Etiqueta: Normativa

  • Multa de USD 2,7 M por brecha en datos de menores: NY y CT responsabilizan al proveedor TI

    Multa de USD 2,7 M por brecha en datos de menores: NY y CT responsabilizan al proveedor TI

    Los fiscales generales de Nueva York y Connecticut obtuvieron USD 2,7 millones de Boston Children’s Health Physicians (BCHP) y su proveedor de tecnología XTIUM por una brecha de datos ocurrida en 2024 que comprometió información sensible de pacientes pediátricos. El acuerdo establece además un plan de acción correctiva en materia de seguridad.

    La fiscal general de Nueva York, Letitia James, y su par de Connecticut, William Tong, anunciaron el 17 de octubre de 2026 el cierre del caso contra BCHP y XTIUM, el proveedor de servicios de TI que gestionaba la infraestructura del sistema de salud. El punto central del acuerdo es la responsabilidad compartida: ambas entidades —la organización de salud y su contratista tecnológico— fueron consideradas legalmente responsables por las deficiencias que permitieron el incidente, según se informó.

    Proveedor externo como vector: el dato que cambia la ecuación

    La decisión de extender la responsabilidad a XTIUM marca un precedente relevante en la cadena de custodia de datos sensibles. No es habitual que una fiscalía estatal imponga obligaciones formales —y parte de la sanción económica— sobre un proveedor de TI tercerizado, en lugar de limitarse al titular del dato. El acuerdo implica que XTIUM deberá cumplir con el plan correctivo junto a BCHP, lo que convierte al contratista en un actor regulado de facto, según se informó.

    Datos confirmados

    • Monto total del acuerdo: USD 2,7 millones
    • Entidades sancionadas: Boston Children’s Health Physicians (BCHP) y XTIUM (proveedor de TI)
    • Fiscalías intervinientes: Nueva York (AG Letitia James) y Connecticut (AG William Tong)
    • Año del incidente: 2024
    • Acuerdo incluye: plan de acción correctiva para mejorar la seguridad de datos
    • Fecha del anuncio: 17 de octubre de 2026

    Qué se sabe y qué falta confirmar

    Se confirmó que el incidente involucró datos de pacientes pediátricos y que derivó en una acción coordinada entre dos fiscalías estatales. No se han divulgado públicamente el volumen exacto de registros comprometidos, el vector técnico específico del ataque ni el desglose de la multa entre BCHP y XTIUM. Tampoco está claro si el plan correctivo exige certificación externa o auditorías periódicas, según se informó.

    Para organizaciones de salud en América Latina, el caso enciende una señal de alerta directa. En Argentina, la Ley 25.326 de Protección de Datos Personales —actualmente en proceso de reforma legislativa— no establece expresamente la responsabilidad solidaria de proveedores TI, una laguna que el proyecto de actualización busca cerrar siguiendo el modelo del GDPR europeo. En Brasil, la LGPD (Lei 13.709/2018) ya contempla la figura del “operador” con obligaciones propias, lo que coloca a los proveedores de servicios en una posición jurídica más cercana al escenario que acaban de enfrentar BCHP y XTIUM en EE.UU. Hospitales, clínicas y redes de salud de la región que tercerizan su infraestructura de datos sin cláusulas contractuales de responsabilidad compartida operan hoy con un riesgo legal subvaluado.

    El próximo hito a seguir es la publicación del plan de acción correctiva acordado entre BCHP, XTIUM y las fiscalías, que definirá los estándares técnicos y plazos de cumplimiento que podrían convertirse en referencia para reguladores de la región.

  • Agentes de IA y ciberataques: el vacío regulatorio que Chile aún no cerró

    Agentes de IA y ciberataques: el vacío regulatorio que Chile aún no cerró

    Los agentes de inteligencia artificial autónomos abren una nueva categoría de riesgo jurídico que los marcos regulatorios vigentes en Chile —y en gran parte de América Latina— no contemplaron: la de un sistema que actúa, decide y puede causar daño sin intervención humana directa en cada paso. La pregunta sobre quién responde cuando un agente de IA es el vector de un ciberataque no tiene hoy una respuesta legal clara en la región.

    Un agente de IA no es un chatbot que responde preguntas. Es un sistema capaz de planificar secuencias de acciones, ejecutarlas en entornos digitales reales —navegar sitios, escribir código, enviar correos, interactuar con APIs— y adaptarse a los resultados de cada paso sin que un humano apruebe cada decisión. Esa autonomía operativa es precisamente lo que los convierte en herramientas de alto valor para ciberataques sofisticados: pueden escalar ataques de phishing, explorar vulnerabilidades de forma sistemática o exfiltrar datos con una velocidad y personalización que supera ampliamente la capacidad humana.

    Chile ante un marco legal diseñado para amenazas del pasado

    Chile cuenta con la Ley 21.663, promulgada en 2024, que modernizó el marco de delitos informáticos alineándolo con el Convenio de Budapest. Sin embargo, esa norma fue diseñada con el paradigma del atacante humano: alguien que accede, alguien que intercepta, alguien que daña. Cuando el agente que ejecuta las acciones es un sistema autónomo de IA, la cadena de atribución de responsabilidad se fragmenta entre el desarrollador del modelo, el operador que lo desplegó, el usuario que lo instruyó —o nadie, si el agente actuó por derivación de sus propios objetivos entrenados. La Ley Marco de Ciberseguridad (Ley 21.459, vigente desde 2023) obliga a operadores de infraestructura crítica a reportar incidentes ante la Agencia Nacional de Ciberseguridad (ANCI), pero no define criterios específicos para incidentes mediados por sistemas de IA.

    El proyecto de ley de inteligencia artificial que Chile tiene en tramitación legislativa sigue un enfoque de riesgos inspirado en el AI Act de la Unión Europea, pero a la fecha no ha sido aprobado. Eso significa que el país enfrenta la proliferación de agentes de IA sin una norma vigente que establezca qué obligaciones tienen quienes los desarrollan o despliegan cuando esos sistemas participan —de forma activa o como vector explotado— en un incidente de seguridad.

    Responsabilidad civil y penal: el nudo que el AI Act europeo tampoco resolvió del todo

    La Unión Europea aprobó el AI Act en 2024, clasificando los sistemas de IA por niveles de riesgo. Los agentes con capacidad de acción autónoma en entornos abiertos pueden caer en la categoría de “alto riesgo” o incluso enfrentar restricciones específicas, dependiendo del dominio de uso. Pero el AI Act es un marco de gobernanza y certificación, no un régimen de responsabilidad civil directa: para eso, la Comisión Europea trabaja en paralelo con la revisión de la Directiva de Responsabilidad por Productos Defectuosos. Chile y el resto de América Latina observan ese proceso como referencia, pero sin un equivalente regional consolidado. Brasil, cuyo Proyecto de Ley 2.338/2023 de regulación de IA avanza en el Senado, es el país de la región que más ha progresado en definir obligaciones para sistemas de alto riesgo, aunque tampoco ha cerrado el capítulo de responsabilidad por daños causados por agentes autónomos.

