1. Definir la decisión de adquisición
La junta debe identificar la decisión de que los clientes paguen por el objetivo de mejorar. Las empresas de defensa contra deepfake pueden vender software forense de medios, infraestructura de procedencia, detección de marcas de agua, verificación de identidad, controles de vida, orquestación de fraude, investigación gestionada, protección de marca o servicios de evidencia experta. Cada modelo tiene una cadena de evidencia, cliente comprador, estructura de costos y perímetro de responsabilidad diferente. Una tesis de transacción que los agrupe a todos como detección de medios sintéticos puede tergiversar tanto el ajuste estratégico como la economía recurrente.
El memorando de adquisición debe especificar la fuente prevista del valor. Un comprador puede buscar investigación de detección patentada, acceso a clientes regulados, una red de procedencia, integración de flujo de trabajo, escasos especialistas forenses, distribución de canales o una plataforma de consolidación. Cada fuente necesita una prueba observable. El rendimiento técnico debe reproducirse sobre datos representativos. El valor para el cliente debe aparecer en la adopción, las decisiones, los resultados de la respuesta, la renovación, los precios y el efectivo. Las opciones de productos deben permanecer identificadas por separado hasta que se evidencien los derechos, el desempeño y la demanda.
La junta debería comparar la adquisición con la concesión de licencias, la asociación comercial, la inversión minoritaria y el desarrollo interno. La propiedad puede importar cuando el valor depende del control coordinado de modelos, datos de evaluación, integraciones de clientes, personal forense e infraestructura de confianza. Un acuerdo más estrecho puede conllevar menos riesgos cuando la interoperabilidad o el acceso a los canales crean el principal beneficio.
El momento en que se presenta la evidencia debería determinar el precio y los términos. Algunas pruebas se pueden completar antes de firmar utilizando datos controlados. Otros requieren permiso del cliente, flujos de trabajo de producción o acceso posterior al cierre. El comprador puede utilizar condiciones, contraprestaciones retenidas, garantías, convenios y ganancias para abordar las brechas. El equipo de transacciones debe indicar qué evidencia respalda el precio base, qué evidencia respalda el valor contingente y qué capacidad sigue siendo una opción.
La cadena propuesta conecta la evidencia de los medios con la decisión responsable del cliente, la respuesta operativa y el efectivo recaudado.
2. Definir la unidad de valor
La unidad de valor propuesta es una decisión de autenticidad verificada entregada dentro del flujo de trabajo del cliente con un costo total. Una decisión puede confirmar que el contenido tiene una procedencia válida, indicar que es probable que la evidencia esté manipulada, aumentar la incertidumbre a un examinador humano, bloquear una instrucción de pago, proteger una cuenta, etiquetar el contenido, preservar la evidencia o desencadenar una verificación adicional. La decisión debe tener un propósito registrado, población, umbral, base de evidencia, propietario y acción permitida.
El costo completo incluye ingesta, almacenamiento, inferencia de modelos, licencias de terceros, servicios de confianza criptográfica, servicios de marcas de agua, datos de evaluación, reentrenamiento de modelos, mano de obra de analistas, revisión de calidad, integración de clientes, soporte, revisión legal, manejo de incidentes, seguros, cumplimiento y capital de trabajo. Un producto puede parecer altamente escalable mientras los investigadores expertos resuelven casos difíciles fuera del costo del servicio informado. El modelo de adquisición debe capturar todas las actividades necesarias para alcanzar el resultado prometido.
La precisión por sí sola es una unidad incompleta. El rendimiento varía según la modalidad, el generador, la cadena de edición, el idioma, el dispositivo, la compresión, la duración, la característica demográfica, el canal y el umbral operativo. Un cliente también necesita latencia, presentación de evidencia, auditabilidad y una ruta para casos inciertos. Un modelo con una fuerte puntuación de área bajo la curva aún puede producir falsos positivos inaceptables a la baja tasa de falsas alarmas requerida para la aprobación de pagos o la atribución pública.
Por lo tanto, el comprador debe medir las decisiones verificadas por el costo total del caso, con controles separados para las consecuencias de los errores. Este denominador alinea la diligencia técnica, operativa y financiera. También proporciona una base para comparar software, servicios gestionados y modelos de evidencia experta sin asumir que cada alerta o llamada API crea un valor equivalente.
3. Mapear la pila de capacidades
La defensa deepfake es un problema de control en capas. Los registros de procedencia pueden mostrar la fuente y el historial de edición afirmados en un manifiesto firmado. Las marcas de agua y las etiquetas pueden indicar el origen sintético de los sistemas participantes. Los modelos forenses pueden analizar contenidos cuya procedencia está ausente, dañada o no es de confianza. Los controles de identidad y vida pueden comprobar si una persona está presente y autorizada. Los sistemas de flujo de trabajo pueden combinar señales, aplicar políticas y preservar evidencia. Los examinadores humanos pueden manejar la ambigüedad, las consecuencias y el contexto legal.[1][5][7]
Estas capas no deben agruparse en una única afirmación de precisión. C2PA explica que las Credenciales de contenido proporcionan una procedencia a prueba de manipulaciones y no emiten un juicio de valor sobre si las afirmaciones de procedencia son ciertas. Los sistemas de detección enfrentan cambios de distribución y contramedidas adversas. Los controles de identidad abordan una cuestión más limitada que la autenticidad de los medios. La revisión humana agrega juicio y responsabilidad al tiempo que aumenta el costo y el riesgo de capacidad.[5][8]
El equipo de diligencia debe asignar cada módulo de producto a su reclamo, evidencia, modo de falla y acción del cliente. El mapa debe identificar componentes propietarios, con licencia, de código abierto y suministrados por el cliente. Debe incluir dependencias de certificados y listas de confianza, proveedores de modelos, bases de datos de referencia, proveedores biométricos, sistemas de gestión de casos y servicios en la nube. Deben registrarse los derechos de reemplazo y las rutas alternativas.
| Capa | Pregunta del cliente | Evidencia fundamental | Limitación principal |
|---|---|---|---|
| Procedencia | ¿Qué fuente e historial de edición se afirman? | manifiesto firmado, certificado, cadena de ingredientes | Calidad de afirmación y cobertura del ecosistema. |
| Marca de agua y etiqueta | ¿Se marcó el contenido participante? | señal detectable y registro del emisor | transformación, remoción y no participación |
| Detección forense | ¿Es probable que se genere o manipule el contenido? | puntuación calibrada y funciones de soporte | Generalización y decadencia adversarial. |
| Identidad y vivacidad | ¿La persona reclamada está presente y autorizada? | desafío, evidencia biométrica y de dispositivo | ataques de alcance, sesgo, privacidad y presentación |
| Flujo de trabajo | ¿Qué acción sigue a la evidencia? | política, historial de casos y pista de auditoría | Integración y práctica inconsistente del cliente. |
| Revisión humana | ¿Cómo se resuelve la incertidumbre? | método del examinador, revisión por pares e informe | variación de costos, capacidad y juicio |
Cada capa responde a una pregunta diferente y crea un requisito de diligencia diferente.
