Intertek AI²

Ofrecemos formación dirigida por expertos en ISO 42001 para ayudar a su equipo a comprender e implementar sistemas de gestión de IA que se alineen con las mejores prácticas internacionales. Esta formación contribuye a equilibrar la innovación con la gobernanza, abordando riesgos específicos de la IA como la ética, la transparencia y el aprendizaje continuo.
Los participantes obtendrán una comprensión clara de por qué es importante la gobernanza de la IA, cómo identificar y gestionar los riesgos relacionados con la IA, y cómo construir un Sistema de Gestión de IA (AIMS) conforme a ISO/IEC 42001.
Además, la formación muestra cómo ISO 42001 se integra con normas existentes para crear un enfoque unificado y confiable en la gestión de la IA.

Ofrecemos auditoría y certificación del sistema de gestión de IA conforme a los requisitos de ISO/IEC 42001.

Reforzamos las prácticas de desarrollo de IA evaluando los controles organizacionales conforme a ISO/IEC 42001. Nuestro trabajo respalda objetivos de calidad estructurados, documentación del ciclo de vida y bucles de mejora específicos para los sistemas de IA.

Aplicamos ISO/IEC 23894 y el Marco de Gestión de Riesgos de IA de NIST para ayudar a identificar, evaluar y tratar los riesgos específicos de la IA a lo largo del ciclo de vida del sistema. Nuestro enfoque integra la gestión de riesgos tanto en las decisiones técnicas como organizacionales.

Evaluamos las estructuras de gobernanza alineadas con ISO/IEC 42001 y los requisitos del Reglamento de IA de la UE. Desde los roles y responsabilidades hasta la documentación y las auditorías, nuestros servicios ayudan a las organizaciones a implementar el control operativo de los sistemas de IA a gran escala.

Combinando Seguridad Funcional, Ciberseguridad e IA, ayudamos a garantizar que la IA se comporte según lo previsto, incluso en condiciones adversas o de fallo. Nuestro trabajo respalda tanto la resiliencia técnica como la defensa frente a requisitos regulatorios.

Identificamos vulnerabilidades y riesgos cibernéticos en sistemas de IA utilizando principios de ISO/IEC 23894, OWASP Machine Learning Security Top Ten y OWASP Top 10 para Aplicaciones de Modelos de Lenguaje de Gran Tamaño. Esto incluye el análisis de riesgos como el envenenamiento de datos, ataques de evasión y extracción de modelos.

Evaluamos los sistemas de IA para identificar riesgos de ciberseguridad, incluidos los relacionados con la infraestructura y los sistemas de soporte, las aplicaciones de IA y los modelos de IA. Nuestro trabajo se centra en asegurar la totalidad de los sistemas de IA, mediante evaluaciones de vulnerabilidades, pruebas de penetración y ejercicios de red teaming específicos para IA.

Ayudamos a nuestros clientes a validar el uso de IA y aprendizaje automático (IA/ML) en la aplicación de simulaciones de gemelos digitales para evaluar el comportamiento de los sistemas. Esto permite identificar anticipadamente escenarios de riesgo y garantiza que la tecnología de gemelos digitales que incorpora IA pueda utilizarse con confianza para agilizar el cumplimiento normativo.

Nuestras preevaluaciones identifican brechas respecto a las normativas y estándares actuales y emergentes de IA, incluidos el Reglamento de IA de la UE y las normas ISO/IEC. Obtendrá un plan de acción claro para acelerar el cumplimiento y reducir sorpresas costosas durante las evaluaciones formales.

Alineados con ISO/IEC 42001 y los requisitos del Reglamento de IA de la UE, revisamos cómo se define e implementa la supervisión humana. Esto incluye la evaluación de los puntos de intervención, las rutas de escalado y la responsabilidad en la toma de decisiones para sistemas de IA de alto riesgo.

Evaluamos la calidad de los conjuntos de datos utilizados en sistemas de IA basándonos en la serie ISO/IEC 5259, que define dimensiones clave como precisión, integridad, actualidad y representatividad. Nuestras revisiones se centran en cómo la calidad de los datos afecta al rendimiento del modelo, la seguridad y el cumplimiento, especialmente en aplicaciones de alto riesgo. Ayudamos a garantizar procesos estructurados y auditables para la gestión y mejora de los datos a lo largo de todo el ciclo de vida de la IA.

Detectamos y evaluamos sesgos utilizando los principios de ISO/IEC TR 24027 e ISO/IEC TS 12791. Nuestras revisiones ayudan a garantizar la equidad en los conjuntos de datos y el comportamiento de los modelos, y orientan las acciones de mitigación cuando se identifican disparidades.

Evaluamos la documentación para analizar las técnicas de explicabilidad, incluyendo aspectos de gobernanza de datos y supervisión humana para garantizar la claridad de los modelos. Esto asegura que sus sistemas de IA sean transparentes, trazables y estén alineados con las futuras exigencias regulatorias en materia de transparencia.

Evaluamos el rendimiento, centrándonos en las declaraciones de rendimiento, estabilidad, capacidad de generalización, desviaciones y resiliencia. Nuestro trabajo garantiza que los modelos funcionen de manera fiable en condiciones reales de despliegue, no solo en entornos de laboratorio.

Siguiendo las directrices de ISO/IEC 24029-1:2021, realizamos pruebas a los sistemas de IA para evaluar su resiliencia bajo estrés, ruido en los datos y casos límite. Estas evaluaciones analizan qué tan bien se desempeñan sus modelos en condiciones reales, inciertas o adversas, asegurando que sean estables y confiables.

Evaluamos cómo interactúan los componentes impulsados por IA con las funciones de seguridad en sistemas como la robótica y la maquinaria, alineándonos con las normas de seguridad funcional pertinentes, como IEC 61508, ISO 13849 e ISO 26262. Nuestro enfoque se centra en demostrar que el comportamiento de la IA es predecible, controlable y seguro.
Ayudamos a garantizar que la IA no comprometa la seguridad funcional, especialmente en sistemas que implican toma de decisiones dinámica, interacción humana o movimiento autónomo.

Evaluamos cuán comprensible y transparente es su sistema de IA, desde las salidas del modelo hasta la documentación del ciclo de vida, asegurando que los sistemas opacos (black-box) sean explicables para usuarios, auditores y organismos reguladores.

Ayudamos a nuestros clientes a desarrollar y ejecutar estrategias de prueba sólidas para la IA que permiten verificar y validar el comportamiento y los resultados del modelo, además de garantizar la trazabilidad desde el entrenamiento hasta el despliegue.