajo que puede iniciarse hoy con los equipos existentes.

    “La gobernanza de datos no es un proyecto que se activa cuando hay un problema. Es la infraestructura que determina si el problema ocurre o no.”

    — Principio operativo, DAMA International

    La IA agéntica llegó a las empresas latinoamericanas con los mismos plazos de adopción que en cualquier otro mercado, pero con marcos regulatorios en construcción y equipos de governance todavía dimensionados para un mundo donde los datos los movían las personas.

  • Brecha en proveedor logístico de Bol expone datos de clientes en la dark web

    Brecha en proveedor logístico de Bol expone datos de clientes en la dark web

    El retailer neerlandés Bol notificó a sus clientes que información personal pudo haber sido vista o copiada por terceros no autorizados que accedieron a los sistemas de uno de sus socios logísticos. Los datos comprometidos ya aparecieron publicados en la dark web, según se informó, convirtiendo el incidente en el segundo caso resonante en el comercio minorista holandés en pocas semanas, tras el aviso similar emitido por la cadena de lujo De Bijenkorf.

    Un ataque al proveedor, un problema del retailer

    Bol fue enfático en aclarar que sus propios sistemas no fueron vulnerados. Sin embargo, esa distinción tiene un peso limitado para los consumidores afectados: los datos son igualmente suyos, independientemente de en qué servidor estuvieran almacenados. Este es el patrón clásico del ataque a la cadena de suministro digital — el actor principal no es el blanco directo, pero termina siendo el rostro de la crisis ante sus usuarios. La empresa emitió un comunicado advirtiendo que “alguna información de clientes pudo haber sido visualizada o copiada”, sin detallar el volumen exacto de registros expuestos ni la naturaleza precisa de los datos involucrados.

    La coincidencia temporal con el caso De Bijenkorf no es anecdótica. Sugiere que uno o más actores maliciosos están apuntando sistemáticamente a operadores logísticos que prestan servicios a múltiples retailers, maximizando el impacto de un único punto de compromiso. Este vector — conocido en la industria como third-party breach — es precisamente el que los marcos regulatorios modernos buscan cubrir con obligaciones de due diligence sobre proveedores.

    El GDPR y la notificación: el reloj ya corre

    Bajo el Reglamento General de Protección de Datos (GDPR), tanto el responsable del tratamiento como el encargado tienen obligaciones claras ante una brecha de seguridad. El responsable — en este caso Bol, dado que es quien tiene la relación contractual con el cliente final — debe notificar a la autoridad competente, la Autoriteit Persoonsgegevens (AP) de los Países Bajos, dentro de las 72 horas de haber tomado conocimiento del incidente. Si los datos expuestos representan un riesgo alto para los derechos de los individuos, también corresponde la notificación directa a los afectados. La aparición de los datos en la dark web eleva considerablemente ese nivel de riesgo.

    El caso tiene lectura directa para América Latina. En Brasil, la Lei Geral de Proteção de Dados (LGPD) establece en su artículo 48 la obligación de notificar a la Autoridade Nacional de Proteção de Dados (ANPD) y a los titulares afectados en “prazo razoável”, cuya interpretación la ANPD ha ido precisando en resoluciones sucesivas. En Argentina, la Agencia de Acceso a la Información Pública (AAIP) contempla la notificación de brechas en su normativa, aunque el proyecto de reforma de la Ley 25.326 busca alinear plazos y obligaciones más explícitamente con el estándar europeo. En México, la LFPDPPP no establece un plazo específico de notificación, una laguna que el sector señala como pendiente de resolver.

    La responsabilidad no termina en el firewall propio

    Lo que el incidente de Bol pone sobre la mesa es una pregunta que todo responsable de privacidad en e-commerce y retail debería estar respondiendo ahora mismo: ¿qué nivel de acceso a datos de clientes tienen los proveedores logísticos, y bajo qué controles? Los contratos de tratamiento de datos (Data Processing Agreements o DPA, en la nomenclatura del GDPR) deben especificar medidas técnicas y organizativas mínimas, y su cumplimiento no puede auditarse una sola vez al año. En la región, muchas empresas de retail transfieren datos de envío — nombre, dirección, teléfono, en algunos casos correo electrónico e historial de compras — a operadores logísticos sin cláusulas contractuales que contemplen escenarios de brecha y responsabilidades de notificación.

    “La cadena de responsabilidad sobre los datos personales no termina donde termina el sistema propio. Termina donde termina el dato.”

    — Principio rector del enfoque de responsabilidad proactiva bajo GDPR y LGPD

    Qué mirar en las próximas horas

    Quedan abiertas varias variables que determinarán la gravedad final del caso: el tipo de datos expuestos (si incluyen información financiera o de autenticación, el riesgo escala significativamente), el número de registros publicados en la dark web, y la respuesta formal de la Autoriteit Persoonsgegevens. También será relevante saber si el mismo operador logístico prestaba servicios a De Bijenkorf, lo que confirmaría o descartaría la hipótesis de un ataque coordinado contra un proveedor compartido. Los clientes de Bol, mientras tanto, deberían estar atentos a correos de phishing que utilicen sus datos para parecer legítimos — una táctica habitual una vez que la información personal circula en foros clandestinos.

    En retail, el dato del cliente viaja con el paquete — y la responsabilidad legal, también.