Artículo 14 del Reglamento Europeo de IA: los requisitos de supervisión humana explicados

Actualizado el 2 de octubre de 2026 — corrección. Las versiones anteriores citaban las obligaciones de los responsables del despliegue como artículo 29 (son el artículo 26) y el derecho a explicación como artículo 72 (es el artículo 86), presentaban human-in-the-loop, on-the-loop e in-command como tipos que nombra el artículo 14 (proceden de las Directrices éticas de 2019 del Grupo de Expertos de Alto Nivel) y afirmaban que los sistemas ya desplegados debían cumplir a más tardar el 2 de diciembre de 2027, algo que el artículo 111, apartado 2, no dice.

Actualizado el 4 de agosto de 2026 — cambio de plazo. El Digital Omnibus (adoptado por el Parlamento Europeo el 16 de junio de 2026 y por el Consejo el 29 de junio de 2026) aplazó las obligaciones de alto riesgo del anexo III del 2 de agosto de 2026 al 2 de diciembre de 2027. Las obligaciones de transparencia del artículo 50 no se aplazaron y se aplican desde el 2 de agosto de 2026. Este artículo se ha corregido en consecuencia.

Si su sistema de IA está clasificado como de alto riesgo con arreglo al Reglamento Europeo de IA, el artículo 14 le obliga a diseñarlo de modo que las personas puedan supervisar eficazmente su funcionamiento. No se trata de marcar una casilla: es un requisito arquitectónico fundamental que afecta a cómo construye, despliega y vigila su sistema.

El artículo 14 exige que los sistemas de IA de alto riesgo se diseñen de manera que permitan la supervisión humana mediante medidas adecuadas. Esas medidas deben permitir que las personas comprendan las salidas del sistema, interpreten sus resultados e intervengan cuando sea necesario. Estas obligaciones se aplican a partir del 2 de diciembre de 2027 para los sistemas del anexo III, con un máximo legal de 15 millones de euros o el 3 % del volumen de negocios anual mundial en virtud del art. 99, apartado 4, y, en el caso de las pymes, la menor de ambas cifras.

Esta guía explica qué exige el artículo 14, qué medidas de supervisión satisfacen el Reglamento y cómo implantar una supervisión humana que funcione en la práctica.

Qué exige el artículo 14

El artículo 14 se aplica a los proveedores de sistemas de IA de alto riesgo (los clasificados como de alto riesgo con arreglo al artículo 6, a través del anexo I o del anexo III). Exige que los sistemas se diseñen y desarrollen de modo que puedan ser supervisados eficazmente por personas físicas durante su uso (Reglamento (UE) 2024/1689, artículo 14).

Obligaciones básicas de supervisión humana

La supervisión humana debe tener por objeto prevenir o reducir al mínimo los riesgos para la salud, la seguridad o los derechos fundamentales que puedan surgir cuando un sistema de IA de alto riesgo se utiliza conforme a su finalidad prevista o en condiciones de uso indebido razonablemente previsible.

Con arreglo al artículo 14, apartado 4, el sistema debe ofrecerse de manera que permita a las personas a quienes se encomiende su supervisión, según proceda y de manera proporcionada, que:

1. Comprendan adecuadamente las capacidades y limitaciones pertinentes del sistema de IA de alto riesgo y vigilen debidamente su funcionamiento, también para detectar y resolver anomalías, problemas de funcionamiento y comportamientos inesperados
2. Sigan siendo conscientes de la posible tendencia a confiar automática o excesivamente en la salida producida por un sistema de IA de alto riesgo (sesgo de automatización)
3. Interpreten correctamente la salida del sistema, teniendo en cuenta, por ejemplo, las herramientas y métodos de interpretación disponibles
4. Decidan no utilizar el sistema o hacer caso omiso de la salida, anularla o revertirla en una situación concreta
5. Intervengan en el funcionamiento del sistema o lo interrumpan mediante un botón de «parada» o un procedimiento similar que permita que el sistema se detenga de forma segura

Además, las medidas de supervisión deben ser proporcionales a los riesgos, al nivel de autonomía y al contexto de uso, y deben ser determinadas e integradas en el sistema por el proveedor antes de su introducción en el mercado, cuando sea técnicamente viable, o bien determinarse como adecuadas para que las aplique el responsable del despliegue — o ambas cosas (artículo 14, apartado 3).

