
La confianza no debe maximizarse. Debe ganarse, demostrarse con evidencias y calibrarse de forma continua.
Casi todas las empresas tecnológicas afirman generar confianza. Pero la frase «confíe en nosotros» ya revela el problema de fondo: pide confianza antes de ofrecer motivos suficientes para ella. Un proveedor de software puede afirmar que los datos de sus clientes están seguros. Un cliente puede creer esa afirmación y decidir confiar en el proveedor. Sin embargo, que el proveedor sea realmente digno de confianza es otra cuestión. Solo las evidencias sobre los controles de seguridad implantados, su eficacia, su alcance y su funcionamiento continuado pueden ofrecer una base racional para esa confianza. Es aquí donde conceptos como confianza, fiabilidad, aseguramiento, dependencia, cumplimiento, confianza digital y Zero Trust suelen mezclarse. Y, sin embargo, describen aspectos distintos de un mismo problema.
Comprender estas distinciones nos ayuda a responder una pregunta mucho más amplia:
¿Qué debería significar la confianza en un mundo digital en el que los sistemas, las organizaciones y los riesgos cambian continuamente?
En la investigación organizativa y psicológica, la confianza se asocia habitualmente con la disposición a aceptar la vulnerabilidad. Rousseau et al. describen la confianza como un estado psicológico que implica la intención de aceptar la vulnerabilidad a partir de expectativas positivas sobre las intenciones o el comportamiento de otra parte [1]. De forma similar, Mayer, Davis y Schoorman definen la confianza como la disposición a hacerse vulnerable ante otra parte, incluso cuando esa parte no puede ser supervisada ni controlada por completo [2]. (ResearchGate) Por tanto, la confianza exige al menos dos condiciones: debe existir incertidumbre y debe haber algo relevante en juego.
Cuando un resultado es completamente seguro, la confianza es innecesaria. Cuando no existe ninguna pérdida potencial ni dependencia, lo que parece confianza puede ser simple comodidad. La confianza se vuelve relevante cuando dependemos de otra persona, organización o sistema y esa dependencia genera vulnerabilidad. Esto también significa que la confianza nunca es una mera propiedad universal de una entidad. Una formulación más precisa sería:
A confía en B con respecto a X, en las condiciones Y, en un momento determinado.
Una empresa puede confiar en un proveedor cloud para almacenar material de marketing público, pero no por ello confiar automáticamente en ese mismo proveedor para tratar información sanitaria altamente sensible. Un sistema puede ser lo bastante fiable para un caso de uso y totalmente inadecuado para otro. La confianza es, por tanto, relacional, específica del contexto y dependiente del riesgo.
En el lenguaje cotidiano, «de confianza» y «digno de confianza» suelen tratarse como sinónimos. Conceptualmente, sin embargo, describen dos cosas distintas. De confianza significa que a una entidad se le otorga efectivamente confianza. Digno de confianza significa que la entidad merece esa confianza. Un estafador convincente puede gozar de confianza sin ser digno de ella. A la inversa, un sistema cuidadosamente diseñado y bien gobernado puede ser digno de confianza y aun así no lograr la confianza de los usuarios, porque sus capacidades, controles y limitaciones siguen siendo invisibles. Mayer et al. identifican tres dimensiones ampliamente utilizadas de la fiabilidad percibida: capacidad, integridad y benevolencia [2].
La capacidad se refiere a si la parte en la que se confía es lo bastante competente para realizar la tarea correspondiente. La integridad se refiere a si sus declaraciones, principios y comportamiento real son coherentes. La benevolencia se refiere a si se espera que tenga en cuenta los intereses de quien confía, en lugar de perseguir exclusivamente su propio beneficio. (JSTOR) En los sistemas técnicos, estas dimensiones deben traducirse. La capacidad se convierte en capacidad técnica, fiabilidad, resiliencia y seguridad. La integridad se convierte en comportamiento predecible, reglas coherentes, tratamiento trazable y comunicación veraz sobre las limitaciones. La benevolencia no puede atribuirse sin más a una máquina. Sí puede, en cambio, evaluarse en relación con la organización que desarrolla y opera el sistema: ¿protege la organización los intereses de los usuarios? ¿Comunica los riesgos con honestidad? ¿Ofrece mecanismos de rendición de cuentas y reparación?
