La transformación del modelo de negocio de Fujitsu —del cálculo por hombre-mes a precios basados en resultados y uso— es más que una anécdota corporativa japonesa. Señala un punto de inflexión: los proveedores dejan de vender horas de ingeniería para vender decisiones automatizadas que impactan ingresos, costos y riesgos de sus clientes. Cuando el precio se ata al 'outcome', la IA deja de ser herramienta de apoyo y pasa a ser agente de negocio. Esa migración acelera la ingesta de datos sensibles —financieros, biométricos, contractuales— en modelos que nadie audita y pocos entienden.
América Latina observa ese tránsito sin un marco regulatorio propio. La Ley de IA de la Unión Europea, aprobada en 2024, establece la referencia global: clasifica los sistemas en cuatro niveles de riesgo y prohíbe nueve prácticas, entre ellas la categorización biométrica para inferir características protegidas y el reconocimiento de emociones en entornos laborales y educativos. Para los sistemas de alto riesgo —infraestructura crítica, scoring crediticio, selección de personal, justicia— impone obligaciones concretas: gestión de riesgos, calidad de conjuntos de datos para evitar sesgos discriminatorios, trazabilidad, documentación técnica, supervisión humana y ciberseguridad. Los proveedores de modelos de propósito general deben publicar un resumen de los datos de entrenamiento, incluyendo fuentes y dominios principales.
Esta región no puede copiar el texto europeo, pero sí su lógica: la regulación no frena la innovación, define los límites dentro de los cuales la innovación es asegurable. Sin esos límites, el director que firma un contrato de 'value-based pricing' con un proveedor de IA asume una exposición jurídica y reputacional que el contrato no cubre: ¿quién responde si el modelo filtra datos de pacientes al entrenar con historiales médicos anonimizados deficientemente? ¿Qué recurso tiene el banco cuando el scoring deniega crédito a un segmento protegido por un proxy estadístico que el proveedor no documentó?