4. Cree el libro de contabilidad de autenticidad a resultado
El libro mayor debe conectar cada elemento de la muestra con su fuente, tipo de medio, canal de adquisición, historial de compresión, estado de procedencia, estado de la marca de agua, versiones del modelo, puntuaciones forenses, evidencia de identidad, revisión de analistas, decisión, acción del cliente, disputa y registro financiero. El propósito es la trazabilidad del producto, las operaciones y el valor.
Los casos negativos e inciertos pertenecen al libro mayor. Las falsas acusaciones de manipulación pueden perjudicar a clientes y súbditos. Las manipulaciones omitidas pueden permitir fraude o desinformación. Los resultados no concluyentes pueden ser el resultado correcto cuando la evidencia es débil. Una sala de datos que contenga únicamente demostraciones exitosas no puede respaldar una conclusión a nivel de población.
El comprador debe realizar muestreos entre cohortes de clientes y sus consecuencias. Un banco que valida una instrucción de pago, una organización de noticias que verifica las imágenes entrantes, una plataforma que aplica una etiqueta y un examinador que comparece ante el tribunal tienen umbrales y requisitos de evidencia diferentes. El libro mayor debe preservar estas diferencias en lugar de promediarlas en una sola puntuación.
Las finanzas deben vincular las mismas cohortes con los ingresos contratados, el uso, el esfuerzo del servicio, los créditos, las reclamaciones, la renovación, la expansión y los cobros. Esto revela si el desempeño se convierte en valor para el cliente y si los casos difíciles consumen mano de obra que no tiene precio. También expone la concentración en un generador, plataforma, canal o requisito regulatorio que puede cambiar rápidamente.
5. Diseñar un punto de referencia representativo
NIST OpenMFC separa las tareas de detección de manipulación, detección de deepfake y localización y utiliza medidas que incluyen curvas de características operativas del receptor, área bajo la curva y tasa de detección correcta a una tasa de falsas alarmas especificada. El programa Guardianes 2026 extiende el énfasis operativo a generadores más nuevos, evidencia posprocesada, casos representativos y reevaluación continua.[2][3]
El comprador debe construir un punto de referencia que refleje el uso contratado del objetivo. Debe incluir contenido auténtico, editado, generado y manipulado; generadores conocidos y nunca antes vistos; múltiples idiomas y acentos; diferentes dispositivos y condiciones de captura; transformaciones comunes en las redes sociales y la mensajería; y cambios antiforenses deliberados. Los conjuntos de capacitación, desarrollo y desafíos finales deben separarse.
El desempeño debe informarse en los umbrales operativos. Un cliente que procesa millones de artículos benignos puede requerir una tasa de falsas alarmas muy baja. Un servicio de clasificación forense puede aceptar un umbral diferente cuando sigue la revisión humana. El comprador debe medir la calibración, la abstención y la estabilidad de la confianza, así como el desempeño en la clasificación.
La gobernanza de referencia es importante. El objetivo debe registrar los derechos del conjunto de datos, la procedencia, la composición demográfica, los controles de contaminación, el proceso de etiquetado, el acceso al modelo y el historial de evaluación. El ajuste repetido en un conjunto de prueba visible puede crear un rendimiento aparente que no se generaliza. La administración independiente del desafío y los sets finales sellados pueden reducir este riesgo.
El punto de referencia también debería distinguir las pruebas de componentes de las pruebas de un extremo a otro. Un detector puede clasificar un clip correctamente mientras el flujo de trabajo circundante pierde el archivo, aplica el umbral incorrecto o no presenta el motivo a un aprobador. Las pruebas de extremo a extremo deben comenzar en el punto de entrada del cliente y continuar mediante la ingesta, la normalización, la puntuación, la validación de procedencia, la revisión, la decisión, la respuesta y la exportación de auditoría. El comprador debe registrar los fallos causados por la integración, la calidad de los datos y las operaciones junto con los errores del modelo.
El diseño de la muestra debe seguir la exposición comercial. Si la mayoría de los ingresos provienen de audio móvil breve enviado a través de aplicaciones de mensajería, un gran punto de referencia de vídeo de estudio de alta resolución proporciona evidencia de valoración limitada. El equipo debe ponderar los resultados según la población de clientes actuales y contratados del objetivo y luego presentar los resultados no ponderados como una verificación cruzada técnica. Los escenarios de nuevos mercados deberían utilizar supuestos separados porque la población futura puede diferir materialmente de la base instalada.
| Dimensión | Población de evidencia | Medida | Advertencia de adquisición |
|---|---|---|---|
| Modalidad | imagen, audio, video y medios mixtos | rendimiento calibrado por modalidad | Una modalidad sólida presentada como resultado de la plataforma. |
| cambio de generador | Generadores conocidos e invisibles. | Desempeño de desafío separado en tiempo. | contaminación de entrenamiento y prueba |
| Transformación | compresión, recorte, desenfoque, regrabación y transcripción | rendimiento después de un procesamiento realista | archivos de laboratorio impecables únicamente |
| Identidad | Escenarios de rostro, voz y vida. | tasas de error por cohorte y ataque | la tasa agregada oculta la debilidad del subgrupo |
| Operaciones | flujo de trabajo de casos específicos del canal | Decisión aceptada, latencia y retrabajo. | API puntuación sin acción del cliente |
| Evidencia | informes y seguimiento de auditoría | integridad y reproducibilidad | La partitura no se puede explicar ni reproducir. |
El punto de referencia separa la capacidad, el umbral operativo, la solidez y el resultado del flujo de trabajo.
6. Mida los falsos positivos y los falsos negativos
El costo del error debería impulsar el punto de operación. Un falso positivo puede bloquear un pago legítimo, etiquetar erróneamente el periodismo auténtico, rechazar a un cliente o socavar la evidencia. Un falso negativo puede permitir suplantación de identidad, fraude o contenido manipulado. El comprador debe identificar quién soporta cada consecuencia y cómo los contratos asignan la responsabilidad.
Los informes de detección deben incluir matrices de confusión en los umbrales relevantes, curvas de características operativas del receptor y de recuperación de precisión, calibración, abstención y resultados de cohortes. La prevalencia importa. Un conjunto de pruebas equilibrado entre contenido real y falso puede exagerar el valor predictivo positivo en un flujo de producción donde el contenido manipulado es raro. El comprador debe volver a calcular la carga de trabajo esperada utilizando la prevalencia observada de los clientes.