    Cuándo aplica la regulación vigente y cuándo no

    La regulación actual en Chile cubre los efectos del ciberataque —acceso no autorizado, daño a sistemas, interrupción de servicios— con independencia de si el vector fue humano o automatizado. En ese sentido, las obligaciones de reporte a la ANCI se activan ante el incidente, no ante su causa. Lo que no cubre es la responsabilidad prospectiva del desarrollador o desplegador de un agente de IA que fue el instrumento del ataque, ni establece estándares de diseño seguro para esos sistemas. Tampoco existe en Chile —ni en Argentina, México o Colombia— una obligación legal de realizar evaluaciones de impacto de seguridad antes de desplegar agentes de IA en entornos críticos, algo que el AI Act europeo sí exige para sistemas de alto riesgo.

    El escenario cambia si el agente de IA procesa datos personales durante el ataque o como parte de su funcionamiento normal. En ese caso, la Ley 21.719 de protección de datos personales —aprobada en Chile en 2024 y con entrada en vigor gradual— establece obligaciones de seguridad y notificación a la Agencia de Protección de Datos Personales que sí aplican, con independencia de si el incidente fue causado por un agente autónomo o por un humano.

    El vector de ataque más subestimado: el agente comprometido desde adentro

    El riesgo más inmediato no es necesariamente que un actor malicioso construya un agente de IA para atacar desde afuera. Es que un agente desplegado internamente en una organización —para automatizar procesos, gestionar correos, interactuar con sistemas internos— sea manipulado mediante técnicas de prompt injection para exfiltrar información, escalar privilegios o ejecutar acciones no autorizadas. Este vector combina las vulnerabilidades propias de los modelos de lenguaje con el acceso legítimo que la organización ya le concedió al agente. En términos de gobernanza, es equivalente a una cuenta de servicio con permisos excesivos y sin auditoría: un problema conocido, pero potenciado por la capacidad del agente de razonar y adaptarse. Las organizaciones que ya desplegaron agentes de IA en Chile —y en toda la región— operan en su mayoría sin políticas formales de gestión de esos sistemas, sin inventarios de los accesos que tienen y sin procedimientos de respuesta específicos para incidentes donde el agente es parte del vector.

    Para profundizar en el marco regulatorio vigente, la Ley 21.719 de protección de datos personales de Chile y la Ley Marco de Ciberseguridad 21.459 están disponibles en el sitio del Diario Oficial de Chile; el texto consolidado del AI Act europeo puede consultarse en el Diario Oficial de la Unión Europea (OJ L, 2024/1689).

  • Ciberpatrullaje estatal, vigilancia y filtraciones: quién accede a tus datos y bajo qué marco legal

    Ciberpatrullaje estatal, vigilancia y filtraciones: quién accede a tus datos y bajo qué marco legal

    El Estado puede monitorear perfiles públicos en redes sociales sin orden judicial en varios países de América Latina, mientras que las filtraciones de bases de datos oficiales siguen sin tener consecuencias legales claras para los responsables. La pregunta no es si existe vigilancia digital, sino bajo qué reglas opera y quién controla a quienes controlan.

    El ciberpatrullaje —la práctica por la cual agencias estatales rastrean actividad en plataformas digitales, foros y redes sociales con fines de inteligencia, investigación penal o seguridad pública— existe en prácticamente todos los países de la región. Lo que varía dramáticamente entre jurisdicciones es si esa actividad tiene base legal expresa, control judicial previo y algún mecanismo de rendición de cuentas. En la mayoría de los casos, ninguna de las tres condiciones se cumple de forma completa.

    Tres actores con acceso a datos personales, tres lógicas distintas

    Cuando hablamos de quién tiene acceso a nuestros datos, hay que separar al menos tres tipos de actores con lógicas radicalmente diferentes. Primero, las plataformas privadas —Meta, Google, X, TikTok— que recolectan datos de comportamiento para fines publicitarios y los entregan a gobiernos cuando reciben una orden legal válida, o incluso antes si sus políticas internas lo permiten. Segundo, los Estados, que acceden a datos tanto mediante requerimientos formales a plataformas como a través de sistemas propios de vigilancia: scrapers de redes, software de análisis de contenido público, o herramientas de inteligencia de fuentes abiertas (OSINT). Tercero, actores no autorizados —desde grupos criminales hasta ex empleados con acceso residual— que obtienen datos mediante filtraciones, vulneración de sistemas o compra en mercados ilegales.

    La combinación de los tres flujos crea un ecosistema donde los datos de una persona pueden circular entre sistemas privados, estatales e ilegales sin que esa persona tenga forma práctica de saberlo, ni mucho menos de impedirlo.

    Ciberpatrullaje en Argentina, México y Brasil: distinto encuadre legal, misma opacidad

    En Argentina, la Ley 25.326 de Protección de Datos Personales establece que el tratamiento de datos por parte del Estado debe tener finalidad explícita y base legal, pero no contempla de forma específica el ciberpatrullaje como actividad regulada. La Agencia de Acceso a la Información Pública (AAIP) tiene competencia para fiscalizar archivos estatales, pero su capacidad de auditar operaciones de inteligencia digital es, en la práctica, muy limitada. El debate se agudizó con el uso de herramientas de monitoreo de redes durante protestas sociales, sin que exista un marco normativo que defina qué puede observarse, por cuánto tiempo y con qué autorización.

    En México, la LFPDPPP rige para el sector privado; el sector público se regula por la Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados (LGPDPPSO), sancionada en 2017. Esta ley obliga a las dependencias a publicar avisos de privacidad y a designar un responsable, pero las áreas de seguridad nacional quedan expresamente fuera de su ámbito. El Instituto Nacional de Transparencia (INAI) puede investigar a entidades públicas, pero no a las fuerzas de seguridad cuando actúan bajo la lógica de inteligencia. En Brasil, la Lei Geral de Proteção de Dados (LGPD, Lei nº 13.709/2018) tiene excepciones similares: el artículo 4 excluye del régimen general el tratamiento de datos para seguridad pública, defensa nacional e investigación penal, delegando esa regulación a legislación específica que aún no existe en forma completa.

    Cuándo aplica la ley de protección de datos y cuándo no

    Esta es la delimitación que más frecuentemente se omite en el debate público. Las leyes de protección de datos personales de la región —Ley 25.326 en Argentina, LGPD en Brasil, Ley 19.628 y su reforma en Chile, Ley 1581 en Colombia, Ley 29733 en Perú— protegen al individuo frente al tratamiento de sus datos por parte de empresas y, en distintos grados, frente al Estado actuando en su función administrativa ordinaria. No aplican, o aplican con excepciones amplias, cuando el Estado actúa en funciones de seguridad, inteligencia o investigación penal. Esa brecha es sistémica y reconocida: el Convenio 108+ del Consejo de Europa, que varios países de la región toman como referencia, exige que incluso esas excepciones sean proporcionadas, necesarias y sujetas a control independiente —condiciones que rara vez se verifican en la práctica regional.

    Las filtraciones de bases de datos estatales —padrones electorales, registros de salud, sistemas de beneficios sociales— caen en una zona gris adicional: técnicamente el Estado es “víctima” de la brecha, pero también es responsable de no haber implementado medidas de seguridad adecuadas. Las leyes de protección de datos de la región imponen esa obligación de seguridad, pero las sanciones por incumplimiento son bajas y los procesos de fiscalización, lentos.

