Singapore IMDA Model AI Governance Framework: lo que las empresas pueden aprender en 2026

El consejo lo llama y pregunta cómo gobierna la empresa la IA. La conversación pública le da tres nombres. La EU AI Act, en vigor desde agosto de 2024, plenamente aplicable en agosto de 2026. Las leyes locales, aún en los congresos. El NIST AI Risk Management Framework, la referencia técnica estadounidense. Los tres hablan el mismo idioma: riesgo, categoría, obligación frente a un regulador. Ninguno responde la pregunta que hizo el consejo, que era otra: cómo ordenar la casa por dentro.

Quien sí la responde es un documento que casi nadie ha leído. Singapur publicó la primera versión en enero de 2019, la revisó en enero de 2020, agregó un capítulo para IA generativa en mayo de 2024, y en enero de 2026 sumó el hermano que le interesa a quien opera un agente: el primer framework de gobernanza de IA agéntica del mundo. Todo bajo el mismo nombre de familia, el Model AI Governance Framework, firmado por la IMDA. Nada de esto es ley. Es soft law: un manual que se adopta por cuenta propia, con listas de verificación y ejemplos de implementación, sin multa y sin licencia.

Qué es el Model Framework y por qué existe

En 2019, Singapur hizo una apuesta que nadie más había hecho. Europa escribía regla obligatoria. Estados Unidos dejaba que el mercado se resolviera solo. Singapur cavó un camino en el medio: escribió el manual detallado, con listas de verificación y ejemplos de implementación, y no obligó a nadie a seguirlo. La apuesta era que una empresa madura adopta gratis lo que le rinde una mejor conversación con inversionista, socio y cliente. Siete años después, pegó. La mayoría de las empresas reguladas de allá lo sigue por voluntad propia, y la OCDE, la ISO y el Consejo de Europa pasaron a citar el texto como referencia.

En enero de 2026, en Davos, Singapur repitió la jugada para un problema nuevo: agentes de IA que planean, deciden y ejecutan solos. El framework de IA agéntica salió como el primero del mundo en el tema, y fue actualizado ya en mayo, con orientación para sistemas multi-agente y agentes de terceros. La misma filosofía de siete años antes: llegar antes que el regulador, gratis, y dejar que el mercado adopte porque compensa.

No existe la pieza única que resuelve la gobernanza de IA en su empresa, por más que el proveedor de turno prometa que existe. La EU AI Act cierra el riesgo regulatorio europeo. Las leyes locales cerrarán el doméstico cuando salgan. El Model Framework cierra la gobernanza por dentro. La ISO 42001 cierra la auditoría del sistema. Son huecos distintos, y quien tapa uno solo y duerme tranquilo despierta con los otros tres abiertos de par en par.

Las cuatro dimensiones del Model Framework

El documento clásico, el de 2019, se organiza en cuatro dimensiones, no dos, como a veces se resume por ahí. La primera, gobernanza interna: quién manda en qué, comité, roles, supervisión por dentro. La segunda, nivel de involucramiento humano: cuánto humano entra en cada decisión aumentada por IA. La tercera, gestión de operaciones: calidad del dato, mitigación de sesgo, validación y robustez del modelo. La cuarta, comunicación con stakeholders: qué se le cuenta al usuario, cómo se explica la decisión de la máquina, por dónde reclama. La versión de 2024 para IA generativa expandió esto a nueve frentes: accountability, datos, procedencia de contenido, pruebas, seguridad, entre otros. Y la de 2026 para IA agéntica reorganizó todo en torno a cuatro pilares propios.

El framework de IA agéntica de 2026 parte de un hecho que el de 2019 no tenía que enfrentar: un agente no solo sugiere, actúa. Llama a una API, altera un sistema, dispara a otro agente. Por eso el texto se apoya en cuatro pilares, todos dirigidos a contener lo que la autonomía introduce de nuevo.

