La seguridad de los datos y la privacidad se consolidan como los principales obstáculos para la adopción empresarial de inteligencia artificial, según se informó desde el mercado asiático. El patrón no es local: en América Latina, donde marcos regulatorios de distintas generaciones conviven con una carrera acelerada hacia la automatización, el desafío tiene capas adicionales que los reportes globales rara vez capturan.
Cuando las organizaciones evalúan desplegar sistemas de IA —desde modelos de lenguaje para atención al cliente hasta algoritmos de decisión crediticia— la pregunta que detiene los proyectos no suele ser técnica. Es jurídica y operativa: ¿qué datos puedo usar, bajo qué base legal, y quién responde si algo sale mal? Esas tres preguntas son el núcleo del problema que hace que la adopción de IA avance más lento de lo que las áreas de negocio demandan.
Por qué la seguridad de datos bloquea la IA antes de que arranque
Los sistemas de IA son voraces en términos de datos: necesitan volumen, variedad y, en muchos casos, datos personales para producir resultados útiles. Ahí está el primer cortocircuito. Entrenar o ajustar un modelo con datos de clientes sin una base legal sólida —consentimiento, interés legítimo debidamente documentado, o una excepción normativa explícita— expone a la organización a sanciones bajo prácticamente cualquier marco de protección de datos vigente en la región. La seguridad técnica (cifrado, control de acceso, anonimización) es condición necesaria pero no suficiente: sin un inventario de datos actualizado y sin una política de clasificación operativa, no hay manera de saber qué puede entrar al pipeline de IA y qué no.
El problema se agrava cuando los datos provienen de múltiples fuentes internas: CRM, ERP, data lakes históricos, registros de soporte. En organizaciones sin data lineage —la trazabilidad del origen y transformación de cada dato— es imposible garantizar que el conjunto de entrenamiento cumpla con las restricciones de finalidad que imponen leyes como la LGPD en Brasil (Art. 6, principio de finalidad) o la Ley 25.326 en Argentina. Usar datos recolectados para un propósito para entrenar un modelo con otro propósito es una infracción de base, independientemente de cuán sofisticado sea el modelo.
El marco regulatorio en LATAM: tres velocidades, un mismo riesgo
América Latina no es un bloque homogéneo en materia de protección de datos. Brasil opera con la LGPD desde 2020, con la Autoridade Nacional de Proteção de Dados (ANPD) activa y con capacidad sancionatoria —hasta el 2% de la facturación en Brasil, limitado a 50 millones de reales por infracción. México actualiza su LFPDPPP en un contexto donde el INAI enfrenta presiones institucionales que ralentizan la fiscalización. Argentina mantiene la Ley 25.326 de 2000, con una reforma pendiente que el Congreso no ha completado, mientras la AAIP ha emitido disposiciones orientadoras sobre IA pero sin fuerza de ley. Colombia avanza con la Ley 1581 y una propuesta de regulación de IA en elaboración. Chile tiene la Ley 21.719 —su nueva ley de protección de datos personales, promulgada en 2024— que eleva los estándares al nivel del GDPR europeo y entrará en plena vigencia de forma gradual.
Esta diversidad regulatoria crea un mapa de riesgo diferencial. Una empresa con operaciones en Brasil y Chile que despliega un mismo sistema de IA enfrenta dos regímenes distintos de base legal, dos criterios de sanción diferentes y dos autoridades con distintos niveles de actividad fiscalizadora. Sin una capa de gobernanza de datos que mapee esas diferencias jurisdicción por jurisdicción, el cumplimiento es prácticamente una ilusión.
Cuándo aplica la fricción regulatoria / cuándo NO
La fricción entre privacidad e IA es máxima cuando el sistema procesa datos personales identificables —nombres, correos, historiales de comportamiento, datos biométricos, registros de salud— para generar perfiles, tomar decisiones automáticas o personalizar contenidos. En esos casos, las obligaciones de base legal, minimización de datos y evaluación de impacto (DPIA o PIA) son directamente aplicables. La fricción es menor —aunque no nula— cuando el modelo opera sobre datos genuinamente anonimizados o sintéticos y no produce outputs que permitan reidentificación. La distinción entre seudonimización y anonimización real es crítica aquí: bajo la LGPD y la nueva ley chilena, la seudonimización no saca los datos del régimen de protección.
Tampoco aplica el mismo nivel de restricción a sistemas de IA que operan sobre datos internos no personales —métricas operativas, registros de maquinaria, datos financieros agregados— siempre que no haya posibilidad de inferencia indirecta sobre individuos. El error frecuente es asumir que “datos internos” equivale automáticamente a “datos no personales”: los registros de comportamiento de empleados, por ejemplo, son datos personales bajo cualquier marco de la región.
Lo que los equipos de datos pueden hacer ahora
El primer paso no es contratar un abogado especializado en IA —aunque eventualmente será necesario. Es hacer un inventario de los datos que el proyecto de IA va a consumir, clasificarlos según sensibilidad y verificar la base legal bajo la que fueron recolectados. Según el marco DAMA-DMBOK, la gestión del ciclo de vida del dato incluye explícitamente la evaluación de uso secundario: un dato recolectado para facturación no tiene base legal automática para alimentar un modelo de propensión de compra. Ese paso de verificación, hecho antes del inicio del proyecto, evita la paralización posterior cuando el equipo legal interviene.
En segundo lugar, documentar el data lineage de los conjuntos de entrenamiento. Las autoridades de control en Brasil y Chile ya han indicado —en orientaciones publicadas y en el caso de la ANPD, en resoluciones formales— que la trazabilidad del dato es un elemento que esperan ver en auditorías de sistemas de IA. Sin esa documentación, la organización no puede demostrar cumplimiento, aunque lo haya tenido.
Para un análisis detallado de las obligaciones que la LGPD impone sobre el uso de datos personales en sistemas de IA, el texto completo de la ley y las resoluciones de la ANPD están disponibles en el sitio oficial de la autoridad brasileña (gov.br/anpd); la Ley 21.719 de Chile puede consultarse en el Diario Oficial de la República.