    El dato que falta: registros de acceso y auditoría sobre bases estatales

    Lo que distingue a los sistemas de mayor madurez regulatoria no es solo la existencia de una ley, sino la existencia de controles técnicos auditables: logs de acceso a bases de datos sensibles, políticas de retención documentadas, auditorías periódicas por organismos independientes y mecanismos de notificación al titular cuando sus datos fueron consultados o comprometidos. En la región, esos controles son la excepción. Los marcos de referencia como el NIST Privacy Framework o el estándar ISO/IEC 29101 proveen arquitecturas concretas para implementarlos, pero su adopción en el sector público latinoamericano es incipiente y voluntaria.

    Mientras ese déficit persista, el debate sobre ciberpatrullaje y filtraciones seguirá siendo político antes que técnico-jurídico: quién tiene acceso a nuestros datos dependerá menos del marco legal vigente y más de quién gobierna y con qué criterio decide usar esa capacidad.

    Para profundizar en el marco regional, el texto del Convenio 108+ y los informes de adecuación de la Comisión Europea sobre países de América Latina son el punto de partida más riguroso disponible públicamente.

  • La apuesta de 5 billones en IA: quién paga la cuenta

    La apuesta de 5 billones en IA: quién paga la cuenta

    El financiamiento público y las políticas de compra gubernamental están subsidiando de forma silenciosa la expansión de las grandes plataformas de inteligencia artificial. Amba Kak, codirectora ejecutiva del AI Now Institute, sostiene que la concentración del poder tecnológico en un puñado de empresas no es un resultado inevitable del mercado, sino el producto de decisiones regulatorias que la sociedad termina pagando.

    La cifra es orientadora aunque no siempre se desglosa con precisión: el ecosistema de IA generativa opera sobre apuestas de capital que, sumadas las valuaciones proyectadas y los contratos públicos asociados, rondan los cinco billones de dólares a nivel global, según se informó. Lo que rara vez aparece en los titulares es quién absorbe el riesgo cuando esas apuestas fallan o cuando el retorno tarda más de lo prometido. La respuesta, argumenta el AI Now Institute, es la ciudadanía: a través de contratos estatales, exenciones fiscales, subsidios a infraestructura y tarifas de servicios públicos que financian los centros de datos.

    Concentración de mercado y el rescate silencioso a las Big Tech de IA

    El patrón que describe Kak no es nuevo en la historia de la tecnología: una industria emergente recibe apoyo estatal masivo durante su fase de riesgo y, una vez consolidada, captura la regulación que debería supervisarla. Lo que distingue al ciclo actual es la velocidad y la escala. Los modelos de lenguaje de gran tamaño requieren inversiones en cómputo que solo unas pocas empresas —Microsoft, Google, Amazon, Meta y, en menor medida, startups como OpenAI o Anthropic respaldadas por ellas— pueden costear. Eso convierte la infraestructura de IA en un oligopolio de hecho antes de que exista un marco regulatorio que lo aborde. El resultado es que las barreras de entrada no las fija el mérito tecnológico sino el acceso al capital y a los contratos públicos.

    La narrativa del “rescate” no implica transferencias directas en todos los casos, sino una combinación de mecanismos menos visibles: contratos de computo en la nube con agencias gubernamentales, financiamiento de investigación universitaria que luego se privatiza, y el uso de datos producidos por el sector público para entrenar modelos comerciales. Según se informó en el episodio del podcast Agents of Tech donde participó Kak, este proceso equivale a socializar el costo y privatizar el beneficio.

    Cuándo aplica el argumento regulatorio y cuándo no

    El análisis del AI Now Institute es más pertinente cuando se trata de infraestructura crítica —cómputo, datos de salud, sistemas de decisión en beneficios sociales— que cuando se aplica a productos de consumo masivo donde la competencia, aunque imperfecta, existe. No toda inversión privada en IA equivale a captura regulatoria, y no todo contrato público con una empresa tecnológica constituye un subsidio encubierto. La distinción relevante es si el Estado podría recuperar el activo generado —datos, modelos, infraestructura— o si ese valor queda privatizado de forma permanente. Cuando la respuesta es la segunda, el argumento sobre quién paga la apuesta cobra fuerza.

    América Latina: contratos públicos de IA sin marcos de transparencia equivalentes

    En la región, la dinámica de subsidio público a la IA privada adopta formas propias. Brasil ha avanzado con la Estratégia Nacional de Inteligência Artificial (EBIA) y su revisión de 2024, pero la mayoría de los contratos de implementación de IA en organismos federales y estaduales se adjudican a subsidiarias de los mismos conglomerados globales señalados por el AI Now Institute, sin requisitos de apertura de modelos ni de compartición de datos derivados. En México, el uso de herramientas de IA en el sector salud y en el sistema tributario del SAT también opera sobre acuerdos con proveedores privados cuyas condiciones de licencia no son públicas. Argentina, por su parte, carece aún de una política nacional de IA con fuerza de ley, lo que deja los contratos de este tipo bajo la discrecionalidad administrativa de cada organismo. En ninguno de estos casos existe hoy un mecanismo formal para que el Estado recupere valor de los datos que aporta como insumo al entrenamiento de modelos comerciales.

    La ausencia de marcos de gobernanza para contratos de IA pública no es solo un problema de transparencia: es un problema de soberanía sobre infraestructura crítica. Cuando un ministerio de salud cede registros anonimizados para mejorar un modelo de diagnóstico propiedad de un proveedor extranjero, el beneficio del dato se transfiere permanentemente fuera de la jurisdicción que lo generó. Este es exactamente el tipo de transferencia de valor que el AI Now Institute identifica como el mecanismo central del subsidio público a la IA privada.

    Regulación sectorial vs. regulación estructural: el debate de fondo

    El argumento de Kak apunta a algo que las regulaciones de IA vigentes —incluyendo el AI Act de la Unión Europea— abordan de forma parcial: los marcos actuales regulan usos de la IA pero no la estructura de mercado que determina quién puede desarrollarla. El AI Act clasifica riesgos por aplicación, no por poder de mercado. Las leyes de competencia, por su lado, actúan ex post y con ciclos demasiado lentos para industrias que consolidan posiciones en meses. El debate sobre cómo regular la concentración en IA —si mediante obligaciones de interoperabilidad, licencias obligatorias de modelos fundacionales, o límites a la integración vertical— está en curso en el Parlamento Europeo y en la Comisión Federal de Comercio de Estados Unidos, pero sin equivalente en ninguna jurisdicción latinoamericana.

    La discusión sobre quién financia la IA y quién captura su valor no es técnica ni filosófica: es una pregunta de política fiscal y regulatoria que los gobiernos de la región deberán responder antes de firmar el próximo contrato de nube. Para profundizar, el trabajo del AI Now Institute está disponible en ainowinstitute.org.

  • Gobernanza de IA en infraestructura crítica: por qué el compliance estático ya no alcanza

    Gobernanza de IA en infraestructura crítica: por qué el compliance estático ya no alcanza

    Los modelos de inteligencia artificial desplegados en infraestructura crítica —redes eléctricas, sistemas de agua, transporte, salud pública— no pueden gobernarse con auditorías anuales ni listas de verificación estáticas. La naturaleza adaptativa de estos sistemas exige un monitoreo continuo que detecte desvíos en tiempo real, antes de que un fallo algorítmico se convierta en un evento de consecuencias físicas.

