AI literacy: cómo cumplir el artículo 4 del AI Act

Qué significa AI literacy

El AI Act define la alfabetización en IA como las capacidades, conocimientos y comprensión que permiten utilizar sistemas de IA de manera informada y comprender:

• sus oportunidades
• sus riesgos
• los posibles daños que pueden provocar.

No significa que toda persona tenga que comprender cómo se entrena un modelo.

Tampoco significa que todos deban convertirse en especialistas.

La alfabetización necesaria depende del contexto.

Una persona que utiliza un asistente para redactar borradores necesita unos conocimientos.

Quien supervisa un sistema que influye en decisiones sobre personas necesita otros.

Y quien desarrolla o valida un sistema necesita un nivel diferente.

Por eso la AI literacy debe relacionarse con:

rol + uso + riesgo + responsabilidad.

Qué exige actualmente el artículo 4

La redacción vigente del artículo 4 exige que proveedores y responsables del despliegue de sistemas de IA adopten medidas para apoyar el desarrollo de la alfabetización en IA de:

• su personal
• otras personas que operen sistemas de IA en su nombre
• otras personas que utilicen dichos sistemas en su nombre.

Al decidir qué medidas son adecuadas deben considerar:

• conocimiento técnico
• experiencia
• educación
• formación
• contexto de uso
• personas o colectivos sobre los que se utiliza la IA.

La obligación, aplicable desde el 2 de febrero de 2025, no exige garantizar un determinado nivel individual. Las normas de supervisión y ejecución se aplican desde el 3 de agosto de 2026.

Tampoco prescribe un formato específico.

Eso significa que cada organización necesita determinar qué medidas son proporcionadas a su realidad. Esta obligación forma parte del conjunto de obligaciones del AI Act para empresas, pero no se limita a una categoría concreta de sistemas.

A quién afecta la obligación

El artículo 4 se dirige a:

proveedores

y

responsables del despliegue

de sistemas de IA.

Por tanto, no se limita a empresas que desarrollan tecnología.

Una organización que utiliza sistemas de IA dentro de su actividad puede ser responsable del despliegue.

Por ejemplo:

• una empresa que utiliza IA generativa
• un departamento de RR. HH. que utiliza un sistema de selección
• un banco que utiliza sistemas automatizados
• una compañía que incorpora un asistente de atención al cliente
• una organización que integra IA en procesos internos.

El nivel de exposición puede ser muy diferente.

Pero el punto de partida es el mismo:

identificar qué IA existe y quién la utiliza. La guía de roles y responsabilidades ayuda a distinguir funciones internas y roles regulatorios.

Qué cambió en 2026

La formulación inicial del AI Act hablaba de garantizar, en la mayor medida posible, un nivel suficiente de alfabetización en IA.

Esa redacción fue modificada en 2026.

La obligación actual se centra en:

adoptar medidas para apoyar el desarrollo de la AI literacy.

Además, el texto aclara que proveedores y responsables del despliegue no tienen que garantizar un nivel específico de alfabetización para cada individuo.

El cambio evita interpretar el artículo como una exigencia de alcanzar una puntuación universal o una certificación determinada.

Pero no elimina la obligación.

La organización sigue necesitando demostrar que ha adoptado medidas razonables y contextualizadas.

Por qué un curso genérico no es suficiente

Una de las respuestas más sencillas al artículo 4 sería:

“hemos dado un curso de dos horas a toda la empresa”.

Puede ser una medida útil.

Pero no necesariamente suficiente como enfoque de gobierno.

Porque diferentes personas:

• utilizan herramientas diferentes
• toman decisiones diferentes
• acceden a información diferente
• generan riesgos diferentes
• tienen responsabilidades diferentes.

Una persona que utiliza ChatGPT para resumir documentación interna no necesita exactamente la misma formación que quien supervisa una herramienta de scoring.

Un desarrollador tampoco necesita el mismo contenido que un usuario de negocio.

Un programa eficaz debería adaptar los contenidos al contexto.

Empezar por los roles y usos de IA

Antes de diseñar formación conviene saber:

quién utiliza qué.

El inventario de IA puede servir como punto de partida. Un registro e inventario práctico permite relacionar sistemas, personas y responsabilidades.