Tres maneras de organizar la supervisión

El artículo 14 no nombra tipos de supervisión. Una manera habitual de organizar las medidas que exige toma prestados tres patrones de las Directrices éticas para una IA fiable de 2019 del Grupo de Expertos de Alto Nivel sobre IA: human-in-the-loop, human-on-the-loop y human-in-command. Son una lectura del artículo 14, no categorías que defina el Reglamento.

1. Human-in-the-Loop (HITL)

El sistema de IA formula una recomendación, pero una persona toma la decisión final antes de que se emprenda cualquier acción.

Ejemplo: un sistema de IA recomienda denegar una solicitud de préstamo, pero un gestor de préstamos debe revisar la recomendación y aprobar la denegación antes de que se notifique al solicitante.

Cuándo encaja: decisiones de gran calado sobre personas (contratación, crédito, acceso a prestaciones). El propio artículo 14 prescribe una comprobación humana concreta en un único caso: en los sistemas de identificación biométrica remota (anexo III, punto 1, letra a)), no puede adoptarse ninguna medida ni decisión sobre la base de una identificación salvo que al menos dos personas físicas con la competencia necesaria la hayan verificado y confirmado por separado, con excepciones en los ámbitos de la garantía del cumplimiento del Derecho, la migración, el control fronterizo y el asilo (artículo 14, apartado 5).

2. Human-on-the-Loop (HOTL)

El sistema de IA funciona de forma autónoma, pero una persona vigila su funcionamiento en tiempo real y puede intervenir si es necesario.

Ejemplo: un vehículo autónomo se conduce solo, pero un operador de seguridad vigila el sistema y puede tomar el control en cualquier momento.

Cuándo encaja: sistemas en tiempo real en los que el human-in-the-loop introduciría una latencia inaceptable, pero en los que la intervención humana debe seguir siendo posible.

3. Human-in-Command (HIC)

Una persona supervisa el funcionamiento global del sistema de IA, incluida la posibilidad de desactivarlo o apagarlo.

Ejemplo: el administrador de un hospital puede desactivar una herramienta de diagnóstico basada en IA si empieza a producir resultados poco fiables.

Cuándo encaja: como base mínima para todo sistema de alto riesgo. El artículo 14, apartado 4, letra e), exige que las personas encargadas de la supervisión puedan intervenir en el sistema o interrumpirlo mediante un botón de «parada» o un procedimiento similar, según proceda y de manera proporcionada.

La mayoría de los sistemas de IA de alto riesgo requieren varias capas de supervisión: por ejemplo, human-in-the-loop para las decisiones individuales más human-in-command para el control a escala de sistema.

Lista de comprobación de cumplimiento del artículo 14

Esto es lo que debe implantar y documentar:

Requisito	Qué debe implantar	Pruebas necesarias
Comprensión de capacidades y limitaciones	Materiales de formación, documentación del sistema, información sobre el rendimiento	Manual de usuario, registros de formación completada, instrucciones de uso (artículo 13)
Conciencia del sesgo de automatización	Advertencias, formación sobre los riesgos de confianza excesiva, funciones que fuerzan una decisión	Advertencias en la interfaz, materiales de formación, registros de auditoría de decisiones
Herramientas de interpretación	Funciones de explicabilidad, puntuaciones de confianza, importancia de las variables	Informes de explicabilidad, capturas de la interfaz, guía de interpretación
Capacidad de anular o descartar	Botón de anulación, flujo de revisión manual, mecanismo de rechazo	Documentos de diseño de la interfaz, registros de anulaciones, diagramas de flujo
Capacidad de intervenir o detener	Botón de parada de emergencia, procedimiento de apagado del sistema, vía de escalado	Arquitectura técnica, diseño del botón de parada, plan de respuesta a incidentes
Asignación del papel de supervisión	Quién supervisa el sistema, cualificaciones exigidas, jerarquía de escalado	Definición de funciones, matriz RACI, requisitos de formación

Ejemplo práctico: una herramienta de selección de personal basada en IA

Supongamos que usted suministra un sistema de IA que criba currículums y recomienda candidatos para entrevistas: un sistema de alto riesgo con arreglo al anexo III, punto 4, letra a).

Paso 1: determinar el tipo de supervisión necesario

Su sistema condiciona decisiones que afectan de forma significativa al acceso de las personas al empleo. El artículo 14 no prescribe un patrón para él; exige medidas proporcionales a los riesgos, al nivel de autonomía y al contexto de uso. Para un cribador de currículums, la supervisión human-in-the-loop es el patrón que mejor encaja: una persona revisa y aprueba cada decisión de contratación antes de que se notifique a los candidatos.