    La gobernanza de IA en sectores críticos parte de una premisa que todavía muchas organizaciones ignoran: un sistema de IA no es un software tradicional que, una vez certificado, permanece estable. Los modelos de aprendizaje automático cambian su comportamiento a medida que los datos de entrada evolucionan, los patrones operativos se desplazan y los contextos para los que fueron entrenados quedan desactualizados. Este fenómeno —conocido como model drift o deriva del modelo— es especialmente peligroso cuando el sistema toma decisiones sobre distribución de energía, gestión de emergencias o control de acceso a infraestructura sensible.

    Compliance estático: qué es y por qué falla en entornos de IA crítica

    El compliance estático consiste en validar un sistema de IA contra un conjunto de criterios en un momento determinado —durante el desarrollo, la certificación o la puesta en producción— y asumir que esa validación es suficiente mientras el sistema no cambie formalmente. Es el modelo heredado de la auditoría tradicional de software y de los marcos regulatorios industriales pensados para tecnologías más predecibles. En IA, ese supuesto colapsa: el sistema puede derivar hacia comportamientos no anticipados sin que nadie actualice una sola línea de código. Una auditoría realizada en enero no garantiza que el modelo se comporte igual en julio, especialmente si opera sobre flujos de datos en tiempo real.

    El problema se agrava en infraestructura crítica porque las consecuencias de un fallo no son sólo financieras o reputacionales. Un sistema de gestión de la red eléctrica que optimiza mal la carga en picos de demanda, o un algoritmo de detección de anomalías en una planta de tratamiento de agua que genera falsos negativos, puede derivar en interrupciones de servicio o riesgos para la vida. La tolerancia al error es estructuralmente distinta a la de un sistema de recomendación de contenido.

    Monitoreo continuo: qué implica operativamente

    El monitoreo continuo en gobernanza de IA no es simplemente registrar logs. Implica un conjunto de capacidades técnicas y organizacionales que deben estar integradas desde el diseño del sistema:

    • Detección de deriva de datos (data drift) y deriva del modelo (concept drift) con umbrales de alerta definidos y revisados periódicamente.
    • Trazabilidad de decisiones (decision lineage): capacidad de reconstruir por qué el sistema tomó una decisión específica en un momento dado, con los datos de entrada y el estado del modelo en ese instante.
    • Roles definidos de AI stewardship: personas concretas responsables de interpretar las alertas del sistema, escalar anomalías y activar protocolos de remediación.
    • Ciclos de revalidación automáticos y disparados por eventos, no sólo por calendario.
    • Documentación actualizada de supuestos del modelo (model cards o fichas técnicas vivas) accesible para auditores internos y externos.

    El marco NIST AI RMF (AI Risk Management Framework), publicado por el Instituto Nacional de Estándares y Tecnología de Estados Unidos, organiza estas capacidades en cuatro funciones: Gobernar, Mapear, Medir y Gestionar. La función Medir es la que sostiene el monitoreo continuo: incluye métricas de desempeño, confiabilidad y equidad evaluadas de forma permanente, no sólo en el momento del despliegue. Para infraestructura crítica, esta función no es opcional.

    Cuándo aplica el monitoreo continuo y cuándo no es suficiente por sí solo

    El monitoreo continuo aplica a cualquier sistema de IA con impacto operativo real y datos de entrada variables en el tiempo. En infraestructura crítica, aplica casi sin excepción. Sin embargo, el monitoreo no reemplaza la gobernanza estructural: sin un inventario de modelos actualizado, sin ownership claro por sistema y sin políticas de respuesta ante alertas, las métricas se acumulan en dashboards que nadie revisa. El monitoreo continuo es eficaz sólo si está integrado en un ciclo de gobernanza que incluya capacidad de decisión y acción. Un panel de alertas sin un proceso de escalamiento definido es decoración técnica.

    El estado de la regulación en América Latina: brechas concretas

    América Latina avanza en marcos de gobernanza de IA, pero con velocidades y profundidades muy distintas según el país. Brasil cuenta con la Lei nº 14.753 de 2023, que establece principios para el uso de IA, aunque su aplicación a infraestructura crítica aún requiere reglamentación sectorial específica. Colombia publicó en 2023 su Marco de Referencia para la Inteligencia Artificial, que incluye lineamientos sobre ciclo de vida del modelo, pero sin obligaciones vinculantes para operadores de infraestructura. Chile trabaja en un proyecto de ley de IA que, según se informó, incorpora criterios de riesgo por sector. Argentina, por su parte, no cuenta con legislación de IA vigente, aunque la Secretaría de Innovación Pública ha publicado recomendaciones no vinculantes. En todos los casos, el monitoreo continuo de sistemas de IA en sectores críticos queda, hoy, en la esfera de la autorregulación o del cumplimiento sectorial fragmentado —energía, salud, transporte— sin un marco transversal que lo exija.

    Esta brecha regulatoria tiene implicancias prácticas: los operadores de infraestructura crítica en la región que adoptan IA se rigen por sus propios estándares internos o por los requisitos de sus proveedores tecnológicos, muchos de ellos con sede en jurisdicciones donde el AI Act de la Unión Europea o el NIST AI RMF ya funcionan como referencia de facto. Eso crea asimetrías de gobernanza dentro de una misma organización que opera en múltiples países.

    Para los equipos de gobernanza de datos y IA en la región, la pregunta operativa inmediata no es si sus modelos cumplen con alguna norma vigente —en muchos países, esa norma aún no existe— sino si tienen la capacidad técnica y organizacional de detectar cuándo un modelo crítico dejó de comportarse como se esperaba. Esa capacidad no se improvisa el día que llega el regulador.

  • Detección temprana de brechas: qué implica legalmente no actuar a tiempo

    Detección temprana de brechas: qué implica legalmente no actuar a tiempo

    Detectar una brecha de datos en las primeras horas no es solo una ventaja operativa: en la mayoría de los marcos legales de América Latina, la velocidad de detección determina si una organización cumple o incumple sus obligaciones de notificación. El tiempo que transcurre entre el incidente y la respuesta tiene consecuencias jurídicas directas, no solo reputacionales.

    Cuando se habla de ciberseguridad continua —monitoreo 24/7, correlación de eventos, detección y respuesta administrada— el argumento suele construirse en torno al riesgo técnico: reducir el tiempo de permanencia del atacante, limitar el alcance de la exfiltración, preservar la integridad de los sistemas. Pero hay una dimensión que con frecuencia queda fuera del debate técnico: la detección temprana es también una obligación jurídica encubierta. No tener capacidad de detectar a tiempo es, en varios regímenes legales de la región, equivalente a no haber implementado medidas de seguridad adecuadas.