La revisión humana puede reducir algunos errores y al mismo tiempo crear riesgos de colas y coherencia. El equipo de diligencia debe comparar decisiones automatizadas, asistidas y tomadas únicamente por examinadores en casos controlados. Los desacuerdos deben resolverse mediante adjudicación documentada. El análisis debe registrar si el sistema cambia la decisión final, el tiempo, la calidad de la evidencia o la confianza del revisor.
La ilustración muestra cómo las consecuencias del cliente pueden cambiar el umbral operativo preferido. Los valores son supuestos de gestión para la demostración del método.
7. Pruebe la decadencia adversaria
La decadencia adversa es la reducción del rendimiento útil a medida que cambian los métodos de generación, las herramientas de edición, las técnicas de evasión y los canales de distribución. El programa Guardianes del NIST apunta explícitamente a la generalización a métodos más nuevos y evidencia sucia posprocesada. La taxonomía de aprendizaje automático adversario del NIST describe ataques de evasión, envenenamiento, privacidad y uso indebido en sistemas predictivos y generativos.[3][9]
El comprador debe crear conjuntos de desafíos separados en el tiempo. Los modelos se pueden congelar en fechas definidas y probarse con el contenido producido posteriormente. El equipo debe medir el desempeño por familia de generadores, transformación y canal, luego registrar el esfuerzo de investigación e ingeniería requerido para restaurar el punto de operación aprobado. El resultado es una evidencia de vida media en lugar de una afirmación de precisión permanente.
La descomposición también ocurre en los sistemas de procedencia y marca de agua. Las listas de confianza, los certificados, los manifiestos, los enlaces flexibles, la participación del emisor y el software de verificación requieren un mantenimiento continuo. Los cambios de compatibilidad pueden mejorar la seguridad y al mismo tiempo crear obligaciones de migración. El modelo de adquisición debe incluir las personas, la infraestructura y la gobernanza necesarias para mantener actualizada la cadena de evidencia.
El rendimiento de la investigación debe medirse como un proceso operativo. El objetivo debe mostrar cómo descubre métodos de nueva generación, adquiere material de evaluación legal, etiqueta evidencia, prioriza amenazas, cambia modelos, valida lanzamientos e informa a los clientes. El comprador debe examinar el tiempo del ciclo desde una nueva amenaza material hasta una versión aprobada por el cliente, junto con fallas de regresión, parches de emergencia y soluciones alternativas de los analistas. Un proceso de liberación rápido crea un valor limitado cuando daña repetidamente el rendimiento establecido.
El equipo de diligencia debe separar la capacidad duradera de la plataforma de la ventaja específica del modelo. Los canales de datos, los controles de experimentos, los arneses de evaluación, los comentarios de los clientes, el seguimiento de modelos y los equipos de expertos pueden respaldar la adaptación repetida. Un clasificador estrecho entrenado en un artefacto transitorio puede perder valor rápidamente. La valoración debe reconocer el proceso que renueva la evidencia así como el resultado del modelo actual, siempre que el proceso esté documentado, documentado y reproducido durante la diligencia.
Las curvas ilustran diferentes tasas de caída del rendimiento entre ciclos de validación. Los valores son supuestos de gestión para la demostración del método.
8. Evaluar la procedencia y las credenciales del contenido.
Las especificaciones C2PA 2.4 describen la procedencia del contenido verificable criptográficamente, incluidos manifiestos, afirmaciones, ingredientes, firmas, confianza y vinculación suave. La procedencia puede mostrar quién o qué firmó una afirmación y si el activo permanece asociado a ella. El comprador debe probar la creación, incorporación, almacenamiento en sidecar, verificación, manejo de listas de confianza, revocación, cadenas de ingredientes y recuperación de activos transformados.[5][10]
La cobertura es una cuestión comercial. La procedencia es más valiosa cuando participan dispositivos de captura, herramientas de generación, editores, plataformas y flujos de trabajo de los clientes. El comprador debe medir la proporción de contenido relevante con credenciales utilizables, la proporción que sobrevive a cada canal y las acciones que realizan los clientes cuando las credenciales están presentes, ausentes o no son válidas.
La gobernanza fiduciaria debe recibir una diligencia en las transacciones igual a la gobernanza modelo. Las prácticas de emisión de certificados, custodia de claves, prueba de identidad, revocación, sellado de tiempo y actualización de software pueden determinar si una credencial es útil. Los contratos con los clientes deben indicar qué verifica el sistema y qué queda fuera del alcance.
La propiedad intelectual del objetivo debe separarse de la participación en el ecosistema. La experiencia en implementación, la integración del flujo de trabajo, los servicios de confianza y los métodos de recuperación patentados pueden crear valor. El acceso a un estándar abierto por sí solo no constituye un foso. El comprador debe probar el costo de cambio, la interoperabilidad y la propiedad de los manifiestos y registros por parte del cliente.
Las pruebas de interoperabilidad deben utilizar credenciales creadas por múltiples herramientas conformes y validadas en los entornos compatibles del objetivo. El equipo debe probar manifiestos con formato incorrecto, credenciales revocadas, certificados caducados, ingredientes faltantes, afirmaciones contradictorias y contenido que ha sido transformado o despojado de metadatos. El producto debe presentar el estado de validación y las limitaciones de manera consistente. La política del cliente debe distinguir una firma válida de la confianza en el firmante y de la confianza en el evento subyacente.
9. Evaluar las marcas de agua y el etiquetado.
La marca de agua puede ayudar a identificar contenido sintético compatible a través de señales integradas durante la generación o edición. Las etiquetas pueden comunicar un origen artificial a los usuarios. El NIST identifica las marcas de agua y el etiquetado entre los enfoques técnicos para la transparencia del contenido sintético, mientras que el Código de Práctica final de la UE de 2026 aborda el marcado, la detección y el etiquetado ultrafake según el Artículo 50.[1][6]
El programa de diligencia debe probar la detectabilidad después de cambiar el tamaño, recortar, comprimir, transcodificar, volver a grabar, mezclar, traducir y editar en común. Debería medir la atribución falsa y la capacidad de distinguir múltiples emisores o familias de modelos donde el producto hace esas afirmaciones. Se debe incluir la seguridad de las marcas de agua, la gestión de claves y el riesgo de colusión.
El valor comercial depende de la adopción del flujo de trabajo. Un detector de marcas de agua utilizado sólo durante las demostraciones tiene poco valor recurrente. El comprador debe rastrear la señal hasta los sistemas de moderación, revisión de fraude, publicación, comunicaciones y preservación de pruebas. Debe medir el tiempo de respuesta, la revisión humana y la política del cliente después de la detección.