El NIST aborda la fiabilidad desde la perspectiva de la ingeniería de sistemas. Un sistema digno de confianza no es simplemente uno en el que la gente da la casualidad de confiar. Su fiabilidad debe fundamentarse en evidencias de que puede satisfacer los requisitos críticos que se le imponen. Según el contexto, estos requisitos pueden incluir seguridad de la información, seguridad funcional, fiabilidad, resiliencia, privacidad u otras propiedades del sistema [3]. Esta distinción es fundamental:
La confianza existe en la mente de quien confía. La fiabilidad existe en las cualidades y el comportamiento de la entidad en la que se confía.
Ambas pueden coincidir, pero no coinciden automáticamente.
Existe otra distinción importante entre confianza y dependencia. La confianza es una actitud, una expectativa o un juicio. La dependencia es un comportamiento observable. Una persona puede desconfiar de un sistema de IA y aun así seguir su recomendación porque no hay alternativa, porque la presión de tiempo es alta o porque el proceso de la organización lo exige. A la inversa, una persona puede confiar en general en un sistema y, sin embargo, ignorar deliberadamente su recomendación en un caso concreto. Esta distinción importa porque las encuestas que preguntan a los usuarios si confían en un sistema no predicen necesariamente cuándo van a depender de él. Por eso la investigación reciente sobre la interacción entre personas e IA separa cada vez más la confianza percibida, la dependencia conductual, el rendimiento del sistema y la idoneidad de la decisión resultante [8]–[10]. (ACM Digital Library)
Tampoco el cumplimiento equivale a fiabilidad. En principio, el cumplimiento responde a una pregunta más acotada:
¿Se ha satisfecho un conjunto definido de requisitos dentro de un alcance definido?
Una certificación, un informe de auditoría o una evaluación pueden aportar un motivo importante para confiar. Pero no constituyen una declaración ilimitada y permanente de que una organización es segura. Una auditoría puede confirmar que un determinado sistema de gestión se implantó adecuadamente en un alcance concreto y durante un periodo concreto. No demuestra automáticamente que todas las configuraciones actuales sean correctas, que todos los sistemas incorporados después estén cubiertos ni que no pueda producirse ningún incidente de seguridad. Por ello, el NIST advierte contra tratar el cumplimiento como la única base probatoria del aseguramiento o de la fiabilidad. El cumplimiento puede aportar evidencias valiosas, pero un enfoque basado solo en el cumplimiento puede crear una apariencia de seguridad sin demostrar adecuadamente la eficacia del sistema subyacente [3]. (Publicaciones del NIST)
El cumplimiento importa. Pero el cumplimiento es una de las fuentes de la confianza justificada, no un sustituto completo de ella.
Entre la confianza subjetiva de una parte y la fiabilidad real de un sistema se sitúa otro concepto: el aseguramiento (assurance). El NIST describe el aseguramiento en términos de los fundamentos que justifican la confianza en que una afirmación se ha cumplido o se cumplirá [3]. El aseguramiento no es, por tanto, ni un sentimiento ni una garantía. Es una justificación estructurada. Una estructura de aseguramiento sólida debe hacer visibles al menos cinco elementos: Afirmaciones: ¿qué se afirma exactamente? Argumentos: ¿por qué la información disponible debería respaldar la afirmación? Evidencias: ¿qué registros, observaciones, pruebas o artefactos demuestran la implantación y la eficacia?
Supuestos: ¿en qué condiciones sigue siendo válida la conclusión? Alcance: ¿qué sistemas, procesos, datos, ubicaciones y periodos están cubiertos? El NIST utiliza el concepto de caso de aseguramiento (assurance case) para describir una relación estructurada y revisable entre afirmaciones, argumentos, supuestos y evidencias de apoyo [3]. Consideremos la siguiente afirmación de seguridad:
Todos los datos de producción están cifrados en reposo.