Usuario general

Utiliza asistentes generativos para tareas de productividad.

Puede necesitar formación sobre:

• información confidencial
• verificación
• alucinaciones
• propiedad intelectual
• uso aceptable.

Responsable de negocio

Es propietario de un sistema de IA.

Puede necesitar conocimientos sobre:

• riesgos
• clasificación
• controles
• decisiones
• evidencias.

Compras

Contrata soluciones con IA.

Puede necesitar conocer:

• due diligence
• proveedores
• documentación
• cláusulas
• cambios.

Compliance o Legal

Puede necesitar comprender:

• roles regulatorios
• clasificación
• obligaciones
• documentación.

Equipo técnico

Puede necesitar conocimientos más profundos sobre:

• datos
• validación
• pruebas
• monitorización
• robustez
• seguridad.

La formación debería seguir la responsabilidad.

Qué debería conocer cualquier usuario de IA

Aunque el nivel varíe, existen algunos conocimientos básicos que pueden ser útiles para muchos usuarios.

Por ejemplo:

Qué es y qué no es la IA

Comprender que una respuesta generada no equivale automáticamente a un resultado correcto.

Limitaciones

Reconocer:

• errores
• alucinaciones
• sesgos
• incertidumbre.

Información

Saber qué información puede introducirse en una herramienta.

Verificación

Entender cuándo debe comprobarse el resultado.

Responsabilidad

Comprender que utilizar IA no elimina la responsabilidad humana.

Escalado

Saber qué hacer cuando existe:

• error
• incidente
• duda
• uso no permitido.

La alfabetización debería ayudar a tomar mejores decisiones y aplicar correctamente la política de uso de IA.

Qué necesitan saber los perfiles con mayor responsabilidad

Cuando una persona participa en decisiones relevantes sobre sistemas de IA, el conocimiento necesario aumenta.

Puede ser necesario comprender cuestiones como:

• finalidad prevista
• clasificación
• riesgos
• impacto
• supervisión humana
• controles
• trazabilidad
• proveedores
• monitorización
• gestión de cambios
• incidentes.

Un responsable de sistema debería poder responder:

¿qué puede salir mal y qué estamos haciendo para evitarlo o detectarlo?

La alfabetización empieza entonces a formar parte del sistema de gobierno de IA y puede apoyarse en un proceso de clasificación según el AI Act.

AI literacy y riesgos

La alfabetización en IA no debería gestionarse de forma aislada.

Puede relacionarse directamente con la gestión de riesgos.

Por ejemplo:

si existe riesgo de introducir información confidencial en herramientas generativas, una medida puede ser:

• política
• configuración técnica
• formación específica.

Si existe riesgo de automation bias, una medida puede incluir:

• supervisión
• instrucciones
• formación práctica.

Si existe riesgo de discriminación:

• formación de responsables
• criterios de revisión
• mecanismos de escalado.

La formación funciona mejor cuando responde a riesgos reales.

Cómo diseñar un programa de AI literacy

Un enfoque práctico puede seguir estas etapas.

Paso 1. Identificar sistemas de IA

Utilizar el inventario.

Paso 2. Identificar personas y roles

Determinar quién:

• utiliza
• supervisa
• desarrolla
• compra
• aprueba
• controla.

Paso 3. Analizar conocimientos existentes

No todos parten del mismo nivel.

Paso 4. Relacionar roles y riesgos

Identificar qué necesita conocer cada grupo.

Paso 5. Crear contenidos

Pueden combinarse:

• formación
• guías
• sesiones prácticas
• casos
• comunicaciones
• recursos breves.

Paso 6. Practicar

Los escenarios prácticos suelen ser más útiles que la teoría aislada.

Paso 7. Registrar

Conservar evidencia de las medidas adoptadas.

Paso 8. Revisar

Actualizar cuando cambien:

• herramientas
• riesgos
• responsabilidades
• regulación.

AI literacy debería ser un proceso.

No una actividad puntual.

Qué evidencias conviene conservar

El artículo 4 no establece un expediente documental universal.

Pero desde una perspectiva de gobierno resulta razonable conservar evidencia de las medidas adoptadas.

Por ejemplo:

• análisis de roles
• necesidades formativas
• contenidos
• materiales
• convocatorias
• asistencia
• comunicaciones
• guías
• evaluaciones cuando se utilicen
• actualizaciones
• revisiones.