El contenido no participativo sigue siendo una limitación central. La ausencia de marcas de agua no prueba la autenticidad y la presencia debe interpretarse dentro del modelo del emisor y de la amenaza. El lenguaje del producto, la capacitación y los contratos deberían evitar que los clientes conviertan una señal parcial en una conclusión no respaldada.
10. Pruebe el rendimiento multimodal y entre canales.
Las campañas deepfake pueden combinar voz sintética, vídeos manipulados, documentos fabricados, cuentas comprometidas e ingeniería social. Un detector exclusivo de medios puede pasar por alto la evidencia contextual que hace que el evento sea procesable. El comprador debe probar cómo la plataforma vincula el contenido, la identidad, el dispositivo, la cuenta, las señales de comunicación y de transacción.
El audio merece un tratamiento aparte porque los códecs, el ruido de fondo, los clips cortos, el habla multilingüe, la conversión de voz y la reproducción afectan el rendimiento. El vídeo presenta coherencia temporal, sincronización de labios, selección de fotogramas y compresión. Las imágenes crean diferentes preguntas sobre procedencia y localización. Los flujos de trabajo de texto y documentos añaden problemas de autoría, metadatos y coherencia semántica.
La orquestación entre canales puede crear una ventaja defendible en el flujo de trabajo cuando reduce el esfuerzo del cliente y mejora las decisiones. También puede aumentar el costo de integración y la exposición a los derechos de datos. El comprador debe identificar qué correlaciones son características de producción, cuáles dependen de datos del cliente y cuáles siguen siendo prototipos de investigación.
11. Evaluar los flujos de trabajo de los clientes
El producto debe evaluarse donde se toma la decisión. Las instituciones financieras pueden utilizar controles de autenticidad en la aprobación de pagos, recuperación de cuentas, incorporación remota y respuesta de suplantación de ejecutivos. Las organizaciones de medios pueden utilizarlos en la verificación y publicación de fuentes. Las empresas pueden proteger las comunicaciones ejecutivas y los canales de marca. Las plataformas pueden apoyar el etiquetado, la moderación y las apelaciones. Las agencias públicas y los laboratorios forenses pueden utilizar herramientas validadas dentro de los procedimientos de evidencia.[3][11][12]
Para cada flujo de trabajo, el comprador debe documentar el desencadenante, la evidencia disponible, el nivel de servicio, el propietario de la decisión, las acciones permitidas, la escalada, el registro de auditoría y la reparación. La contribución del producto debe aislarse de otros controles. Una reducción de las pérdidas por fraude puede reflejar devoluciones de llamadas, límites de transacciones o controles de cuentas más estrictos, así como detección.
La adopción debe medirse más allá de las licencias. Las medidas útiles incluyen flujos de trabajo activos protegidos, eventos elegibles analizados, casos revisados, decisiones modificadas, acciones completadas, apelaciones, créditos de servicio y evitación de pérdidas verificadas. Las referencias de los clientes deben conciliarse con los registros del sistema y del contrato.
El comprador debería examinar el contrafactual. Es posible que un cliente haya comprado el producto después de un incidente público y al mismo tiempo siga dependiendo de las devoluciones de llamadas manuales y los controles de identidad existentes. Las entrevistas deben establecer qué decisiones cambiaron, qué proceso alternativo habría ocurrido y qué beneficio medido puede atribuirse razonablemente al objetivo. Evitar pérdidas requiere especial cuidado porque los eventos evitados son difíciles de observar. El análisis debe utilizar intentos de incidentes documentados, simulaciones controladas y métodos de atribución aprobados por el cliente.
La profundidad del flujo de trabajo puede crear retención cuando el producto se integra en políticas, manejo de evidencia y sistemas de casos. También puede crear responsabilidades de implementación. El equipo de diligencia debe medir el tiempo de implementación, configuración del cliente, capacitación, gestión de cambios, mantenimiento de la integración y la proporción de clientes que operan por debajo del alcance contratado. Los servicios necesarios para que el software sea útil deben permanecer visibles en los modelos de margen y capacidad.
| Flujo de trabajo del cliente | Decisión | Se requiere evidencia | Medida de resultado |
|---|---|---|---|
| Aprobación de pago | liberar, retener o verificar instrucciones | identidad, canal, contenido y evidencia de devolución de llamada | pérdida evitada, retraso y retención falsa |
| Incorporación remota | aceptar, rechazar o escalar al solicitante | evidencia de vida, identidad, documento y dispositivo. | fraude, costo de finalización y revisión |
| Verificación de noticias | publicar, etiquetar, investigar o rechazar | procedencia, evidencia forense y fuente | Corrección, velocidad y confianza. |
| Moderación de plataforma | etiquetar, limitar, eliminar o apelar | Contenido, política y evidencia de procedencia. | tasas de exposición, apelación y error |
| Comunicaciones empresariales | mensaje de confianza, desafío o aislamiento | relato, voz, video y evidencia de contexto | contención e interrupción de incidentes |
| examen forense | informe de hallazgos y limitaciones | método validado, cadena de custodia y revisión por pares | reproducibilidad y aceptación de casos |
El valor surge cuando la evidencia técnica cambia una decisión controlada del cliente.
12. Evaluar la gobernanza y la explicabilidad del modelo.
El comprador debe obtener un inventario completo del modelo que cubra modalidad, propósito, arquitectura, datos de capacitación, componentes externos, versiones, implementación, umbrales, limitaciones conocidas y propietarios. Los cambios deben vincularse a la evidencia de la evaluación y a los registros de liberación del cliente. NIST AI RMF y el perfil generativo AI proporcionan estructuras útiles para gobernar, mapear, medir y gestionar el riesgo AI.[13][14]
La explicabilidad debe estar ligada al usuario y a la decisión. Un investigador puede necesitar localización, contribución de señales, validación de procedencia y explicaciones alternativas. Un aprobador de clientes puede necesitar un resumen de evidencia conciso y una declaración de limitación. Un experto que comparece ante el tribunal requiere validación del método, cadena de custodia y reproducibilidad.
El sistema debería apoyar la abstención y la incertidumbre. Las respuestas binarias forzadas pueden perjudicar al cliente cuando la evidencia es débil o está fuera de la población validada. El comprador debe revisar cómo la incertidumbre afecta el flujo de trabajo, los niveles de servicio y el desempeño informado.
La gobernanza del cambio de modelo debería conectar la evidencia de la investigación con el lanzamiento comercial. El objetivo debe definir el cambio material, el alcance de regresión requerido, la autoridad de aprobación, el aviso al cliente y las condiciones de reversión. Un cambio de umbral puede alterar la carga de trabajo y los resultados de los clientes incluso cuando las ponderaciones del modelo permanecen sin cambios. Las actualizaciones del modelo externo o API pueden crear efectos similares. El comprador debe tomar muestras de los lanzamientos y rastrear cada uno de ellos desde la evidencia del desarrollo hasta la aprobación, la implementación, el seguimiento y la comunicación con el cliente.
