Gobernanza Digital: la Inteligencia Artificial como Aliada – y como Riesgo

Danielle Santos Figuerôa; Larissa Paula Stachio

DOI: 10.22167/2675-6528-202602812

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

El rápido auge de la Inteligencia Artificial (IA) ha impuesto desafíos éticos y regulatorios sin precedentes, lo que exige que las organizaciones revisen sus modelos de control para garantizar la sostenibilidad del negocio. Ante las lagunas regulatorias y los riesgos asociados a la adopción de la IA, el estudio investigó cómo la aplicación de esta tecnología impacta la gobernanza digital desde la perspectiva de los pilares ESG (Ambiental, Social y de Gobernanza). La metodología adoptó un enfoque cualitativo-cuantitativo y exploratorio, compuesto por un análisis documental de quince estudios de caso globales, la aplicación de un cuestionario estructurado a 65 profesionales y la realización de una entrevista semiestructurada con una experta de una organización tecnológica global. Los resultados evidenciaron una brecha crítica de cumplimiento, dado que el 75% de los encuestados reportó la ausencia de directrices claras en sus instituciones, lo que corroboró la preocupación del 45% de la muestra por la falta de regulación de la IA. Este escenario contrastó con la percepción de la gobernanza como un activo de confianza y un diferencial competitivo. La investigación identificó que la mitigación de riesgos, como el sesgo algorítmico y la seguridad de los datos, exigió la implementación de supervisión humana continua y la adopción de nuevos marcos de ciclo de vida. Se demostró además que la convergencia entre la IA y los criterios ESG potenció ganancias como la eficiencia energética y la transparencia social. Se concluye que la gobernanza de la IA, cuando se integra a los principios ESG, constituye un elemento estratégico para promover el cumplimiento, la transparencia, la confianza institucional y la sostenibilidad organizacional.

Palabras clave: Ética Algorítmica; Gestión de Riesgos; Gobernanza Digital; Inteligencia Artificial; Sostenibilidad Corporativa.

1. Introducción

La transformación digital ha impulsado cambios significativos en los entornos corporativos e institucionales, fomentando la adopción creciente de tecnologías emergentes, con destaque para la Inteligencia Artificial (IA). La IA se comprende, según la Organización para la Cooperación y el Desarrollo Económicos (OCDE, 2024), como un conjunto de herramientas computacionales que procesan datos de entrada para generar resultados como estimaciones, recomendaciones o resoluciones capaces de influir en contextos reales y digitales. La aplicación de esta tecnología, en la visión de Fernandes, Costa y Abreu (2025), redefine las estrategias organizacionales, abarcando desde la automatización de tareas operativas hasta la ejecución de análisis predictivos complejos.

Sin embargo, esta integración tecnológica avanzada no ocurre sin la necesidad de estructuras que garanticen la integridad y la dirección ética de las decisiones automatizadas. En este contexto, la gobernanza se establece, definida por Loureiro Coutinho (2024) como la implementación de estructuras normativas y mecanismos de responsabilización que consideran no solo aspectos técnicos, sino también los impactos jurídicos y sociales. En el ámbito de la tecnología, la gobernanza de la IA emerge como un esfuerzo global, colaborativo y adaptable, según informe de la Organización de las Naciones Unidas (ONU, 2024), fundamentado en derechos humanos y sostenibilidad, con el objetivo de enfrentar riesgos complejos y promover beneficios compartidos.

A pesar del potencial estratégico de la IA, Fernandes, Costa y Abreu (2025) advierten sobre las preocupaciones éticas y regulatorias asociadas a su implementación, especialmente en lo que respecta a la seguridad de la información, la privacidad de los datos, el sesgo algorítmico y la toma de decisiones automatizada. La ausencia de mecanismos de gobernanza robustos puede acarrear fallos operativos, impactos reputacionales y perjuicios financieros para las organizaciones. Esta problemática se ve amplificada por la brecha de cumplimiento y la preocupación por la falta de regulación clara, como se evidencia en el resumen aprobado, que apunta a una brecha crítica de cumplimiento y la ausencia de directrices claras en muchas instituciones.

