The Literacy Paradox: How Article 4 May Prevent the Competence It Demands

La regulación que podría derrotarse a sí misma

He pasado el último año inmerso en el texto del Artículo 4. Línea por línea, frase por frase, mapeando cada elemento operativo contra la realidad práctica de las organizaciones que intentan cumplir. El marco TwinLadder existe gracias a ese trabajo. Y en el proceso, encontré algo que los redactores de la regulación casi con total seguridad no pretendían.

El Artículo 4 del Reglamento Europeo de IA contiene una contradicción estructural. Exige alfabetización en IA mientras que su propia letra puede prohibir el método más eficaz para lograrla.

Esto no es una tecnicidad jurídica pedante. Es un defecto de diseño que, si no se aborda, producirá exactamente el mismo teatro de cumplimiento vacío que convirtió el RGPD en un ejercicio de banners de cookies. Las organizaciones más comprometidas con construir una competencia genuina en IA podrían encontrarse en una posición regulatoria peor que aquellas que se conforman con un PowerPoint y una casilla de verificación.

Permítanme ser preciso sobre por qué.

1. Lo que realmente dice el Artículo 4

El texto completo del Artículo 4 es una única oración:

Los proveedores y los responsables del despliegue de sistemas de IA adoptarán medidas para garantizar, en la mayor medida posible, un nivel suficiente de alfabetización en materia de IA de su personal y demás personas que se ocupen del funcionamiento y la utilización de sistemas de IA en su nombre, teniendo en cuenta sus conocimientos técnicos, su experiencia, su educación y su formación, el contexto en el que se van a utilizar los sistemas de IA y considerando las personas o los grupos de personas en los que se van a utilizar los sistemas de IA.

Siete elementos operativos. Obligatorio desde el 2 de febrero de 2025. Las sanciones por incumplimiento serán determinadas por la legislación nacional de cada Estado miembro, con el marco general de sanciones del Reglamento de IA previendo multas de hasta 15 millones de euros o el 3% de la facturación anual mundial por infracciones de las obligaciones del operador. Sin exención por tamaño, sin exención sectorial, sin umbral mínimo.

Las preguntas y respuestas de la Comisión Europea de mayo de 2025 aclararon que simplemente remitir al personal a las instrucciones de uso de los sistemas de IA o pedirles que las lean "podría ser ineficaz e insuficiente". La formación genérica e indiferenciada incumple el requisito de tener en cuenta "los conocimientos técnicos, la experiencia, la educación y la formación". La obligación se extiende a contratistas, trabajadores temporales y proveedores de servicios externalizados.

Se trata de legislación seria. La intención que la sustenta -- el Considerando 20 habla de dotar a las personas "de las nociones necesarias para tomar decisiones informadas en relación con los sistemas de IA" -- es absolutamente correcta. Las personas que utilizan IA deben comprender lo que están utilizando. No discuto el objetivo.

El problema es lo que ocurre cuando se intenta alcanzar ese objetivo a escala.

2. La intención frente a la letra

El Artículo 4 fue redactado con un modelo mental particular: una empresa tecnológica construye un sistema de IA, lo despliega, y las personas que interactúan con él necesitan comprender lo que hace. El proveedor educa al responsable del despliegue, el responsable del despliegue educa al personal. Una cadena de obligaciones razonable.

Pero el mercado ha avanzado mucho más allá de ese modelo. La IA ya no es un sistema discreto que se despliega. Está integrada en el tejido de los flujos de trabajo organizativos. Su cliente de correo electrónico la utiliza. Su CRM la utiliza. Su sistema de gestión documental la utiliza. Su plataforma de RRHH la utiliza para filtrado, programación, puntuación y seguimiento del rendimiento. Sus herramientas de investigación jurídica la utilizan. Las herramientas de previsión de su equipo financiero la utilizan.

La Comisión reconoció esta amplitud -- las preguntas y respuestas confirman que la obligación se aplica a todos los sistemas de IA, no solo a los de alto riesgo. Pero la arquitectura de la regulación sigue asumiendo un modelo de despliegue donde existe una frontera clara entre "el sistema de IA" y "las personas que lo utilizan".

Esa frontera se ha disuelto.