La documentación debe seguir siendo utilizable por los equipos de productos, investigadores, equipos de ventas y clientes. Las limitaciones técnicas ocultas en las notas de investigación pueden desaparecer de las propuestas y procedimientos operativos. El equipo de diligencia debe comparar tarjetas modelo, informes de validación, documentación de productos, materiales de capacitación, declaraciones de trabajo y reclamos de cara al cliente. Las diferencias deberían alimentar la evaluación de responsabilidades y el plan de remediación.
13. Proteger datos, derechos y cadena de custodia
Los datos de capacitación, evaluación y producción pueden incluir rostros, voces, comunicaciones, documentos de identidad, medios confidenciales y pruebas criminales. El comprador debe mapear la base legal, el consentimiento, la licencia, el propósito, la geografía, la retención, la seguridad, la eliminación, la transferencia posterior y las restricciones del cliente. Los derechos deben cubrir el uso previsto posterior al cierre, incluida la mejora del modelo y el aprendizaje entre clientes, cuando corresponda.
La cadena de custodia es importante cuando los resultados respaldan investigaciones, disputas o procedimientos. La plataforma debe preservar el método de adquisición, los hashes originales, las transformaciones, las versiones de modelo y software, las acciones de los analistas, las marcas de tiempo y las exportaciones. Los registros deben seguir siendo reproducibles después de las actualizaciones del producto.
| Activo | Derechos y pruebas de control | prueba operativa | Tratamiento de valoración |
|---|---|---|---|
| Datos de entrenamiento | licencia, consentimiento, procedencia y restricciones | reproducir conjunto de datos autorizado | valor solo transferible uso permitido |
| Datos de evaluación | etiquetas independientes y controles de contaminación | volver a ejecutar el punto de referencia sellado | durabilidad de la evidencia de soporte |
| Medios de producción | contrato, objeto y retención | caso de muestra de seguimiento | reconocer solo el valor de flujo de trabajo autorizado |
| Modelos | propiedad, términos de terceros y dependencias | reconstruir o restaurar la versión | capacidad de propiedad y licencia separadas |
| Credenciales y claves | emisor, custodia, fideicomiso y revocación | validar y revocar la credencial de prueba | precio confianza servicio y responsabilidad |
| evidencia del caso | cadena de custodia y derechos de auditoría | reproducir informe | Apoyar flujos de trabajo regulados y expertos. |
El registro conecta derechos legales, linaje técnico y uso de valoración.
14. Pruebe la seguridad y la resistencia al abuso.
El objetivo es en sí mismo un sistema adversario. Los atacantes pueden sondear umbrales, enviar medios manipulados, envenenar comentarios, robar modelos, comprometer claves, inundar colas de revisión o manipular el contexto de los analistas. La taxonomía de aprendizaje automático adversarial del NIST y la guía de seguridad C2PA proporcionan puntos de partida útiles para el modelado de amenazas.[9][15]
El comprador debe encargar pruebas en todo el modelo, API, aplicación, identidad, certificado, datos y capas operativas. Se deben revisar los límites de velocidad, la detección de anomalías, el control de acceso, el desarrollo seguro, la respuesta a incidentes, la gestión de secretos y la recuperación. Las pruebas proporcionadas por el cliente deben tratarse como potencialmente hostiles.
Los controles de abuso también rigen a los clientes. Se puede utilizar una herramienta forense para vigilancia, atribución no respaldada o recopilación de datos biométricos. El objetivo debe definir el uso aceptable, los clientes de alto riesgo, la escalada y la terminación. Los ingresos que dependen de un uso prohibido o débilmente controlado deben excluirse del caso base.
15. Evaluar la exposición regulatoria y a la evidencia.
El perímetro regulatorio varía según el producto y la jurisdicción. Las obligaciones de transparencia del artículo 50 de la Ley de la UE AI se aplican al marcado y etiquetado de ciertos contenidos generados por AI y deepfakes a partir del 2 de agosto de 2026. El Código de prácticas final proporciona una ruta de cumplimiento voluntario para los signatarios mientras las obligaciones legales permanecen en la Ley. También pueden aplicarse normas de protección de datos, biometría, plataforma, comunicaciones, protección del consumidor y pruebas.[6][16][17]
Las autoridades estadounidenses han abordado la suplantación de identidad y los daños de voz generados por AI a través de la regla de suplantación de identidad gubernamental y empresarial de la FTC y el tratamiento que la FCC da a las voces generadas por AI conforme a la Ley de Protección al Consumidor Telefónico. Las alertas del FBI y de IC3 documentan el uso delictivo de la voz generada por AI y medios alterados en campañas de suplantación y fraude.[11][12][18]
El comprador debe obtener una matriz de jurisdicción por producto y asesoramiento especializado actualizado. Las reclamaciones de productos, las acciones de los clientes, la retención, los informes y la revisión humana deben coincidir con las obligaciones pertinentes. La demanda regulatoria puede generar ingresos y al mismo tiempo aumentar los costos de validación, auditoría y responsabilidad.
16. Analizar cohortes de clientes y contratos.
Los clientes deben agruparse por flujo de trabajo, consecuencia, modalidad, profundidad de integración, geografía, canal y modelo de servicio. La concentración de ingresos por plataforma, generador o requisito regulatorio debe ser visible. Las cohortes deben mostrar los ingresos recurrentes contratados, el uso, la implementación, el esfuerzo de revisión, el margen bruto, la renovación, la expansión, las reclamaciones y el efectivo.
La revisión del contrato debe cubrir los compromisos de desempeño, el uso permitido, los derechos de datos, la auditoría, la seguridad, la respuesta a incidentes, la indemnización, los límites de responsabilidad, los seguros, los créditos de servicio, la retención de evidencia, los cambios de modelo y la rescisión. Las afirmaciones de marketing deben conciliarse con el alcance exigible.
La matriz ilustra cómo se pueden revisar juntas la adopción del flujo de trabajo y la durabilidad de la evidencia.
17. Reconstruir la economía de entrega completa
El margen bruto debe reconstruirse a partir de los registros de casos y clientes. Los costos incluyen procesamiento en la nube, inferencia de modelos, almacenamiento, infraestructura de confianza, datos de terceros, certificados, revisión de analistas, investigación, evaluación, integración de clientes, soporte, respuesta a incidentes y seguros. Los costos de investigación compartidos deben asignarse explícitamente.