La necesidad de una gobernanza ética de la inteligencia artificial se ve reforzada por el debate sobre la importancia de la explicabilidad de las decisiones automatizadas y la prevención de sesgos discriminatorios (Pacheco et al., 2023). Loureiro Coutinho (2024) enfatiza la urgencia de políticas públicas y corporativas centradas en la responsabilidad civil y la protección social, promoviendo la transparencia algorítmica. Aunque la IA ofrece ganancias significativas en eficiencia e innovación, Floridi et al. (2018) destacan que también intensifica dilemas éticos, asimetrías de poder y riesgos sistémicos, desafiando los modelos tradicionales de control y responsabilidad. La ausencia de una gobernanza contextualizada puede comprometer la seguridad y la privacidad de los datos, perpetuar desigualdades y debilitar la confianza institucional.

Para estructurar una respuesta a estos riesgos, los pilares de ESG (Environmental, Social and Governance) se presentan como un marco normativo capaz de orientar la responsabilidad tecnológica. El “Pacto Mundial de las Naciones Unidas” (2004) establece que ESG ofrece criterios para integrar cuestiones ambientales, sociales y de gobernanza corporativa en la gestión de riesgos y en la evaluación de valor de las organizaciones. Así, cuando se aplica a la Inteligencia Artificial, ESG funciona como una herramienta de control que busca equilibrar la innovación con la transparencia algorítmica, la privacidad y la justicia social.

Ante este escenario de rápida transformación tecnológica y los desafíos éticos y regulatorios sin precedentes, se vuelve imperativo investigar la aplicación de la Inteligencia Artificial en un contexto de gobernanza digital alineada a los principios de ESG. Por lo tanto, esta investigación tiene el objetivo de investigar cómo la Inteligencia Artificial impacta la gobernanza digital alineada a los principios de ESG (“Environmental, Social and Governance”), analizando el potencial de la IA como herramienta estratégica y los riesgos asociados a su adopción, con foco en la responsabilidad ética y social (privacidad y sesgo) y en el fortalecimiento de los mecanismos de gobernanza (seguridad y cumplimiento) en la toma de decisión automatizada.

2. Material y Métodos

El presente estudio adoptó un enfoque metodológico cualitativo-cuantitativo y exploratorio, caracterizándose como un estudio de casos múltiples complementado por investigación bibliográfica y documental. El objetivo fue investigar la aplicación de la Inteligencia Artificial en un contexto de gobernanza digital alineada a los principios de ESG, analizando su potencial estratégico y los riesgos asociados a su adopción.

La recopilación de datos secundarios se realizó mediante análisis documental de materiales públicos e internos. Para ello, se seleccionaron quince estudios de caso globales, basándose en la relevancia de los incidentes de cumplimiento reportados entre 2022 y 2025. De estos, siete casos representaron fallos en la gobernanza de IA y ocho ejemplificaron impactos positivos de la tecnología.

El análisis documental abarcó diversos sectores y geografías, centrándose en cuatro áreas principales de fallo: sesgo algorítmico, privacidad de datos, transparencia y responsabilidad. Los incidentes se categorizaron por la naturaleza del riesgo y su impacto ético-legal, sin la identificación nominal de las organizaciones, para fundamentar la discusión sobre la ausencia de estructuras de cumplimiento.

La recolección de datos primarios cuantitativos se realizó mediante un cuestionario estructurado, transversal y bilingüe (portugués e inglés), que contenía 46 preguntas (23 por idioma). El instrumento se dividió en tres bloques: “Panorama General de la Muestra” (14 preguntas), “Perspectiva Técnica: Creadores y Mantenedores de Sistemas” (5 preguntas) y “Perspectiva de Gobernanza: Usuarios y Supervisores” (4 preguntas), utilizando formatos de opción múltiple y escala Likert.

La muestra del cuestionario consistió en 65 profesionales, con 61 interacciones en portugués y 4 en inglés, reclutados por conveniencia en redes profesionales y grupos de tecnología y gestión empresarial. La recolección ocurrió entre el 15 y el 20 de diciembre de 2025, de forma anónima, vía plataforma Google Forms, garantizando la imparcialidad y la privacidad de los datos. Se reconoce la posibilidad de sesgo de selección debido al muestreo no probabilístico.