Una política corporativa de cifrado demuestra que existen una intención y un requisito. No prueba que todos los sistemas de almacenamiento de producción implementen realmente ese requisito. Una captura de pantalla de la configuración de una base de datos aporta evidencias sobre esa base de datos concreta en un momento concreto. No demuestra necesariamente una cobertura completa. Un caso de aseguramiento más sólido podría combinar:
Las distintas formas de evidencia cumplen fines diferentes. Una política respalda el diseño previsto. Una configuración respalda la implementación técnica. Una prueba o la telemetría continua respaldan el funcionamiento real. Una revisión respalda la conclusión de que la evidencia ha sido evaluada y aceptada por una parte responsable. Ninguno de estos elementos es necesariamente suficiente por sí solo. El aseguramiento surge de la relación trazable entre la afirmación original, el alcance cubierto, la implementación y las evidencias disponibles. Un sistema de aseguramiento maduro también debe poder llegar a conclusiones negativas. Debe poder afirmar que:
El NIST reconoce expresamente que un análisis de aseguramiento puede arrojar resultados desfavorables cuando las evidencias no respaldan la afirmación [3]. (Publicaciones del NIST) Un sistema que solo sabe generar marcas de verificación verdes puede crear tranquilidad. No crea necesariamente un aseguramiento creíble.
A primera vista, Zero Trust parece contradecir el objetivo de generar más confianza. No es así. Zero Trust aborda otro nivel del problema. No es principalmente una filosofía psicológica o cultural. Es un enfoque arquitectónico para las decisiones de acceso. En un modelo Zero Trust, la confianza no se concede simplemente porque un usuario o un dispositivo se encuentre dentro de la red corporativa, pertenezca a la organización o se haya autenticado previamente. El acceso se evalúa en relación con un recurso, una identidad, un dispositivo, un contexto y una solicitud concretos. Los permisos deben limitarse, reevaluarse continuamente y concederse partiendo del supuesto de que una red o un sistema pueden estar ya comprometidos [4].
La seguridad perimetral tradicional suele comprimir una decisión de confianza compleja en un único supuesto amplio:
Estar dentro de la red corporativa significa ser digno de confianza.
Zero Trust descompone ese supuesto en decisiones más pequeñas:
¿Puede esta identidad, con este dispositivo y en estas condiciones, acceder ahora a este recurso?
Zero Trust no es, por tanto, el fin de la confianza. Es el fin de la confianza implícita, amplia y heredada de forma permanente. Una interpretación más precisa sería:
Cero confianza implícita. Cero privilegios no ganados.
Una organización puede tener al mismo tiempo una cultura de alta confianza y una arquitectura Zero Trust. Los empleados no tienen por qué sospechar personalmente unos de otros solo porque las decisiones de acceso se verifiquen técnicamente. De hecho, unos controles bien diseñados pueden facilitar la confianza interpersonal. Reducen la probabilidad de que un error individual, una cuenta comprometida o una solicitud maliciosa provoquen daños ilimitados. Zero Trust sustituye un supuesto de confianza grande y vago por muchas decisiones más pequeñas, contextuales, temporales y revocables. Eso es plenamente compatible con una comprensión moderna de la confianza.
La fiabilidad suele centrarse en las cualidades de una organización, un sistema o una relación concretos. La confianza digital amplía la perspectiva a todo un ecosistema digital. El Foro Económico Mundial describe la confianza digital como la expectativa de que las tecnologías y los servicios digitales, así como las organizaciones que los prestan, protejan los intereses de las partes interesadas y respeten las expectativas y los valores sociales pertinentes. Su marco vincula la confianza digital con dimensiones como la ciberseguridad, la privacidad, la transparencia, la auditabilidad, la equidad, la interoperabilidad, la seguridad y los mecanismos de reparación [5]. (World Economic Forum) De forma similar, ISACA plantea la confianza digital en torno a la confianza en la integridad de las relaciones, interacciones y transacciones dentro de un ecosistema digital formado por personas, organizaciones, procesos, información y tecnologías [6]. (ISACA)
Esta perspectiva de ecosistema importa porque la fiabilidad de un producto digital rara vez depende solo de ese producto. Un proveedor SaaS puede depender de:
La fiabilidad del producto visible depende, por tanto, también de controles, supuestos y dependencias que permanecen en gran medida invisibles para sus usuarios. La confianza digital puede entenderse como el resultado económico y social más amplio. La fiabilidad describe las propiedades que hacen que el ecosistema merezca confianza. El aseguramiento tiende el puente entre esas propiedades y la decisión de una parte interesada de confiar.