Paso 2: diseñar herramientas de interpretación

Implanta funciones de explicabilidad para que los responsables de selección entiendan por qué el sistema recomendó o descartó a un candidato:

• Puntuaciones de importancia de las variables: «Este candidato obtuvo una puntuación alta por: experiencia pertinente (35 %), correspondencia de la formación (28 %), ajuste de competencias (22 %), otros factores (15 %)»
• Puntuación de confianza: «Confianza: 78 % (confianza media — se recomienda revisión manual)»
• Vista comparativa: comparación en paralelo de los mejores candidatos con los elementos diferenciales resaltados

Paso 3: implantar un mecanismo de anulación

Crea un flujo de trabajo en el que los responsables de selección pueden:

• Aceptar la recomendación de la IA (el candidato pasa a la fase de entrevista)
• Rechazar la recomendación de la IA (el candidato es revisado manualmente por un seleccionador sénior)
• Marcar para revisión (el caso se eleva al comité de selección)

Cada anulación se registra con un código de motivo (p. ej., «la IA pasó por alto experiencia pertinente», «el candidato tiene una trayectoria atípica», «sospecha de sesgo»).

Paso 4: mitigar el sesgo de automatización

Añade advertencias en la interfaz para evitar la confianza excesiva:

• Aviso que fuerza una decisión: «Antes de aceptar esta recomendación, ¿ha revisado el currículum completo del candidato?»
• Revisión manual aleatoria: el 10 % de las recomendaciones de la IA se marcan para revisión manual obligatoria, aunque el responsable de selección esté de acuerdo con la IA
• Requisito de formación: todos los responsables de selección deben completar una formación de 30 minutos sobre el sesgo de automatización antes de utilizar el sistema

Paso 5: prever el control a escala de sistema

Implanta supervisión human-in-command:

• El administrador del sistema (el director de Recursos Humanos) puede desactivar el sistema de IA en cualquier momento
• Un panel de rendimiento muestra en tiempo real la exactitud, los indicadores de sesgo y las tasas de anulación
• Activadores de apagado automático: el sistema se desactiva si la exactitud cae por debajo del 80 % o si los indicadores de sesgo superan umbrales predefinidos

Paso 6: documentarlo todo

Elabora un documento de diseño de la supervisión que incluya:

• La definición de funciones (quién supervisa qué)
• Los flujos de supervisión (diagramas con las rutas de decisión)
• Las herramientas de interpretación (capturas de pantalla, guía de usuario)
• Los mecanismos de anulación (diseño técnico, registros)
• Los requisitos de formación (programa, seguimiento de la finalización)
• Los controles a escala de sistema (procedimientos de apagado, vías de escalado)

Este documento pasa a formar parte de su documentación técnica del artículo 11 y alimenta sus instrucciones de uso del artículo 13.

Carencias habituales y cómo corregirlas

Carencia 1: ninguna función de explicabilidad

Problema: su sistema produce recomendaciones, pero los usuarios no entienden por qué.

Solución: implante herramientas de interpretación:

• Puntuaciones de confianza (¿cuánta certeza tiene el sistema?)
• Importancia de las variables (¿qué factores determinaron esta decisión?)
• Explicaciones contrafactuales (¿qué tendría que cambiar para obtener otro resultado?)
• Vistas comparativas (¿cómo se compara este caso con casos similares?)

Carencia 2: el mecanismo de anulación existe pero no se usa

Problema: los usuarios pueden anular el sistema, pero en la práctica casi nunca lo hacen (sesgo de automatización).

Solución: implante funciones que fuercen una decisión:

• Exija a los usuarios que confirmen activamente las decisiones (y no que se limiten a pulsar «aceptar todo»)
• Aleatorice las revisiones manuales obligatorias
• Haga seguimiento de las tasas de anulación e investigue si son demasiado bajas
• Forme a los usuarios sobre cuándo y cómo anular

Carencia 3: ninguna capacidad de apagado a escala de sistema

Problema: los usuarios individuales pueden rechazar recomendaciones, pero nadie puede detener el sistema completo si empieza a funcionar mal.

Solución: implante controles human-in-command:

• Designe a un responsable del sistema con autoridad para apagarlo
• Cree un mecanismo de parada de emergencia (p. ej., un panel de administración con un botón «desactivar sistema»)
• Defina activadores de apagado automático (umbrales de exactitud, umbrales de sesgo, notificaciones de incidentes)
• Documente los procedimientos de escalado (a quién se avisa, con qué rapidez, qué ocurre después)

Carencia 4: las funciones de supervisión no están definidas

Problema: no está claro quién es responsable de supervisar el sistema, qué cualificaciones necesita ni qué se espera que haga.

