Gobierno de datos para agentes de IA en México: permisos y linaje

El gobierno de datos para agentes de IA es el conjunto de reglas y controles que deciden qué puede consultar un agente, con la identidad de quién, sobre qué datos y con qué registro. En la práctica se reduce a cinco piezas: permisos que viven en los datos (no en el agente), clasificación de datos personales y sensibles, linaje para saber de dónde sale cada cifra, dueños por dominio y una bitácora de cada pregunta y respuesta. En México hay una razón adicional para hacerlo bien: desde el 21 de marzo de 2025 rige una nueva Ley Federal de Protección de Datos Personales en Posesión de los Particulares, y un agente mal configurado puede exponer en segundos lo que un reporte nunca habría mostrado.

¿Por qué un agente cambia las reglas del gobierno de datos?

Con dashboards, el gobierno de datos era relativamente estático: un analista diseñaba el tablero, decidía qué columnas mostrar y alguien le asignaba permisos al tablero. Si un dato sensible no estaba en el tablero, nadie lo veía.

Un agente rompe ese esquema por tres razones:

1. Consulta lo que se le pida. No está limitado a las columnas de un tablero. Si tiene acceso a la tabla de empleados, puede contestar sobre sueldos aunque nadie lo haya diseñado para eso.
2. Mezcla fuentes por su cuenta. Puede cruzar ventas con clientes con cobranza en una sola respuesta, generando combinaciones que nadie revisó.
3. Responde en lenguaje natural. Una cifra sensible en un párrafo bien redactado es más fácil de copiar, reenviar y sacar de contexto que una celda en un reporte.

Gartner predijo en junio de 2025 que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que termine 2027, y entre las causas menciona controles de riesgo insuficientes. Es la parte del problema que se resuelve con gobierno.

¿Qué dice el marco legal en México?

La nueva Ley Federal de Protección de Datos Personales en Posesión de los Particulares se publicó en el Diario Oficial de la Federación el 20 de marzo de 2025 y entró en vigor al día siguiente; el texto vigente está en el sitio de la Cámara de Diputados (consultado en noviembre de 2026). Abrogó la ley de 2010 y transfirió la supervisión del sector privado del INAI a la Secretaría Anticorrupción y Buen Gobierno.

No somos despacho legal y este artículo no es asesoría jurídica; la interpretación para tu empresa la debe hacer tu área legal. Lo que sí podemos decir desde la parte técnica es que los principios de siempre (finalidad, proporcionalidad, responsabilidad) se vuelven muy concretos con un agente: si el aviso de privacidad dice que los datos del cliente se usan para facturar y dar servicio, un agente que los cruza libremente para cualquier pregunta interna es un riesgo que hay que revisar. Tenemos un análisis más amplio para directores de TI en privacidad y cumplimiento en IA empresarial.

Las 5 piezas del gobierno de datos para agentes

Pieza	Qué resuelve	Cómo se implementa	Error común
Permisos en los datos	Que cada usuario vea solo lo suyo, pregunte por donde pregunte	Políticas por fila y por columna en el data cloud; el agente consulta con la identidad del usuario	Conectar el agente con una cuenta de servicio que ve todo
Clasificación de datos	Saber qué columnas tienen datos personales o sensibles	Etiquetas por columna y enmascaramiento automático	Clasificar en un Excel que nadie actualiza
Linaje	Saber de qué sistema y qué transformación sale cada cifra	Catálogo de datos con linaje automático	Documentar a mano una vez y olvidarlo
Dueños por dominio	Que alguien responda por la calidad y el acceso	Un responsable de negocio por dominio, con nombre	Asignar todo “a TI”
Bitácora y auditoría	Poder revisar qué se preguntó, qué se consultó y qué se respondió	Registro de consultas del agente y del data cloud	No guardar las conversaciones ni las consultas generadas

1. Permisos que viven en los datos, no en el agente

Es la regla más importante. Si los permisos están en las instrucciones del agente (“no reveles sueldos”), una pregunta bien formulada puede rodearlos. Si están en la base de datos, el agente simplemente no recibe lo que el usuario no puede ver. En Snowflake esto se hace con row access policies para filas (el gerente regional ve sus tiendas) y con políticas de enmascaramiento para columnas. La condición es que el agente se conecte con la identidad de quien pregunta, no con una cuenta genérica.