Cuando un despacho de abogados despliega una herramienta de investigación jurídica potenciada por IA, está desplegando un sistema de IA sobre sus abogados. El Artículo 4 exige que el despacho garantice que esos abogados tengan suficiente alfabetización en IA. Razonable. Pero, ¿cómo construye el despacho esa alfabetización? El método más eficaz -- el método que tiene en cuenta los conocimientos técnicos individuales, la experiencia y el contexto formativo, tal como el propio Artículo 4 exige -- es un sistema de aprendizaje adaptativo potenciado por IA. Un sistema que evalúe la línea base de cada persona, ofrezca formación personalizada, evalúe la comprensión mediante ejercicios basados en escenarios y evolucione a medida que tanto el alumno como la tecnología se desarrollan.

Aquí está el problema: ese sistema de aprendizaje es en sí mismo un sistema de IA desplegado sobre el personal. Lo que significa que genera sus propias obligaciones bajo el Artículo 4. El personal ahora debe ser formado sobre la IA de formación. Y el sistema utilizado para formarles sobre la IA de formación, ¿es a su vez un sistema potenciado por IA? -- y cada vez más, ¿qué no lo es? -- genera otra capa de obligaciones.

Esto no es hipotético. Es una estructura lógica integrada en el texto de la regulación. El Artículo 4 se aplica a todos los sistemas de IA. No exime a los sistemas de IA utilizados con fines de cumplimiento. No crea una excepción para la IA utilizada en formación. La obligación es universal.

El resultado es una regresión infinita. Cada capa de cumplimiento asistido por IA genera una nueva obligación de cumplimiento. No hay condición de terminación en la regulación.

3. La paradoja de la degradación de competencias

La regresión infinita sería simplemente molesta si la alternativa -- formación sin IA -- fuera adecuada. No lo es.

La investigación sobre el trabajo asistido por IA revela consistentemente una naturaleza dual. Cuando los profesionales utilizan herramientas de IA como automatización -- autocompletar, autodecisión, autogenerar -- su capacidad independiente se degrada con el tiempo. El abogado junior que utiliza IA para redactar memorandos de investigación desde el primer día nunca desarrolla la capacidad de identificar jurisprudencia relevante de forma independiente. El analista de compras que revisa listas resumidas por IA nunca aprende a leer los pliegos de condiciones subyacentes. El especialista de RRHH que depende del filtrado por IA nunca desarrolla el criterio para detectar un candidato excepcional en un CV atípico.

He observado este patrón en distintas industrias durante veinte años, mucho antes de la ola actual de IA. En EDS en 2004, documentamos cómo la codificación en categorías estándar -- mainframe, midframe, escritorio -- expulsaba sistemáticamente a los pensadores innovadores que trabajaban cruzando fronteras. En Philip Morris, 5.000 millones de dólares al año desaparecían en el mantenimiento de sistemas rígidos mientras la capacidad de transformación caía a cero. El patrón es estructural, no tecnológico: cuando se optimiza la eficiencia codificando el conocimiento, se pierde el aprendizaje periférico que ocurre en los intersticios.

La IA acelera este patrón en un orden de magnitud.

Pero esto es lo que la regulación pasa por alto completamente: las mismas herramientas de IA, desplegadas de forma diferente, pueden potenciar las competencias en lugar de degradarlas. Un sistema de IA que explica su razonamiento, presenta alternativas, evalúa la comprensión del usuario y se adapta a su nivel de habilidad no es automatización. Es educación. La distinción no está en la tecnología. Está en el modo de despliegue.

Considere dos usos del mismo modelo de lenguaje extenso en un despacho de abogados:

Modo A -- Automatización: El abogado escribe "redacta una moción de sobreseimiento" y presenta el resultado de la IA con una revisión mínima. Con el tiempo, la habilidad de redacción del abogado se atrofia. La competencia se degrada.

Modo B -- Aprendizaje: La IA presenta tres posibles enfoques para la moción, pide al abogado que evalúe cuál es el más sólido para esta jurisdicción, explica el razonamiento detrás de cada opción y señala las áreas donde el análisis del abogado difiere de la jurisprudencia establecida. El criterio del abogado se agudiza con cada interacción. La competencia se construye.

