Esmer, B., & Ozel, N. B. (2026, 10 de noviembre). The AI regulation fight is about speed. It should be about measurement. Knowledge at Wharton, University of Pennsylvania. https://knowledge.wharton.upenn.edu/article/the-ai-regulation-fight-is-about-speed-it-should-be-about-measurement/
El debate internacional sobre la regulación de la inteligencia artificial y plantea que la discusión no debería centrarse tanto en acelerar o ralentizar su desarrollo como en establecer mecanismos fiables para medir sus efectos y consecuencias. Los autores consideran que actualmente empresas tecnológicas, gobiernos, investigadores y ciudadanos carecen de sistemas comunes para identificar, comparar y evaluar los daños que pueden ocasionar los sistemas de IA. Aunque algunas compañías están comenzando a invertir en evaluaciones de seguridad, estas siguen dependiendo de criterios propios y procedimientos que carecen de estándares independientes.
El texto plantea que el debate sobre la regulación de la inteligencia artificial no debería centrarse en la velocidad de su desarrollo, sino en la capacidad de medir sus efectos, riesgos y consecuencias sociales. Mientras empresas como Anthropic y OpenAI defienden un desarrollo más prudente y la Administración estadounidense prioriza mantener su liderazgo frente a China, existe un punto de encuentro: la necesidad de establecer mecanismos fiables y comunes para evaluar el impacto de la IA. Actualmente, las empresas desarrolladoras establecen sus propios criterios de seguridad, pruebas y evaluaciones, sin estándares independientes ni sistemas homogéneos de información.
Los autores proponen crear un sistema estandarizado de registro de daños e incidentes relacionados con la inteligencia artificial (harm ledger), que permita documentar qué hacen estos sistemas, a quién afectan y con qué frecuencia producen errores o resultados perjudiciales. Este mecanismo debería prestar especial atención a ámbitos sensibles como la contratación laboral, la medicina, los servicios financieros y la concesión de créditos, donde las decisiones automatizadas pueden generar discriminación, exclusión o perjuicios económicos difíciles de detectar. Asimismo, defienden que las obligaciones de información sean proporcionales al alcance y al nivel de riesgo de cada sistema, evitando imponer las mismas exigencias a grandes desarrolladores que a pequeñas empresas o laboratorios de investigación.
Finalmente, proponen que el Congreso estadounidense impulse una ley de medición y notificación de incidentes de inteligencia artificial, con definiciones comunes, auditorías independientes, evaluaciones previas al lanzamiento y publicación de resultados agregados. La idea fundamental es que la supervisión no debe convertirse necesariamente en un freno a la innovación, sino en una garantía de transparencia y responsabilidad. Antes de decidir cuánto limitar la inteligencia artificial, es necesario conocer con evidencias qué efectos produce, quién asume sus riesgos y cuáles son sus consecuencias para la sociedad.
El texto plantea que el debate sobre la regulación de la inteligencia artificial no debería centrarse en la velocidad de su desarrollo, sino en la capacidad de medir sus efectos, riesgos y consecuencias sociales. Mientras empresas como Anthropic y OpenAI defienden un desarrollo más prudente y la Administración estadounidense prioriza mantener su liderazgo frente a China, existe un punto de encuentro: la necesidad de establecer mecanismos fiables y comunes para evaluar el impacto de la IA. Actualmente, las empresas desarrolladoras establecen sus propios criterios de seguridad, pruebas y evaluaciones, sin estándares independientes ni sistemas homogéneos de información.
Los autores proponen crear un registro estandarizado de daños e incidentes de inteligencia artificial (AI Harm Ledger), que permita documentar qué hacen los sistemas, a quién afectan y con qué frecuencia producen errores o consecuencias perjudiciales. Esta iniciativa resulta especialmente importante en sectores como la contratación laboral, la medicina, los servicios financieros y la concesión de créditos, donde los algoritmos pueden provocar discriminación, exclusión o decisiones injustas que actualmente apenas quedan registradas. Las obligaciones de información deberían ser proporcionales al tamaño, capacidad y nivel de riesgo de las organizaciones, evitando imponer cargas innecesarias a pequeñas empresas y laboratorios de investigación.
Asimismo, se propone que el Congreso estadounidense apruebe una ley de medición y notificación de incidentes de IA, encargando al NIST el establecimiento de definiciones, indicadores y formularios comunes. Las grandes empresas tecnológicas deberían presentar evaluaciones previas al lanzamiento de sus sistemas e informar sobre incidentes graves, mientras que hospitales, empresas y entidades financieras comunicarían los errores relevantes y las desigualdades detectadas. Los informes serían verificados por auditores independientes y sus resultados agregados se harían públicos, permitiendo establecer cuándo es necesario investigar, corregir o suspender temporalmente un sistema.