En retail lo aplicamos desde antes de que existieran los agentes: al llevar la analítica de ventas hasta el gerente de tienda en una red nacional, la seguridad por fila fue lo que permitió usar un mismo modelo para miles de usuarios. Ese mismo diseño es el que hoy deja conectar un agente sin rehacer permisos. Lo describimos en la página de retail.

2. Clasificación de datos personales y sensibles

No puedes proteger lo que no sabes dónde está. Cada columna con nombre, correo, teléfono, RFC, CURP, domicilio, sueldo o datos de salud debe estar etiquetada. Las plataformas modernas permiten etiquetar objetos y columnas y aplicar enmascaramiento automático según la etiqueta. Así, cuando entra una tabla nueva con datos personales, la protección se aplica por la etiqueta y no depende de que alguien se acuerde.

3. Linaje: de dónde sale cada cifra

Cuando el agente dice “la venta neta de octubre fue X”, alguien va a preguntar de dónde salió. El linaje responde: de esta tabla, que viene de este proceso, que lee de este sistema, con esta regla de negocio. Un catálogo de datos como Alation automatiza buena parte de este trabajo y además sirve para que el agente lea las descripciones oficiales de cada tabla y métrica.

4. Dueños de negocio por dominio

Cada dominio (ventas, inventario, clientes, nómina) necesita una persona de negocio que responda por dos cosas: qué significa cada dato y quién puede verlo. Cuando el dueño es “TI”, las decisiones de acceso se toman sin contexto de negocio y las de definición, sin autoridad. Esta falta de dueño es una de las señales de que tus datos no están listos para IA.

5. Bitácora de preguntas, consultas y respuestas

Guarda quién preguntó, qué preguntó, qué consulta generó el agente, qué datos tocó y qué respondió. Sirve para tres cosas: auditar accesos, corregir respuestas equivocadas y entender qué preguntas tiene el negocio para mejorar el modelo semántico. Sin bitácora, un agente es una caja negra con acceso a tus datos.

¿En qué orden se implementa?

No hace falta resolverlo todo antes del primer agente, pero sí lo mínimo. El orden que seguimos en el servicio de AI-Ready Foundation:

1. Elige el dominio del primer agente y nombra a su dueño de negocio.
2. Clasifica las columnas de ese dominio y aplica enmascaramiento a lo sensible.
3. Define los permisos por fila según la estructura de la organización (región, tienda, área).
4. Conecta el agente con identidad de usuario, nunca con una cuenta que vea todo.
5. Activa la bitácora desde el primer día de pruebas.
6. Documenta el linaje de las métricas que el agente usa.
7. Agrega dominios repitiendo el mismo patrón.

Con un dominio bien elegido, esto cabe dentro de un MVP de 6 a 10 semanas, junto con la capa semántica y el primer caso de uso.

¿Cómo encaja con el resto del data foundation?

El gobierno no es un proyecto aparte: es una de las cinco capacidades del data foundation, junto con integración, almacenamiento, modelado y capa semántica. Si quieres el panorama completo, empieza por qué es un data foundation y por qué agentes y dashboards dependen de él, y para la lista técnica de lo que un agente exige a los datos, revisa los 6 requisitos de un agente de IA.

Lo que conviene llevar a la primera llamada

• El caso de uso del primer agente y qué usuarios lo van a consultar.
• La estructura de acceso actual: quién ve qué por región, tienda o área.
• Las tablas o sistemas donde sabes que hay datos personales o sensibles.
• Si ya tienen catálogo de datos o roles definidos en su data cloud.
• El contacto de tu área legal o de privacidad, para alinear el diseño desde el inicio.

Con eso diseñamos los controles mínimos para que tu primer agente en México salga a producción sin exponer lo que no debe. Agenda la conversación aquí.