El crecimiento del uso puede reducir el costo unitario a través de la escala y al mismo tiempo aumentar el costo de revisión e infraestructura. Los clientes con grandes consecuencias pueden requerir entornos dedicados, disponibilidad de expertos y una retención de evidencia más sólida. El comprador debe separar el margen de software del margen de servicio gestionado y de evidencia experta.
La conversión de efectivo requiere una revisión de los activadores de facturación, compromisos mínimos, excedentes, servicios profesionales, créditos, disputas y cobranza. Un valor contratado grande puede coexistir con una implementación lenta y un uso limitado. Los ingresos diferidos y la implementación financiada por los clientes deben conciliarse con las obligaciones restantes.
18. Construya un caso de adquisición hipotético.
Supongamos que un objetivo tiene 145 clientes, ingresos recurrentes anuales de USD 42 million e ingresos finales de USD 47 million. El sesenta por ciento de los ingresos recurrentes proviene de flujos de trabajo de identidad y fraude financiero, el veinticinco por ciento de flujos de trabajo de medios y plataformas, y el quince por ciento de investigaciones empresariales y del sector público. El margen bruto informado es del 76 por ciento.
La gerencia estima que los costos completos de revisión de casos, datos de evaluación e infraestructura fiduciaria reducen el margen bruto normalizado al 68 por ciento. Doce clientes que representan USD 9 million de ingresos recurrentes dependen de un socio de distribución. Otro USD 6 million depende de una característica del modelo cuyo rendimiento en el grupo electrógeno sellado e invisible del comprador cae por debajo del punto de funcionamiento aprobado.
El comprador reproduce un rendimiento aceptable para USD 27 million de ingresos recurrentes, confirma el contrato y los derechos de datos para USD 25 million y valida la adopción del flujo de trabajo actual para USD 23 million. Estas cifras son suposiciones de gestión para la demostración del método. No deben utilizarse como previsión, múltiplo de mercado o declaración sobre una empresa real.
| Artículo | Cantidad hipotética | Estado de la evidencia | Tratamiento |
|---|---|---|---|
| Ingresos recurrentes reportados | USD 42m | lista de contratos | punto de partida |
| Cohorte de rendimiento reproducido | USD 27m | muestra de caja y punto de referencia sellados | elegible para una base respaldada por evidencia |
| Cohorte de derechos transferibles | USD 25m | registro de contratos y derechos | elegible después de la confirmación legal |
| Cohorte de flujo de trabajo activo | USD 23m | registros de producción y clientes | base recurrente de mayor confianza |
| Ingresos concentrados en los socios | USD 9m | acuerdo de distribución | estrés de concentración y retención |
| Ingresos dependientes de las funciones | USD 6m | Umbral de generador invisible fallido | remediación o valor contingente |
| Margen bruto normalizado | 68% | reconstrucción completa de costos | uso en caso de flujo de efectivo |
Cada cifra es una suposición de gestión creada únicamente para demostrar el método de valoración.
19. Destaca el modelo de adquisición.
El modelo debe probar el deterioro del rendimiento, la tolerancia a falsos positivos del cliente, la pérdida de socios, los cambios de precios del proveedor del modelo, los cambios en los certificados o en la lista de confianza, la corrección regulatoria, el desgaste de expertos, los incidentes de abuso importantes y el retraso en la integración. Cada escenario debe fluir a través del uso, esfuerzo de revisión, créditos, renovación, ingresos, margen, inversión y efectivo.
Las pruebas de resistencia deberían distinguir la remediación temporal del deterioro estructural. Un detector que puede recuperarse mediante un reentrenamiento de rutina difiere de uno que requiere nuevos derechos de datos o arquitectura. Un servicio de procedencia con emisores diversificados se diferencia de uno que depende de una única plataforma. Los flujos de trabajo de los clientes con verificación en capas difieren de los que se basan en una puntuación única.
La junta debería recibir casos negativos que preserven la realidad operativa. Recortar el gasto en investigación o evaluación puede mejorar el margen a corto plazo y al mismo tiempo acelerar el deterioro de la evidencia. La eliminación de revisores puede aumentar el rendimiento y al mismo tiempo aumentar los errores. Los ahorros de integración deben liberarse sólo después de que las cohortes controladas alcancen los umbrales de rendimiento y servicio.
La sensibilidad debe expresarse a través de factores operativos que la gerencia pueda monitorear después del cierre. Estos incluyen la proporción de contenido dentro de la población validada, el tiempo del ciclo de actualización, los minutos de revisor por caso, la concentración de socios, el costo del servicio de certificado, la activación y renovación del cliente después de un evento adverso. Luego, el comité de inversiones puede vincular cada supuesto a un propietario, una cadencia de informes y un umbral de intervención.
Esto crea un sistema de control post-cierre mensurable.
20. Valorar la empresa por capas
La capa base es el flujo de caja de los flujos de trabajo activos de los clientes con rendimiento reproducido, derechos transferibles, costos normalizados y concentración aceptable. Una segunda capa puede reconocer la expansión respaldada por evidencia cuando se completan los requisitos previos de implementación. Una tercera capa puede reconocer opciones contingentes de productos o ecosistemas a través de escenarios ponderados por probabilidad o consideración de hitos.
Los múltiplos de ingresos pueden proporcionar una verificación cruzada del mercado una vez que se normalicen los modelos de negocio y la calidad de la evidencia. Un servicio forense administrado con entrega de expertos, una identidad de gran volumen API y una red de procedencia puede reportar ingresos recurrentes al tiempo que conlleva márgenes, reinversión, concentración y responsabilidad materialmente diferentes. El conjunto comparable debería explicarse en lugar de tratarse como una regla de fijación de precios directa. Los escenarios de flujo de caja deben reflejar los costos de renovación, evaluación, integración y servicios de confianza de la investigación.
El enfoque de costos puede informar el valor del software, los conjuntos de datos y la reconstrucción técnica, pero el gasto histórico no establece utilidad ni derechos legales. El enfoque de ingresos puede aislar las relaciones con los clientes o las contribuciones tecnológicas cuando se respaldan los supuestos. Los métodos de alivio de regalías, exceso de ganancias y costos de reposición requieren una cuidadosa separación de los activos contributivos y una doble contabilización. La junta debería conciliar el precio comercial, la asignación de informes financieros y la protección contra caídas sin tratarlos como el mismo ejercicio.