    El reloj legal empieza cuando la organización “debería haber sabido”

    La mayoría de las leyes de protección de datos personales en América Latina establecen plazos de notificación contados desde el momento en que la organización toma conocimiento del incidente. La Lei Geral de Proteção de Dados de Brasil (LGPD, Lei 13.709/2018) indica en su artículo 48 que el responsable debe comunicar a la Autoridade Nacional de Proteção de Dados (ANPD) y a los titulares afectados en un “plazo razonable” tras conocer la ocurrencia. La ANPD, a través de la Resolución CD/ANPD nº 15/2024, precisó ese plazo en tres días hábiles para la notificación preliminar. En Argentina, la Ley 25.326 no fija un plazo explícito de notificación de brechas en su texto original, pero la Agencia de Acceso a la Información Pública (AAIP) ha emitido lineamientos que recomiendan la comunicación inmediata, y el proyecto de reforma en discusión busca incorporar un plazo de 72 horas, alineado con el GDPR europeo. En México, la LFPDPPP (Ley Federal de Protección de Datos Personales en Posesión de los Particulares) tampoco establece un plazo numérico expreso, pero el Instituto Nacional de Transparencia, Acceso a la Información y Protección de Datos Personales (INAI) ha interpretado que la demora injustificada agrava la responsabilidad del responsable del tratamiento.

    El punto crítico está en la frase “desde que toma conocimiento”. Cuando una organización no tiene capacidad de monitoreo continuo, el momento del conocimiento se retrasa artificialmente. Un atacante que permanece en la red durante semanas o meses —el llamado dwell time, que según reportes del sector puede superar los 200 días en incidentes no detectados a tiempo— no solo amplía el daño; también desplaza hacia adelante el inicio del plazo legal, lo que los reguladores interpretan cada vez más como negligencia en la implementación de medidas técnicas.

    Cuándo aplica la obligación de notificar y cuándo NO

    No todo incidente de seguridad activa la obligación de notificación. Los regímenes de la región convergen en que la notificación es obligatoria cuando el incidente involucra datos personales y existe riesgo relevante para los derechos de los titulares. Esto implica que una brecha que afecta únicamente datos anonimizados de manera irreversible, o que se contiene antes de que exista acceso no autorizado real a datos personales, puede no requerir notificación formal. Sin embargo, la carga de demostrar esa ausencia de riesgo recae sobre la organización responsable, y sin registros de detección y contención, esa demostración es prácticamente imposible. El monitoreo continuo no solo reduce el daño: produce la evidencia documental que la organización necesita para acreditar que actuó diligentemente o que el incidente no alcanzó el umbral de notificación.

    Colombia, Chile y Perú: tres posiciones regulatorias frente al mismo problema

    Colombia cuenta con la Ley Estatutaria 1581 de 2012 y el Decreto 1377 de 2013, supervisados por la Superintendencia de Industria y Comercio (SIC). La SIC ha sancionado a empresas por fallas en medidas de seguridad técnicas, lo que crea un precedente sobre la exigencia implícita de capacidad de detección. Chile avanza con la Ley 21.719, aprobada en 2024, que introduce por primera vez un régimen de notificación de brechas con plazos definidos y obligaciones de registro de incidentes, bajo la supervisión del Consejo para la Transparencia en un período transitorio. Perú, con la Ley 29733 y su reglamento, también exige medidas de seguridad adecuadas al nivel de riesgo del tratamiento, lo que la Autoridad Nacional de Protección de Datos ha interpretado como comprensivas de capacidades de detección y respuesta. En los tres casos, una organización que no puede demostrar cuándo ocurrió un incidente ni cuánto tiempo tardó en detectarlo enfrenta una posición jurídica desventajosa frente al regulador.

    Lo que la capacidad de detección acredita ante un regulador

    Cuando una autoridad de control investiga una brecha, una de las primeras preguntas es si la organización contaba con mecanismos razonables para detectarla. La existencia de registros de logs auditables, alertas de seguridad, procedimientos de clasificación de incidentes y tiempos de respuesta documentados forma parte del estándar de diligencia debida que los reguladores de la región evalúan al determinar la responsabilidad y la cuantía de las sanciones. Una organización con monitoreo continuo que detecta y contiene un incidente en horas está en posición de argumentar que implementó medidas adecuadas. Una organización que descubre una brecha semanas después, por una notificación externa o por medios de comunicación, enfrenta el escenario contrario, independientemente de cuánto invierta en respuesta forense posterior.

    Para profundizar en los plazos y obligaciones de notificación vigentes en la región, la Resolución CD/ANPD nº 15/2024 de Brasil y el texto de la Ley 21.719 de Chile son los documentos de referencia más actualizados disponibles en los registros oficiales de sus respectivas autoridades de protección de datos.

  • EFF avanza en juicio contra vigilancia de redes sociales del gobierno Trump

    EFF avanza en juicio contra vigilancia de redes sociales del gobierno Trump

    Un tribunal federal de distrito de Estados Unidos rechazó el pedido del gobierno de Trump de desestimar la demanda presentada por la Electronic Frontier Foundation (EFF) en nombre de tres sindicatos mayoritarios, que cuestionan el programa de vigilancia masiva de redes sociales dirigido a inmigrantes. La resolución permite que el caso continúe y sienta un precedente relevante para los derechos digitales de no ciudadanos en todo el hemisferio, incluidos miles de latinoamericanos con visa o residencia permanente en ese país.

    El programa en cuestión utiliza inteligencia artificial y herramientas automatizadas para monitorear las expresiones en línea de titulares de visas y tarjetas de residencia (green card). Según la EFF, el objetivo declarado del gobierno es identificar y sancionar a personas que manifiesten opiniones que la administración considera contrarias a sus intereses. Entre los discursos bajo escrutinio se encuentran críticas al propio gobierno, expresiones de solidaridad con Palestina, críticas a Israel y posiciones sindicales, según se informó en distintos medios citados en la demanda.

    Qué dijo el tribunal federal y por qué importa la Primera Enmienda

    El tribunal de distrito denegó el motion to dismiss presentado por el gobierno, lo que significa que la demanda superó el primer umbral jurídico: existe una causa suficiente para ser escuchada. En el sistema legal estadounidense, este es un paso crítico porque el gobierno intentó que el caso ni siquiera llegara a examinarse en sus méritos. La corte consideró que las alegaciones sobre la afectación de derechos amparados por la Primera Enmienda —libertad de expresión— merecen análisis de fondo. Para la EFF, el argumento central es que nadie debería verse obligado a elegir entre hablar libremente y proteger su estatus migratorio: la mera existencia del programa genera un efecto disuasorio (chilling effect) sobre la expresión de comunidades enteras.

    La demanda fue interpuesta el año pasado por la EFF junto a tres grandes sindicatos laborales. Que organizaciones de trabajadores sean las demandantes no es un detalle menor: refleja que la vigilancia alcanza a personas en actividad laboral regular, con derechos reconocidos, no solo a quienes transitan situaciones migratorias irregulares. El uso de IA para tamizar discurso político en redes sociales introduce además una dimensión de automatización que amplifica el alcance del monitoreo más allá de cualquier capacidad humana de revisión caso por caso.

    Herramientas de IA en la frontera: el riesgo de los sistemas automatizados de perfilado

    El empleo de sistemas automatizados para analizar contenido en redes sociales con fines migratorios no es exclusivo de la administración Trump, pero esta administración lo escaló de forma significativa, según se informó. El uso de IA para tomar o informar decisiones que afectan derechos fundamentales —como la revocación de una visa o la detención de una persona— plantea preguntas directas sobre sesgos algorítmicos, ausencia de revisión humana significativa y opacidad de los criterios de clasificación. Ninguno de esos elementos está sujeto a control público bajo el marco actual.