Misma tecnología. Mismo modelo. Mismo contexto de despliegue. Efectos opuestos sobre la competencia humana.

El Artículo 4 no hace ninguna distinción entre estos dos modos. Ninguna. La regulación habla de "sistemas de IA" como categoría. No distingue entre IA-como-automatización e IA-como-instrumento-de-aprendizaje. Una organización que despliega el Modo B -- el modo que realmente logra el objetivo declarado del Artículo 4 de construir alfabetización -- soporta la misma carga de cumplimiento que una que despliega el Modo A.

Esta es la paradoja de la degradación de competencias en forma regulatoria. Una organización que prohíbe la IA para "proteger la competencia" incumple el requisito de alfabetización. Una organización que despliega IA para el aprendizaje puede violar la letra mientras cumple el espíritu.

4. El problema del sistema de autoaprendizaje

Para que el cumplimiento del Artículo 4 sea significativo en lugar de meramente performativo, debe evolucionar a medida que la tecnología evoluciona. Esto no es opcional. Es un requisito estructural.

Un programa de formación diseñado en marzo de 2025 enseña al personal las capacidades de la clase GPT-4. Para marzo de 2026, la tecnología ha avanzado hacia agentes multimodales capaces de navegar por la web, ejecutar código, analizar documentos y tomar acciones de forma autónoma. El programa de 2025 no solo está desactualizado -- es activamente engañoso. El personal formado con las capacidades de 2025 evaluará erróneamente los riesgos y limitaciones de los sistemas de 2026. El "nivel suficiente de alfabetización en IA" que exige el Artículo 4 es un objetivo móvil, y se mueve más rápido de lo que cualquier comité curricular puede seguir.

La única forma de mantener una alfabetización genuinamente suficiente es mediante un aprendizaje continuo y adaptativo. No cursos de actualización anuales. No webinarios trimestrales. Adaptación continua que rastree lo que la tecnología puede hacer, lo que la organización está desplegando y lo que cada individuo necesita saber.

El sistema más eficaz para ofrecer aprendizaje continuo, adaptativo y personalizado es -- inevitablemente -- un sistema de IA.

Y aquí la paradoja cierra su bucle. El sistema de cumplimiento debe estar potenciado por IA para ser eficaz. Pero desplegar un sistema de cumplimiento potenciado por IA genera la obligación de cumplimiento para ese sistema. Y como el propio sistema de cumplimiento debe evolucionar continuamente, no existe un punto estable en el que la obligación esté "satisfecha". La organización está perpetuamente desplegando nuevas capacidades de IA sobre su personal, generando perpetuamente nuevas obligaciones del Artículo 4.

La regulación no contempla ninguna disposición para esto. No existe el concepto de "sistema de cumplimiento autoevolutivo" en ninguna parte del Reglamento de IA. No hay mecanismo para reconocer que la herramienta de cumplimiento y la obligación de cumplimiento son la misma cosa. Los redactores asumieron un mundo estático -- desplegar un sistema, formar al personal, documentar el esfuerzo, seguir adelante. La tecnología ha hecho insostenible esa suposición.

5. La trampa burocrática

No soy ingenuo respecto a cómo funciona la regulación en la práctica. Los organismos de aplicación se guían por el texto, no por el espíritu. Las autoridades de vigilancia del mercado en cada Estado miembro evaluarán el cumplimiento basándose en lo que dice el Artículo 4, no en lo que pretendía lograr.

Considere lo que ocurre cuando una autoridad de aplicación examina a una organización que utiliza IA para enseñar alfabetización en IA. La autoridad preguntará:

Concienciación: ¿Sabe el personal que el sistema de formación está potenciado por IA? ¿Son conscientes de sus capacidades y limitaciones? ¿Pueden articular cómo genera contenidos de aprendizaje y evaluaciones?

Política: ¿Existe una política documentada que regule el uso del sistema de formación con IA? ¿Define usos aceptables y prohibidos de la IA de formación? ¿Se aplica?

Formación: ¿Ha sido el personal formado sobre cómo funciona el sistema de formación con IA? ¿Comprenden su procesamiento de datos? ¿Pueden identificar cuándo la salida del sistema de formación podría no ser fiable?