La inteligencia artificial hace especialmente visible la diferencia entre la confianza percibida y la fiabilidad real. Un sistema de IA puede comunicarse con fluidez, seguridad y capacidad de persuasión sin ser sistemáticamente correcto. Una interfaz puede transmitir transparencia y competencia aunque el modelo subyacente no sea lo bastante fiable para la tarea prevista. Las explicaciones, las puntuaciones de confianza o un lenguaje de apariencia humana pueden influir en la percepción de los usuarios. No son automáticamente una evidencia de que una respuesta sea correcta. Por ello, el NIST no define la IA fiable mediante una única propiedad. El AI Risk Management Framework identifica múltiples características, entre ellas validez y fiabilidad, seguridad, protección y resiliencia, rendición de cuentas y transparencia, explicabilidad e interpretabilidad, privacidad y la gestión de los sesgos perjudiciales. El NIST subraya además que estas características dependen del contexto y pueden implicar compromisos entre sí [7].
Un sistema puede ser preciso pero injusto. Puede ser transparente pero inseguro. Puede preservar la privacidad y seguir siendo poco fiable para su finalidad prevista. Puede rendir bien de media y fallar de forma impredecible precisamente en los casos que más importan. La etiqueta «IA fiable» no debe ocultar estas distinciones. Por eso la investigación sobre la interacción entre personas e IA habla cada vez más de confianza adecuada, confianza calibrada y dependencia adecuada. El objetivo no es que los usuarios confíen lo máximo posible en un sistema. El objetivo es ayudarles a formarse una comprensión precisa de las capacidades y limitaciones del sistema y a depender de él solo cuando esa dependencia esté justificada.
Una revisión sistemática de Mehrotra et al. constató que en la literatura todavía no existe una definición única y aplicada de forma coherente de la confianza adecuada. Los estudios utilizan constructos y mediciones diferentes para la confianza, las intenciones, la dependencia, la capacidad percibida y el rendimiento real del sistema [8]. (ACM Digital Library) De forma similar, Visser et al. distinguen entre confianza, desconfianza y dependencia adecuada. Su revisión indica que la relación empírica entre la IA explicable, la confianza de los usuarios y la dependencia adecuada sigue siendo dispar y, en muchos contextos, no concluyente [9]. (ScienceDirect) Un preprint de 2026 de Raees y Papangelis sostiene de forma aún más directa que las mediciones subjetivas de la confianza no indican automáticamente si las personas dependen adecuadamente de las recomendaciones de la IA. Al tratarse de un preprint, sus conclusiones deben considerarse una contribución de investigación actual y no un consenso definitivo [10]. (arXiv)
La desconfianza tampoco es necesariamente lo contrario de un buen uso del sistema. Cierto grado de escepticismo puede fomentar la verificación y la detección de errores. Pero una desconfianza indiscriminada también puede llevar a los usuarios a rechazar recomendaciones correctas. Un estudio experimental de 2026 de Peters, Biermeier y Scharlau investigó si la atención visual podía ayudar a identificar una «desconfianza sana» en la interacción entre personas e IA. Los resultados no fueron concluyentes e ilustran lo difícil que sigue siendo medir si la confianza y la desconfianza están adecuadamente calibradas [11]. (Frontiers) La relación deseada puede ilustrarse así:
| Fiabilidad real | Baja confianza del usuario | Alta confianza del usuario |
|---|---|---|
| Baja | Escepticismo justificado | Exceso de confianza peligroso |
| Alta | Confianza insuficiente o desuso innecesario | Confianza justificada y calibrada |
El objetivo no es simplemente llevar a todos los usuarios a la esquina inferior derecha aumentando la confianza. El objetivo es que la confianza percibida y la dependencia conductual se correspondan lo más posible con la fiabilidad real del sistema, las consecuencias de un fallo y el contexto de uso. En un artículo de julio de 2026, Busuioc y Maggetti abogan por pasar de la maximización de la confianza a la confianza calibrada. Advierten de que la confianza puede desvincularse de la fiabilidad real cuando las organizaciones fabrican señales de confianza en lugar de abordar las condiciones de fondo que la justifican. Su análisis subraya también la vulnerabilidad, la rendición de cuentas y el papel constructivo que puede desempeñar la desconfianza [12]. (OUP Academic)
El Reglamento Europeo de Inteligencia Artificial sigue una lógica operativa similar. Para los sistemas de alto riesgo pertinentes, exige procesos y documentación relativos a la gestión de riesgos, la gobernanza de datos, la documentación técnica, el registro de eventos, la transparencia, la supervisión humana, la precisión, la solidez y la ciberseguridad [13]. Estos requisitos no demuestran que todo sistema de IA regulado vaya a ser fiable. Sí intentan, en cambio, traducir una expectativa abstracta de fiabilidad en actividades de gobernanza concretas y evidencias revisables. (EUR-Lex) La IA fiable no es, por tanto, un estilo de interfaz ni una etiqueta de marketing. Es un problema continuo de gobernanza y aseguramiento.