Solución: defina las funciones y responsabilidades de supervisión:

• ¿Quién revisa las decisiones individuales? (p. ej., responsable de selección, gestor de préstamos)
• ¿Quién vigila el rendimiento a escala de sistema? (p. ej., responsable de cumplimiento, ingeniero de ML)
• ¿Quién tiene autoridad para apagar el sistema? (p. ej., director técnico, director de Cumplimiento)
• ¿Qué cualificaciones se exigen? (p. ej., formación completada, conocimiento del ámbito)
• ¿Cómo se registran y auditan las actividades de supervisión?

Cómo se relaciona el artículo 14 con otros artículos

Los requisitos de supervisión del artículo 14 se cruzan con varias obligaciones más:

• Artículo 9 (gestión de riesgos): los riesgos detectados en su evaluación del artículo 9 determinan qué medidas de supervisión son necesarias con arreglo al artículo 14.
• Artículo 13 (transparencia): las medidas de supervisión que implante con arreglo al artículo 14 deben describirse en sus instrucciones de uso del artículo 13.
• Artículo 26 (obligaciones de los responsables del despliegue de sistemas de IA de alto riesgo): los responsables del despliegue deben encomendar la supervisión humana a personas físicas que tengan la competencia, la formación y la autoridad necesarias, así como el apoyo necesario (artículo 26, apartado 2), lo que exige que usted (el proveedor) haya diseñado el sistema para permitir una supervisión eficaz.
• Artículo 86 (derecho a explicación de decisiones tomadas individualmente): toda persona afectada por una decisión que un responsable del despliegue adopte sobre la base de los resultados de salida de un sistema de IA de alto riesgo del anexo III (salvo los del punto 2), y que produzca efectos jurídicos o le afecte significativamente de modo similar, tiene derecho a obtener del responsable del despliegue explicaciones claras y significativas acerca del papel del sistema de IA y de los principales elementos de la decisión. El responsable del despliegue solo puede dar esa explicación si la salida de su sistema puede interpretarse: otra razón para integrar herramientas de interpretación.

Qué buscarán los reguladores

Cuando una autoridad de vigilancia del mercado examine su sistema de IA de alto riesgo, cabe esperar preguntas como estas:

1. Muéstreme cómo supervisan las personas este sistema. (¿Qué flujos, herramientas y controles existen?)
2. ¿Cómo entienden las personas encargadas de la supervisión lo que está haciendo el sistema? (¿Hay funciones de explicabilidad integradas?)
3. ¿Pueden las personas encargadas de la supervisión anular o rechazar las salidas del sistema? (¿Existe un mecanismo de anulación documentado?)
4. ¿Cómo previenen el sesgo de automatización? (¿Qué formación, advertencias o funciones que fuercen una decisión existen?)
5. ¿Quién puede apagar el sistema si funciona mal? (¿Hay un responsable designado con autoridad para apagarlo?)
6. ¿Cómo saben que la supervisión funciona? (¿Se hace seguimiento de las tasas de anulación, los tiempos de revisión y las notificaciones de incidentes?)

Si no puede demostrar una supervisión eficaz con documentación y registros, el sistema no parece cumplir el artículo 14.

Calendario y aplicación

Fecha	Hito
2 de agosto de 2025	Se aplican las obligaciones sobre modelos de IA de uso general y el régimen sancionador
2 de agosto de 2026	Se aplican las obligaciones de transparencia del artículo 50 (no aplazadas)
2 de diciembre de 2027	Se aplican las obligaciones del artículo 14 a los sistemas de IA de alto riesgo del anexo III
2 de agosto de 2028	Se aplican las obligaciones de alto riesgo del anexo I (IA integrada en productos regulados)

Si su sistema de IA de alto riesgo ya se introdujo en el mercado o se puso en servicio antes de su fecha de aplicación, los requisitos de alto riesgo solo le alcanzan si su diseño cambia significativamente a partir de esa fecha (artículo 111, apartado 2, sustituido por el Digital Omnibus). Los sistemas destinados a ser utilizados por autoridades públicas son la excepción: sus proveedores y responsables del despliegue deben cumplir en un plazo distinto fijado en el artículo 111, apartado 2, cambie o no el diseño. Si está construyendo un sistema nuevo, el artículo 14 se aplica desde la fase de diseño.

---

Este artículo tiene carácter meramente informativo y no constituye asesoramiento jurídico. Consulte a un profesional del Derecho cualificado para obtener orientación sobre su situación concreta.