Hay una prueba rápida y no requiere doctorado en machine learning.
Pregúntale al proveedor qué pasaría si le quitas la IA al producto mañana.
Si la respuesta es un silencio incómodo seguido de un rodeo, ya tienes el diagnóstico.
Esa es la prueba de ácido detrás del AI washing: vender humo con etiqueta de inteligencia artificial.
El término no es nuevo, pero en 2026 dejó de ser jerga legal.
Se instaló en juntas directivas, comités de compra, y hasta en cómo las empresas explican sus despidos.
Ahí deja de ser chiste de LinkedIn y empieza a costar dinero. O credibilidad.
La SEC le puso nombre a esto en 2024
La SEC acuñó el término oficialmente en marzo de 2024.
Sancionó a dos asesoras de inversión, Delphia y Global Predictions, por afirmar que usaban IA en sus estrategias cuando en realidad no era así. En el análisis de Daeryun Law se explica el origen formal del término.
El molde es viejo: es el mismo truco del “greenwashing”, solo que aquí la etiqueta verde se cambió por una etiqueta de circuito impreso.
Desde entonces, la definición operativa que usan reguladores es simple: si la brecha entre lo que la empresa dice y lo que realmente construyó es lo bastante ancha como para engañar a inversionistas o clientes, hay AI washing.
No importa si fue intencional o solo entusiasmo mal calibrado.
El despido que se disfraza de innovación
La dimensión que volvió el término masivo en 2026 fue otra: los despidos.
Más de la mitad de los eventos de recorte de personal en 2026 —un 54%, según datos de Layoffs.fyi citados en IBTimes UK— señalaron a la IA o la automatización como factor, afectando a más de 170,000 trabajadores.
Analistas de Deutsche Bank le pusieron nombre propio a esto: “AI redundancy washing”.
Es decir: atribuir un recorte a la eficiencia de la IA cuando en realidad la causa fue una reestructuración de siempre, con otro nombre en la lámina de PowerPoint — el patrón que ya documentamos en los despidos por IA seguidos de recontratación.
Ni Sam Altman se salvó de comentarlo. En el India AI Impact Summit reconoció que hay empresas culpando a la IA por despidos que habrían hecho de todos modos, aunque también admitió que existe desplazamiento real.
Las dos cosas conviven. Ese es justamente el problema: distinguir cuál es cuál desde afuera es casi imposible sin hacer las preguntas correctas.
Cómo saber si una empresa hace AI washing antes de firmar el contrato
Aquí está la parte útil, la que puedes usar hoy mismo en tu próxima llamada de proveedor.
La señal más confiable no está en el discurso de marketing. Está en la evasión ante preguntas técnicas concretas.
Pregunta qué modelo específico usan, y si es propio o licenciado.
Pregunta si tienen métricas de desempeño documentadas de los últimos doce meses.
Pregunta qué pasaría con el producto si mañana desconectas el componente de IA.
Una empresa que en verdad usa IA responde esto con nombres, números y ejemplos verificables. Una que solo la menciona en la portada de su sitio web responde con generalidades y la palabra “estratégico” repetida tres veces.
Lo mismo aplica puertas adentro, no solo con proveedores externos.
Con la Ley de Gobernanza Responsable de Inteligencia Artificial de Texas (TRAIGA), vigente desde enero de 2026, y marcos similares en varios estados de EE.UU., ya no es solo un tema de imagen: es exposición legal real, con multas de hasta 200,000 dólares por violación no corregida.
Las preguntas que exponen a un proveedor que exagera
Aquí un checklist corto para llevar a la próxima junta de evaluación de proveedores.
Sobre el modelo: ¿qué arquitectura usan y quién la construyó? ¿pueden mostrar documentación técnica, no solo un caso de éxito en una diapositiva?
Sobre los datos: ¿dónde se almacenan tus datos, y los usan para entrenar su modelo sin que lo sepas?
Sobre el desempeño: ¿qué decisiones toma el sistema solo, y cuáles requieren revisión humana obligatoria?
Sobre la salida: si el proveedor descontinúa el modelo, ¿cómo migras tus datos, y en cuánto tiempo?
| Señal de alerta | Lo que realmente indica |
|---|---|
| “IA” en toda la página de inicio, ausente en la documentación técnica | Probable falta de implementación real |
| Sin ingenieros de ML en el equipo | No hay capacidad interna de construir o mantener la IA que promocionan |
| Funciones de IA agregadas justo tras una ronda de inversión | Reacción a presión de valuación, no necesidad del producto |
| Demos siempre pregrabadas, “con humano de respaldo por ahora” | El sistema no opera de forma autónoma y confiable todavía |
Si una empresa acumula tres o más señales de esta tabla, la conversación deja de ser sobre tecnología y pasa a ser sobre riesgo.
Es la misma lógica con la que en los ochenta cualquier producto se volvía mejor con solo pegarle la palabra “turbo” al empaque — funcionara o no el turbo.
Aquí, la palabra mágica cambió, pero el reflejo del comprador desprevenido sigue siendo idéntico.
Una objeción que vale la pena adelantar: “¿de verdad esto importa, o es una moda más de la IA que se va a olvidar en dos años?”
La respuesta corta es que la regulación ya no trata esto como moda. Entre la SEC, la FTC y su Operation AI Comply, y leyes estatales como TRAIGA, el AI washing pasó de riesgo reputacional a riesgo legal documentado, con sanciones ya aplicadas desde 2024.
Ignorar la pregunta hoy no es prudencia. Es simplemente posponer el costo.
Si esta lógica de hacer las preguntas correctas antes de comprometer presupuesto en IA te suena a algo que tu equipo debería tener ya resuelto, es justo el tipo de criterio que trabajo en sesiones de consultoría directa.
Supervisado por Santiago González y Musi.