Fíjese en lo que las cuatro dimensiones y los cuatro pilares tienen en común: todos gobiernan la coordinación por el ángulo del riesgo. Quién responde, qué puede tocar el agente, cuándo entra el humano, cómo se interrumpe. Es el ángulo correcto para evitar el estrago. Solo que hay un frente vecino que ninguna versión del framework toca, a propósito, porque no es su trabajo: cuánto cuesta esa coordinación en dinero. Cada humano senior que ratifica lo que la máquina produjo tiene un precio en nómina. Cada ronda de revisión, cada handoff entre persona y agente, cada agente que llama a otro agente consume tiempo caro. El framework dice "ponga a alguien responsable y acote el estrago". La lectura económica pregunta "¿y cuánto cuesta eso por mes?". De aquí en adelante, lo que sea del framework viene marcado como tal; lo que sea lectura nuestra, también.

Movimiento 1: poner un dueño designado en cada decisión de IA

El primer movimiento aterriza directo: toda decisión de IA necesita un nombre pegado. Eso el framework ya lo pide: la dimensión de gobernanza interna habla de roles y supervisión, y el pilar de responsabilidad del framework agéntico exige dejar claro quién responde entre quien desarrolla, implanta, opera y usa el agente. Lo que Ritometrics agrega es una forma práctica de rebanar esa responsabilidad para que no quede ningún rincón huérfano. Cuatro categorías: la decisión sobre el modelo (cuál elegir, cómo entrenar, cuándo ajustar), la decisión sobre el dato (de dónde viene, si sirve, cómo anonimizar), la decisión sobre el resultado (validar, calibrar, ratificar) y la decisión de capital (cuánto gastar, cuánta gente, qué proveedor). Esa cuarta es recorte nuestro, a propósito: es la que desaparece de la cuenta.

Aquí es donde la empresa tropieza en 2026. La IA entra con la decisión dispersa y nadie de tutor. El CTO elige el modelo, el equipo de datos tira del dato, el líder del área valida el resultado, y la decisión de capital queda huérfana, sin nadie que asuma la cuenta. El resultado es conocido: el presupuesto de IA se infla sin dueño, el ROI baja a cálculo de pasillo, y el consejo exige una explicación que no tiene a quién pedir. Un comité de IA no tapa este boquete, porque un comité es ceremonia mensual sobre riesgo y modelo, no el dueño que responde por la decisión que se repite cada semana.

La cuarta fila es la que más pesa en nómina en la operación de verdad, y es justamente la que ni la EU AI Act ni las leyes locales alcanzan. El compliance le dice si el modelo es de alto riesgo. No le dice cuánto cuesta correr el modelo sumado al tiempo senior gastado coordinando su uso, que es donde se escurre el dinero. El framework de Singapur no nombra a ese dueño. Habla de responsabilidad clara, y ahí se detiene. Ritometrics va un paso más allá y dice quién tiene el vocabulario para asumir la cuenta: el CFO.

Movimiento 2: apartar la decisión técnica de la decisión de capital

El segundo movimiento es un corte, y este es enteramente lectura nuestra. El framework no habla de presupuesto ni de CFO. Decidir lo técnico (qué modelo, qué dato, qué prompt) obedece a un criterio; decidir el capital (qué presupuesto de inferencia, qué ROI, qué contrato de proveedor) obedece a otro. Apilar los dos en una mesa sola es la raíz de un error que se repite por el mid-market. La empresa que aprueba a un proveedor de IA mirando solo lo técnico, el modelo más potente, ignora el ROI hasta que la factura explota. La que aprueba mirando solo el bolsillo, el más barato, se ata a un modelo cojo y deja eficiencia en la mesa. Poner cada decisión en su mesa no duplica el papeleo. Corta un error de asignación de capital que sale mucho más caro que la reunión extra.

La lectura financiera solo cierra cuando estas dos filas quedan formalmente apartadas. El CFO que asume la columna de la derecha gana una autonomía narrativa que el comité único de IA nunca entrega. El CTO sigue dueño de la columna de la izquierda, protegido para decidir lo técnico sin tener que defender el ROI en cada versión nueva. En el mid-market, esta separación cabe en 60 días de rediseño de comités, asegurando que el CFO asuma el frente económico.

Movimiento 3: escribir la revisión humana calibrada por el riesgo

El tercer movimiento es el que más mueve la nómina, y es el más anclado en el propio framework. La segunda dimensión del documento clásico es literalmente sobre esto: determinar el nivel de involucramiento humano en la decisión aumentada por IA, según el riesgo. El framework agéntico lo refuerza, exigiendo mecanismos que dejen al humano interrumpir, interceptar o revisar la acción del agente. Lo que el framework no hace, de nuevo, es ponerle precio. Ritometrics propone tres niveles con el costo a la vista. En riesgo bajo, el humano mira después del hecho, por muestreo. En medio, ratifica antes de que la cosa pase. En alto, aprueba con revisión honda y contraargumento. Elegir el nivel es decisión de gobernanza, no de tecnología: el CTO opina, pero la silla es del COO con Cumplimiento.

