Auditoría de prompts: qué registrar para cumplir con seguridad, compliance y control interno
La auditoría de prompts es una pieza esencial para cualquier empresa que quiera usar inteligencia artificial con seguridad, compliance y control interno. Cada vez que un empleado, asistente o aplicación interna envía una petición a un modelo de IA, la organización debería poder responder: quién hizo la consulta, qué se envió, qué modelo respondió, qué coste tuvo, qué datos sensibles se detectaron y qué política se aplicó.
Sin auditoría, el uso de IA se convierte en una caja negra. La empresa puede saber que está pagando por modelos generativos, pero no entender qué datos se están procesando, qué departamentos los usan, si se están respetando las políticas internas o si una interacción concreta puede reconstruirse ante una revisión de seguridad, compliance o dirección.
Auditar prompts no significa guardar todo sin criterio ni vigilar a los empleados de forma indiscriminada. Significa diseñar un sistema de trazabilidad proporcional, seguro y útil para operar IA de forma responsable.
Qué es la auditoría de prompts
La auditoría de prompts consiste en registrar y analizar las interacciones que usuarios, asistentes o aplicaciones mantienen con modelos de inteligencia artificial. Incluye el prompt enviado, la respuesta generada y los metadatos que explican el contexto de la interacción.
En una empresa, una auditoría útil no debería limitarse al texto del prompt. También debe registrar información como:
- Usuario, rol y departamento.
- Aplicación, asistente o API que generó la petición.
- Proyecto, cliente o centro de coste asociado.
- Proveedor y modelo solicitado.
- Proveedor y modelo finalmente utilizado.
- Coste estimado y coste final.
- Eventos DLP o datos sensibles detectados.
- Política aplicada: permitir, advertir, anonimizar, bloquear, enrutar o solicitar aprobación.
- Fecha, hora, latencia, errores y resultado final.
El objetivo es que cada interacción de IA deje una evidencia comprensible, no solo un registro técnico.
Por qué auditar prompts se ha vuelto crítico
La IA generativa permite trabajar con lenguaje natural, documentos, código, datos, tickets, contratos, emails y conocimiento interno. Eso la hace muy útil, pero también introduce nuevos riesgos.
Un usuario puede pegar datos personales, contratos, información financiera, código fuente o credenciales en una consulta.
Una respuesta generada por IA puede influir en un informe, una propuesta, una recomendación o una decisión interna.
Sin registro por usuario, modelo, proyecto o aplicación, el gasto de IA queda agregado y pierde valor financiero.
Una empresa puede tener normas de uso de IA, pero sin logs no puede demostrar si se cumplieron.
La auditoría permite pasar de una adopción basada en confianza a una adopción basada en evidencias.
Auditoría no es vigilancia: es control operativo
Una de las principales preocupaciones al hablar de auditoría de prompts es la privacidad interna. Es importante separar dos conceptos: auditar para controlar riesgos no es lo mismo que vigilar cada conversación sin criterio.
Registrar lo necesario según el nivel de riesgo, el tipo de dato y el caso de uso.
No conservar más información de la necesaria ni durante más tiempo del necesario.
Solo perfiles autorizados deberían poder revisar prompts, respuestas o eventos sensibles.
Los datos sensibles pueden registrarse de forma parcial, anonimizada o enmascarada cuando no sea necesario ver el contenido completo.
Una buena auditoría debe proteger a la empresa, pero también respetar límites claros sobre quién puede acceder a los registros y con qué finalidad.
Qué registrar en una auditoría de prompts
Para que la auditoría sea útil, cada interacción de IA debería generar un registro estructurado. No basta con guardar una conversación completa sin contexto. El valor está en combinar contenido, metadatos y decisiones de control.
- ID de interacción: identificador único de la petición, conversación o tarea.
- Usuario: persona, servicio o aplicación que originó la petición.
- Departamento: área responsable del uso.
- Contexto de negocio: proyecto, cliente, campaña, caso, expediente o centro de coste.
- Prompt: contenido enviado, completo o enmascarado según política.
- Respuesta: salida generada por el modelo, completa o parcial según retención.
- Proveedor: OpenAI, Anthropic, Google, Mistral, Azure OpenAI u otro proveedor utilizado.
- Modelo: modelo solicitado y modelo finalmente usado.
- Coste: coste estimado, coste final, tokens o unidad equivalente.
- Política aplicada: regla que permitió, bloqueó, anonimizó, redirigió o escaló la petición.
- Eventos de riesgo: DLP, datos sensibles, credenciales, secretos, información confidencial o datos regulados.
- Estado: permitida, bloqueada, anonimizada, aprobada, fallida o enviada a revisión.
Prompt y respuesta: cuándo guardar texto completo y cuándo no
No siempre es necesario guardar el prompt y la respuesta completos. En algunos casos, conservar el texto íntegro puede ser útil para auditoría, calidad o investigación de incidentes. En otros, puede ser suficiente guardar metadatos, fragmentos enmascarados o eventos de riesgo.