Los activos intangibles pueden incluir software, modelos, conjuntos de datos, relaciones con clientes, contratos, marcas comerciales e investigaciones en proceso. La NIIF 3 y la NIC 38 abordan activos intangibles identificables adquiridos en una combinación de negocios, mientras que la NIIF 13 y las NIV proporcionan principios de valoración. El modelo de transacción debe mantener la asignación contable separada de la decisión comercial y al mismo tiempo conciliar ambas.[19][20][21][22]
La ilustración separa el valor verificado, el valor respaldado por evidencia, las opciones contingentes y las deducciones.
| Componente de valor | evidencia requerida | Enfoque de valoración | Mecanismo de protección |
|---|---|---|---|
| Base recurrente activa | reproducción reproducida, derechos, adopción y efectivo. | Flujo de caja normalizado y verificación cruzada del mercado. | ajuste de cierre y garantías |
| Expansión | Clientes contratados y puertas de implementación completadas. | flujo de caja de cohorte ponderado por probabilidad | pago por etapas |
| Ventaja de la investigación | economía de referencia y actualización separada en el tiempo | exceso de rendimiento o verificación cruzada del costo de recreación | retención y pago por hitos |
| Red de procedencia | participación del emisor y uso del flujo de trabajo | economía de cohortes de red | hito de adopción |
| Opción de producto | Prototipo y ruta documentada al mercado. | valor del escenario | ganancia o capital retenido |
| Pasivo | derechos, reclamaciones, remediación y concentración | Costo esperado y escenario negativo. | indemnización, depósito en garantía o reducción de precio |
La consideración debe seguir la fuerza y el momento de la evidencia.
21. Diseñar los términos de la transacción y la integración.
Las representaciones deben cubrir la propiedad, los derechos de capacitación y evaluación, el inventario de modelos, las operaciones de procedencia y certificación, la seguridad, la privacidad, los contratos con los clientes, las reclamaciones de desempeño, los incidentes y las disputas. Los cronogramas de divulgación deben identificar modelos, datos, componentes de código abierto, dependencias de confianza y personal clave de terceros.
Los Earn-outs deben utilizar medidas en las que la dirección pueda influir y que ambas partes puedan auditar. Las medidas pueden combinar ingresos recurrentes retenidos, margen bruto normalizado, adopción activa del flujo de trabajo, desempeño en conjuntos de desafíos definidos separados por tiempo y resultados para los clientes. Antes del cierre se deben acordar el conjunto de datos, el umbral, la versión del modelo, la población, la autoridad de revisión y el proceso de disputa.
La integración debe preservar la evidencia. Los modelos, conjuntos de datos, certificados, claves, registros, historiales de casos y configuraciones de los clientes deben permanecer controlados. La migración de clientes debe utilizar cohortes de doble ejecución. Los equipos forenses y de investigación necesitan retención, autoridad y un proceso de liberación claro. Las acciones de costos deben seguir la capacidad y el desempeño verificados.
22. Ejecutar un programa de 180 días.
Los días 1 a 30 establecen el control. El equipo confirma el perímetro de productos y contratos, los inventarios de modelos y datos, la custodia de claves, las dependencias de confianza, las cohortes de clientes y el libro de contabilidad de autenticidad a resultado. Conserva conjuntos de puntos de referencia, fuentes de evidencia, versiones y registros de casos.
Los días 31 al 75 reproducen el rendimiento. El equipo ejecuta pruebas selladas de modalidad cruzada, de generador invisible y de posprocesamiento en los umbrales del cliente. Muestra casos de producción, revisión humana y cadena de custodia. Finanzas reconstruye el costo de entrega completo y la conversión de efectivo.
Días 76 al 120 prueba de durabilidad y concentración. El equipo ejecuta desafíos separados por tiempo, ejercicios de modelos de amenazas y escenarios regulatorios, de proveedores de modelos y de socios. Mide el esfuerzo de actualización, la adopción del cliente y las consecuencias de los errores.
Los días 121 a 180 finalizan la protección de consideración y la integración de cohortes. La junta recibe valor verificado, valor respaldado por evidencia, opciones, pasivos, inversión del primer año y puertas de liberación. La migración procede sólo después de que la evidencia de doble ejecución alcance los umbrales aprobados.
El programa pasa del control y la reproducción a las pruebas de durabilidad, la protección de transacciones y la liberación de cohortes.
| Puerta | Evidencia | Decisión habilitada | Respuesta de falla |
|---|---|---|---|
| Perímetro | mapa de producto, contrato y responsabilidad | confirmar el alcance de la adquisición | excluir o cambiar el precio del alcance no admitido |
| Actuación | punto de referencia representativo sellado | aceptar la capacidad central | remediar, retener valor o detener |
| Durabilidad | pruebas separadas en el tiempo y de posprocesamiento | reconocer la ventaja de la investigación | reducir el valor y aumentar la inversión en actualización |
| Derechos y confianza | datos, modelo, certificado y derechos del cliente | reconocer el valor transferible | restringir el uso o reducir el precio |
| Resultados del cliente | adopción del flujo de trabajo, errores y cohortes de efectivo | aceptar base recurrente | ajustar ingresos y margen |
| Preparación para la integración | plan de doble ejecución, control de claves y cobertura de personas | liberar migración de cohorte | ampliar la operación paralela |
| Valor realizado | rendimiento y efectivo conciliados de forma independiente | liberación retenida consideración | aplazar o reducir el pago |
Cada puerta requiere evidencia revisable antes de que se lleve a cabo la acción de precio, migración o costo.
23. Decisión y conclusión.
Las empresas de defensa de deepfake deben valorarse por la durabilidad de la evidencia que crean dentro de los flujos de trabajo de clientes reales. La precisión de los titulares puede respaldar la revisión técnica, pero el valor de la transacción requiere poblaciones representativas, umbrales operativos relevantes, derechos transferibles, costo total, adopción y resultados responsables.
La pila de control es complementaria. La procedencia, las marcas de agua, la detección forense, los controles de identidad, la orquestación del flujo de trabajo y la revisión humana responden a diferentes preguntas. Un comprador debe identificar el papel y las limitaciones de cada capa y evitar asignar un reclamo de autenticidad universal a una señal parcial.
La decadencia adversaria pertenece al modelo de valoración. Los conjuntos de desafíos separados en el tiempo, la evidencia sucia posprocesada, las pruebas de regresión y la economía de actualización muestran cuánto tiempo sigue siendo útil una capacidad y cuánto cuesta mantenerla. La capacidad de investigación es valiosa cuando produce un rendimiento y resultados reproducibles para el cliente.
La transacción debe mantener cinco registros conectados: el libro de contabilidad de autenticidad a resultado, el inventario de modelos y conjuntos de datos, el registro de derechos y confianza, el modelo de cohorte de clientes y el cronograma de durabilidad de la evidencia. Estos registros permiten que la diligencia técnica, operativa, regulatoria y financiera utilice la misma evidencia.
