La ficha
- Qué es: Comparing Apples to Oranges: A Taxonomy for Navigating the Global Landscape of AI Regulation
- Quiénes: Sacha Alanoca y Kevin Klyman (Stanford University), con Shira Gur-Arieh y Tom Zick (Harvard University).
- Dónde: FAccT ‘25, la conferencia de la ACM sobre justicia, responsabilidad y transparencia, Atenas, junio de 2025. doi.org/10.1145/3715275.3732059
- Tipo: análisis comparativo. Construyen una taxonomía de once criterios y la aplican a cinco marcos legales, con entrevistas a reguladores y juristas como insumo.
Primera lectura: qué hace y qué encuentra
Conviene partir por lo que el estudio no es. No es un experimento ni una evaluación de qué ley funciona mejor. Es un trabajo conceptual: los autores arman una taxonomía, una grilla de once criterios, para comparar de forma ordenada leyes de inteligencia artificial que hoy se discuten como si fueran la misma cosa. La aplican a cinco jurisdicciones que llaman early movers: la Unión Europea, Estados Unidos, Canadá, China y Brasil. El material de base son los textos legales y entrevistas con reguladores y expertos de cada lugar, más una visualización interactiva para hacer accesible todo eso.
La tesis está en el título. Comparar estas leyes es comparar manzanas con naranjas. El problema de fondo, sostienen, es semántico: la etiqueta “regulación de IA” se usa por igual para guías voluntarias (lo que llaman soft law) y para leyes vinculantes con sanciones (hard law), y esa ambigüedad no es inocente. Cuando una recomendación sin obligación se presenta como si fuera una ley con dientes, se produce lo que el paper describe como una falsa sensación de seguridad: la ciudadanía cree estar protegida por reglas estrictas que en realidad no existen. Esa confusión, advierten, también deja al país más expuesto a la captura regulatoria, cuando la industria termina escribiendo las reglas que debería cumplir.
El aporte concreto es esa grilla. En lugar de analizar cada ley por separado, la taxonomía deja ver los ejes donde los cinco marcos divergen. Algunos regulan de forma horizontal, clasificando todos los usos según su nivel de riesgo, como la Unión Europea y Brasil; otros lo hacen de forma vertical, estirando leyes sectoriales que ya existían, como Estados Unidos. Algunos actúan ex ante, exigiendo pruebas antes de que el sistema se despliegue; otros ex post, dejando la reparación para después del daño. Unos apuntan a la tecnología (modelos generativos, modelos de base de doble uso); otros, al uso concreto (identificación biométrica, puntaje social). Y la fiscalización va desde modelos centralizados, como la Oficina de IA europea o la agencia china CAC, hasta modelos repartidos entre reguladores sectoriales, como en Estados Unidos y Brasil.
De los once criterios, el que los autores marcan como más opaco es la participación de actores en el diseño de la ley. Ahí aparece su hallazgo más incómodo: una asimetría sistemática entre lo privado y lo público. En Canadá, de 253 actores consultados para su ley de IA, 216 venían del sector empresarial, con presencia mínima de grupos marginados. En Brasil, durante la tramitación de una ley digital previa, se acusó a una gran tecnológica de promover en su buscador entradas en contra del proyecto. Para los autores, esos desequilibrios son la materia prima de la captura regulatoria: por ejemplo, fijar el umbral de cómputo que activa las obligaciones justo por encima de los modelos que hoy existen, de modo que nada quede regulado en la práctica.
Un matiz que va contra el sentido común: el paper desarma la idea de que regular y innovar se excluyen. China, con una regulación estricta, sigue siendo líder en desarrollo de IA. La convivencia de ambas cosas, dicen, demuestra que no son opuestas.
Segunda lectura: desde América Latina
Acá la lectura es directa, porque Brasil es uno de los cinco casos y no un apéndice. Su proyecto de ley 2338/2023, modelado sobre el enfoque por riesgo de la Unión Europea, sería la primera ley integral de inteligencia artificial de América Latina si se aprueba. El paper lo describe con su arquitectura propia: un sistema de fiscalización descentralizado, coordinado por la autoridad de protección de datos y apoyado en reguladores sectoriales. Los autores reivindican, además, haber mirado más allá del eje Estados Unidos-Europa al incluir a Brasil y China, en un campo que suele ignorar a estos países.
Lo que la taxonomía ofrece a la región es una herramienta para no confundirse. Y esto ya es lectura mía, no del paper: la mayoría de los países latinoamericanos, fuera de Brasil, todavía están en el terreno del soft law, es decir, estrategias nacionales y principios voluntarios. La advertencia central del estudio cae justo ahí. Si una declaración de buenas intenciones se comunica como si fuera una ley vinculante, el riesgo no es solo retórico: es que la ciudadanía baje la guardia creyéndose protegida. La grilla sirve precisamente para preguntarle a cada marco regional qué tiene de verdad y qué de fachada: si hay sanciones, quién fiscaliza, quién fue consultado.
Donde el estudio se conecta con el presente es en la era de los modelos. Los propios autores notan que la regulación enfocada en la tecnología apunta a los modelos de frontera mediante umbrales de cómputo, y que esos umbrales se pueden fijar de forma conveniente, apenas por encima de los modelos ya disponibles. Agrego algo que es extrapolación mía: varios de esos umbrales se escribieron en 2023 y 2024, y con la velocidad a la que avanzan los modelos envejecen rápido, lo que vuelve la advertencia sobre la captura todavía más concreta para quien legisle hoy en la región.
La pregunta que deja sirve para cualquier congreso latinoamericano que esté por debatir su ley. Antes de celebrar que un país “ya regula la IA”, conviene abrir la grilla y revisar de qué tipo de regulación se trata. Porque, como muestra el paper, no todo lo que lleva ese nombre obliga a algo.
La letra chica
- Es una foto de un paisaje que se mueve rápido. Los propios autores lo asumen: la orden ejecutiva de Estados Unidos fue revocada casi al mismo tiempo que se publicó el paper. La taxonomía está pensada para resistir esos vaivenes, pero los datos de cada caso caducan.
- Son cinco marcos, elegidos por ser vinculantes, liderados por el Estado y de peso global. Eso deja afuera a las jurisdicciones que solo tienen guías voluntarias, es decir, a buena parte de América Latina más allá de Brasil.
- El criterio de participación de actores es, por reconocimiento de los propios autores, el más difícil de medir, por falta de datos públicos. El trabajo describe y ordena; no pone nota ni dictamina qué ley protege mejor.
Palabras clave del paper: AI governance, AI regulation, AI ethics, responsible AI, participatory AI, risks of regulatory capture
Lectura automática. Este texto lo generó Claude (IA) a partir de la fuente original, sin revisión humana línea por línea. Puede contener errores o interpretaciones discutibles; para validar cualquier punto, revisa la fuente original.