Puede ser útil en asistentes internos críticos, procesos regulados, revisión de calidad o investigaciones donde la reconstrucción exacta sea necesaria.
Permite entender qué ocurrió sin exponer datos personales, secretos, identificadores o información confidencial.
Puede ser suficiente para usos de bajo riesgo, donde interesa medir coste, modelo, usuario, política y resultado sin conservar contenido.
La decisión debe depender de la sensibilidad del dato, el propósito de auditoría, las políticas internas y los requisitos de seguridad o compliance de la organización.
Metadatos: la parte que muchas empresas olvidan
En auditoría de IA, el texto del prompt no lo explica todo. Dos prompts iguales pueden tener implicaciones diferentes si los envían usuarios distintos, desde aplicaciones distintas, a modelos distintos o dentro de proyectos distintos.
Por eso, los metadatos son esenciales:
Sin metadatos, una auditoría de prompts queda incompleta. Puede mostrar qué se dijo, pero no por qué importaba.
Auditoría de políticas aplicadas
Una de las funciones más importantes de la trazabilidad IA es demostrar qué controles se aplicaron en cada interacción. No basta con decir que existe una política de IA. Hay que poder ver cuándo se ejecutó y qué decisión tomó.
La interacción llega desde el portal del empleado, un asistente corporativo, una aplicación interna o una API.
Usuario, rol, departamento, proyecto, proveedor, modelo solicitado, coste estimado y permisos.
DLP detecta datos personales, credenciales, secretos, información financiera o datos regulados.
Permitir, advertir, anonimizar, bloquear, redirigir a otro modelo o solicitar aprobación.
Queda constancia de la política, el motivo, el resultado, el modelo usado y la acción tomada.
Este registro es clave para seguridad, compliance y control interno, porque permite demostrar que la política no es solo un documento, sino un control operativo.
Auditoría de costes: cuánto ha costado cada prompt
La auditoría de prompts también tiene una dimensión financiera. Cada interacción con IA consume recursos: tokens, llamadas, procesamiento, contexto, herramientas o modelos premium.
Registrar el coste permite responder preguntas como:
- ¿Qué usuario o departamento genera más gasto?
- ¿Qué asistente consume más presupuesto?
- ¿Qué modelos se usan para tareas simples?
- ¿Qué proyecto o cliente concentra más coste?
- ¿Cuánto cuestan los errores, reintentos o prompts demasiado largos?
- ¿Qué ahorro genera el routing hacia modelos más eficientes?
La auditoría financiera convierte los prompts en información útil para FinOps, presupuestos y reporting interno.
Eventos DLP: qué registrar cuando aparece un dato sensible
Cuando un prompt contiene datos sensibles, el registro debe ser más detallado. No basta con indicar que “hubo un riesgo”. La empresa debe saber qué tipo de riesgo se detectó y qué acción se aplicó.
- Tipo de dato detectado: personal, financiero, credencial, secreto, contractual, legal o regulado.
- Nivel de severidad.
- Fragmento afectado, idealmente enmascarado.
- Usuario, departamento y aplicación de origen.
- Política que se activó.
- Acción tomada: advertir, anonimizar, bloquear o solicitar aprobación.
- Modelo solicitado y modelo finalmente utilizado, si procede.
- Fecha, hora, resultado y responsable de revisión si hubo escalado.
Estos eventos ayudan a detectar patrones: departamentos que comparten más datos sensibles, asistentes que requieren reglas más estrictas o usuarios que necesitan formación adicional.
Registro de aprobaciones humanas
En algunos casos, una petición no debe permitirse ni bloquearse automáticamente. Puede requerir aprobación de un responsable, seguridad, legal, compliance o finanzas.
Cuando exista aprobación humana, la auditoría debe registrar:
- Quién solicitó la aprobación.
- Qué prompt, documento o caso de uso estaba implicado.
- Qué riesgo o política generó la solicitud.
- Quién aprobó o rechazó.
- Fecha y hora de la decisión.
- Justificación o comentario del revisor.
- Acción final aplicada.
Sin este registro, la supervisión humana es difícil de demostrar. Con él, se convierte en evidencia auditable.
Ejemplo práctico de registro de auditoría
Imagina que un usuario del equipo legal envía un contrato a un asistente para resumir riesgos principales. El documento contiene nombres, importes y cláusulas confidenciales.
Este tipo de registro permite reconstruir la interacción sin depender de memoria, capturas o datos dispersos en distintos proveedores.
Quién debería poder acceder a los registros de prompts
La auditoría solo es útil si los registros están protegidos. No todos los administradores ni responsables deberían poder ver el contenido completo de prompts y respuestas.
Permite ver métricas agregadas: uso, coste, modelos, latencia, errores y departamentos.
Permite revisar eventos DLP, riesgos, bloqueos, incidentes y contenido enmascarado.
Permite reconstruir interacciones concretas bajo autorización, con controles de acceso y registro de consulta.
Permite analizar coste por usuario, departamento, proyecto, cliente, centro de coste, aplicación o asistente.
