AI Governance vs Data Governance: por cuál empezar
Es la pregunta que más nos hacen tras el diagnóstico: "¿debería primero ordenar mis datos o primero cumplir el AI Act?". La respuesta corta es que no son la misma decisión — y entender por qué te ahorra meses de trabajo mal dirigido.
Qué es cada uno, en una frase
Data Governance es el conjunto de roles, políticas y procesos que garantizan que los datos de tu organización sean fiables, accesibles y estén bien documentados — quién es responsable de cada dato, qué calidad tiene, dónde vive y quién puede tocarlo.
AI Governance es el conjunto de roles, políticas y procesos que garantizan que los sistemas de IA que usa tu organización estén clasificados por riesgo, documentados, supervisados por personas y cumplan el AI Act y el resto de normativa aplicable.
La confusión es comprensible: ambos usan la palabra "gobernanza", ambos necesitan un comité, unos roles y una política escrita. Pero gobiernan objetos distintos — el dato en un caso, el sistema de IA en el otro — y por eso ninguno sustituye al otro.
Tabla comparativa rápida
| Dimensión | Data Governance | AI Governance |
|---|---|---|
| Qué gobierna | Los datos de la organización | Los sistemas de IA que usan esos datos |
| Marco de referencia | DAMA-DMBOK v2 | AI Act (Reglamento UE 2024/1689), ISO 42001, NIST AI RMF |
| Roles clave | Data Owner, Data Steward, Data Custodian | AI Governance Officer, comité de gobernanza de IA |
| Obligación legal | Indirecta (RGPD sobre datos personales) | Directa y con plazos (AI Act) |
| Artefacto principal | Catálogo de datos, matriz RACI, reglas de calidad | Inventario de sistemas de IA, clasificación de riesgo, documentación técnica |
| Cuándo se necesita | Desde el primer dato que gestionas | Desde el primer sistema de IA que despliegas o compras |
Data Governance al detalle
Un programa de Data Governance maduro, siguiendo DAMA-DMBOK v2, cubre ocho pilares: gobierno de datos, gestión de la arquitectura y modelado, almacenamiento y operaciones, seguridad, integración e interoperabilidad, documentos y contenido, calidad del dato, y metadatos. En la práctica, para una pyme, esto se traduce en tres preguntas que cualquier responsable debería poder contestar sin dudar: ¿quién es el dueño de este dato?, ¿de dónde viene y a dónde va?, y ¿puedo confiar en su calidad?
Si no puedes responder esas tres preguntas hoy, cualquier sistema de IA que conectes a esos datos —un chatbot de atención al cliente, un modelo de scoring, un asistente interno— hereda esa incertidumbre. La IA no arregla datos desordenados: los amplifica, porque toma decisiones a partir de ellos a una escala y velocidad que un proceso manual nunca alcanzaría.
AI Governance al detalle
AI Governance, en el marco del AI Act, empieza por una pregunta distinta: de todos los sistemas de IA que usa tu empresa —contratados o desarrollados internamente—, ¿cuáles son de riesgo inaceptable (prohibidos), alto riesgo (Anexo III, obligaciones fuertes), riesgo limitado (transparencia, art. 50) o riesgo mínimo (sin obligaciones específicas)? Esa clasificación determina todo lo que sigue: qué documentación técnica necesitas, si requiere supervisión humana, y qué debes reportar y cuándo.
A diferencia de Data Governance, que puede construirse de forma incremental sin fecha límite, AI Governance para sistemas de alto riesgo tiene plazos concretos marcados por el Reglamento — revisa nuestro timeline del AI Act si no tienes claro cuáles te aplican ya y cuáles se han aplazado con el Digital Omnibus.
Por qué Data Governance suele ir primero (pero no siempre)
En la mayoría de los casos recomendamos empezar por Data Governance, porque el artículo 10 del AI Act exige que los datos de entrenamiento, validación y prueba de un sistema de alto riesgo cumplan criterios de calidad y representatividad — algo que ya deberías tener resuelto si tu Data Governance funciona. Empezar por AI Governance sin una base de datos ordenada suele traducirse en documentación técnica que describe procesos de datos que en realidad no existen de forma consistente.
