Código de Ética de IA en República Dominicana 2026: guía práctica para empresas y RRHH
República Dominicana aprobó en noviembre de 2026 un Código de Ética de la Inteligencia Artificial para los servicios públicos. El anuncio, asociado al Decreto 787-26, pone en el centro principios como derechos humanos, transparencia, seguridad, inclusión, rendición de cuentas y supervisión de sistemas automatizados.
El alcance importa: según la comunicación oficial disponible, el instrumento está dirigido al uso de IA en los servicios públicos. No debe presentarse como si impusiera automáticamente las mismas obligaciones a todas las empresas privadas. Sin embargo, sus principios ofrecen una referencia valiosa para organizaciones que ya usan asistentes generativos, filtros de candidatos, análisis de desempeño, chatbots o automatizaciones.
Esta guía separa lo que se conoce del marco público de las recomendaciones empresariales. También propone una ruta práctica para que Recursos Humanos, tecnología, legal y las áreas de negocio conviertan la ética de IA en decisiones observables, no en una declaración decorativa.
Qué anunció República Dominicana
La Presidencia informó el 3 de noviembre de 2026 que el Gobierno aprobó el Código de Ética de la Inteligencia Artificial para los Servicios Públicos mediante el Decreto 787-26. La medida también contempla un Consejo Nacional de Ética de la Inteligencia Artificial como espacio consultivo y de coordinación, con participación de instituciones públicas y actores no gubernamentales.
La iniciativa se presenta como parte de una adopción responsable, segura, inclusiva y transparente de tecnologías emergentes, alineada con referencias internacionales como UNESCO y OCDE. Esta orientación se conecta con la Estrategia Nacional de Inteligencia Artificial y con programas de alfabetización como RD Inteligente.
A quién aplica y qué significa para una empresa privada
La formulación oficial señala servicios públicos. Por tanto, una empresa privada no debería asumir que el código se aplica de manera general y directa a todos sus procesos únicamente por usar IA. Puede haber otras normas relevantes según el sector, los datos tratados, las relaciones laborales, los consumidores o los contratos, pero ese análisis requiere revisar el marco específico.
Para las empresas, el valor inmediato del código es distinto: funciona como una señal de hacia dónde avanza la expectativa institucional sobre el uso responsable de IA. Adoptar controles compatibles puede reducir errores, mejorar la confianza y preparar a la organización para requisitos de clientes, auditorías o futuras reglas.
| Dato observado | Inferencia razonable | Lo que no debe afirmarse |
|---|---|---|
| Existe un código para servicios públicos | La ética de IA gana prioridad institucional | Que toda empresa privada ya está obligada por las mismas reglas |
| Se crea un consejo consultivo y de coordinación | Habrá conversación multiactor y seguimiento | Que el consejo fiscaliza automáticamente a cualquier empleador |
| Se mencionan derechos humanos y transparencia | Conviene documentar decisiones y riesgos | Que una lista genérica garantiza cumplimiento |
Siete principios que una organización puede convertir en controles
1. Propósito legítimo y valor claro
Antes de elegir una herramienta, la empresa debe definir qué problema intenta resolver, quién recibe el beneficio y cómo verificará el resultado. “Usar IA” no es un objetivo. Reducir el tiempo de clasificación de solicitudes sin perder precisión sí puede evaluarse.
2. Supervisión humana significativa
Una persona debe poder revisar, cuestionar y corregir resultados cuando exista impacto sobre candidatos, empleados, clientes o recursos. La revisión humana no puede ser una firma automática: necesita información, autoridad y tiempo.
3. Transparencia proporcional
Las personas deberían saber cuándo una herramienta influye en una interacción o recomendación relevante. La explicación debe corresponder al riesgo: un asistente para redactar un correo no requiere el mismo nivel que un sistema que prioriza candidatos.
4. Protección de datos
No se deben cargar nóminas, evaluaciones, currículos o información de clientes en herramientas sin revisar condiciones, permisos, retención y seguridad. La empresa debe clasificar datos y definir qué usos están permitidos.
5. Equidad e inclusión
Un sistema puede reproducir sesgos de datos históricos o criterios indirectos. Conviene comparar resultados entre grupos cuando sea legal y pertinente, revisar casos descartados y mantener canales de reclamación.
6. Seguridad y robustez
Los resultados generativos pueden contener errores. Se necesitan pruebas, límites de uso, registro de incidentes y controles contra instrucciones maliciosas o exposición de información.
7. Rendición de cuentas
Cada caso de uso necesita un responsable de negocio, un responsable técnico y una instancia de escalamiento. Si nadie puede explicar quién decide, el proceso todavía no está gobernado.
Aplicaciones de IA en RRHH que merecen más atención
| Caso de uso | Riesgo principal | Control mínimo |
|---|---|---|
| Redacción de vacantes | Lenguaje excluyente o requisitos inventados | Revisión del área y criterios aprobados |
| Filtrado de candidatos | Discriminación o descarte opaco | Validación humana, pruebas y trazabilidad |
| Entrevistas asistidas | Inferencias no confiables | Limitar señales, informar y permitir revisión |
| Evaluación de desempeño | Confundir actividad con contribución | Múltiples fuentes y derecho a contextualizar |
| Chatbot interno | Consejos erróneos sobre políticas | Fuentes controladas y ruta a una persona |
| Plan de capacitación | Recomendaciones genéricas o sesgadas | Diagnóstico de brechas y validación del líder |
Los procesos laborales tienen impacto humano. Por eso, una automatización eficiente puede ser una mala decisión si reduce la posibilidad de explicar, corregir o apelar un resultado.