Como etapa cualitativa complementaria, se realizó una entrevista semiestructurada con una especialista en Automatización de IA y Plataformas de Datos de una organización tecnológica global (Apéndice 2). La entrevista buscó una visión estratégica sobre la gobernanza de IA, centrándose en el ciclo de vida de la tecnología, desde el diseño hasta la descontinuación, y en la percepción de la gobernanza como un diferencial competitivo.

El análisis de los datos combinó técnicas descriptivas para el cuestionario y análisis de contenido para la entrevista. Adicionalmente, se realizó una investigación documental exploratoria, que incluyó informes anuales de sostenibilidad y ESG (2023-2025), decisiones de órganos reguladores internacionales, reportajes periodísticos y legislación sobre IA. Este procedimiento permitió confrontar las percepciones de los encuestados con las prácticas de mercado y las evidencias de fallos éticos.

El cruce de los datos primarios, referentes a las percepciones de los participantes, con los datos secundarios, relativos a hechos y casos de mercado, posibilitó un análisis crítico sobre la efectividad de los modelos de gobernanza aplicados. Los cuidados éticos fueron rigurosamente observados, con la garantía de anonimato y confidencialidad para todos los participantes, conforme a los principios de investigación.

3. Resultados y Discusión

El análisis de los datos recopilados reveló un escenario complejo y multifacético sobre la gobernanza de la Inteligencia Artificial (IA) en las organizaciones, destacando tanto los desafíos inherentes a su rápida evolución como el potencial estratégico de un enfoque alineado a los principios ESG. Los resultados evidenciaron una brecha crítica de cumplimiento y la necesidad urgente de directrices claras, contrastando con la percepción de la gobernanza como un activo de confianza y un diferencial competitivo. La investigación exploró las percepciones de profesionales, casos prácticos de fallos y éxitos, y el panorama regulatorio global, según se detalla en los bloques de análisis a continuación.

Inicialmente, el cuestionario aplicado a 65 profesionales reveló que la privacidad de datos, con el 26% de las menciones, y el sesgo algorítmico, con el 28%, son las preocupaciones más críticas en la adopción de la IA desde la perspectiva de compliance. Adicionalmente, el 45% de los encuestados identificó la falta de regulación clara como el mayor desafío para alinear la IA a las políticas de conformidad organizacional. Estos hallazgos subrayan la urgencia de abordar los riesgos éticos y legales asociados a la tecnología, tal como también señalaron Fernandes, Costa y Abreu (2025), quienes enfatizan la necesidad de estructuras robustas de gobernanza para mitigar fallas operacionales y daños reputacionales.

La percepción general de la muestra indicó que el 71% de los participantes cree que los beneficios de la IA superan los riesgos, y el 82% asocia la integración de la IA con un aumento significativo en la productividad y eficiencia. Sin embargo, este optimismo se ve atenuado por la incertidumbre sobre la responsabilidad de las decisiones generadas por la IA, con el 58% de los encuestados afirmando haber reflexionado sobre el tema, pero sin claridad. La confianza en las recomendaciones de la IA también se mostró moderada, con el 60% de los participantes asignando una calificación neutral (Calificación 3), mientras que el 34% expresó alta confianza (Calificación 4) y el 6% baja confianza (Calificación 2).

La explicabilidad de los sistemas de IA ha surgido como un factor crucial para la confianza, con el 80% de los encuestados de acuerdo en que una mayor explicabilidad aumenta la confianza en la tecnología. Sin embargo, la investigación reveló que el 75% de los participantes no saben dónde reportar resultados sesgados, y el 65% afirmó que sus organizaciones no ofrecen capacitaciones sobre el uso ético y el cumplimiento en IA. Esta brecha en la capacitación y en los canales de reporte debilita la capacidad de las instituciones para gestionar proactivamente los riesgos, como el sesgo algorítmico, que, según Silva (2022), no es un error técnico aislado, sino una reproducción de desigualdades estructurales.