En Secani no entendemos la confianza como un sentimiento que simplemente haya que aumentar. Tampoco la definimos como certeza absoluta. La seguridad absoluta no existe en los sistemas digitales reales. Ni siquiera unas evidencias sólidas pueden garantizar que nunca vaya a producirse un fallo o un ataque. Las evidencias reducen la incertidumbre y permiten tomar mejores decisiones, pero no eliminan el riesgo. Si pudiera eliminarse toda incertidumbre, la confianza dejaría de ser necesaria. Por eso hablamos deliberadamente de confianza justificada, no de certeza. Nuestra definición es:
La confianza es la convicción justificada y específica del contexto de que una afirmación de seguridad es cierta ahora, porque la afirmación, su implementación y las evidencias actuales coinciden de forma verificable.
La cadena subyacente es:
Afirmación → Implementación → Evidencia → Aseguramiento → Confianza calibrada
Una organización formula una afirmación sobre su seguridad. Esa afirmación se traduce en controles, sistemas, responsabilidades y resultados esperados concretos. Las evidencias actuales demuestran si esos controles se han implantado y cómo. Un proceso de aseguramiento evalúa si las evidencias respaldan realmente la afirmación original. Solo entonces surge una base racional para la confianza. Esta definición contiene cinco restricciones deliberadas.
«Somos seguros» es demasiado amplio para poder verificarse de forma significativa. «Todos los almacenes de datos de producción utilizan configuraciones de cifrado aprobadas» es más acotado y comprobable. Cuanto más general es una afirmación, más difícil resulta identificar su alcance, las evidencias necesarias, los supuestos y las condiciones de validez.
Un control puede ser eficaz para un sistema e ineficaz para otro. Un modelo de IA puede ser adecuado para resumir documentos internos e inadecuado para aprobar de forma autónoma excepciones de seguridad. La confianza no puede trasladarse de un contexto a otro sin evaluar si las condiciones relevantes siguen siendo comparables.
Las organizaciones cambian continuamente. Se incorporan nuevos activos. Se modifican configuraciones. Los empleados cambian de función. Los proveedores actualizan sus servicios. Se descubren vulnerabilidades. Controles que ayer funcionaban correctamente pueden no hacerlo hoy. Por eso las evidencias pierden valor con el tiempo. Una conclusión fiable debe comunicar no solo qué se verificó, sino también cuándo se verificó y durante cuánto tiempo debe considerarse válida esa conclusión.
Las evidencias hacen visible la incertidumbre y permiten defender las decisiones. No eliminan por completo la incertidumbre. Incluso las evidencias sólidas tienen limitaciones. Pueden cubrir solo una parte de un sistema, basarse en supuestos, contener errores de medición o quedar obsoletas. Un aseguramiento creíble debe comunicar estas limitaciones en lugar de ocultarlas tras un estado binario.
Una decisión de confianza debe poder cambiar cuando cambian las condiciones que la sustentan. Cuando nuevas evidencias contradicen una afirmación de seguridad anterior, la conclusión debe actualizarse. Cuando las evidencias caducan, la confianza debe disminuir. Cuando se amplía el alcance cubierto, deben exigirse evidencias adicionales. Una confianza que no puede revisarse no es confianza calibrada. Es una creencia desconectada de la realidad.