Matriz básica para evaluar un caso de uso
Antes de autorizar una herramienta, registra como mínimo:
- Propósito: problema, usuario y resultado esperado.
- Datos: categorías, origen, permiso, ubicación y retención.
- Proveedor: condiciones, seguridad y posibilidad de desactivar entrenamiento con datos.
- Impacto: quién puede beneficiarse o verse perjudicado.
- Decisión: qué parte automatiza y cuál conserva una persona.
- Prueba: conjunto de casos normales, extremos y adversos.
- Indicadores: calidad, errores, reclamaciones, tiempo y adopción.
- Responsables: dueño de negocio, tecnología, datos y escalamiento.
- Revisión: fecha para reevaluar, suspender o retirar.
La matriz debe ser corta para casos de bajo riesgo y más profunda cuando el sistema influya en empleo, acceso a servicios, dinero, salud, seguridad o derechos.
Plan de 30 días para una empresa dominicana
Días 1 a 5: inventario
Pregunta a cada área qué herramientas usa, incluso versiones gratuitas. Registra propósito, datos y responsable. Incluye usos informales o shadow AI; prohibirlos sin ofrecer alternativas suele ocultarlos.
Días 6 a 10: clasificación
Ordena los casos por impacto y sensibilidad. Un borrador de presentación puede ser de bajo riesgo. Un filtro de candidatos o un recomendador de crédito exige análisis reforzado.
Días 11 a 15: reglas mínimas
Define datos prohibidos, herramientas autorizadas, revisión humana, documentación y canal de incidentes. Escribe ejemplos concretos para que la política sea comprensible.
Días 16 a 20: piloto controlado
Elige uno o dos casos de bajo o medio riesgo. Prueba con datos ficticios o anonimizados, registra errores y compara contra el proceso actual.
Días 21 a 25: capacitación por rol
No todos necesitan el mismo curso. Usuarios generales requieren verificación y datos; líderes necesitan evaluación de casos; tecnología, seguridad y legal necesitan controles especializados.
Días 26 a 30: comité y seguimiento
Asigna responsables, aprueba una cadencia de revisión y publica un canal para preguntas. Decide qué evidencia conservar y cuándo retirar una herramienta.
Cómo redactar una política que las personas puedan usar
Una política útil responde preguntas cotidianas: ¿puedo pegar este documento?, ¿debo informar al candidato?, ¿quién revisa la respuesta?, ¿qué hago si el sistema se equivoca? Evita copiar principios sin traducirlos a conductas.
La estructura puede incluir:
- Objetivo y alcance.
- Definiciones simples.
- Usos permitidos, restringidos y prohibidos.
- Reglas de datos y seguridad.
- Supervisión humana y transparencia.
- Evaluación de proveedores.
- Registro y tratamiento de incidentes.
- Capacitación obligatoria por rol.
- Revisión periódica.
La política no reemplaza los procedimientos. Si se permite IA para redactar comunicaciones, por ejemplo, debe existir una guía sobre información confidencial, revisión de hechos, tono y aprobación final.
Indicadores para saber si la gobernanza funciona
- Porcentaje de casos de uso inventariados y con responsable.
- Usuarios capacitados según su nivel de exposición.
- Casos evaluados antes de acceder a datos sensibles.
- Errores o incidentes reportados y tiempo de respuesta.
- Decisiones de alto impacto con revisión humana documentada.
- Herramientas retiradas o ajustadas después de la revisión.
- Consultas recibidas sobre la política, señal de que el canal se usa.
No conviene premiar solo la cantidad de automatizaciones. La organización también debe medir calidad, confianza, retrabajo y capacidad de corregir.
Qué pedir a un proveedor de IA
Antes de contratar una plataforma, solicita información sobre ubicación y retención de datos, subcontratistas, controles de acceso, registro de actividad, tratamiento de incidentes y opciones para eliminar información. Pide una demostración con casos de tu organización y acuerda qué ocurre si el sistema cambia de modelo o condiciones.
La evaluación no debe quedar solo en tecnología. RRHH y las áreas usuarias deben comprobar si el resultado es comprensible, si una persona puede corregirlo y si existe una alternativa cuando la herramienta falla. Incluye estas condiciones en contratos y revisiones periódicas, según el nivel de riesgo y con apoyo legal cuando corresponda.
Conclusión: la ética de IA se demuestra en el proceso
El Código de Ética de IA anunciado por República Dominicana es una señal institucional importante, pero su alcance debe comunicarse con precisión: está orientado a servicios públicos. Para empresas privadas, sus principios pueden servir como referencia práctica, junto con las demás normas y obligaciones que correspondan a cada actividad.
La mejor respuesta no es publicar una declaración ambiciosa. Es inventariar herramientas, clasificar riesgos, proteger datos, mantener supervisión humana y capacitar a cada rol. Cuando esas decisiones quedan documentadas, la ética deja de ser un discurso y se convierte en una forma de trabajar.
Si tu organización necesita formar a líderes y equipos, actualizar competencias y acompañar una adopción responsable de inteligencia artificial, conoce G-Talent HR. El siguiente paso útil es conectar la política con rutas de aprendizaje por rol y evidencias reales de aplicación.
