El 8 de mayo de 2026, la Comisión Europea publicó el borrador de directrices sobre el artículo 50 del AI Act, la pieza que empieza a concretar cómo deberán abordarse en la práctica las obligaciones de transparencia sobre IA. Para muchas organizaciones, esa publicación deja de situar la transparencia IA en el terreno de la observación general y la convierte en un frente que exige seguimiento, criterio interno y capacidad de justificar decisiones.
La cuestión no es solo jurídica. También es operativa. Muchas empresas ya utilizan IA generativa para redactar, transformar o distribuir contenidos, pero no siempre tienen identificado qué usos están activos, qué controles humanos aplican o qué evidencia conservan para justificar decisiones. Ahí es donde la vigilancia aporta valor: no como resumen de la norma, sino como sistema para detectar señales, ordenar criterios y preparar respuestas antes de que el plazo apriete.
Qué cambia con el artículo 50 del AI Act
El artículo 50 del AI Act regula varias obligaciones de transparencia para determinados sistemas y usos de IA. Entre ellas, informar a las personas cuando interactúan con un sistema de IA, marcar de forma detectable ciertos contenidos sintéticos y divulgar determinados deepfakes o textos generados con IA cuando se publican para informar al público sobre asuntos de interés general.
En mayo de 2026, la Comisión abrió consulta pública sobre el borrador de directrices hasta el 3 de junio de 2026. En paralelo, la AI Office sigue desarrollando un código de prácticas sobre marcado y etiquetado de contenido generado por IA. Ese código no sustituye la norma, pero sí ayuda a anticipar cómo se está intentando concretar parte de su aplicación práctica.
Para una empresa, la señal importante no es solo que exista una obligación. La señal importante es que el marco empieza a bajar de nivel: del texto legal a la interpretación operativa y, después, a mecanismos técnicos de aplicación. Eso obliga a seguir el tema con continuidad, no con una revisión puntual.
Por qué agosto de 2026 exige preparación previa
A fecha de 27 de mayo de 2026, las fuentes oficiales de la Comisión mantienen el 2 de agosto de 2026 como la fecha principal de aplicación de las obligaciones de transparencia del artículo 50. Ese es el hito que una organización debe tomar como referencia principal.
Conviene no mezclarlo con otros cambios del ómnibus digital. El acuerdo político alcanzado el 7 de mayo de 2026 introduce un ajuste específico para las obligaciones de watermarking de contenido generado por IA, fijándolas en 2 de diciembre de 2026 frente al 2 de febrero de 2027 que figuraba en la propuesta inicial de la Comisión. Ese matiz existe, pero no cambia el punto principal: el artículo 50 no desaparece del radar en agosto, ni la preparación debería aplazarse.
Esperar a que todo el calendario esté completamente estabilizado suele producir el mismo resultado: inventarios incompletos, criterios poco homogéneos y decisiones improvisadas. En transparencia IA, llegar tarde no suele significar no haber leído la norma. Suele significar no haber ordenado a tiempo los usos reales de la organización.
Qué información conviene vigilar desde ahora
La preparación no depende solo de conocer el texto legal. Depende de capturar información útil y convertirla en criterio. En este frente, conviene seguir al menos cuatro capas.
1. Fuentes oficiales y cambios interpretativos
La primera capa está fuera de la empresa. Aquí entran el texto del artículo 50, el borrador de directrices, su futura versión final, los desarrollos de la AI Office y cualquier aclaración adicional de la Comisión o de las autoridades competentes.
No todas las piezas tienen el mismo valor. Una guía no equivale a una obligación legal y un código de prácticas no reemplaza el reglamento. Pero ambas sirven para detectar qué puntos van a concentrar dudas, ajustes o exigencias de aplicación.
2. Usos reales de IA dentro de la organización
La segunda capa está dentro. Sin un inventario mínimo de usos, la vigilancia regulatoria se queda en el aire.