    Desde la perspectiva de protección de datos, el programa implica la recolección y procesamiento a escala de datos personales —opiniones, afiliaciones, redes de contacto— de millones de personas que no son ciudadanas estadounidenses pero que residen y trabajan legalmente en ese territorio. Ese tratamiento masivo de datos sensibles con finalidades sancionatorias es exactamente el tipo de uso que los marcos de privacidad modernos buscan restringir.

    Argentina, Brasil y México: cómo protegen (o no) a sus ciudadanos en el exterior

    Para América Latina, el caso tiene una dimensión concreta e inmediata. Existen comunidades numerosas de argentinos, mexicanos, brasileños, colombianos y venezolanos en Estados Unidos con estatus migratorio vigente. Sus publicaciones en redes sociales —sobre política, movimientos sociales, situaciones en sus países de origen— pueden quedar dentro del alcance del programa de vigilancia. Ninguna de las legislaciones de privacidad de sus países de origen tiene jurisdicción extraterritorial suficiente para protegerlos en ese contexto.

    La Ley 25.326 de Argentina (Protección de Datos Personales), la Lei Geral de Proteção de Dados (LGPD) de Brasil y la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) de México regulan el tratamiento de datos personales en sus respectivas jurisdicciones, pero no tienen mecanismos de extraterritorialidad que obliguen a un gobierno extranjero a abstenerse de procesar esos datos. La LGPD, en su artículo 3, establece que aplica a operaciones de tratamiento realizadas en Brasil o que tengan por objeto ofrecer bienes o servicios a personas en Brasil —un criterio que no alcanza a lo que hace el Departamento de Estado de EE.UU. con datos de brasileños que viven allí.

    En este vacío opera el litigio de la EFF: en ausencia de protección transfronteriza efectiva, la vía judicial interna en el país que ejerce la vigilancia es la única herramienta disponible. Es un recordatorio de los límites estructurales de los marcos nacionales de privacidad frente a la vigilancia estatal extranjera.

    Qué sigue: hitos a monitorear en el caso UAW v. DOS

    Con el motion to dismiss rechazado, el caso —identificado como UAW v. Department of State— entra ahora en la fase de discovery, donde el gobierno deberá revelar información sobre el funcionamiento del programa de vigilancia: qué herramientas usa, qué criterios aplica, quién toma las decisiones finales y sobre qué base legal. Esa etapa puede producir información pública que hoy no existe sobre la arquitectura del sistema. Los organismos de derechos digitales y las cancillerías latinoamericanas deberían seguir de cerca esa instancia.

    Adicionalmente, el avance del caso puede generar jurisprudencia útil para otros litigios sobre vigilancia algorítmica y derechos de expresión. Si la corte determina que el chilling effect sobre comunidades inmigrantes es constitucionalmente inaceptable, ese razonamiento puede ser invocado en casos similares que involucren otras tecnologías de monitoreo.

    Nuestro análisis

    La decisión del tribunal no resuelve el fondo del caso, pero confirma algo relevante: los argumentos de la EFF sobre el efecto disuasorio del programa tienen suficiente peso jurídico para sobrevivir el primer filtro. Eso es significativo en un contexto donde el gobierno intentó cerrar la puerta antes de que se abriera. Lo que está en juego no es únicamente la Primera Enmienda estadounidense: es la pregunta de si un Estado puede usar IA para vigilar la expresión política de millones de personas con base en su origen nacional y estatus migratorio, sin control judicial previo y sin transparencia algorítmica. Para los países de la región, el caso debería ser una señal de alerta sobre la necesidad de desarrollar mecanismos de protección consular y diplomática para sus ciudadanos en el exterior frente a sistemas de perfilado automatizado. Hasta ahora, esa agenda está prácticamente ausente de los debates regulatorios en Buenos Aires, Brasilia y Ciudad de México.

    Cuando un gobierno usa inteligencia artificial para vigilar el discurso político de inmigrantes, la pregunta no es solo constitucional: es qué hacen los países de origen para proteger a sus ciudadanos en ese escenario, y por qué esa pregunta todavía no tiene respuesta.

  • Registros empresariales generados por IA: el desafío de gobernanza que nadie tenía en el mapa

    Registros empresariales generados por IA: el desafío de gobernanza que nadie tenía en el mapa

    Cuando un modelo de lenguaje redacta un informe financiero, genera minutas de reunión o produce un contrato borrador, ese documento existe en un limbo institucional: no es un dato en bruto ni un registro humano verificable. La proliferación de este tipo de contenido al interior de las organizaciones está creando una categoría nueva de problema para los equipos de gobernanza de datos, y la mayoría de los frameworks vigentes no la contempla.

    El problema de fondo no es técnico: es de ownership y de linaje. Un registro de negocio tradicional —una factura, un acta, un reporte de auditoría— tiene un emisor identificable, una fecha de creación verificable y, en muchos casos, una firma legal. Un documento producido por IA generativa puede haber partido de decenas de fuentes, haber sido transformado por un modelo que nadie en la organización puede auditar completamente, y haber llegado a producción sin un data steward que lo haya revisado. ¿Quién es el owner? ¿Cuál es su linaje? ¿Qué pasa cuando ese registro es cuestionado en un proceso legal o regulatorio?

    El quiebre que introduce la IA generativa en el data lineage

    El concepto de data lineage —la trazabilidad completa del origen, transformación y movimiento de un dato a lo largo de su ciclo de vida— es uno de los pilares del DAMA-DMBOK y del CDMC del EDM Council. Ambos frameworks asumen que los datos tienen una fuente identificable y que las transformaciones son reproducibles y auditables. Los registros generados por IA rompen esa cadena de dos maneras simultáneas: primero, el modelo mismo es una caja negra que combina parámetros entrenados con fuentes que pueden ser confidenciales, propietarias o incluso reguladas; segundo, el output puede variar ante el mismo prompt, lo que hace que la reproducibilidad —condición básica de cualquier auditoría— sea estructuralmente débil. En términos de CDMC, una organización que opera con registros de IA sin política explícita está, en la práctica, fuera de cumplimiento en las capabilities vinculadas a data quality y data risk.

    Validez legal e implicancias regulatorias en Argentina, Brasil y México

    La cuestión no es solo de gobernanza interna: tiene consecuencias regulatorias directas. En Argentina, la Ley 25.326 de Protección de Datos Personales exige que los datos tratados sean exactos, adecuados y actualizados en relación con la finalidad para la que fueron recabados. Un registro generado por IA que contenga datos personales —un resumen de historial de cliente, por ejemplo— puede no cumplir ese estándar si el modelo alucinó información o combinó datos de sujetos distintos. En Brasil, la LGPD (Lei 13.709/2018) va en la misma dirección e impone responsabilidad al controlador por la exactitud de los datos que trata, independientemente de cómo fueron producidos. En México, la LFPDPPP y los Lineamientos del INAI sobre decisiones automatizadas obligan a que el responsable pueda explicar el tratamiento. Un registro generado por un LLM sin documentación del proceso difícilmente supera ese umbral. Ninguna de estas jurisdicciones tiene aún una norma específica sobre registros de IA, pero sus marcos generales de datos personales ya son aplicables.