El precio y la integración deben seguir a la prueba. Los flujos de trabajo recurrentes activos con rendimiento reproducido y derechos transferibles respaldan la base. La expansión respaldada por evidencia puede respaldar el valor por etapas. Las nuevas modalidades, ecosistemas y opciones de productos siguen siendo contingentes hasta que se demuestre su adopción y su economía. Esta estructura brinda a compradores y vendedores una base práctica para el precio, la protección y la ejecución en un mercado donde tanto las amenazas como las defensas cambian rápidamente.
Fuentes
- Instituto Nacional de Estándares y Tecnología, Reducción de los riesgos planteados por el contenido sintético, NIST AI 100-4. Lea la fuente principal
- Instituto Nacional de Estándares y Tecnología, Open Media Forensics Challenge. Lea la fuente principal
- Instituto Nacional de Estándares y Tecnología, Guardianes de la Evidencia Forense. Lea la fuente principal
- Agencia de Proyectos de Investigación Avanzada de Defensa, Análisis Forense Semántico. Lea la fuente principal
- Coalición para la procedencia y autenticidad del contenido, Especificaciones C2PA 2.4. Lea la fuente principal
- Comisión Europea, Código de prácticas sobre transparencia del contenido generado AI. Lea la fuente principal
- Coalición para la procedencia y autenticidad del contenido, Orientación para la inteligencia artificial y el aprendizaje automático. Lea la fuente principal
- Coalición para la procedencia y autenticidad del contenido, Explicador de C2PA. Lea la fuente principal
- Instituto Nacional de Estándares y Tecnología, Aprendizaje automático adversario, NIST AI 100-2e2025. Lea la fuente principal
- Coalición para la procedencia y autenticidad del contenido, especificación técnica de credenciales de contenido. Lea la fuente principal
- Centro de Denuncias de Delitos en Internet de la Oficina Federal de Investigaciones, campaña de suplantación de identidad de altos funcionarios estadounidenses. Lea la fuente principal
- Comisión Federal de Comunicaciones, AI voces generadas en fallo declarativo sobre llamadas automáticas. Lea la fuente principal
- Instituto Nacional de Estándares y Tecnología, Marco de Gestión de Riesgos de Inteligencia Artificial 1.0. Lea la fuente principal
- Instituto Nacional de Estándares y Tecnología, Perfil de Inteligencia Artificial Generativa, NIST AI 600-1. Lea la fuente principal
- Coalición para la procedencia y autenticidad del contenido, consideraciones de seguridad. Lea la fuente principal
- Unión Europea, Reglamento UE 2024 1689 por el que se establecen normas armonizadas sobre inteligencia artificial. Lea la fuente principal
- Unión Europea, Reglamento UE 2022 2065 sobre un mercado único de servicios digitales. Lea la fuente principal
- Comisión Federal de Comercio de EE. UU., Regla de suplantación de gobierno y empresas. Lea la fuente principal
- Fundación NIIF, NIIF 3 Combinaciones de Negocios. Lea la fuente principal
- Fundación IFRS, NIC 38 Activos Intangibles. Lea la fuente principal
- Fundación NIIF, NIIF 13 Medición del Valor Razonable. Lea la fuente principal
- Consejo de Normas Internacionales de Valoración, Normas Internacionales de Valoración. Lea la fuente principal
- Fundación IFRS, NIC 36 Deterioro del valor de activos. Lea la fuente principal
- Organización Internacional de Normalización, ISO IEC 42001 Sistemas de gestión de inteligencia artificial. Lea la fuente principal
- Organización Internacional de Normalización, ISO IEC 23894 Gestión de riesgos de inteligencia artificial. Lea la fuente principal
- Organización Internacional de Normalización, detección de ataques de presentación biométrica ISO IEC 30107. Lea la fuente principal
- Organización Internacional de Normalización, sistemas de gestión de seguridad de la información ISO IEC 27001. Lea la fuente principal
- Instituto Nacional de Estándares y Tecnología, Lineamientos de Identidad Digital. Lea la fuente principal
- Instituto Nacional de Estándares y Tecnología, Evaluación de Tecnología de Análisis Facial. Lea la fuente principal
- Instituto Nacional de Estándares y Tecnología, plan de evaluación de OpenMFC. Lea la fuente principal
- Comisión Europea, Directrices sobre la transparencia del contenido generado por AI. Lea la fuente principal
- Comisión Europea, Estudios técnicos sobre marcado y detección de contenidos generados AI. Lea la fuente principal
- Oficina del Comisionado de Información del Reino Unido, Orientación sobre AI y protección de datos. Lea la fuente principal
- Centro Nacional de Seguridad Cibernética del Reino Unido, Directrices para el desarrollo de sistemas seguros AI. Lea la fuente principal
- Agencia de Ciberseguridad y Seguridad de Infraestructuras, Secure by Design. Lea la fuente principal
- Instituto Nacional de Estándares y Tecnología, Marco de desarrollo de software seguro. Lea la fuente principal
- Instituto Nacional de Estándares y Tecnología, Guía de manejo de incidentes de seguridad informática. Lea la fuente principal
- Instituto Nacional de Estándares y Tecnología, Controles de Seguridad y Privacidad, SP 800-53 Revisión 5. Lea la fuente principal
- Instituto Nacional de Estándares y Tecnología, Protección de información no clasificada controlada en sistemas no federales. Lea la fuente principal
- Agencia de Ciberseguridad de la Unión Europea, ENISA Threat Landscape 2025. Lea la fuente principal
- Agencia de Ciberseguridad de la Unión Europea, Desafíos de la Ciberseguridad de la Inteligencia Artificial. Lea la fuente principal
- Organización para la Cooperación y el Desarrollo Económicos, OCDE AI Principios. Lea la fuente principal
- UNESCO, Recomendación sobre la ética de la inteligencia artificial. Lea la fuente principal
- Consejo de Europa, Convenio Marco sobre Inteligencia Artificial y Derechos Humanos, Democracia y Estado de Derecho. Lea la fuente principal
- Comisión de Bolsa y Valores de EE. UU., Regla de gobernanza y divulgación de incidentes de la estrategia de gestión de riesgos de ciberseguridad. Lea la fuente principal
- Grupo de Acción Financiera Internacional, orientación sobre identidad digital. Lea la fuente principal
- Unión Internacional de Telecomunicaciones, desafío de detección de deepfake. Lea la fuente principal
- Organización Mundial de la Propiedad Intelectual, Conversatorio de la OMPI sobre Propiedad Intelectual e Inteligencia Artificial. Lea la fuente principal
- UAE Consejo de Ciberseguridad, Estrategia Nacional de Ciberseguridad. Lea la fuente principal
- Autoridad Nacional de Ciberseguridad de Arabia Saudita, Controles esenciales de ciberseguridad. Lea la fuente principal
