El Congreso necesita una ley federal de gobernanza de la IA con rendición de cuentas real

Brookings ha lanzado una advertencia directa en Google News: el Congreso necesita una ley federal de gobernanza de la IA antes de que la acción ejecutiva y las normas estatales definan el sistema por defecto.

El conflicto ya no se reduce a regulación frente a innovación. Washington debe decidir quién responde por los fallos de la IA, qué normas corresponden al ámbito federal y qué autoridad conservan los estados. Un estándar nacional que solo bloquee las leyes estatales resolvería la jurisdicción sin crear una rendición de cuentas significativa.

Esta distinción importa porque la Casa Blanca ya tiene una dirección preferida. Su marco de marzo de 2026 pide al Congreso crear un estándar nacional con una carga mínima y anular las normas estatales que obstaculicen el desarrollo de la IA. Brookings sostiene que la gobernanza también debe afrontar la concentración del poder corporativo, una supervisión débil y una responsabilidad poco clara.

Por tanto, la disputa emergente es concreta. Una parte prioriza la uniformidad y un despliegue más rápido. La otra exige una rendición de cuentas exigible antes de que Washington sustituya las protecciones desarrolladas por los estados.

El Congreso ya ha intentado la primera vía. En julio de 2025, el Senado rechazó por 99 a 1 una propuesta de moratoria estatal sobre la IA. Esa derrota mostró que los legisladores apoyan en principio la coordinación nacional, pero desconfían de la preeminencia federal sin un sustituto creíble.

El último argumento de Brookings no es otra petición abstracta de IA responsable. Es una advertencia de que la demora se ha convertido en una decisión de política pública. Cada mes sin legislación concede a las agencias ejecutivas, los tribunales, los estados y las empresas de IA más poder para fijar las reglas por sí mismos.

Lo que realmente cambia el argumento de Brookings

La intervención de Brookings desplaza el debate de si Estados Unidos necesita normas sobre IA a qué debe contener un sistema nacional legítimo.

El titular que circula a través de Google News pide al Congreso aprobar una nueva ley federal de gobernanza de la IA. Esta exigencia llega tras varios años de órdenes ejecutivas, compromisos voluntarios, orientaciones de agencias, legislación estatal y propuestas congresuales fallidas.

Estas medidas influyen en el comportamiento de las empresas, pero no conforman un único sistema legal duradero. Las políticas ejecutivas pueden cambiar entre administraciones. Los compromisos voluntarios dependen de la cooperación corporativa. Las facultades de las agencias siguen vinculadas a leyes redactadas con frecuencia antes de que existiera el aprendizaje automático moderno.

Los investigadores de Brookings Tom Wheeler y Bill Baer identificaron la debilidad central del enfoque de la administración en marzo de 2026. Su crítica de la política de IA sostiene que el marco federal descuida la responsabilidad y la rendición de cuentas.

Su preocupación no se limita a sistemas hipotéticos que escapen al control humano. Se centran en la concentración inmediata de decisiones sobre el comportamiento de los modelos, los datos de entrenamiento, el despliegue y el acceso en unas pocas grandes empresas.

Ese enfoque cambia la cuestión legislativa. El Congreso no puede limitarse a publicar principios compartidos y declarar resuelto el mosaico regulatorio. Debe decidir qué organizaciones asumen obligaciones legales cuando los sistemas de IA causan daños previsibles.

Una ley federal útil también definiría quién puede investigar los fallos. Los reguladores necesitan acceso a registros pertinentes, evaluaciones y documentación técnica. Una norma sin autoridad investigadora deja a las agencias dependientes de lo que los desarrolladores decidan revelar.

La ley tendría que distinguir entre desarrolladores y quienes despliegan los sistemas. Una empresa que construye un modelo general no controla todos los usos posteriores. Sin embargo, esa separación no puede convertirse en una exención general cada vez que las decisiones de diseño de un desarrollador contribuyan a riesgos previsibles.

El Congreso también debe definir el umbral para la intervención federal. Un filtro de currículums, una herramienta de decisión médica, un modelo de frontera y un bot de atención al cliente no generan riesgos idénticos. Aplicar un proceso rígido de cumplimiento a los cuatro desperdiciaría recursos y fomentaría un papeleo formalista.

El reto consiste en crear derechos comunes preservando al mismo tiempo la experiencia sectorial. Los reguladores laborales entienden la discriminación en la contratación. Los reguladores financieros entienden las decisiones de crédito. Las agencias sanitarias entienden el riesgo clínico y la evidencia médica.

Brookings propuso anteriormente un modelo distribuido denominado Critical Algorithmic System Classification. Con ese enfoque, los reguladores sectoriales recibirían nuevas facultades para investigar y gobernar decisiones automatizadas importantes dentro de sus ámbitos existentes.

Esa propuesta no es el único diseño posible. Sin embargo, demuestra por qué importa la legislación. Las agencias no pueden ampliar de forma fiable su propia jurisdicción cuando la autoridad legal es poco clara o vulnerable a impugnaciones judiciales.

El Congreso redacta esas facultades. Puede establecer protecciones mínimas, asignar obligaciones, financiar la aplicación de la ley e identificar los límites de la preeminencia federal. Ningún memorando ejecutivo puede proporcionar la misma permanencia.

Por eso el titular de Brookings merece más que un ciclo informativo pasajero. Trata la ausencia del Congreso como la característica definitoria de la gobernanza estadounidense de la IA, no como una incomodidad administrativa.

Por qué Google News está destacando ahora la disputa federal

La demanda de legislación gana urgencia porque la preeminencia federal ha avanzado más rápido que la rendición de cuentas federal.

La Casa Blanca publicó su National Policy Framework for Artificial Intelligence el 20 de marzo de 2026. El documento pide al Congreso establecer un estándar federal e impedir que los estados regulen ámbitos que Washington considera de alcance nacional.

Su marco legislativo afirma que los estados no deberían regular el desarrollo de la IA. Describe el desarrollo de modelos como una actividad interestatal con implicaciones de política exterior y seguridad nacional.

El marco preservaría determinadas facultades estatales. Entre ellas figuran la protección general del consumidor, la seguridad infantil, la aplicación de normas contra el fraude, la zonificación, la contratación pública y el uso de IA por los gobiernos estatales.

Esta división parece ordenada, pero entre las categorías surgen cuestiones difíciles. Una ley estatal de divulgación puede asemejarse a la protección del consumidor y, al mismo tiempo, afectar al desarrollo de modelos. Un requisito de seguridad puede regular el despliegue y obligar a los desarrolladores a modificar sus prácticas de prueba.

La administración ya se había preparado para esas disputas. El presidente Donald Trump firmó una orden ejecutiva el 11 de diciembre de 2025 que instruía a los funcionarios federales a impugnar las leyes estatales consideradas incompatibles con la política nacional de IA.

La orden ejecutiva pedía crear un AI Litigation Task Force dentro del Departamento de Justicia. También instruía a los funcionarios a identificar normas estatales consideradas gravosas.

La orden reconoce un problema económico real. Las empresas que operan a escala nacional afrontan costes crecientes cuando los estados utilizan definiciones, formatos de presentación de informes y calendarios de cumplimiento diferentes. Las empresas más pequeñas pueden tener más dificultades que las plataformas consolidadas con grandes equipos jurídicos.

Sin embargo, la uniformidad no determina el contenido de una norma. Cincuenta estándares débiles estarían fragmentados. Un estándar federal débil sería coherente, pero seguiría dejando expuestos a los usuarios.

Ese es el conflicto central detrás de la historia de Google News. Washington está tratando la coherencia nacional como un objetivo urgente, mientras que las obligaciones impuestas a los principales desarrolladores de IA siguen siendo objeto de disputa.

El momento también refleja el uso acelerado de la IA en contextos relevantes. Los empleadores utilizan herramientas automatizadas para clasificar candidatos y supervisar a los trabajadores. Las instituciones financieras utilizan modelos para detectar fraudes, evaluar créditos y atender a clientes.

Las escuelas despliegan sistemas que evalúan la escritura o recomiendan materiales de aprendizaje. Las agencias gubernamentales utilizan algoritmos para asignar recursos, detectar irregularidades y respaldar decisiones administrativas.

Estos ejemplos no requieren especulación sobre la inteligencia artificial general. Se refieren a sistemas actuales que toman o influyen en decisiones sobre ingresos, oportunidades, educación, salud y acceso a servicios públicos.

Las leyes existentes se aplican a muchos resultados. Un empleador no puede eludir la legislación contra la discriminación simplemente porque un software haya contribuido a su decisión. Sin embargo, hacer cumplir esas protecciones puede resultar más difícil cuando terceros no pueden inspeccionar los datos o el proceso del modelo.

El debate federal llega después del despliegue, no antes. Eso genera presión para una ley que regule los usos actuales y se adapte a nuevas capacidades.

El Congreso también se enfrenta a una comparación internacional. La Unión Europea ha optado por una ley amplia basada en el riesgo. Estados Unidos se ha apoyado más en normas sectoriales, acción ejecutiva, estándares técnicos y experimentación estatal.

Estados Unidos no necesita copiar el modelo europeo. Sí necesita una respuesta duradera a la misma cuestión institucional: quién debe documentar el riesgo, quién verifica las pruebas y quién actúa después de un fallo.

Normas nacionales uniformes frente a una rendición de cuentas exigible

La disyuntiva central no es control federal frente a control estatal. Es uniformidad sin rendición de cuentas frente a uniformidad respaldada por obligaciones exigibles.

Los defensores de la preeminencia federal tienen un argumento serio. Los productos de IA cruzan las fronteras estatales al instante, y el desarrollo de modelos requiere infraestructura nacional, capital, datos y talento técnico.

El CEO de OpenAI, Sam Altman, resumió la preocupación por el cumplimiento durante el debate sobre la moratoria de 2025. Dijo a los legisladores que era difícil imaginar cómo cumplir con 50 sistemas regulatorios distintos.

A los desarrolladores también les preocupa que las normas técnicas contradictorias configuren los productos nacionales en torno a la jurisdicción más restrictiva. Un requisito adoptado en un estado puede convertirse de hecho en una norma de producto a nivel nacional.

Estas preocupaciones respaldan la coordinación federal. No demuestran que los estados deban ceder su autoridad antes de que el Congreso promulgue un sustituto eficaz.

El Senado afrontó esa secuencia en 2025. Los legisladores consideraron bloquear durante diez años la regulación estatal y local de la IA, y posteriormente redujeron el período propuesto durante las negociaciones.

La cámara finalmente eliminó la disposición por 99 votos a 1. La votación sobre la moratoria unió a funcionarios que discrepaban en muchos otros aspectos de la política tecnológica.

Entre los opositores había legisladores demócratas, gobernadores republicanos, legisladores estatales, defensores de la seguridad y familias afectadas por daños en internet. Su objeción compartida se refería al vacío regulatorio que crearía una moratoria.

Ese episodio sigue siendo la referencia histórica más clara para el debate actual. El Congreso puede rechazar la fragmentación estatal y, al mismo tiempo, negarse a eliminar las normas locales sin protecciones federales.

Un compromiso viable comienza con mínimos y máximos. Un mínimo federal establece derechos que recibe toda persona. Un máximo federal impide que los estados añadan requisitos en ámbitos cuidadosamente definidos donde la coherencia nacional es esencial.

El Congreso debe identificar explícitamente cada categoría. Un lenguaje amplio que abarque cualquier asunto relacionado con la IA invitaría a litigios y debilitaría las protecciones de manera involuntaria.

La ley también debería separar las normas para el desarrollo de modelos de las normas para usos específicos. Los desarrolladores de frontera pueden asumir obligaciones relativas a pruebas de seguridad, notificación de incidentes y documentación. Quienes despliegan los sistemas pueden asumir obligaciones relativas a avisos, revisión humana y evaluación de impacto.

Algunas obligaciones deben compartirse. Un implementador no puede evaluar adecuadamente un sistema sin información de su desarrollador. Un desarrollador no puede controlar el flujo de trabajo de un cliente ni cada decisión posterior.

La responsabilidad debe seguir al control, el conocimiento y la capacidad de prevenir daños. Ese principio evitaría colocar toda la carga sobre el creador del modelo o el usuario final.

Los reguladores federales necesitan una autoridad acorde con esas funciones. Brookings ha sostenido que los organismos cubiertos deberían obtener herramientas para conseguir registros técnicos e investigar sistemas automatizados dentro de sus ámbitos establecidos.

Esa autoridad no exigiría un único superregulador nuevo. Los organismos existentes podrían aplicar protecciones federales comunes mediante la experiencia que ya poseen.

El Congreso aún necesitaría mecanismos de coordinación. Las empresas no deberían recibir instrucciones contradictorias de varias agencias sobre la misma documentación de modelos o el mismo incidente.

Una oficina técnica central podría respaldar a los reguladores sin sustituirlos. Definiciones, formatos de reporte y métodos de evaluación compartidos reducirían la duplicación.

El marco de riesgos de IA del Instituto Nacional de Estándares y Tecnología ofrece una base voluntaria. Organiza el trabajo sobre riesgos en torno a gobernar, mapear, medir y gestionar los riesgos de la IA.

El Congreso podría incorporar procesos compatibles sin convertir cada recomendación voluntaria en un mandato legal. Las obligaciones legales deberían centrarse en la evidencia, los resultados y la rendición de cuentas en contextos de alto impacto.

Esta vía exige más que declarar una única norma nacional. Requiere que los legisladores resuelvan disputas que los documentos del poder ejecutivo pueden evitar.

También es más legítima. La preeminencia federal resulta más fácil de defender cuando la ley federal ofrece a las personas una vía de reparación clara y a los reguladores una ruta práctica de aplicación.

Una ley federal sobre IA aún puede pasar por alto el problema real

El Congreso puede aprobar una ley sobre IA y dejar en gran medida intacta la brecha de rendición de cuentas.

Una ley mínima podría desplazar las normas estatales, respaldar estándares voluntarios y encargar estudios a agencias federales. Eso produciría uniformidad jurídica sin cambiar la forma en que las empresas documentan o responden por decisiones riesgosas.

Las definiciones crean el primer peligro. Las empresas pueden reestructurar productos para eludir una definición estrecha de desarrollador de IA, sistema de alto impacto o modelo cubierto.

Una definición excesivamente amplia crea el problema contrario. Funciones ordinarias de software entrarían en programas de cumplimiento diseñados para sistemas que afectan el empleo, el crédito, la salud o la infraestructura crítica.

Los umbrales basados únicamente en recursos computacionales también pueden envejecer mal. El cómputo de entrenamiento ofrece un límite medible, pero no siempre predice cómo se comporta un modelo tras su optimización o integración.

Las reglas basadas únicamente en casos de uso enfrentan otra debilidad. Un modelo general puede pasar de la redacción de bajo riesgo a entornos médicos, financieros o gubernamentales de alto riesgo.

Por tanto, el Congreso necesita una combinación de criterios de capacidad, implementación e impacto. Los reguladores también deben contar con autoridad para actualizar los umbrales técnicos mediante reglamentación pública.

La capacidad de aplicación presenta un segundo peligro. Las agencias no pueden auditar sistemas complejos simplemente porque el Congreso les otorgue permiso.

Necesitan personal técnico, entornos de computación seguros, flexibilidad en las contrataciones y procedimientos para proteger secretos comerciales. También necesitan recursos para impugnar a grandes empresas ante los tribunales.

Brookings ha destacado esta brecha institucional durante años. Su propuesta de regulación distribuida señala que las agencias a menudo carecen de capacidad técnica, acceso a pruebas o autoridad inequívoca sobre proveedores algorítmicos.

Un tercer peligro implica depender demasiado de las pruebas de las empresas. Las evaluaciones internas pueden revelar información valiosa, pero los desarrolladores eligen los modelos, prompts, métricas y condiciones de lanzamiento.

Una evaluación independiente no significa publicar los pesos de los modelos ni detalles sensibles de seguridad. Significa dar a revisores cualificados suficiente acceso para probar afirmaciones relevantes en condiciones controladas.

La ley debería exigir reportes cuando los sistemas produzcan incidentes graves. La definición de incidente debe seguir siendo lo bastante estrecha como para generar señales útiles, no millones de quejas rutinarias.

Los reguladores también deberían publicar hallazgos agregados. Las empresas y los investigadores necesitan saber qué patrones de fallos se repiten sin exponer datos personales ni vulnerabilidades explotables.

Un cuarto peligro se refiere a las vías de reparación. La divulgación por sí sola rara vez ayuda a quien es rechazado para un empleo, préstamo, beneficio o servicio mediante un proceso automatizado.

Las personas necesitan saber que la IA influyó en una decisión relevante. También necesitan una vía práctica para la corrección, apelación o revisión humana cuando corresponda.

No toda salida automatizada requiere una apelación. Una ley federal debería concentrar esos derechos en decisiones con efectos materiales.

El Congreso también debe evitar prometer seguridad total. Ningún régimen de pruebas puede identificar todos los fallos antes de la implementación. El comportamiento de los modelos cambia según el contexto, las herramientas, las actualizaciones y la interacción de los usuarios.

El propósito de la gobernanza no es certificar que un sistema de IA no puede fallar. Es establecer precauciones razonables, rastrear decisiones, detectar problemas y asignar responsabilidades.

Esta perspectiva escéptica también se aplica a la propuesta de Brookings. Distribuir la autoridad entre agencias preserva la experiencia, pero puede producir una aplicación inconsistente y una coordinación lenta.

Los reguladores sectoriales también varían en recursos y madurez técnica. Algunos implementarían nuevas facultades más rápido que otros.

Una ley nacional debe abordar directamente esa desigualdad. El apoyo técnico compartido y unos procedimientos mínimos pueden reducir las brechas sin dejar de preservar criterios específicos de cada ámbito.

El riesgo final es la durabilidad política. Una ley construida en torno al vocabulario preferido de una administración puede quedar obsoleta tras una elección.

El Congreso debería redactar derechos, deberes y autoridades institucionales estables. Los detalles técnicos deberían seguir siendo ajustables mediante procesos transparentes regidos por la ley.

Quién enfrentará presión si el Congreso finalmente actúa

Una ley federal significativa presionaría al mismo tiempo a desarrolladores de IA, organizaciones implementadoras, reguladores y gobiernos estatales.

Los grandes desarrolladores de modelos enfrentarían las obligaciones más visibles. Según la ley, estas podrían incluir evaluaciones de seguridad, reportes de incidentes, documentación y divulgaciones a reguladores cualificados.

Las empresas obtendrían algo valioso a cambio. Un marco federal coherente podría sustituir obligaciones contradictorias y hacer más predecible la planificación de productos a escala nacional.

Los desarrolladores más pequeños necesitarían requisitos proporcionales. Una startup no debería soportar la misma carga documental que una empresa que entrena los mayores modelos de propósito general.

Sin embargo, el tamaño por sí solo no debería decidir la cobertura. Un proveedor pequeño aún puede ofrecer un sistema que influya en miles de decisiones de empleo o vivienda.

Los compradores empresariales enfrentarían un conjunto diferente de presiones. Ya no podrían tratar la garantía de un proveedor como prueba suficiente de que una implementación es adecuada.

Un banco, hospital, empleador u oficina gubernamental entiende su contexto operativo mejor que el desarrollador del modelo. Debe comprobar si el sistema se ajusta a la decisión, la población y las obligaciones legales involucradas.

Los equipos de compras necesitarían mejores registros. Los contratos deberían especificar acceso para evaluaciones, avisos de actualización, manejo de datos, cooperación ante incidentes y responsabilidad por integraciones posteriores.

Los desarrolladores también tendrían que proporcionar documentación útil. Las declaraciones genéricas sobre IA responsable no ayudarían a un comprador a evaluar un flujo de trabajo específico.

Este cambio afectaría directamente a los trabajadores del conocimiento. Un empleado que usa IA para resúmenes o redacción enfrenta riesgos distintos de los de un gerente que la utiliza para calificar el desempeño.

Las organizaciones deben distinguir el uso asistivo del uso para la toma de decisiones. La segunda categoría exige revisiones, documentación y procesos de apelación más sólidos.

Aquí es donde las prácticas internas de conocimiento se vuelven relevantes. Los equipos necesitan registros fiables que muestren qué fuentes, prompts, versiones y criterios humanos dieron forma a un resultado importante.

Una base de conocimientos técnicos con capacidad de búsqueda puede respaldar ese trabajo. No sustituye el cumplimiento, pero puede preservar las pruebas que requieren las auditorías y revisiones de incidentes.

Las agencias federales enfrentarían presión para desarrollar competencia técnica. Una nueva autoridad sin personal ni infraestructura crearía largas colas y una aplicación inconsistente.

Los funcionarios estatales enfrentarían negociaciones difíciles sobre las facultades preservadas. Se resistirán a un lenguaje amplio que invalide normas sobre seguridad infantil, derechos civiles, protección al consumidor o elecciones.

Las empresas tecnológicas presionarían en favor de límites nacionales claros. Los grupos de la sociedad civil presionarían por vías de reparación, evaluación independiente y acceso a información.

Los tribunales seguirían desempeñando un papel importante. Interpretarían los términos legales, revisarían las normas de las agencias y resolverían disputas sobre la preeminencia federal.

El Congreso no puede eliminar esos conflictos. Puede acotarlos mediante definiciones precisas y explicando cómo encajan las responsabilidades federales y estatales.

El mercado también respondería. Obligaciones claras generarían demanda de servicios de evaluación, auditoría, documentación, monitoreo y gobernanza.

Ese mercado puede mejorar la rendición de cuentas, pero introduce conflictos de interés. Los auditores pagados por las empresas que inspeccionan requieren estándares profesionales y supervisión.

A los usuarios debería importarles porque la gobernanza afecta el diseño de los productos. Los requisitos de notificación dan forma a las interfaces. Las obligaciones de documentación dan forma a las funciones empresariales. Las normas de responsabilidad influyen en qué sistemas lanzan las empresas.

Por tanto, una ley federal puede cambiar el uso cotidiano de la IA sin dictar la arquitectura de los modelos. Cambia los incentivos en torno a las pruebas, la implementación, el mantenimiento de registros y la respuesta.

Qué deberían observar a continuación los lectores de Google News

Tres señales revelarán si Washington está construyendo una gobernanza de IA con rendición de cuentas o simplemente despejando el camino al desplazar las normas estatales.

La primera señal es el texto legislativo real. Los principios y las recomendaciones siguen siendo políticamente flexibles hasta que los legisladores definan los sistemas cubiertos, los deberes, la aplicación, las vías de reparación y la preeminencia.

Un proyecto de ley serio describirá qué protección federal sustituye un requisito estatal desplazado. Si desplaza ampliamente las normas estatales mientras ofrece solo estudios u orientación voluntaria, la crítica de Brookings cobrará más fuerza.

La segunda señal es el tratamiento de la autoridad estatal. Los legisladores deben especificar qué protecciones siguen siendo válidas y qué ámbitos requieren control federal exclusivo.

Observe los límites en torno a la seguridad infantil, el empleo, los derechos civiles, el fraude, la protección al consumidor, las elecciones, la infraestructura y las compras gubernamentales. Las excepciones vagas trasladarán la disputa central de política pública a los tribunales.

Una estructura negociada de suelo y techo fortalecería el argumento a favor de un compromiso duradero. Una moratoria sin restricciones reactivaría la coalición que derrotó la propuesta de 2025.

La tercera señal es la capacidad de aplicación. Todo proyecto de ley debería identificar las agencias responsables, sus facultades de investigación, el apoyo técnico, la financiación y el proceso de coordinación.

Una ley que cree amplias obligaciones de reporte sin dar a los reguladores la capacidad de analizar las presentaciones producirá una apariencia de cumplimiento. Una ley con acceso para auditorías y autoridad específica representaría un cambio sustantivo.

El vehículo legislativo también importa. Las disposiciones sobre IA añadidas a legislación presupuestaria o de defensa pueden avanzar rápidamente, pero las negociaciones comprimidas pueden ocultar un lenguaje importante sobre preeminencia.

Las audiencias de comités independientes ofrecen mayor escrutinio público. También enfrentan un camino más difícil en un Congreso dividido.

Los lectores deben considerar las reacciones de las empresas como evidencia de sus incentivos, no como evaluaciones neutrales. Los desarrolladores enfatizarán la complejidad del cumplimiento normativo. Las organizaciones de defensa pondrán el foco en los daños y el acceso a mecanismos de reparación.

Ambas perspectivas contienen información útil. El Congreso debe traducirlas en normas que asignen obligaciones según el control y el riesgo.

La expresión «marco federal para la IA» ya no es suficiente. La Casa Blanca, las empresas tecnológicas, los estados y los defensores de la rendición de cuentas pueden apoyarla mientras imaginan leyes distintas.

Esa ambigüedad explica por qué la advertencia de Brookings ganó atención a través de Google News. La cuestión vigente es si el Congreso regulará el poder de la IA o simplemente reorganizará la jurisdicción a su alrededor.

Sigue el texto del proyecto de ley, no los eslóganes. Comprueba si las personas reciben derechos exigibles, si los reguladores pueden inspeccionar las pruebas y si los estados pierden autoridad antes de que existan protecciones equivalentes.

Esos detalles decidirán si una nueva ley genera rendición de cuentas o solo coherencia. También determinarán si el próximo titular de Google News marca legislación real, otra moratoria fallida u otro año de gobernanza por defecto.