Evidencia: ¿Está documentada la eficacia del sistema de formación con IA? ¿Existen registros que demuestren que realmente mejora la alfabetización? ¿Hay una evaluación de proporcionalidad que justifique el uso de IA para la formación?

Cada una de estas preguntas es legítima bajo el texto del Artículo 4. Cada una genera carga administrativa de cumplimiento. Y cada una se aplica además de el trabajo de cumplimiento para los sistemas de IA reales sobre los que la organización intenta formar a su personal.

El efecto acumulativo es una trampa burocrática. La organización que adopta el enfoque más eficaz para construir una alfabetización genuina en IA -- un sistema de aprendizaje adaptativo potenciado por IA -- soporta la mayor carga de cumplimiento. La organización que se conforma con una presentación de PowerPoint estática y una hoja de firmas se enfrenta a un escrutinio mínimo, porque un PowerPoint no es un sistema de IA y no genera ninguna obligación propia del Artículo 4.

La regulación crea inadvertidamente un incentivo perverso: cuanto menos eficaz sea su método de formación, más ligera será su obligación de cumplimiento.

6. El punto ciego de RRHH

La paradoja se agudiza en recursos humanos, donde el despliegue de IA ya es profundo y en gran medida no examinado bajo el Artículo 4.

IA en contratación: filtrado de CV, análisis de solicitudes, programación de entrevistas, realización de evaluaciones por vídeo, puntuación de candidatos en indicadores de comunicación y competencia. IA en formación: itinerarios de aprendizaje personalizados, evaluación de competencias, análisis de brechas de habilidades, predicción de rendimiento. IA en gestión del rendimiento: seguimiento de productividad, análisis de sentimiento, generación de retroalimentación, recomendación de promociones. IA en planificación de la plantilla: predicción de rotación, mapeo de talento, planificación de sucesión.

Estos no son escenarios futuros. Son realidad desplegada en miles de organizaciones europeas hoy. Todas las principales plataformas de RRHH -- Workday, SAP SuccessFactors, Oracle HCM, BambooHR -- tienen capacidades de IA integradas que están activas por defecto. Muchos profesionales de RRHH que utilizan estos sistemas no saben qué funcionalidades están potenciadas por IA y cuáles no.

El Artículo 4 exige alfabetización en IA para "las personas o los grupos de personas en los que se van a utilizar los sistemas de IA". En el contexto de RRHH, esto incluye a los candidatos a un puesto de trabajo, los empleados en formación y los empleados sometidos a evaluación. Un candidato cuyo CV es filtrado por un sistema de IA es una persona sobre la que se está utilizando el sistema de IA. El Artículo 4 posiblemente exige que el responsable del despliegue considere la comprensión que ese candidato tiene del sistema de IA.

Pero no existe ningún mecanismo práctico para esto. No se puede exigir a los candidatos a un puesto que completen un curso de alfabetización en IA antes de presentar su solicitud. No se puede formar a cada empleado sobre cada herramienta de RRHH potenciada por IA que procesa sus datos, especialmente cuando esas herramientas cambian trimestralmente a medida que los proveedores actualizan sus plataformas.

Y aquí está el problema más profundo: el mismo departamento de RRHH que debe garantizar la alfabetización en IA de su plantilla es a su vez uno de los mayores usuarios de IA, a menudo sin la alfabetización interna para comprender sus propias herramientas. He visto equipos de RRHH desplegar encuestas de compromiso potenciadas por IA sin comprender que el análisis de sentimiento está impulsado por IA. He visto equipos de selección utilizar herramientas de filtrado por IA configuradas por el proveedor con parámetros de sesgo que no pueden explicar.

La regulación trata un chatbot de atención al cliente y un algoritmo de contratación con la misma obligación del Artículo 4. No existe un requisito graduado en función de lo que está en juego. Un chatbot que recomienda productos y un algoritmo que determina si alguien accede a una entrevista de trabajo están sujetos a la misma obligación de una sola frase.

Este es el punto ciego de RRHH: el Artículo 4 crea una obligación sin reconocer que el empleo es uno de los contextos de despliegue de IA con mayor impacto, y sin proporcionar ningún mecanismo específico para los desafíos singulares de la IA en la relación laboral.

7. La trampa de la clasificación: cuando las herramientas de cumplimiento se convierten en sistemas de alto riesgo

La paradoja se profundiza cuando se examina cómo el propio sistema de clasificación del Reglamento de IA trata la IA en educación y formación.

El Anexo III, Área 3 designa cuatro casos de uso educativos como de alto riesgo: determinación del acceso o la admisión a la educación, evaluación de los resultados del aprendizaje, evaluación del nivel educativo apropiado para un individuo y supervisión del comportamiento durante los exámenes. El Anexo III, Área 4 clasifica por separado la IA en el empleo como de alto riesgo: contratación, evaluación del rendimiento, asignación de tareas, promoción y decisiones de despido.

Y aquí es donde se vuelve absurdo. El Artículo 5(1)(f) prohíbe el reconocimiento de emociones en contextos educativos y laborales por completo. Un sistema de formación con IA que detecte si un alumno está confundido o desinteresado -- posiblemente la funcionalidad más útil para el aprendizaje adaptativo -- está prohibido de plano.

Ahora considere lo que ocurre cuando una organización intenta cumplir con el Artículo 4 utilizando IA:

Escenario 1: Evaluación de competencias en IA. Una organización despliega una herramienta que evalúa los niveles de alfabetización en IA del personal y recomienda formación. Esta herramienta evalúa los resultados del aprendizaje (Anexo III, Área 3(b)) y puede evaluar el nivel educativo apropiado para un individuo (Área 3(c)). Es de alto riesgo. Debe someterse a una evaluación de conformidad, implementar supervisión humana, mantener registros, realizar una evaluación de impacto en los derechos fundamentales e informar a las personas afectadas. La herramienta de cumplimiento del Artículo 4 genera obligaciones del Capítulo III más pesadas que el propio Artículo 4.

Escenario 2: Plataforma de formación potenciada por IA. Una organización despliega un tutor adaptativo con IA para desarrollar las competencias del personal. Si el tutor evalúa si el alumno ha alcanzado la competencia -- que es precisamente el objetivo -- cae bajo el Área 3(b). Alto riesgo. Si el tutor detecta frustración y ajusta su enfoque utilizando señales biométricas, no es simplemente de alto riesgo sino que está prohibido bajo el Artículo 5(1)(f).

Escenario 3: RRHH utilizando IA para la preparación de la plantilla. Un departamento de RRHH utiliza IA para evaluar qué empleados necesitan formación en alfabetización en IA y qué nivel deben recibir. Esto genera simultáneamente obligaciones del Área 3(c) (evaluación del nivel educativo apropiado) y del Área 4(b) (evaluación del rendimiento). El equipo de RRHH está ahora desplegando un sistema de IA de alto riesgo que a su vez requiere cumplimiento del Artículo 4 para las personas que lo operan.

El Artículo 6(3) ofrece cuatro excepciones -- tareas procedimentales estrechas, mejora del trabajo humano previo, detección de patrones sin sustituir la evaluación humana y tareas preparatorias. Pero existe una cláusula crítica de anulación: todo sistema que realice elaboración de perfiles de personas físicas es siempre de alto riesgo, independientemente de las excepciones. Una evaluación de competencias que puntúa a individuos es elaboración de perfiles. Un motor de recomendación de formación que categoriza a los alumnos por nivel de capacidad es elaboración de perfiles. Las vías de salida de las excepciones están bloqueadas.

La regulación ha clasificado, en efecto, las herramientas de cumplimiento del Artículo 4 más eficaces como sistemas de alto riesgo que requieren su propia infraestructura de cumplimiento. Esto no es una preocupación teórica. Es la arquitectura de la ley.

Para los departamentos de RRHH, las implicaciones son especialmente severas. Cada gran plataforma de RRHH -- Workday, SAP SuccessFactors, Oracle HCM, BambooHR -- tiene IA integrada en contratación, gestión del rendimiento, aprendizaje y planificación de la plantilla. Cada una de estas capacidades puede cualificarse independientemente como de alto riesgo bajo el Área 3 o el Área 4. Las obligaciones del Capítulo III para responsables del despliegue (Artículo 26) incluyen: utilizar el sistema de acuerdo con las instrucciones del proveedor, asignar supervisión humana competente con autoridad para intervenir, garantizar la calidad de los datos de entrada, supervisar e informar sobre riesgos sospechados, conservar los registros del sistema durante al menos seis meses, informar a los trabajadores y sus representantes antes del despliegue, informar a las personas afectadas cuando el sistema asista en decisiones sobre ellas, realizar una evaluación de impacto en la protección de datos y cooperar con las autoridades reguladoras.

Un departamento de RRHH que despliegue cuatro flujos de trabajo habilitados por IA -- filtrado, analítica de rendimiento, recomendaciones de aprendizaje y planificación de plantilla -- se enfrenta potencialmente a cuatro conjuntos separados de obligaciones del Capítulo III, cuatro solicitudes de documentación de conformidad a proveedores, cuatro asignaciones de supervisión humana, cuatro conjuntos de registros y cuatro obligaciones de notificación. Cada uno de estos flujos de trabajo también requiere alfabetización del Artículo 4 para los profesionales de RRHH que los operan. Y el sistema de IA utilizado para construir esa alfabetización puede ser en sí mismo un quinto despliegue de alto riesgo.

Esta es la trampa de la clasificación: la propia taxonomía de riesgos de la regulación convierte la aceleración del cumplimiento en multiplicación del cumplimiento.

8. Lo que falta

Los problemas estructurales del Artículo 4 se derivan de cinco ausencias específicas:

No hay mecanismo de aprendizaje regulatorio. El Reglamento de IA es un texto estático. No puede actualizarse a sí mismo a medida que las capacidades evolucionan. La Comisión puede emitir orientaciones y preguntas y respuestas, pero se trata de derecho indicativo. La arquitectura de cumplimiento de la regulación asume una tecnología estable, que es precisamente lo que la IA no es.

No hay distinción entre IA-como-automatización e IA-como-herramienta-de-aprendizaje. El mismo modelo que impulsa un bot de atención al cliente y una plataforma de desarrollo profesional genera obligaciones idénticas. Esto no reconoce que el perfil de riesgo, el impacto en la competencia y el modelo de gobernanza apropiado son fundamentalmente diferentes entre estos modos de despliegue.

No hay puerto seguro para la IA utilizada en contextos de cumplimiento y formación. Las organizaciones que utilizan IA para lograr el cumplimiento del Artículo 4 no deberían soportar la misma carga que las organizaciones que despliegan IA en la toma de decisiones de alto impacto. La ausencia de cualquier exención u obligación más ligera para el despliegue de IA orientado al cumplimiento crea la regresión infinita descrita anteriormente.

No hay obligación graduada en función del impacto del despliegue. El Artículo 4 es una obligación única para todos los sistemas de IA. Un autocompletado de texto en un cliente de correo electrónico y un algoritmo que determina la elegibilidad crediticia conllevan el mismo requisito de alfabetización. El principio de proporcionalidad ("en la mayor medida posible") proporciona cierta flexibilidad en la intensidad, pero no en la estructura. Se aplican las mismas seis preguntas. Se espera la misma evidencia.

No hay disposición para la paradoja de que la mejor herramienta de cumplimiento es un sistema de IA. La regulación asume que las herramientas de cumplimiento son independientes de los sistemas regulados. Cuando la herramienta de cumplimiento es la tecnología regulada, la arquitectura regulatoria produce un bucle sin condición de salida.

9. Un camino hacia adelante

Quiero ser preciso sobre lo que no estoy diciendo. No estoy diciendo que el Artículo 4 esté equivocado. El espíritu -- que las personas que utilizan y se ven afectadas por los sistemas de IA deben comprenderlos -- es la disposición más importante de todo el Reglamento de IA. Es el fundamento sobre el que descansan la supervisión significativa, la agencia humana y la rendición de cuentas democrática. Sin alfabetización, todas las demás salvaguardias de la regulación son teatro.

Lo que estoy diciendo es que la letra es demasiado roma.

Tres cambios estructurales resolverían la paradoja preservando -- y fortaleciendo -- la intención:

Primero: Crear una categoría de "despliegue de aprendizaje". Los sistemas de IA desplegados principalmente para el desarrollo de competencias, la formación y el cumplimiento deberían conllevar obligaciones más ligeras que los sistemas de IA desplegados para la toma de decisiones o la automatización. La distinción no está en la tecnología. Está en el propósito del despliegue. Un despliegue de aprendizaje potencia la capacidad humana. Un despliegue de automatización puede disminuirla. La regulación debería reconocer esta diferencia.

Esto no significa exención. Un sistema de IA de aprendizaje debería seguir requiriendo transparencia (el personal debe saber que es IA), gobernanza básica (alguien es responsable de su calidad) y documentación de eficacia (evidencia de que funciona). Pero la carga de cumplimiento debería ser proporcional al riesgo, y el perfil de riesgo de una herramienta de formación es categóricamente diferente del perfil de riesgo de un algoritmo de contratación.

Segundo: Exigir cumplimiento continuo en lugar de evaluación puntual. La arquitectura del Artículo 4 -- "adoptarán medidas para garantizar" -- asume implícitamente un momento de cumplimiento: se adoptan las medidas, se garantiza la alfabetización, se documenta la evidencia. Pero la alfabetización frente a una frontera tecnológica en movimiento no puede garantizarse en un momento dado. Debe mantenerse continuamente.

La regulación debería reconocer explícitamente que la alfabetización en IA es un proceso, no un estado. El cumplimiento debería evaluarse en función de si una organización tiene mecanismos de desarrollo de competencias activos y en evolución, no de si realizó formación en una fecha determinada. Las auditorías anuales de casilla de verificación son peores que inútiles para la alfabetización en IA -- crean una falsa sensación de cumplimiento mientras la competencia se erosiona entre ciclos de auditoría.

Tercero: Medir los resultados de competencia, no los insumos de cumplimiento. El marco actual, por necesidad, se aplicará basándose en insumos: ¿Adoptó medidas? ¿Las documentó? ¿Diferenció por rol? Estas son preguntas de proceso. No dicen nada sobre si las personas realmente comprenden los sistemas de IA que utilizan.

Aquí es donde el marco TwinLadder ofrece algo de lo que la regulación carece actualmente. Al medir indicadores de competencia observables -- ¿puede esta persona identificar cuándo la salida de la IA necesita verificación? ¿Puede articular las limitaciones de los sistemas de IA en su flujo de trabajo? ¿Puede tomar decisiones informadas sobre cuándo confiar en la IA y cuándo invalidarla? -- la evaluación pasa de "¿lo intentó la organización?" a "¿funcionó?"

Un modelo de cumplimiento basado en resultados disuelve la paradoja. No importa si la organización utilizó IA o PowerPoint o tutorías individuales para construir la alfabetización. Lo que importa es si las personas pueden demostrar la competencia. El método se vuelve irrelevante. El resultado lo es todo.

10. Lo que está en juego

La paradoja de la alfabetización en el Artículo 4 no es un problema aislado de redacción. Es un síntoma de un desafío más profundo que definirá la próxima década de regulación tecnológica: ¿cómo se regula una tecnología que es en sí misma la herramienta más eficaz para cumplir con la regulación?

Este desafío se repetirá. Cuando las disposiciones del Reglamento de IA sobre sistemas de alto riesgo entren plenamente en vigor en 2027-2028, las organizaciones necesitarán herramientas potenciadas por IA para supervisar el rendimiento de los sistemas de IA, detectar sesgos y mantener las evaluaciones de conformidad. Las herramientas de supervisión serán en sí mismas sistemas de IA sujetos a los requisitos del Reglamento. La misma estructura recursiva emergirá.

La UE tiene una ventana -- entre ahora y agosto de 2026, cuando las autoridades de vigilancia del mercado comiencen la aplicación -- para abordar esto. Los actos delegados de la Comisión, las orientaciones de la Oficina de IA y las normas armonizadas de CEN/CENELEC podrían ofrecer un camino a través de la paradoja. Pero solo si los redactores reconocen que la paradoja existe.

Escribí este análisis porque creo que el Artículo 4 es la disposición más importante del Reglamento de IA -- más importante que las prácticas prohibidas del Artículo 5, más importante que los requisitos de sistemas de alto riesgo del Capítulo III. Si las personas no comprenden la IA, ninguna cantidad de regulación técnica las protegerá. Y si la regulación impide que las personas accedan a las herramientas más eficaces para construir esa comprensión, derrota su propio propósito.