Desde la perspectiva técnica, dirigida a creadores y mantenedores de sistemas de IA (n=9), el 55% de los profesionales no participó en el desarrollo o integración de soluciones de IA, mientras que el 45% sí lo hizo. Los mayores desafíos técnicos para garantizar el cumplimiento se identificaron como la conformidad regulatoria (36%) y la transparencia de los algoritmos (36%), seguidos por la explicabilidad de los modelos (28%). La mayoría de estos profesionales (72%) no conoce o no tiene acceso a herramientas que ayuden en la explicabilidad de la IA, lo que dificulta la implementación de prácticas de gobernanza eficaces y la mitigación de riesgos complejos, como los sesgos discriminatorios.

Desde la perspectiva técnica, la recepción de directrices claras sobre los requisitos de cumplimiento en proyectos de IA es inconsistente: el 36% de los encuestados las recibe “a veces” y otro 36% “raramente”, con solo el 10% recibiéndolas “siempre”. Esta variabilidad en la comunicación de los requisitos de cumplimiento puede comprometer la integridad de los sistemas desde las fases iniciales de desarrollo. La percepción sobre el impacto de las auditorías internas en el ciclo de desarrollo de la IA fue mayoritariamente neutral (53% Puntuación 3), lo que indica que, aunque existen, las auditorías pueden no ser percibidas como plenamente eficaces o integradas en el proceso.

La perspectiva de gobernanza, centrada en usuarios y supervisores (n=56), reveló que el 63% de los encuestados ya ha tomado decisiones basadas en recomendaciones de IA. Sin embargo, el 76% ya ha rechazado seguir una recomendación de IA por falta de confianza, evidenciando una desconfianza latente que puede impactar la adopción y la efectividad de la tecnología. Las principales preocupaciones de cumplimiento para este grupo fueron la privacidad (48%), el riesgo de error (35%) y la falta de transparencia (17%), reforzando la necesidad de mecanismos que garanticen la integridad y la explicabilidad de los sistemas.

La comprensión de las políticas de cumplimiento aplicadas a los sistemas de IA utilizados por los usuarios y supervisores también resultó variada, con un 39% asignando una calificación neutral (Calificación 3) y un 22% una calificación muy baja (Calificación 1). Esta dispersión sugiere que las políticas existentes pueden no ser claras, accesibles o suficientemente comunicadas, lo que dificulta la adhesión y la rendición de cuentas. La ausencia de una comprensión uniforme de las directrices de cumplimiento puede llevar a interpretaciones diversas y, en consecuencia, a prácticas inconsistentes en el uso de la IA, aumentando los riesgos de incumplimiento y fallos éticos.

El análisis documental de quince estudios de caso globales complementó las percepciones de los encuestados, evidenciando que la ausencia de una estructura de cumplimiento puede resultar en perjuicios severos. Casos de fallas incluyeron sesgo de género en sistemas de reclutamiento de una multinacional estadounidense, responsabilidad civil por “alucinaciones” de chatbot en una empresa de aviación canadiense, y la práctica de “AI washing” por una empresa de tecnología de vigilancia. Estos incidentes demuestran la materialización de los riesgos de sesgo algorítmico y fallas en la toma de decisiones, que fueron señalados como críticos por el 28% de los encuestados en la investigación de campo.

En Brasil, la realidad presentó paralelismos con los riesgos globales, como las denegaciones automáticas en el INSS, que generaron un aumento sustancial en los recursos administrativos, y casos de racismo algorítmico en sistemas de seguridad pública, resultando en identificaciones erróneas y detenciones indebidas. Estos episodios refuerzan la tesis de que la explicabilidad algorítmica, considerada esencial por el 28% de los participantes técnicos, no es solo un requisito técnico, sino una salvaguarda contra discriminaciones automatizadas que atentan contra los principios de la gobernanza digital y la licencia social de operación de las empresas.

En contraste, la investigación identificó ocho casos de éxito donde la IA fue implementada con gobernanza robusta, generando valor y eficiencia. Ejemplos incluyen una multinacional estadounidense que desarrolló su propia “Constitución Ética” interna, una empresa brasileña que usó IA para agilizar investigaciones de compliance sin perder el rigor ético, y un banco brasileño que utiliza comités de ética para garantizar modelos de crédito transparentes y libres de prejuicio. Estos casos demuestran que la gobernanza, cuando está bien estructurada, transforma la IA en una aliada estratégica, mitigando riesgos y promoviendo la confianza institucional.