La confianza digital tradicional se construye a menudo mediante señales periódicas: certificados, cuestionarios, informes de auditoría, documentos de evaluación y presentaciones de seguridad. Estos mecanismos siguen siendo importantes. Pero por sí solos no bastan en un mundo en el que los sistemas digitales pueden cambiar cada día. El modelo de futuro avanza en otra dirección:
| Modelo tradicional | Modelo de futuro |
|---|---|
| «Confíe en nosotros» | Verificar una afirmación concreta |
| Promesas de seguridad amplias | Afirmaciones definidas y alcance explícito |
| Recopilación periódica de evidencias | Evidencias actualizadas de forma continua |
| Documentos estáticos | Información conectada y legible por máquinas |
| Estado de cumplimiento binario | Contexto, incertidumbre y periodos de validez |
| Supuestos ocultos | Supuestos y dependencias explícitos |
| Solo evidencias positivas | Brechas y evidencias contradictorias visibles |
| Una conclusión anual | Conclusiones revisables de forma continua |
El aseguramiento continuo no significa que todas las actividades de una organización deban supervisarse de forma permanente. Debe ser proporcionado y basado en el riesgo. Una afirmación crítica sobre accesos privilegiados, infraestructura de producción o datos sensibles de clientes exige evidencias más actuales y sólidas que una afirmación administrativa de bajo impacto. El cambio importante es que la confianza ya no queda ligada a un único documento. Requisitos, implementaciones, evidencias, revisiones, hallazgos, responsabilidades y dependencias deben formar, en cambio, un modelo conectado. Las estructuras legibles por máquinas pueden desempeñar un papel importante en esta transición. Permiten reutilizar las evidencias en distintos marcos y evaluaciones sin despojarlas de su procedencia, su alcance original, su momento de recopilación, su responsable o sus limitaciones.
El futuro de la confianza no es, por tanto, simplemente continuo. Es granular, trazable, transferible y revocable.
Ahora pueden conectarse los distintos conceptos. Zero Trust rige cómo se toman las decisiones de acceso individuales. La fiabilidad describe si un sistema o una organización merecen confianza. El aseguramiento ofrece una justificación estructurada de esa conclusión. Las evidencias respaldan las afirmaciones sobre implementación y eficacia. El cumplimiento evalúa la conformidad con requisitos definidos. La dependencia describe si alguien depende realmente de un sistema o sigue sus indicaciones. La confianza digital es la confianza más amplia que puede surgir en todo el ecosistema. Zero Trust impide que la confianza se presuponga sin motivos suficientes. El aseguramiento demuestra dónde está justificada la confianza.
El cumplimiento aporta requisitos estructurados y mecanismos de revisión. Las evidencias conectan las declaraciones con la realidad observable. Estos conceptos no son, por tanto, visiones rivales. Son partes distintas de un mismo modelo coherente. El futuro no es ni un «confiar en todos» universal ni un «no confiar en nadie» cultural. Es una confianza verificable y calibrada.
«Optimizar para la confianza» no debe significar optimizar la percepción de fiabilidad. No debe significar producir el mayor número posible de marcas verdes, distintivos, certificados o afirmaciones de seguridad genéricas. No debe significar animar a las personas a confiar en un sistema más de lo que justifican sus propiedades reales. Para nosotros significa:
No optimizar para que confíen en nosotros. Optimizar para merecer una confianza justificada.
Estamos construyendo Secani para conectar de forma continua afirmaciones de seguridad, requisitos, implementaciones y evidencias. La confianza no debe surgir únicamente de una presentación persuasiva o de un documento de cumplimiento periódico. Debe surgir de una justificación actual, revisable y trazable. La expresión más concisa de esta idea podría ser:
La confianza no es una promesa. Es una conclusión respaldada de forma continua.
Las organizaciones no deberían limitarse a parecer dignas de confianza. Deberían poder demostrar por qué la merecen. Y no se debería pedir simplemente a las personas que confíen más. Se les debería permitir confiar mejor.