Conviene identificar qué áreas usan IA para generar o transformar contenidos, qué tipo de piezas producen, dónde se publican y qué revisión humana reciben. No hace falta empezar con un mapa sofisticado. Sí hace falta que el inventario permita ver dónde hay exposición real.
3. Evidencias y trazabilidad
La tercera capa es la capacidad de demostrar criterio y control. La transparencia no se resuelve solo con una etiqueta visible. También depende de poder reconstruir qué se hizo, quién revisó, qué política se aplicó y bajo qué responsabilidad se aprobó una salida.
Este punto es especialmente delicado en organizaciones donde la IA ya se usa de manera distribuida y poco formalizada. Si no hay trazabilidad mínima, el problema no será solo regulatorio. También será de gobierno interno.
4. Umbrales internos de riesgo
No todos los usos de IA plantean el mismo nivel de sensibilidad. Un apoyo interno a la redacción no es lo mismo que una pieza pública, una imagen sintética o un contenido informativo dirigido al exterior.
Por eso conviene definir umbrales internos. No hace falta cerrar desde el primer día una política exhaustiva. Sí conviene disponer de una lógica de decisión que permita distinguir qué casos son rutinarios, cuáles exigen revisión reforzada y cuáles deberían pasar por más de un área.
Cómo lo abordaría Innguma dentro de una organización
Un enfoque de Innguma sobre este tema no consistiría solo en “seguir la regulación”. Consistiría en montar un circuito de vigilancia útil para tomar decisiones.
Eso implica vigilar de forma estable fuentes como la Comisión Europea, la AI Office, el DOUE, la AESIA cuando publique criterios o posicionamientos relevantes, comunicados institucionales y prensa especializada que ayude a detectar cambios interpretativos antes de que lleguen resumidos y tarde. También implica fijar una cadencia. En un tema como este, no basta con una revisión trimestral. Tiene más sentido un seguimiento continuo con alertas y una síntesis periódica para las áreas afectadas.
La segunda parte es la distribución. Compliance no necesita lo mismo que comunicación o marketing. Dirección tampoco necesita el mismo nivel de detalle que un equipo de transformación digital. La vigilancia funciona cuando cada señal llega al equipo adecuado, con el contexto suficiente y con una implicación práctica clara.
Ese trabajo conecta con lo que defiende Innguma: la vigilancia no es acumulación de documentos, sino captura, organización, análisis y difusión de información relevante para reducir incertidumbre y actuar antes.
Ese enfoque tiene tres anclajes claros. Primero, una visión consolidada de vigilancia regulatoria de IA. Segundo, el papel del criterio humano en vigilancia estratégica, que el AI Act sitúa precisamente en el centro de las obligaciones de transparencia. Y tercero, la madurez organizativa en inteligencia y vigilancia, que es la condición que permite pasar de cumplir a anticipar.
Errores que debilitan la preparación interna
El primer error es reducir el tema a una lectura legal generalista. Eso sirve para entender el marco, pero no para gobernar usos reales de IA.
El segundo es confiar en una medida visible aislada. Si no hay inventario, revisión humana y trazabilidad, la transparencia queda desconectada del proceso.
El tercero es trabajar solo con los casos más evidentes. En muchas organizaciones, la exposición real aparece en usos pequeños, repartidos entre equipos y normalizados sin demasiada supervisión.
El cuarto es no distinguir entre hecho, interpretación y decisión interna. El borrador de directrices sirve para anticipar, no para presentar como definitivo lo que aún se está afinando.
Conclusión
La transparencia IA no debería abordarse como una tarea para el último momento. De aquí al 2 de agosto de 2026, la diferencia no estará solo en quién haya leído el artículo 50, sino en quién haya construido antes un sistema mínimo para seguir cambios, mapear usos, conservar evidencia y distribuir criterio dentro de la organización.
Si ese sistema no existe todavía, este es el momento de empezar por lo básico: inventario de usos, fuentes a vigilar, responsables internos y circuito de revisión. Ahí es donde la vigilancia deja de ser contexto y se convierte en capacidad de gobierno.