La sistematización de los riesgos identificados, según la tipología de Inteligencia Artificial aplicada, reveló que la gobernanza digital no puede ser tratada de forma genérica. La IA Predictiva, utilizada en sistemas de reclutamiento o concesión de crédito, exige un enfoque riguroso en la equidad de los datos históricos para atender al pilar Social del ESG, previniendo el sesgo algorítmico y la discriminación estructural. La especialista entrevistada reforzó que la garantía de decisiones justas exige supervisión humana continua, y no solo el perfeccionamiento de los modelos técnicos, consolidando la dimensión social como fundamental para el mantenimiento de la licencia social de operación de las empresas.

Por otro lado, la IA Generativa, ejemplificada por chatbots y modelos de lenguaje, demanda mecanismos de transparencia y trazabilidad que sustenten el pilar de Gobernanza, especialmente para mitigar riesgos de “alucinación” de datos y violación de privacidad. La IA Agéntica, que trasciende la mera generación de contenido para planificar y ejecutar tareas de forma autónoma, impone un nuevo desafío al compliance: la gobernanza de la autonomía, donde la trazabilidad de las acciones se vuelve tan crítica como la precisión de los datos, exigiendo que la conformidad sea nativa en cada agente desarrollado.

La dimensión del Pilar Ambiental demostró cómo la IA puede ser una herramienta de sostenibilidad, mitigando su propio costo energético. Google, por ejemplo, utilizó algoritmos de DeepMind para optimizar el enfriamiento de sus centros de datos, reduciendo el consumo de energía en un 40%. Otros casos incluyen BMW, que utiliza IA y visión computacional para el reciclaje de componentes de vehículos, y JBS, que monitorea a los proveedores vía satélite para asegurar la trazabilidad socioambiental de su cadena productiva, abordando riesgos de deforestación y trabajo análogo a la esclavitud. Estos ejemplos prácticos ilustran el potencial de la IA para alcanzar metas globales de descarbonización y optimización de recursos naturales.

Desde la perspectiva del Pilar de Gobernanza, los encuestados identificaron las prácticas de cumplimiento como facilitadoras de la adopción tecnológica, reforzando el argumento de Mittelstadt (2019) de que los principios éticos, por sí solos, son insuficientes sin mecanismos concretos de gobernanza, monitoreo y rendición de cuentas. La experta entrevistada destacó que la gobernanza actúa como un “activo de confianza”, permitiendo que la organización se destaque por la seguridad e integridad de sus soluciones en un mercado saturado por nuevos “actores” sin controles validados.

La ausencia de directrices claras o capacitaciones específicas en IA, reportada por el 75% de los usuarios, debilita la gobernanza estratégica. El Informe sobre el costo de las violaciones de datos de 2025 de IBM (2025) corrobora esta brecha, indicando que el 63% de las empresas no poseen una política de gobernanza de la IA. Esta carencia de capacitación apunta a la negligencia de la educación y la cultura empresarial, pilares fundamentales para una gobernanza eficaz, donde una fuerza laboral instruida sobre el uso diario de la tecnología es esencial para que las políticas de cumplimiento no sean ignoradas en la punta de la operación.

Uno de los hallazgos más relevantes de la investigación, presente tanto en el análisis documental como en el cuestionario, es el impacto negativo de la falta de una regulación clara. Este factor fue señalado por el 45% de los encuestados como el mayor desafío para alinear la IA con las políticas de cumplimiento organizacional. Esta percepción corrobora la tesis de Jobin, Ienca y Vayena (2019), quienes destacan cómo la ausencia de marcos regulatorios globales vinculantes crea un escenario de incertidumbre jurídica, dificultando la implementación de directrices éticas y de gobernanza operacionalizables en las empresas.