[1] D. M. Rousseau, S. B. Sitkin, R. S. Burt y C. Camerer, “Not So Different After All: A Cross-Discipline View of Trust,” Academy of Management Review, vol. 23, n.º 3, pp. 393–404, 1998, doi: 10.5465/AMR.1998.926617. (DOI)
[2] R. C. Mayer, J. H. Davis y F. D. Schoorman, “An Integrative Model of Organizational Trust,” Academy of Management Review, vol. 20, n.º 3, pp. 709–734, 1995, doi: 10.5465/amr.1995.9508080335. (DOI)
[3] R. Ross, M. Winstead y M. McEvilley, Engineering Trustworthy Secure Systems, NIST Special Publication 800-160, vol. 1, rev. 1, National Institute of Standards and Technology, Gaithersburg, MD, EE. UU., nov. 2022, doi: 10.6028/NIST.SP.800-160v1r1. (Publicaciones del NIST)
[4] S. Rose, O. Borchert, S. Mitchell y S. Connelly, Zero Trust Architecture, NIST Special Publication 800-207, National Institute of Standards and Technology, Gaithersburg, MD, EE. UU., ago. 2020, doi: 10.6028/NIST.SP.800-207. (NIST Computer Security Resource Center)
[5] World Economic Forum, Earning Digital Trust: Decision-Making for Trustworthy Technologies, Ginebra, Suiza, nov. 2022. (World Economic Forum)
[6] K. B. Kelley, “The Digital Trust Imperative: Defining, Establishing and Measuring Digital Trust,” ISACA Journal, vol. 1, ene. 2023. (ISACA)
[7] National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1, ene. 2023, doi: 10.6028/NIST.AI.100-1. (Publicaciones del NIST)
[8] S. Mehrotra, C. Degachi, O. Vereschak, C. M. Jonker y M. L. Tielman, “A Systematic Review on Fostering Appropriate Trust in Human-AI Interaction: Trends, Opportunities and Challenges,” ACM Journal on Responsible Computing, vol. 1, n.º 4, art. n.º 26, pp. 1–45, 2024, doi: 10.1145/3696449. (ACM Digital Library)
[9] R. Visser, T. M. Peters, I. Scharlau y B. Hammer, “Trust, distrust, and appropriate reliance in (X)AI: A conceptual clarification of user trust and survey of its empirical evaluation,” Cognitive Systems Research, vol. 91, art. n.º 101357, 2025, doi: 10.1016/j.cogsys.2025.101357. (ScienceDirect)
[10] M. Raees y K. Papangelis, “From Trust to Appropriate Reliance: Measurement Constructs in Human-AI Decision-Making,” arXiv:2604.23896, abr. 2026, doi: 10.48550/arXiv.2604.23896. Preprint. (arXiv)
[11] T. M. Peters, K. Biermeier e I. Scharlau, “Assessing healthy distrust in human-AI interaction: Interpreting changes in visual attention,” Frontiers in Psychology, vol. 16, art. n.º 1694367, ene. 2026, doi: 10.3389/fpsyg.2025.1694367. (Frontiers)
[12] M. Busuioc y M. Maggetti, “Worthy of trust? AI governance and the role of (dis)trust,” Perspectives on Public Management and Governance, art. n.º gvag007, jul. 2026, doi: 10.1093/ppmgov/gvag007. (OUP Academic)
[13] Parlamento Europeo y Consejo de la Unión Europea, «Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024, por el que se establecen normas armonizadas en materia de inteligencia artificial», Diario Oficial de la Unión Europea, jul. 2024. (EUR-Lex)

GRC · 29 de octubre de 2026 · 6 Min.
El mercado del CRM marcó el camino: del puesto de trabajo al System of Record. El GRC sigue el mismo camino. La interfaz primero se vuelve individual, luego generada, y al final solo cuenta el núcleo.

GRC · 22 de octubre de 2026 · 8 Min.
El modelo de Rasmussen describe el GRC hasta la generación 8.0. Nosotros nos atrevemos con la continuación: a partir de aproximadamente 2035, la gobernanza se traslada a los propios sistemas – y el GRC desaparece como categoría propia. Un pronóstico razonado, con las objeciones que lo contradicen.

GRC · 22 de octubre de 2026 · 8 Min.
De la herramienta SOX a la arquitectura GRC orquestada: cómo describe Michael Rasmussen la evolución de GRC 1.0 a 8.0 y qué distingue a GRC 7.0 de una acumulación de funciones de IA.
Secani conecta Scopes, evidencias, tareas y agentes de IA en un espacio de trabajo compartido.