Microsoft refuerza el control de agentes, pero evalúa sus propios avances
Microsoft publicó el 1 de septiembre de 2026 su tercer Informe de Transparencia en IA Responsable. El documento presenta un estándar rediseñado, controles más específicos para sistemas agénticos y evaluaciones ampliadas, cambios también recogidos en una revisión independiente de la publicación.
La novedad es verificable como cambio de políticas, procesos y herramientas, pero no como prueba general de su eficacia. El análisis de Kaleido Field distingue el inventario corporativo de controles de una auditoría independiente: faltan resultados que acrediten su aplicación y funcionamiento en toda la cartera de productos.
Gobernar: responsabilidades distintas en cada capa de la IA
En la función de gobernar, Microsoft reorganizó su Estándar de IA Responsable para separar las obligaciones de quien desarrolla una tecnología y de quien la despliega. Los requisitos también se diferencian entre modelos, servicios de plataforma y aplicaciones, en lugar de tratar la pila tecnológica como una sola unidad.
La estructura combina reglas básicas con salvaguardas adicionales para escenarios de mayor riesgo potencial. En los sistemas agénticos, ese alcance importa porque una tarea puede involucrar varios modelos, memoria, datos, herramientas externas y acciones encadenadas; el riesgo no queda limitado a la respuesta que genera un modelo.
El cambio comprobable es la mayor precisión de las responsabilidades y de los componentes sujetos al estándar. No se ofrece, sin embargo, una matriz pública que vincule cada requisito con los productos cubiertos, las pruebas ejecutadas, sus resultados y las excepciones pendientes. La existencia del marco, por tanto, no permite deducir una aplicación uniforme.
Mapear: los permisos pasan a formar parte del riesgo
La función de mapear amplía la identificación de riesgos hacia el sistema conectado. Las taxonomías actualizadas y las prácticas de modelado de amenazas abarcan las interacciones entre agentes, aplicaciones, herramientas, datos, personas y entornos, además del comportamiento del modelo utilizado.
Esta ampliación coloca en el análisis elementos operativos concretos: la identidad asignada al agente, sus permisos para utilizar herramientas, el acceso a información, la memoria que conserva y los momentos en que necesita aprobación humana. Una respuesta textual aparentemente segura no basta si la secuencia posterior ejecuta una acción fuera del alcance autorizado.
También aparece una supervisión central antes del lanzamiento y un ciclo posterior de detección, respuesta y corrección. Lo que no aparece es un inventario consolidado de riesgos detectados, lanzamientos detenidos, incidentes o excepciones todavía abiertas. Sin esa base, no puede calcularse qué proporción de los hallazgos terminó modificando un sistema.
Medir: mucha actividad, pero sin una tasa común de eficacia
La función de medir reúne los principales datos cuantitativos. La experiencia oficial del informe de 2026 registra formación para cerca de 20.000 ingenieros, responsables de políticas y clientes; la revisión de más de 100 leyes aprobadas o propuestas; y la participación de más de 80 empleados de más de 30 equipos en la reelaboración del estándar.
Entre las demás actividades contabilizadas figuran consultas previas al lanzamiento de Copilot Health con más de 250 profesionales clínicos con licencia de más de dos decenas de países. En evaluación multilingüe se detallan investigaciones en seis entornos lingüísticos de Asia para ampliar AILuminate y una cobertura de 39 lenguas africanas en PazaBench.
Estas magnitudes acreditan el volumen de las actividades descritas, no el efecto final de los controles. La cantidad de personas formadas no muestra cuánto cambiaron sus decisiones, mientras que revisar normas o consultar especialistas no demuestra por sí solo el cumplimiento de cada producto. Tampoco hay una metodología transversal con tasas de fallos antes y después de las salvaguardas, cobertura por sistema, excepciones o tiempos de corrección.
Gestionar: intervenir mientras el agente ejecuta acciones
En la función de gestionar, parte del control se traslada al momento de ejecución. Entre los mecanismos enumerados están los evaluadores de agentes, las pruebas de equipo rojo, las defensas contra la inyección de instrucciones y herramientas para aplicar políticas en puntos críticos del flujo de trabajo y observar el comportamiento.
ASSERT y Agent Control Specification representan esa orientación operativa: evaluar el comportamiento respecto de una política, colocar controles durante la ejecución y conservar visibilidad sobre las acciones. El objetivo ya no consiste únicamente en autorizar un lanzamiento, sino en poder detectar e interrumpir conductas cuando el agente interactúa con herramientas y datos.
La descripción permite comprobar qué tipos de control ha incorporado o ampliado Microsoft, pero no con qué cobertura funcionan en cada producto. Tampoco establece una eficacia uniforme: el documento reúne cambios de proceso, herramientas disponibles, proyectos de colaboración y cifras de actividad, categorías que no aportan el mismo nivel de evidencia.
Por ahora, el estado de la historia es doble. Microsoft ha formalizado reglas más específicas para agentes y ha hecho públicas varias métricas de su programa; siguen pendientes datos comparables sobre resultados por sistema, incidentes, excepciones, mejoras obtenidas tras aplicar las salvaguardas y verificaciones externas que permitan contrastar sus mediciones internas.
Lee también:
Suscríbete a nuestro boletín
Reciba las últimas noticias sobre Web3, IA y criptomonedas directamente en su bandeja de entrada.