La ausencia de normas estandarizadas dificulta la asignación de responsabilidades, generando incertidumbre en el 58% de los encuestados sobre quién debería responder por decisiones automatizadas fallidas. En Brasil, el Proyecto de Ley nº 2338/2023 (Brasil, 2023) surge como una vía de resolución, actuando conjuntamente con la LGPD para cuidar el procesamiento de datos por la inteligencia. Al clasificar sistemas de reclutamiento y evaluación de crédito como de “Alto Riesgo”, el PL brasileño aborda directamente los miedos de sesgo y fallos de decisión identificados en la muestra, exigiendo la implementación de Evaluaciones de Impacto Algorítmico.

El panorama regulatorio mundial presenta tres modelos principales que influyen en la legislación brasileña. La Ley de IA de la UE (Unión Europea, 2024) es la primera ley integral del mundo, que adopta un enfoque basado en el riesgo y exige total transparencia para los modelos fundacionales, siendo la principal inspiración para el PL brasileño. Estados Unidos sigue un enfoque sectorial y basado en la seguridad nacional, centrándose en la protección del consumidor y la mitigación de riesgos catastróficos, sin una ley federal única (FTC, 2025). China, por su parte, se centra en la soberanía y el control de contenidos, regulando los algoritmos de recomendación y la IA generativa y exigiendo que los sistemas reflejen los valores sociales (Kaufman y Zavaglia, 2024).

Esta convergencia global hacia la regulacion valida los resultados encontrados, indicando que la transparencia y el cumplimiento no son solo deseos eticos, sino requisitos regulatorios esenciales de las empresas en la era digital. La especialista consultada proyecta para los proximos anos un escenario de controles significativamente mas rigurosos sobre privacidad de datos y capacidades tecnicas de plataforma. Asi, el alineamiento con marcos como el EU AI Act o el futuro PL 2338 brasileño se convierte en la base de la licencia social de operacion, garantizando que la innovacion tecnologica ocurra dentro de limites juridicos claros y seguros para la sociedad.

En resumen, la investigación demostró que la gobernanza de la IA es un elemento estratégico para las organizaciones, capaz de transformar los desafíos éticos y regulatorios en oportunidades de fortalecimiento de la confianza y la sostenibilidad. La integración de los principios ESG a la gobernanza de la IA no solo mitiga riesgos como el sesgo algorítmico y la violación de la privacidad, sino que también potencia ganancias en eficiencia energética y transparencia social. La conformidad digital y la responsabilidad social emergen como requisitos esenciales para la licencia social de operación y la generación de valor ético en la toma de decisiones automatizada, exigiendo supervisión humana continua y la adopción de nuevos marcos de ciclo de vida.

4. Conclusión

El estudio investigó cómo la Inteligencia Artificial impacta la gobernanza digital alineada a los principios de ESG, analizando su potencial estratégico y los riesgos asociados a la adopción, con foco en la responsabilidad ética y social, y en el fortalecimiento de los mecanismos de gobernanza. Se verificó una brecha crítica de cumplimiento en las organizaciones, donde la mayoría de los profesionales reportó la ausencia de directrices claras y expresó preocupación por la falta de regulación de la IA. Se identificó que riesgos como el sesgo algorítmico y la seguridad de los datos son preocupaciones centrales, exigiendo supervisión humana continua y la adopción de nuevos frameworks de ciclo de vida para mitigación. Se observó que la gobernanza es percibida como un activo de confianza y un diferencial competitivo, y que la integración de la IA con los criterios ESG potencia ganancias en eficiencia energética y transparencia social. La principal contribución reside en la demostración de que la gobernanza de la IA, cuando alineada a los principios ESG, constituye un elemento estratégico para promover el cumplimiento, la transparencia, la confianza institucional y la sostenibilidad organizacional, asegurando la licencia social de operación y la generación de valor ético en la toma de decisiones automatizada.

A pesar de los hallazgos, el estudio presentó limitaciones derivadas del uso de muestreo por conveniencia y del predominio de análisis descriptivos, lo que restringe la capacidad de generalización de los resultados a otras poblaciones. La composición de la muestra y el recorte temporal adoptado también reflejan un contexto específico de percepción sobre la gobernanza de la IA, recomendando cautela en la extrapolación a otros entornos organizacionales. Para investigaciones futuras, se sugiere la ampliación de la muestra y la utilización de técnicas estadísticas inferenciales, así como la realización de estudios sectoriales o comparativos entre países. Tales enfoques podrían profundizar la comprensión de las complejas relaciones entre la gobernanza de la IA, la conformidad regulatoria y los criterios ESG, consolidando aún más el entendimiento sobre cómo la innovación tecnológica puede ser gestionada de forma ética y responsable.