La pregunta para los reguladores europeos es directa: ¿Quieren cumplimiento, o quieren competencia? Porque ahora mismo, el texto del Artículo 4 puede obligar a las organizaciones a elegir entre ambos.

Y esa es una elección que la regulación nunca debería exigir.

Sources

Regulation (EU) 2024/1689 -- EU Artificial Intelligence Act, Article 4 (AI Literacy). Full text of the literacy obligation, entered into application 2 February 2025. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32024R1689
European Commission: AI Literacy -- Questions & Answers (May 2025). Clarified that directing staff to user manuals is "generally not considered sufficient" and that the obligation applies with no size threshold. https://digital-strategy.ec.europa.eu/en/faqs/ai-literacy-questions-answers
Recital 20, Regulation (EU) 2024/1689. Legislative intent: AI literacy should equip providers, deployers and affected persons "with the necessary notions to make informed decisions regarding AI systems."
European Commission: Living Repository of AI Literacy Practices (2025). Collection of AI literacy initiatives from AI Pact pledgers and public sector bodies. https://digital-strategy.ec.europa.eu/en/library/living-repository-foster-learning-and-exchange-ai-literacy
Article 99(4), Regulation (EU) 2024/1689. Penalty framework for general obligation violations: up to EUR 15 million or 3% of worldwide annual turnover.
Recital 21, Regulation (EU) 2024/1689. Proportionality in AI literacy measures, recognising differences between providers and deployers.
Travers Smith: The EU AI Act's AI Literacy Requirement -- Key Considerations. Analysis of the scope and practical implications of Article 4. https://www.traverssmith.com/knowledge/knowledge-container/the-eu-ai-acts-ai-literacy-requirement-key-considerations/
Ropes & Gray: Five Takeaways from the EU Commission's AI Literacy Q&As. Commentary on the Commission's May 2025 guidance. https://www.ropesgray.com/en/insights/viewpoints/102kbn5/five-takeaways-from-the-eu-commissions-ai-literacy-qas
Regulation (EU) 2024/1689, Annex III, Areas 3 and 4. High-risk AI system classification for education/vocational training and employment/workforce management. https://artificialintelligenceact.eu/annex/3/
Regulation (EU) 2024/1689, Article 5(1)(f). Prohibition of emotion recognition AI systems in education and workplace contexts. https://artificialintelligenceact.eu/article/5/
Regulation (EU) 2024/1689, Article 6(3). Derogation conditions for Annex III systems, including the critical override that profiling of natural persons always remains high-risk. https://artificialintelligenceact.eu/article/6/
Regulation (EU) 2024/1689, Article 26. Obligations for deployers of high-risk AI systems: human oversight, data quality, monitoring, logging, notification, and fundamental rights impact assessment. https://artificialintelligenceact.eu/article/26/
DLA Piper: Latest Wave of Obligations Under the EU AI Act (August 2025). Overview of enforcement timeline and market surveillance authority activation. https://www.dlapiper.com/en-us/insights/publications/2025/08/latest-wave-of-obligations-under-the-eu-ai-act-take-effect
AI Act Service Desk -- Article 4: AI Literacy. Operational guidance from the European AI Office. https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-4
CEN/CENELEC: AI Standardisation for the EU AI Act. Status of harmonised standards development, including delays and acceleration measures. https://www.cencenelec.eu/news-events/news/2025/brief-news/2025-10-23-ai-standardization/
TwinLadder Assessment Maturity Model v1.0. Seven-pillar rubric for AI literacy and competence assessment, CC BY-SA 4.0. https://twinladder.ai/en/research/assessment-maturity-model
"Comfort Over Code: A Workflow-Based Framework for AI Literacy in Professional Practice" -- TwinLadder Research, March 2026. https://twinladder.ai/en/research/twin-ladder-methodology
Digital Omnibus Proposal (November 2025). Pushed high-risk system application dates to December 2027 (Annex III) and August 2028 (Annex I), partly due to standards delays.
Future of Life Institute: Article 4 Analysis and Commentary. Independent analysis of the AI literacy obligation. https://artificialintelligenceact.eu/article/4/

La paradoja de la alfabetización: cómo el Artículo 4 puede impedir la competencia que exige