    Cuándo aplica este riesgo y cuándo no

    No todo documento producido con asistencia de IA cae en esta categoría de riesgo. El problema se activa cuando el registro generado: (1) es tratado como fuente de verdad en procesos de decisión —crediticios, de compliance, de recursos humanos—; (2) contiene o referencia datos personales o datos sensibles; (3) es susceptible de ser requerido en una auditoría regulatoria, un proceso judicial o una solicitud de acceso de un titular de datos; o (4) ingresa a un data warehouse o data lake sin etiquetado de origen. Un borrador de comunicación interna revisado y validado por un humano antes de su uso final tiene un riesgo mucho menor, siempre que quede registro de esa revisión. La clave es la intervención humana documentada como punto de control en el flujo.

    • Registros financieros o contables con datos generados por IA sin validación humana documentada.
    • Perfiles de clientes o resúmenes de historial producidos por LLMs y almacenados como fuente de verdad.
    • Minutas o actas de reunión generadas automáticamente e ingresadas directamente a sistemas de record.
    • Contratos o cláusulas producidas por IA sin revisión legal trazable.

    Lo que un CDO puede hacer antes de que el regulador lo pregunte

    El primer movimiento es de inventario: identificar qué flujos de trabajo en la organización están produciendo hoy registros de negocio con IA generativa, aunque sea de forma no autorizada —el fenómeno de shadow AI es real y ya documentado en organizaciones de la región. Ese inventario alimenta una decisión de clasificación: ¿cuáles de esos registros son, por su función, equiparables a registros formales de negocio? Una vez identificados, el segundo paso es definir una política de etiquetado de origen —AI-generated content tagging— que permita distinguirlos en el catálogo de datos. Frameworks como el Non-Invasive Data Governance de Bob Seiner proponen anclar estas políticas en los flujos donde el dato ya existe, sin crear estructuras paralelas: la misma lógica aplica aquí. El tercer paso es designar un data steward responsable de la validación antes de que el registro ingrese a cualquier sistema de record, y documentar esa intervención. Sin ese log de validación, el registro no tiene linaje verificable y la organización queda expuesta ante cualquier auditoría.

    Los marcos regulatorios de LATAM no esperaron a tener normas específicas de IA para ser aplicables a este problema: la LGPD, la Ley 25.326 y la LFPDPPP ya alcanzan los registros generados por IA cuando contienen datos personales. Para profundizar en los estándares de linaje y calidad aplicables, el CDMC del EDM Council y el capítulo 13 del DAMA-DMBOK sobre calidad de datos son los puntos de partida más completos disponibles hoy.

  • FTC cita a OpenAI y Anthropic por seguridad y privacidad en IA

    FTC cita a OpenAI y Anthropic por seguridad y privacidad en IA

    La Comisión Federal de Comercio de Estados Unidos (FTC) emitió citaciones formales a OpenAI y Anthropic, según se informó el 15 de octubre, requiriendo documentación sobre sus prácticas de seguridad en inteligencia artificial y el tratamiento de datos personales de usuarios. Es la primera acción legal de esta envergadura de un regulador federal estadounidense contra dos de los laboratorios de IA más influyentes del mundo.

    Las citaciones, conocidas como subpoenas, obligan a ambas compañías a entregar a la FTC información interna sobre cómo desarrollan, evalúan y despliegan sus modelos de lenguaje de gran escala, con foco específico en dos ejes: los mecanismos de seguridad aplicados antes del lanzamiento de productos, y las políticas de recopilación, uso y retención de datos personales de los millones de usuarios que interactúan con sus sistemas. La acción fue reportada por CDO Magazine y se produce en el marco de la creciente presión del regulador sobre el sector tecnológico.

    Datos confirmados sobre las citaciones de la FTC

    • Empresas citadas: OpenAI (ChatGPT) y Anthropic (Claude).
    • Organismo emisor: Comisión Federal de Comercio de EE.UU. (FTC).
    • Fecha reportada: 15 de octubre de 2026.
    • Ejes de la investigación: seguridad de sistemas de IA y prácticas de privacidad de datos de usuarios.
    • Mecanismo utilizado: subpoena (citación legal con obligación de entrega documental).

    Qué se sabe y qué falta confirmar

    Hasta el momento no se ha informado si las citaciones son parte de una investigación formal por infracción a la ley o corresponden a una etapa exploratoria de recopilación de información. Tampoco se conocen los plazos de respuesta exigidos a las empresas ni si la FTC ha abierto expedientes formales paralelos. No hay declaraciones públicas confirmadas de OpenAI ni Anthropic en respuesta a las citaciones. La investigación podría encuadrarse en la Sección 5 de la FTC Act, que prohíbe prácticas comerciales desleales o engañosas, aunque este extremo no ha sido confirmado según las fuentes disponibles.

    Para América Latina, el movimiento de la FTC tiene resonancia directa: OpenAI y Anthropic operan con bases de usuarios crecientes en Brasil, México y Argentina, jurisdicciones que cuentan con marcos de protección de datos propios —la LGPD brasileña, la LFPDPPP mexicana y la Ley 25.326 argentina— que ya imponen obligaciones sobre el tratamiento de datos personales por parte de proveedores tecnológicos extranjeros. Una eventual determinación de la FTC sobre las prácticas de estas compañías podría reforzar los argumentos de autoridades como la ANPD en Brasil o la AAIP en Argentina para iniciar sus propias indagaciones sobre los mismos actores.

    El próximo hito a monitorear es la fecha límite de respuesta que la FTC habría fijado a ambas compañías, dato que aún no fue divulgado públicamente.

  • Lectores de patentes sin orden judicial: EFF lleva el debate a Wisconsin

    Lectores de patentes sin orden judicial: EFF lleva el debate a Wisconsin

    La Electronic Frontier Foundation y la ACLU de Wisconsin presentaron una petición ante la Corte Suprema de ese estado para que declare inconstitucionales las búsquedas retrospectivas en bases de datos de lectores automatizados de patentes (ALPR) sin orden judicial previa. El caso involucra cuatro ciudades —Milwaukee, Racine, Kenosha y Green Bay— y tiene como cliente principal al Wisconsin Council of Churches, una organización religiosa cuya membresía considera especialmente sensible el registro sistemático de sus desplazamientos. Un tribunal federal en Oklahoma ya sentó un precedente al calificar los ALPR como “un tipo de vigilancia masiva indiscriminada”.

    Los sistemas ALPR capturan, almacenan y cruzan las matrículas de miles de vehículos en tiempo real. La discusión no es si la tecnología puede hacerlo —técnicamente, puede—, sino si el Estado tiene derecho a consultarla sin que un juez valide previamente que existe una sospecha individualizada sobre alguien. Esa distinción es el núcleo del debate constitucional que la EFF intenta instalar, primero en California con el caso SIREN v. San José y ahora en Wisconsin.