La evidencia debería responder a una pregunta:

¿qué hizo la organización para apoyar el desarrollo de AI literacy de las personas que utilizan u operan IA en su nombre?

No es necesario crear burocracia excesiva.

Pero sí poder demostrar el enfoque seguido.

Cómo integrar AI literacy en el gobierno de IA

AI literacy no debería funcionar como proyecto independiente de Recursos Humanos.

Puede conectarse con un AI governance framework:

Inventario

Qué sistemas existen.

Roles

Quién los utiliza y quién responde.

Riesgos

Qué conocimientos ayudan a reducirlos.

Política de IA

Qué reglas deben conocerse.

Proveedores

Qué formación puede proporcionar el tercero y qué sigue dependiendo de la organización.

Incidentes

Qué aprendizajes deben incorporarse.

Auditoría

Qué evidencias muestran que las medidas existen.

Mejora

Qué necesita actualizarse.

La alfabetización se convierte así en uno de los controles organizativos del gobierno de IA.

Cómo medir si las medidas funcionan

No existe un indicador único.

Pueden utilizarse métricas diferentes según el contexto.

Por ejemplo:

• porcentaje de roles cubiertos
• personas formadas
• formación completada
• resultados de evaluaciones internas
• incidencias relacionadas con uso incorrecto
• consultas recibidas
• usos no autorizados detectados
• revisiones realizadas
• nuevas necesidades identificadas.

Pero una métrica de asistencia no demuestra por sí sola competencia.

Puede ser más útil comprobar si las personas:

• reconocen situaciones de riesgo
• saben cuándo verificar
• conocen las reglas
• saben a quién escalar
• comprenden sus responsabilidades.

La métrica debería servir para mejorar.

Errores habituales

Dar el mismo curso a todos

Los roles son diferentes.

Pensar que AI literacy significa aprender prompting

El uso de prompts puede formar parte de la formación, pero la alfabetización es mucho más amplia.

Formar solo a Tecnología

Muchos usos de IA aparecen en áreas de negocio.

Olvidar a directivos

Quienes toman decisiones también necesitan comprender oportunidades y riesgos.

No relacionar formación con herramientas reales

La teoría aislada genera poca utilidad.

No actualizar contenidos

La tecnología cambia.

No conservar evidencias

Después resulta difícil demostrar qué medidas se adoptaron.

Convertirlo en burocracia

El objetivo no es acumular certificados.

Es mejorar decisiones.

Qué debería hacer una empresa ahora

Un punto de partida razonable sería:

1. Revisar el inventario

Identificar qué IA se utiliza.

2. Identificar usuarios y responsables

Relacionar sistemas con personas y roles.

3. Agrupar perfiles

Crear grupos con necesidades similares.

4. Identificar riesgos

Determinar qué errores o usos deben evitarse.

5. Diseñar medidas

No solo cursos.

También:

• guías
• políticas
• comunicaciones
• sesiones prácticas
• recursos.

6. Implementar

Priorizar los usos con mayor exposición.

7. Conservar evidencia

Registrar lo realizado.

8. Revisar periódicamente

Actualizar según cambien herramientas, personas y riesgos.

El objetivo no es poder decir:

“hemos dado formación”.

La pregunta más útil es:

“¿las personas que utilizan nuestra IA saben hacerlo de forma más informada y responsable?”

AI literacy convierte las reglas en decisiones cotidianas

Una organización puede tener una buena política de IA.

Puede tener controles.

Puede tener un inventario.

Pero buena parte del gobierno termina dependiendo de las decisiones que toman las personas todos los días.

Qué información introducen.

Qué resultado aceptan.

Qué verifican.

Qué escalan.

Qué cuestionan.

La alfabetización en IA ayuda a conectar:

personas, conocimiento, riesgo y responsabilidad.

Y ahí es donde el artículo 4 deja de ser únicamente una obligación regulatoria.

Empieza a convertirse en una pieza real del gobierno de IA.

Referencias

• Regulation (EU) 2024/1689 — Artificial Intelligence Act.
• Article 3(56) — AI literacy.
• Article 4 — AI literacy, versión vigente.
• European Commission — AI Literacy: Questions & Answers.