Separar niveles de acceso evita que la auditoría se convierta en una fuente adicional de exposición de datos.
Cuánto tiempo conservar los registros
No existe una única respuesta válida para todos los casos. La retención debe definirse según el tipo de uso, la sensibilidad del dato, las obligaciones internas, los requisitos de compliance y la finalidad de auditoría.
Una política de retención puede diferenciar:
- Metadatos de bajo riesgo.
- Prompts y respuestas completas.
- Contenido enmascarado.
- Eventos DLP.
- Registros de aprobación.
- Incidentes de seguridad.
- Logs financieros y de consumo.
En muchos casos, tendrá sentido conservar más tiempo los metadatos y eventos de política que el contenido completo del prompt.
Errores frecuentes en auditoría de prompts
Sin usuario, modelo, coste, política y contexto, el prompt no explica la interacción completa.
La respuesta también puede contener información relevante, errores, datos sensibles o contenido usado en decisiones posteriores.
La auditoría no debe convertirse en un nuevo repositorio de información expuesta.
Si no queda constancia de la regla ejecutada, la empresa no puede demostrar que hubo control real.
Auditar sin imputación financiera limita la utilidad para FinOps, presupuestos y dirección.
Cómo coordinat.io ayuda con la auditoría de prompts
coordinat.io permite registrar y auditar el uso de inteligencia artificial desde una capa central de gobierno. En lugar de depender de logs dispersos por proveedor, asistente o aplicación, la plataforma concentra la trazabilidad en un punto común.
Con coordinat.io, una empresa puede registrar:
- Prompt y respuesta según política de retención.
- Usuario, rol, departamento y organización.
- Asistente, aplicación interna o API que originó la petición.
- Proyecto, cliente o centro de coste asociado.
- Proveedor y modelo solicitado.
- Proveedor y modelo finalmente utilizado.
- Coste estimado y coste final.
- Eventos DLP y datos sensibles detectados.
- Política aplicada y acción tomada.
- Aprobaciones, incidentes, routing, bloqueos y decisiones relevantes.
Además, coordinat.io permite combinar auditoría con DLP, presupuestos, políticas, routing, Incident Center y Vista 360. Esto facilita consultar qué ha ocurrido alrededor de un usuario, departamento, proyecto, aplicación o asistente sin reconstruir información manualmente desde varias herramientas.
Ejemplo: investigación de un incidente con coordinat.io
Supongamos que seguridad recibe una alerta porque se ha intentado enviar una clave API en un prompt. Con una auditoría centralizada, el equipo puede revisar:
- Qué usuario o aplicación generó la petición.
- Qué asistente o integración se estaba usando.
- Qué tipo de secreto se detectó.
- Qué política bloqueó la petición.
- Qué modelo se había solicitado.
- Si el contenido llegó o no al proveedor externo.
- Qué coste se evitó y qué incidente quedó registrado.
- Si hay patrones similares en otros usuarios o departamentos.
La auditoría convierte una alerta aislada en una investigación completa y accionable.
Preguntas frecuentes sobre auditoría de prompts
¿Hay que guardar siempre el prompt completo?
No necesariamente. Depende del caso de uso, la sensibilidad del dato y la política de retención. En algunos casos bastará con metadatos o contenido enmascarado.
¿La auditoría de prompts sirve solo para compliance?
No. También sirve para seguridad, control interno, FinOps, mejora de calidad, investigación de incidentes, optimización de modelos y reporting de adopción.
¿Qué diferencia hay entre logs técnicos y auditoría de IA?
Los logs técnicos suelen indicar si una llamada funcionó. La auditoría de IA añade contexto: usuario, prompt, respuesta, modelo, coste, política aplicada, datos sensibles y finalidad de negocio.
¿Quién debería revisar los registros?
Depende del tipo de información. IT puede revisar rendimiento; finanzas, costes; seguridad, eventos DLP; compliance, evidencias; y negocio, uso agregado. El acceso al contenido completo debería estar restringido.
Conclusión: sin auditoría de prompts no hay trazabilidad real de IA
La inteligencia artificial empresarial necesita trazabilidad. Si una empresa no puede reconstruir qué prompt se envió, qué respuesta se generó, qué usuario intervino, qué modelo se usó, cuánto costó y qué política se aplicó, no tiene control real sobre su uso de IA.
La auditoría de prompts permite operar modelos generativos con más seguridad, mejor compliance y mayor control interno. También ayuda a optimizar costes, detectar riesgos, mejorar políticas y demostrar que la IA se usa dentro de un marco corporativo.
En ese contexto, coordinat.io convierte cada interacción de IA en una evidencia gobernada: registrada, contextualizada, protegida y disponible para auditoría cuando la empresa lo necesite.
coordinat.io registra prompts, respuestas, usuarios, modelos, proveedores, costes, eventos DLP y políticas aplicadas para que tu empresa pueda usar IA con trazabilidad, seguridad y control interno.
Empieza gratis — 30 días