    Qué registran los ALPR y por qué la acumulación importa más que cada dato

    Un lector de patentes aislado parece inocuo: toma una foto, registra una matrícula, anota hora y lugar. Pero cuando cuatro ciudades comparten y agregan esos registros durante meses, el resultado es un mapa detallado de los hábitos de vida de personas que nunca fueron sospechosas de nada. La petición ante la Corte Suprema de Wisconsin describe con precisión el tipo de información que queda expuesta: visitas a centros médicos, participación en reuniones de recuperación de adicciones, asistencia a servicios religiosos, concurrencia a protestas o encuentros políticos. Individualmente, ninguno de esos datos es comprometedor. Agregados y buscados retrospectivamente, permiten construir un perfil que ninguna persona razonable aceptaría compartir voluntariamente con la policía sin una orden judicial.

    El argumento de la EFF descansa en la doctrina del “efecto mosaico” —desarrollada en el razonamiento del juez Sotomayor en el caso United States v. Jones (2012) ante la Corte Suprema federal de Estados Unidos— según la cual la acumulación de datos aparentemente triviales puede constituir una intrusión más grave a la privacidad que una búsqueda domiciliaria puntual. Wisconsin tiene clausulas constitucionales propias de privacidad que, según la organización, ofrecen protecciones más amplias que la Cuarta Enmienda federal.

    El fallo de Oklahoma de octubre de 2026: primer precedente judicial sobre ALPR como vigilancia masiva

    A principios de octubre de 2026, un tribunal federal en Oklahoma emitió la primera resolución judicial estadounidense que califica explícitamente a los ALPR como “un tipo de vigilancia masiva indiscriminada” y excluyó como prueba la evidencia obtenida mediante una búsqueda sin orden. La EFF calificó el resultado como parcialmente decepcionante —según se informó, el fallo no resolvió todos los puntos planteados—, pero reconoció su valor histórico como precedente. Para la estrategia litigiosa de la organización, ese fallo en Oklahoma y la petición en Wisconsin forman parte de una campaña coordinada: construir doctrina estado por estado hasta forzar una definición federal o legislativa.

    El impacto sobre las organizaciones que operan sistemas de vigilancia urbana —proveedores como Flock Safety o Motorola Solutions, que abastecen a decenas de departamentos de policía en EE.UU.— aún no es claro. Si Wisconsin resuelve a favor de la EFF, los departamentos que comparten datos con ciudades de ese estado deberán revisar sus protocolos de acceso retroactivo y sus contratos con terceros.

    Argentina, Brasil y México frente a la vigilancia biométrica y vehicular: marcos disímiles

    América Latina no es ajena al despliegue de ALPR. En Argentina, el sistema de reconocimiento de patentes forma parte de la infraestructura del programa de videovigilancia del Ministerio de Seguridad de la Nación y de los sistemas provinciales. La Ley 25.326 de Protección de Datos Personales establece que los datos sensibles —entre los cuales podrían encuadrarse los de localización vinculados a actividades religiosas o políticas— requieren consentimiento expreso o habilitación legal específica, pero la norma data de 2000 y no contempla explícitamente la inteligencia de fuentes abiertas ni la agregación masiva de datos vehiculares. La Agencia de Acceso a la Información Pública (AAIP) no ha emitido hasta la fecha una resolución específica sobre el uso de ALPR por fuerzas de seguridad.

    Brasil presenta un escenario más activo. La Lei Geral de Proteção de Dados (LGPD, Lei 13.709/2018) clasifica datos de localización como datos personales cuando permiten identificar a una persona, y la Autoridade Nacional de Proteção de Dados (ANPD) ha avanzado en regulaciones sectoriales. Sin embargo, la base legal de “seguridad pública” contenida en el artículo 4 de la LGPD crea una zona gris que permite a las fuerzas de seguridad operar con mayor margen, siempre que exista habilitación legal específica. La discusión sobre si la consulta retrospectiva de bases de ALPR exige autorización judicial es, en Brasil, una deuda regulatoria pendiente.

    México, por su parte, desplegó en años recientes cámaras con lectura de patentes en la Ciudad de México y en estados como Jalisco y Nuevo León. La Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) no aplica al sector público, que se rige por la Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados (LGPDPPSO). El Instituto Nacional de Transparencia, Acceso a la Información y Protección de Datos Personales (INAI) tiene facultades para revisar el tratamiento de datos por parte de entes públicos, pero su capacidad de supervisión sobre operaciones de inteligencia de seguridad es limitada en la práctica.

    Qué cambia para empresas y entidades religiosas que operan en entornos de vigilancia urbana

    El caso de Wisconsin introduce un elemento que rara vez aparece en el debate sobre ALPR: el impacto específico sobre organizaciones con actividades constitucionalmente protegidas. Una iglesia, una clínica de salud mental, un sindicato o un partido político que opera en una ciudad con cobertura ALPR genera, sin saberlo, un registro permanente de quién visita sus instalaciones. Para las organizaciones de la sociedad civil en LATAM, ese riesgo es igualmente real. Una entidad que ofrece asistencia a víctimas de violencia doméstica en Buenos Aires, Bogotá o Ciudad de México no puede garantizar a sus asistentes que su desplazamiento hasta la sede no quedará indexado en una base de datos policial durante años.

    Las empresas que proveen tecnología de vigilancia a gobiernos latinoamericanos deben monitorear este litigio: si la doctrina del “efecto mosaico” se consolida jurisprudencialmente en EE.UU., presionará hacia estándares de auditoría y limitación de retención de datos que eventualmente migrarán a los contratos de exportación de tecnología de seguridad.

    Qué monitorear: los próximos hitos en Wisconsin y su proyección regional

    La Corte Suprema de Wisconsin deberá decidir si acepta la petición para revisar el caso. Si la admite, el proceso de briefing y argumentación oral podría extenderse durante 2027. En paralelo, el caso SIREN v. San José en California avanza en el circuito federal y podría generar una segunda resolución con peso doctrinal antes de que Wisconsin resuelva. En LATAM, dos eventos merecen seguimiento: la revisión del anteproyecto de reforma a la Ley 25.326 en Argentina —que podría incluir disposiciones sobre datos de localización— y los avances regulatorios de la ANPD en Brasil sobre tratamiento de datos por parte del sector público de seguridad.

    Nuestro análisis

    El litigio de la EFF en Wisconsin no es solo un debate constitucional estadounidense. Es la primera vez que una organización de alcance nacional construye una teoría jurídica sistemática contra la vigilancia vehicular masiva con clientes que representan a comunidades religiosas —un actor que los tribunales históricamente tratan con deferencia cuando alega vulneración de derechos asociativos o de conciencia. Esa elección de cliente no es casual: maximiza la simpatía judicial y amplía el alcance potencial del fallo más allá de la privacidad individual.

    Para la región, el déficit es evidente: ninguna autoridad de protección de datos de América Latina ha emitido hasta la fecha una resolución que regule específicamente la consulta retrospectiva de bases ALPR por fuerzas de seguridad, a pesar de que la tecnología ya está desplegada en al menos cinco países. La AAIP en Argentina, la ANPD en Brasil y el INAI en México tienen bases legales para actuar; lo que falta es voluntad regulatoria. El precedente de Oklahoma demuestra que los tribunales pueden avanzar donde los reguladores no lo hacen.

    Si una organización religiosa en Green Bay tiene argumentos jurídicos para resistir la vigilancia masiva de sus feligreses, una clínica de salud sexual en Ciudad de México o un centro de asistencia a migrantes en Buenos Aires también los tiene — pero ninguna autoridad latinoamericana se ha preguntado todavía quién los va a defender.