En 2026, esa regla casi nunca está en el papel. El líder de área decide en el momento cuándo ratifica la salida del modelo, cuándo la deja pasar, cuándo la frena. Y sin criterio escrito, la ratificación se balancea entre el exceso (revisar todo, por miedo al riesgo que imagina) y el descuido (no revisar nada, porque nadie tiene tiempo). El balanceo cuesta nómina senior de los dos lados, sin entregar ganancia del tamaño del gasto. Es exactamente donde la relación A2H se convierte en la categoría invisible más cara de una operación híbrida.

La última columna es la factura que nadie ha abierto todavía. Costo cargado por resultado revisado, multiplicado por el volumen mensual de cada nivel, es el precio de verdad de coordinar humano y máquina. Sin la regla escrita, ese precio se disuelve en la nómina, sin rótulo, sin nadie a quien pedir cuentas. Con la regla escrita, el gasto de coordinación gana un número que se puede medir.

Lo que se puede aprender (y lo que no se debe copiar)

Los tres movimientos caben en 90 días por dentro de casa, sin esperar voto en el congreso, sin proveedor externo, sin comité regulatorio. La receta es corta. En el mes 1, pegue un dueño en cada una de las cuatro categorías de decisión de IA. En el mes 2, aparte el comité técnico del comité de capital. En el mes 3, escriba los niveles de revisión humana calibrados por el riesgo, con el costo cargado estimado en cada uno.

Lo que no atraviesa el océano es la estructura de arriba. Singapur tiene una sola agencia, la IMDA, con mandato regulatorio y sectorial al mismo tiempo, un lujo raro fuera de una ciudad-Estado, y ya está en la tercera generación del manual (clásico, generativo, agéntico) mientras muchos países aún debaten su primera ley. Clonar ese arreglo, o inventar una agencia única, es debate de política pública que dura más que el año de su empresa. Los tres movimientos operativos siguen valiendo independientemente de cómo termine dibujada la regulación local.

Las versiones más nuevas atraviesan solo a medias. La de 2024 para IA generativa y la de 2026 para IA agéntica traen piezas útiles (procedencia de contenido, transparencia con el usuario, supervisión calibrada al riesgo), pero la procedencia necesita ajuste legal (los regímenes de protección de datos pisan bases distintas para el dato personal usado en entrenamiento) y la transparencia pide otro grado por la cultura del mercado local. Ese ajuste cabe en un proyecto aparte, de Legal con Producto, y no traba el resto.

Plan de adopción en 90 días

El cuarto mes es opcional porque el inventario de relaciones en 30 días sirve de prueba real para los números estimados en el mes 3. Una empresa que entrega del mes 1 al mes 3 ya cubrió lo esencial de los tres movimientos. El mes 4 es lo que cierra la lectura financiera que se defiende frente al consejo.

Preguntas frecuentes

El cierre

La empresa de 2026 no necesita esperar a que una ley entre en vigor para gobernar su propia IA por dentro. Singapur lo probó dos veces, en 2019 con IA común y en 2026 con agentes, que la gobernanza operativa puede nacer antes de cualquier regla obligatoria, y que la adopción voluntaria crece sola cuando el manual es lo bastante bueno para ser referencia de mercado. El Model AI Governance Framework no es el único modelo en el mundo. Es el mejor probado para quien necesita ordenar la casa antes de que el regulador toque la puerta.

Lo que gobierna es el riesgo de la coordinación: quién responde, qué hace el agente, cuándo entra el humano. Lo que deja abierto es el precio de esa coordinación. Ese es el frente vecino, y es donde encaja la lectura económica, con el CFO en la cuenta y el costo en dinero sobre la mesa, para que el vector invisible de la gobernanza de IA gane una lectura en dinero. El framework cierra el riesgo, la lectura económica cierra el capital, y los dos corren en paralelo. Quien cubre ambos llega al consejo con la respuesta entera, no con la mitad.