Referencias Bibliograficas

Brasil. 2023. Projeto de Lei nº 2338, de 2023. Dispõe sobre o uso da Inteligência Artificial. Senado Federal, Brasília, DF, Brasil. Disponível em: https://www25.senado.leg.br/web/atividade/materias/-/materia/157448. Acesso em: 28 jan. 2026.

European Union. 2024. Regulation (EU) 2024/1689 (Artificial Intelligence Act). Official Journal of the European Union, Bruxelas, Bélgica. Disponível em: https://eur-lex.europa.eu/legal-content/PT/TXT/?uri=CELEX:32024R1689. Acesso em: 28 jan. 2026.

Federal Trade Commission [FTC]. 2025. FTC Finalizes Order with IntelliVision over Al Washing Claims. Washington, DC, EUA. Disponível em: https://www.ftc.gov/news-events/news/press-releases/2025/01/ftc-finalizes-order-intellivision-over-ai-washing-claims. Acesso em: 12 nov. 2025.

Fernandes, A.A.; Costa, I.; Abreu, V.F. 2025. Governança da Inteligência Artificial: Estrutura, desafios e práticas para organizações inovadoras. Brasport, Rio de Janeiro, RJ, Brasil.

Floridi, L. et al. 2018. Al4People: An Ethical Framework for a Good Al Society: Opportunities, Risks, Principles, and Recommendations. Minds and Machines. Disponível em: https://doi.org/10.1007/s11023-018-9482-5 Acesso em: 10 ago. 2026.

International Business Machines Corporation [IBM]. 2025. Cost of a Data Breach Report 2025. IBM Security, Armonk, NY, EUA. Disponível em: https://www.ibm.com/reports/data-breach. Acesso em: 28 jan. 2026.

Jobin, A., lenca, M., Vayena, E. 2019. The global landscape of ai ethics guidelines. Nature Machine Intelligence. Disponível em: https://doi.org/10.1038/s42256-019-0088-2. Acesso em: 29 jan. 2026.

Kaufman, D.; Zavaglia, A. 2024. Governança e Ética de Inteligência Artificial nas Companhias Abertas. ABRASCA, São Paulo, SP, Brasil. Disponível em: https://s3-sa-east-1.amazonaws.com/abrasca/GovernancaEtica/8862-Relatorio-Final-Governanca-e-Etica-da-IA-nas-Cias-Abertas-Abrasca-Kaufman-e-Zavaglia.pdf. Acesso em: 16 jan. 2026.

Loureiro Coutinho, 2024 [Referência completa não encontrada no documento original]

MITTELSTADT, B.D. 2019. Principles Alone Cannot Guarantee Ethical Al. Nature Machine Intelligence, 1(11):501-507. Disponível em: https://doi.org/10.1038/s42256-019-0114-4 Acesso em: 08 ago. 2026.

OCDE, 2024 [Referência completa não encontrada no documento original]

Organização das Nações Unidas [ONU], 2024. Governing Al for humanity: final report. Disponível em: https://www.un.org/sites/un2.un.org/files/governing_ai_for_humanity_final_report_en.pdf Acesso em: 22 out. 2025.

Pacheco et al., 2023 [Referência completa não encontrada no documento original]

Silva, T. 2022. Racismo Algorítmico: Inteligência Artificial e Discriminação nas Redes Digitais. Edições Sesc, São Paulo, SP, Brasil.

UNITED NATIONS GLOBAL COMPACT. 2004. Who cares wins: connecting financial markets to a changing world. Geneva: UN Global Compact. Disponível em: https://documents1.worldbank.org/curated/en/280911488968799581/pdf/113237-WP-WhoCaresWins-2004.pdf. Acesso em: 15 mar. 2026.

Artículo originado del Trabajo de Conclusión de Curso de la Especialización en Compliance y ESG del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy