La UE inicia la aplicación de las históricas normas de la Ley de IA

La Unión Europea activó la aplicación de la Ley de IA el 2 de agosto de 2026, convirtiendo un despliegue legislativo de dos años en una prueba directa para reguladores y empresas tecnológicas. Google News recogió la fecha límite a través de una oleada de cobertura, pero el titular oculta una división importante. Las normas de transparencia ya se aplican, los reguladores tienen nuevas facultades y los proveedores de IA de propósito general se enfrentan a medidas de aplicación. Sin embargo, muchos requisitos para sistemas de alto riesgo se aplazaron.

Esa división genera el conflicto central. Bruselas quiere un cumplimiento visible ahora, especialmente cuando las personas se encuentran con chatbots, deepfakes o medios sintéticos. Las empresas deben implementar esas divulgaciones mientras se preparan para otras obligaciones que no llegarán hasta 2027 o 2028.

Por tanto, la ley ha entrado en fase de aplicación sin alcanzar una única meta uniforme. Google, Meta, Microsoft, OpenAI, Anthropic, Mistral y proveedores más pequeños afrontan ahora una cuestión práctica. ¿Pueden construir un sistema de transparencia creíble en todos sus productos, mercados y formatos de medios mientras las autoridades nacionales interpretan las normas?

Qué cambió cuando comenzó la aplicación de la Ley de IA de la UE

El 2 de agosto transformó la Ley de IA de un proyecto de cumplimiento gradual en una restricción operativa exigible para gran parte del mercado de IA.

La Oficina de IA de la Comisión Europea y las autoridades de los Estados miembros de la UE ya pueden aplicar, supervisar y hacer cumplir las partes pertinentes de la ley. La Comisión describió la fecha como el inicio de la aplicación de la Ley de IA, junto con nuevos requisitos de transparencia para determinados sistemas de IA.

Esas obligaciones de transparencia afectan a varias experiencias habituales. Un chatbot u otro sistema de IA interactivo debe informar a los usuarios cuando están tratando con IA y no con una persona. Los proveedores de sistemas generativos deben añadir marcas legibles por máquina a los resultados sintéticos o manipulados cubiertos.

Los implementadores también asumen responsabilidades. Deben divulgar determinados deepfakes, usos de reconocimiento de emociones o categorización biométrica, y textos de interés público generados por IA publicados sin revisión humana ni control editorial.

El marcado legible por máquina implica incorporar información que el software pueda detectar, no limitarse a colocar un rótulo visible junto a una imagen. El requisito importa porque las etiquetas pueden desaparecer cuando los medios se recortan, descargan, comprimen o vuelven a publicarse.

Una divulgación orientada a las personas y un marcador técnico atienden a públicos distintos. La primera ayuda a una persona a comprender el contenido que tiene delante. El segundo respalda herramientas de detección, plataformas, investigadores y futuros sistemas de distribución.

La guía del artículo 50 confirma que las obligaciones de transparencia se aplican a partir del 2 de agosto de 2026. Los proveedores e implementadores deben cumplir antes de que los sistemas cubiertos se introduzcan en el mercado o se pongan en servicio.

Existe una transición limitada para determinados sistemas existentes. Los sistemas introducidos en el mercado antes de la fecha límite tienen hasta el 2 de diciembre de 2026 para cumplir la obligación de marcado legible por máquina. El período de gracia no suspende de forma general el artículo 50.

El contenido generado antes del 2 de agosto no requiere etiquetado retroactivo. Ese límite evita la tarea imposible de encontrar y modificar cada activo sintético que ya circula en línea.

La ley también alcanza a empresas cuya sede no está en la Unión Europea. Su ámbito basado en el mercado significa que los proveedores de fuera de Europa pueden quedar sujetos a las normas cuando ofrecen sistemas cubiertos en la UE o sus resultados se utilizan allí.

El alcance jurisdiccional convierte el cumplimiento regional en una cuestión de arquitectura de producto. Un proveedor puede crear una implementación específica para la UE o desplegar divulgaciones similares a escala mundial. El segundo enfoque suele reducir la fragmentación operativa, pero también exporta decisiones de política europea a otros mercados.

La autoridad de aplicación está dividida en lugar de centralizada. Las autoridades nacionales de vigilancia del mercado gestionarán gran parte del artículo 50. La Oficina de IA desempeña un papel más limitado, aunque importante, relacionado con modelos de IA de propósito general y determinados sistemas integrados.

El Supervisor Europeo de Protección de Datos supervisa los sistemas cubiertos utilizados por las instituciones, órganos y organismos de la UE. Esta distribución refleja la estructura de la ley, pero también introduce la posibilidad de prioridades de aplicación distintas entre jurisdicciones.

La Comisión ha puesto en marcha canales de denuncia y protección de informantes, incluida una vía para proveedores posteriores que utilizan modelos de propósito general. Estas herramientas importan porque los reguladores no pueden inspeccionar todos los productos de forma continua. Los informes de usuarios, trabajadores, clientes y empresas pueden ayudar a identificar posibles infracciones.

Nada de esto significa que todos los requisitos de la Ley de IA comenzaran a aplicarse a la vez. Las prácticas prohibidas y las obligaciones de alfabetización en IA empezaron a aplicarse en febrero de 2025. Las disposiciones de gobernanza y las obligaciones para la IA de propósito general siguieron en agosto de 2025.

La fecha límite más reciente activa las facultades de aplicación y la mayoría de las disposiciones restantes, incluida la transparencia del artículo 50. Marca un cambio decisivo, pero no el final del calendario de implementación.

Por qué los titulares de Google News no reflejan el calendario dividido

El detalle más relevante no es simplemente que haya comenzado la aplicación, sino que Europa aplazó las principales normas de alto riesgo mientras mantenía las obligaciones de transparencia según lo previsto.

Una búsqueda en Google News puede hacer que el 2 de agosto parezca un único interruptor. En la práctica, la UE creó varias vías regulatorias, cada una con una fecha límite, autoridad y carga de cumplimiento diferentes.

La IA de alto riesgo se refiere a sistemas utilizados en ámbitos sensibles donde los errores o la discriminación pueden afectar materialmente a las personas. Entre los ejemplos se incluyen determinados usos relacionados con el empleo, la educación, el crédito, los servicios esenciales, la aplicación de la ley y las infraestructuras críticas.

Esos sistemas se enfrentan a requisitos más profundos que una divulgación en un chatbot. Es posible que los proveedores necesiten procesos de gestión de riesgos, documentación técnica, controles de gobernanza de datos, supervisión humana, medidas de precisión, seguimiento y registro.

La vía de implementación original situaba muchas obligaciones de alto riesgo en torno a la fecha general de aplicación de agosto de 2026. Más tarde, la UE modificó ese calendario mediante su iniciativa de simplificación AI Omnibus.

Según el calendario del Consejo, los requisitos para sistemas independientes de alto riesgo comienzan ahora el 2 de diciembre de 2027. Las normas para IA de alto riesgo incorporada en productos regulados comienzan el 2 de agosto de 2028.

Los sistemas incorporados incluyen IA dentro de productos ya cubiertos por marcos sectoriales de seguridad, como maquinaria, juguetes, ascensores y algunos dispositivos médicos. Alinear las obligaciones de IA con los sistemas existentes de evaluación de productos reduce procesos conflictivos, pero prolonga la transición.

El aplazamiento respondía a un problema real de implementación. Las empresas y los reguladores necesitaban normas, orientaciones, procedimientos de prueba y capacidad institucional. Aplicar obligaciones detalladas sin esos apoyos podría generar documentación inconsistente y evaluaciones de conformidad inciertas.

Sin embargo, la postergación creó una disyuntiva política y operativa. Las empresas obtuvieron más tiempo de preparación, mientras que las personas afectadas por sistemas de alto riesgo deben esperar más para contar con el marco completo.

La transparencia siguió siendo la línea inmediata de la UE. Es comparativamente visible, comprensible y aplicable a muchas experiencias de consumo. Una persona puede ver un aviso de chatbot o una etiqueta de deepfake, incluso si los controles técnicos más profundos siguen siendo invisibles.

Esa visibilidad ofrece a los reguladores una primera prueba. Pueden examinar si las divulgaciones son claras, si las marcas técnicas sobreviven a la distribución habitual y si los proveedores documentan sus decisiones de cumplimiento.

El calendario aplazado para los sistemas de alto riesgo también impide que las empresas traten el 2 de agosto como un punto final de cumplimiento total. Un equipo de producto puede satisfacer hoy un aviso de interacción y, aun así, afrontar un trabajo importante en clasificación, documentación, seguimiento o supervisión humana.

Para los compradores empresariales, la división complica la revisión de proveedores. Un equipo de adquisiciones no puede preguntar solo si un producto “cumple con la Ley de IA”. Debe identificar qué papel ocupa el proveedor, qué sistema está implicado y qué obligaciones se aplican actualmente.

Una empresa puede actuar como proveedor, implementador, importador, distribuidor o fabricante de productos en distintas circunstancias. La misma organización puede ocupar múltiples roles en toda su cartera de productos.

Por ejemplo, una empresa que utiliza internamente un chatbot externo tendrá obligaciones distintas de las de una compañía que integra un modelo en un sistema de toma de decisiones orientado al cliente. Un proveedor que ajusta y comercializa un modelo con su propia marca también puede asumir responsabilidades que van más allá de las de un cliente ordinario.

Esta complejidad deja espacio para afirmaciones engañosas. Un proveedor podría anunciarse como “preparado para la Ley de IA” tras implementar un aviso de chatbot, aunque sus controles de alto riesgo sigan incompletos o sin probar.

La expresión no tiene un único significado práctico sin un sistema y una obligación definidos. Los compradores deberían solicitar pruebas vinculadas a los artículos pertinentes, la versión del producto, el contexto de despliegue y la fecha de cumplimiento.

Google News puede destacar el evento de aplicación, pero no puede resolver esas cuestiones específicas de cada rol. La respuesta está en la documentación del producto, los contratos, los controles técnicos y la interpretación regulatoria.

La verdadera disputa es entre normas vinculantes y cumplimiento viable

El desafío central de Europa consiste en convertir la transparencia jurídica en divulgaciones y marcadores técnicos que sigan siendo útiles después de que el contenido de IA abandone su producto original.

El artículo 50 establece el destino, pero la implementación determina si las normas reducen el engaño. Un aviso que los usuarios pasan por alto o un marcador que desaparece al volver a publicarse no cumple eficazmente ninguno de los dos objetivos.

Los sistemas interactivos ofrecen el caso más sencillo. Un chatbot puede mostrar un aviso en su interfaz, su flujo de incorporación o la conversación. El aviso debe seguir siendo oportuno y comprensible, especialmente cuando el sistema imita un papel humano.

Los medios sintéticos plantean el mecanismo más difícil. Las imágenes, el audio, el vídeo y el texto circulan por herramientas de edición, aplicaciones de mensajería, redes sociales, sistemas de publicación y convertidores de archivos. Cada paso puede alterar los metadatos o eliminar información de procedencia.

Por tanto, un proveedor necesita tecnología de marcado interoperable, detectable y resistente. También debe evitar degradar el resultado o exponer detalles sensibles de implementación.

Ningún marcador único resuelve todos los problemas. Los metadatos pueden contener información detallada de procedencia, pero pueden eliminarse. Las marcas de agua pueden sobrevivir a algunas transformaciones, pero pueden fallar tras una edición intensa. Los clasificadores de detección pueden respaldar investigaciones, pero a menudo producen resultados inciertos.

La Ley de IA no hace desaparecer esas limitaciones técnicas. Crea una razón jurídica para que proveedores e implementadores mejoren toda la cadena.

La Comisión publicó un código de transparencia voluntario para traducir el artículo 50 en medidas más prácticas. Firmar el código no sustituye a la ley, y los no firmantes siguen siendo responsables de cumplirla.

A finales de julio, unas 190 organizaciones se habían adherido al código. La lista incluía proveedores de IA consolidados, empresas tecnológicas, especialistas en medios, minoristas, organizaciones educativas y firmas más pequeñas.

Entre los participantes destacados figuraban Google, Meta, Microsoft, OpenAI, Anthropic, Cohere, Mistral, Aleph Alpha, Black Forest Labs y Synthesia. Su participación establece un punto de referencia común, aunque no demuestra que todos los productos cubiertos cumplan.

El código es importante porque la coordinación voluntaria puede reducir las implementaciones incoherentes. Los proveedores pueden seguir prácticas compartidas en lugar de inventar sistemas completamente separados de marcado, etiquetado y documentación.

También ofrece a los reguladores un punto de referencia. Un no signatario puede elegir otro camino, pero las autoridades podrían pedirle que explique cómo sus medidas proporcionan un cumplimiento equivalente.

Esa distinción crea al principal antagonista de esta historia. Las obligaciones vinculantes prometen rendición de cuentas, mientras que el cumplimiento práctico depende en parte de la coordinación voluntaria y las normas técnicas.

Las dos partes no se excluyen mutuamente. La ley establece consecuencias y el código proporciona una vía de implementación. La tensión aparece cuando un proceso basado en un código se convierte en sustituto de probar los resultados reales.

Un compromiso firmado no demuestra si un marcador sobrevive a la compresión de las redes sociales. No demuestra si los usuarios comprenden una divulgación. No establece si un editor posterior preservó la información requerida.

Las empresas necesitan pruebas procedentes de sistemas desplegados. Entre las medidas útiles se incluyen las tasas de detección de marcadores tras transformaciones habituales, la comprensión de las divulgaciones, los tiempos de respuesta ante incidentes y el porcentaje de resultados cubiertos que llevan datos de procedencia válidos.

Los reguladores también necesitarán capacidad de prueba. Deben distinguir una limitación técnica genuina de una decisión de diseño evitable. Necesitan procedimientos que produzcan resultados comparables entre modelos, tipos de medios y Estados miembros.

La estructura de aplicación de la UE añade otra capa. Las autoridades nacionales pueden desarrollar experiencia a ritmos distintos. Una autoridad puede priorizar los deepfakes, mientras que otra se centra en los chatbots o los despliegues en el sector público.

La Oficina de IA puede promover la coherencia, especialmente en torno a los modelos de propósito general. Aun así, una aplicación uniforme en todo el mercado único requerirá coordinación, métodos de prueba compartidos y decisiones claras.

El Código de Buenas Prácticas para la IA de propósito general ofrece un ejemplo paralelo. Ayuda a los proveedores de modelos a abordar obligaciones de transparencia, derechos de autor, seguridad y protección. Entre sus signatarios figuran muchas de las empresas que están configurando el actual mercado de modelos.

Los modelos de IA de propósito general pueden respaldar muchos sistemas posteriores en lugar de una sola tarea específica. Sus proveedores se sitúan cerca del inicio de una larga cadena de valor, lo que hace que la documentación y la información sobre riesgos sean importantes para los desarrolladores posteriores.

Una empresa posterior no puede gestionar todos los riesgos si el proveedor del modelo proporciona información insuficiente. A la inversa, un proveedor de modelos no puede controlar cada despliegue construido sobre su tecnología.

La ley asigna deberes a lo largo de esa cadena, pero los contratos y la documentación determinarán si la información circula de forma eficaz. Por eso la fase de aplicación ejerce tanta presión sobre los proveedores de software empresarial como sobre los laboratorios de frontera.

Lo que las nuevas normas aún no demuestran

La fecha límite de aplicación establece autoridad legal, pero no demuestra que los reguladores puedan ofrecer resultados coherentes y técnicamente creíbles en toda Europa.

La primera incertidumbre es la capacidad de aplicación. La Ley de IA abarca numerosos sistemas, operadores y sectores. Las autoridades necesitan personal técnico, experiencia jurídica, procedimientos de investigación y canales de coordinación.

Una herramienta de reclamaciones puede revelar posibles problemas, pero cada informe sigue requiriendo evaluación. Los reguladores deben determinar si el sistema está cubierto, qué operador tiene el deber y si se aplica una excepción.

La segunda incertidumbre se refiere a la durabilidad técnica. Las marcas legibles por máquina parecen definitivas, pero los medios sintéticos pueden someterse a modificaciones extensas. Una norma que exige el marcado no garantiza una detección permanente.

Los proveedores no deberían describir ningún sistema de marca de agua o metadatos como imposible de eliminar. Tales afirmaciones requieren pruebas independientes en distintos formatos, niveles de compresión, capturas de pantalla, recortes, traducción, transcripción y manipulación adversarial.

La orientación de la Comisión reconoce que la implementación técnica debe reflejar el estado de la técnica. Ese estándar puede evolucionar a medida que mejoran las técnicas de marcado y eliminación.

La evolución es necesaria, pero complica el cumplimiento. Un diseño considerado adecuado en 2026 podría requerir actualizaciones a medida que cambien las plataformas de distribución o los métodos de elusión.

La tercera incertidumbre es la comprensión de los usuarios. Una etiqueta técnicamente correcta aún puede fallar si está oculta, es vaga o se presenta después de una interacción con consecuencias.

“Generado por IA” también abarca una amplia gama de niveles de intervención. Un vídeo totalmente sintético difiere de un artículo escrito por una persona con correcciones gramaticales automatizadas. Los usuarios necesitan divulgaciones que comuniquen un contexto significativo sin saturar cada interfaz.

La ley contiene excepciones y normas específicas por función, incluido el tratamiento del texto de interés público bajo control editorial. Esos límites requerirán interpretación mediante orientación, decisiones de aplicación y posiblemente litigios.

La cuarta incertidumbre implica la coherencia transfronteriza. Las autoridades nacionales aplican muchos deberes de transparencia, pero los servicios de IA suelen operar mediante una única interfaz en todos los países de la UE.

Si las autoridades interpretan de manera distinta la presentación, el momento o la adecuación técnica, los proveedores podrían enfrentarse a un entorno de cumplimiento fragmentado. La Comisión y la Junta de IA tendrán que reducir esas diferencias.

La quinta incertidumbre es la proporcionalidad. El texto consolidado de la Ley de IA permite multas de hasta 15 millones de euros o el 3 por ciento de la facturación anual mundial por infracciones especificadas, incluidos los deberes del artículo 50.

Las prácticas prohibidas pueden conllevar sanciones máximas más altas, de hasta 35 millones de euros o el 7 por ciento de la facturación anual mundial. Las sanciones reales deben considerar circunstancias como la responsabilidad, la intención, la mitigación y el tamaño del operador.

Para las pequeñas y medianas empresas, los límites aplicables utilizan la cuantía menor en lugar de la mayor. El marco busca disuadir sin tratar a una startup como una plataforma global.

Las cifras máximas generan titulares, pero la aplicación inicial revelará más a través de actuaciones ordinarias. Las solicitudes de información, advertencias, órdenes correctivas, remedios negociados y decisiones publicadas mostrarán qué priorizan las autoridades.

La sexta incertidumbre es la brecha creada por el aplazamiento de las normas de alto riesgo. La transparencia puede indicar a una persona que interviene la IA, pero no establece que el sistema sea preciso, justo, seguro o esté supervisado adecuadamente.

Un sistema de contratación etiquetado puede seguir discriminando. Un modelo de crédito divulgado puede seguir produciendo un resultado incorrecto. Un aviso de chatbot no controla cómo un agente utiliza herramientas ni accede a datos sensibles.

Por tanto, la transparencia es una base, no un sustituto de la gestión de riesgos. Las normas aplazadas dejan a las empresas responsables en virtud de otras leyes, contratos y requisitos sectoriales, pero el marco completo de alto riesgo de la Ley de IA aún no está activo.

Esta distinción importa para los trabajadores del conocimiento. Los empleados se encuentran cada vez más con IA en herramientas de reuniones, plataformas de productividad, sistemas de atención al cliente, flujos de contratación y software de documentos.

Una divulgación ayuda a los trabajadores a identificar una interacción automatizada. No responde qué datos retiene el sistema, si una persona revisa sus resultados o cómo alguien puede impugnar una decisión adversa.

Los clientes empresariales deberían seguir planteando esas preguntas. También deberían conservar la documentación de los proveedores, los inventarios de sistemas, las evaluaciones de impacto y los registros de decisiones mientras evoluciona el marco regulatorio.

La Ley de IA no exige que todas las organizaciones dejen de utilizar IA hasta que desaparezca la incertidumbre. Premia la clasificación disciplinada y las pruebas por encima de las garantías generales.

Las empresas deberían evitar asumir que la firma de código de un proveedor transfiere automáticamente el cumplimiento. Cada implementador sigue siendo responsable de las obligaciones vinculadas a su propio uso.

Del mismo modo, una empresa no debería inferir cumplimiento a partir de la reputación global de un proveedor de modelos. Los reguladores examinan los sistemas y conductas cubiertos, no el reconocimiento de marca.

Aquí es donde la cobertura de Google News vuelve a alcanzar su límite. Los resultados de noticias identifican la fecha límite normativa, pero el cumplimiento depende de hechos que rara vez aparecen en un titular.

Tres señales mostrarán si la aplicación funciona

La próxima fase se juzgará por las pruebas de aplicación, el rendimiento técnico y la preparación para los plazos aplazados de alto riesgo.

La primera señal es el conjunto inicial de actuaciones regulatorias. Las autoridades no necesitan imponer multas máximas para demostrar seriedad. Las solicitudes detalladas de información, las órdenes correctivas y las decisiones públicas pueden establecer expectativas más rápido que una orientación abstracta.

Los casos más informativos explicarán qué falló. ¿Faltaba una divulgación de IA, se presentó demasiado tarde o no era clara? ¿Desapareció un marcador técnico durante la distribución ordinaria? ¿Carecía un proveedor de documentación que respaldara su enfoque elegido?

Un razonamiento publicado reforzaría el efecto de la ley más allá de una sola empresa. Ayudaría a otros proveedores a distinguir una implementación aceptable del cumplimiento meramente cosmético.

Un patrón de decisiones nacionales incoherentes debilitaría la promesa de la UE de un único marco normativo. Las investigaciones coordinadas o los criterios de prueba compartidos la respaldarían.

La segunda señal llegará con la fecha límite de transición del 2 de diciembre de 2026 para determinados sistemas generativos existentes. Esa fecha pondrá a prueba si los proveedores pueden incorporar marcas legibles por máquina en productos lanzados antes de agosto.

La adaptación posterior suele ser más difícil que añadir un requisito durante el diseño inicial. Los proveedores deben actualizar los procesos de generación, formatos de archivo, API, interfaces de usuario y documentación posterior sin romper los flujos de trabajo existentes.

Las plataformas empresariales también podrían tener que aclarar qué resultados llevan marcadores y qué transformaciones los preservan. Los clientes necesitarán orientación para editar, almacenar y publicar contenido cubierto.

La fecha límite reforzará la posición de la UE si los principales proveedores ofrecen implementaciones interoperables y comprobables. Las prórrogas generalizadas, las interpretaciones contradictorias o los marcadores frágiles expondrían una brecha entre la norma y la tecnología disponible.

La Comisión prevé grupos de trabajo sobre el código de transparencia a partir de septiembre de 2026. Su labor puede aportar pruebas tempranas sobre problemas comunes de implementación y mejorar la coordinación entre los signatarios.

La tercera señal es la preparación para las normas de alto riesgo previstas para 2027 y 2028. El aplazamiento debería producir mejores estándares, documentación, entornos de pruebas y capacidad de ensayo, en lugar de otra carrera de última hora.

Las empresas que operan sistemas de contratación, educación, crédito, seguridad o sector público deberían utilizar el tiempo adicional para clasificar productos y asignar responsabilidades. Esperar hasta la fecha límite final repetiría la incertidumbre que motivó el aplazamiento.

Los reguladores también deben demostrar preparación. La orientación, las normas armonizadas, las bases de datos, los procedimientos de evaluación de conformidad y las autoridades capacitadas deben llegar antes de que las obligaciones sean exigibles.

El marco de aplicación de la Comisión identifica facultades que incluyen solicitar información, evaluar modelos de propósito general, exigir medidas correctivas e imponer sanciones. La prueba real es cómo funcionan esas herramientas en casos concretos.

Para los desarrolladores, la acción inmediata es tratar la transparencia como un requisito de producto. Los avisos, etiquetas, registros de procedencia y marcadores técnicos deberían tener responsables, pruebas y criterios de lanzamiento.

Para los compradores empresariales, los cuestionarios a proveedores deberían separar los deberes actuales del artículo 50 de los futuros controles de alto riesgo. Los contratos deberían identificar quién preserva las divulgaciones y quién gestiona las solicitudes regulatorias.

Para los trabajadores del conocimiento, el hábito más útil es advertir cuándo un sistema divulga la participación de la IA y qué deja sin responder ese aviso. Pregunten cómo se produjo el resultado, qué datos lo configuraron y quién sigue siendo responsable.

Google News continuará siguiendo las medidas de aplicación, las respuestas de las empresas y los cambios en los plazos. Los lectores deberían mirar más allá del recuento de titulares y observar si las divulgaciones resisten los flujos de trabajo reales, si las autoridades publican decisiones coherentes y si las salvaguardas retrasadas llegan según lo previsto.

La UE ya ha completado el fácil paso simbólico de establecer un marco normativo histórico. Su tarea más difícil comienza ahora. Los reguladores y las empresas deben demostrar que la transparencia sigue siendo significativa después de que el contenido de IA circule por productos, plataformas y personas.