La excepción es cuando ya tienes un sistema de alto riesgo en producción y un plazo regulatorio encima. En ese caso, la prioridad es clasificar el riesgo y documentar lo que ya existe — aunque sea de forma imperfecta— antes de parar a ordenar el dato desde cero. Se arregla el fuego primero, la instalación eléctrica después.
Cómo decidir por dónde empezar tú
Responde estas cuatro preguntas:
- ¿Tienes ya un sistema de IA de alto riesgo en producción o a punto de lanzarse? Si sí, empieza por AI Governance — clasifícalo y documenta.
- ¿Sabes quién es el responsable de cada fuente de datos importante en tu empresa? Si no, ese es tu primer síntoma de que Data Governance debe ir primero.
- ¿Tu empresa usa IA generativa de terceros (ChatGPT, Copilot, etc.) sin una política escrita? Eso es, en sí mismo, un gap de AI Governance de riesgo limitado — resolverlo es rápido y debería hacerse ya, en paralelo a lo demás.
- ¿Tienes menos de 20 empleados y ningún sistema de IA propio? Empieza por Data Governance con calma — es la base que necesitarás cuando llegue la IA, y no tienes la presión de plazo que sí tiene quien ya opera un sistema de alto riesgo.
Si después de responder estas preguntas sigues sin verlo claro, el diagnóstico gratuito cubre ambos dominios en 12 preguntas y te da el orden recomendado según tu situación concreta, no una respuesta genérica.
Preguntas frecuentes
¿AI Governance y Data Governance son lo mismo?
No. Data Governance gestiona la calidad, el acceso, el linaje y la propiedad de los datos de la organización, con o sin IA de por medio. AI Governance gestiona el ciclo de vida de los sistemas de IA: clasificación de riesgo, documentación técnica, supervisión humana y cumplimiento del AI Act. Comparten estructura de gobierno pero regulan objetos distintos: uno el dato, el otro el sistema que lo usa.
¿Por cuál debo empezar si no tengo ninguno de los dos?
Si tienes un plazo regulatorio inminente del AI Act, empieza por AI Governance para no incumplir. Si no tienes presión de plazo pero sí problemas de calidad de dato, duplicidades o falta de un catálogo, empieza por Data Governance — cualquier sistema de IA que construyas sobre datos desordenados heredará ese desorden.
¿Necesito Data Governance para cumplir el AI Act?
El AI Act no exige explícitamente un programa de Data Governance, pero su artículo 10 (gobierno de datos) obliga a que los conjuntos de datos de entrenamiento, validación y prueba de sistemas de alto riesgo cumplan criterios de calidad, representatividad y ausencia de sesgos — que es, en la práctica, un subconjunto de lo que ya cubre un programa de Data Governance maduro.
¿Puedo montar los dos programas en paralelo?
Sí, y en organizaciones con varios sistemas de IA de por medio suele ser lo más eficiente: un único comité de gobernanza puede supervisar ambos, y los roles de Data Owner/Data Steward de Data Governance se convierten en las personas naturales para asumir la evaluación de riesgo de los sistemas de IA que consumen esos datos.
Conclusión práctica
No son dos competidores por tu presupuesto y tu tiempo — son dos capas de la misma casa. Data Governance pone los cimientos: sin datos fiables y bien gobernados, cualquier sistema de IA que construyas es una apuesta. AI Governance gestiona lo que se construye encima: los sistemas concretos, su riesgo y sus obligaciones legales. La pregunta correcta nunca es "¿cuál de los dos?", sino "¿por cuál empiezo hoy, dado dónde estoy?".
¿No sabes por dónde empezar?
El diagnóstico gratuito cubre tanto AI Act como Data Governance en 12 preguntas y te dice qué dominio necesita orden primero en tu caso concreto.