Inteligencia artificial (IA) e identidad organizativa

A medida que los agentes de IA comienzan a buscar servicios, intercambiar información y realizar pagos en nombre de las organizaciones, surge una cuestión práctica: ¿cómo puede una tercera parte verificar qué organización hay detrás de un agente y qué está autorizado a hacer dicho agente? El Identificador de Entidad Legal (LEI) proporciona un identificador estandarizado a nivel mundial vinculado a datos de referencia de la entidad legal verificados. El LEI verificable (vLEI) amplía esta base a las interacciones digitales, lo que permite a las contrapartes verificar de forma computacional la identidad de la organización y la autoridad de las personas que actúan en su nombre.

La GLEIF está estudiando cómo esta infraestructura podría respaldar futuros enfoques sobre la autoridad delegada para los agentes de IA, especialmente en el ámbito de los pagos. Paralelamente a este ámbito emergente, los datos de referencia estandarizados del LEI ya respaldan la clasificación de entidades legales basada en la IA. Estas aplicaciones abordan diferentes necesidades: verificar la autoridad cuando los agentes de IA actúan y mejorar los datos organizativos utilizados en los análisis impulsados por la IA.

IA agentiva en los pagos: verificación de la identidad y la autoridad delegada

Una organización puede delegar tareas de pago a un software, pero la contraparte sigue necesitando pruebas de quién autorizó al agente, qué acciones puede llevar a cabo y cómo se verifican dichos permisos. El LEI identifica a la Entidad Legal implicada. Las credenciales vLEI existentes permiten la verificación computacional de la identidad de la organización, así como de las funciones y la autoridad de las personas que actúan en nombre de dicha entidad. Vincular a un agente de IA específico con una organización y sus acciones permitidas requiere pruebas y controles adicionales de delegación en el momento de la transacción.

El documento de trabajo de la GLEIF de septiembre de 2026, titulado «IA agentiva en los pagos: establecimiento de confianza y control interoperables», explora un posible enfoque. El documento examina una propuesta de «Credencial de Mandato de Agente» (AMC) que podría vincular el identificador criptográfico de un agente de IA a una organización verificada y a una persona autorizada, al tiempo que especifica las tareas permitidas, los límites de las transacciones y la validez. Por ejemplo, un responsable de tesorería de una empresa podría autorizar a un agente a ejecutar pagos definidos a proveedores; el proveedor de servicios de pago podría verificar la cadena de autorización y aplicar controles en el momento de la transacción antes de ejecutarla. El documento también examina la revocación, los registros de auditoría, la privacidad y la interoperabilidad. La AMC sigue siendo una propuesta para futuras investigaciones y pruebas. Actualmente no es una credencial emitida dentro del ecosistema vLEI ni un estándar sectorial definitivo.

Análisis de datos impulsado por IA: Comprensión de los nombres de las entidades legales (LENU)

Las formas jurídicas varían según las jurisdicciones, los idiomas y las convenciones de denominación, lo que dificulta su clasificación de forma coherente. La Lista de códigos de formas jurídicas (ELF), basada en la norma ISO 20275, asigna un código alfanumérico de cuatro caracteres a cada forma jurídica de entidad. La GLEIF colaboró con Sociovestix Labs para desarrollar Legal Entity Name Understanding (LENU), una herramienta de aprendizaje automático de código abierto que predice la forma jurídica de una entidad a partir de su nombre y sugiere el código ELF correspondiente. LENU utiliza datos de referencia de la entidad legal estandarizados para entrenar modelos específicos de cada jurisdicción y puede ofrecer:

• Una clasificación más coherente de las formas jurídicas en distintos idiomas y convenciones de denominación.
• Una mejor correspondencia de entidades e integración de datos cuando los registros utilizan etiquetas diferentes.
• Menor esfuerzo manual en la preparación de los datos sobre la forma jurídica para los procesos posteriores.
• Revisiones de la calidad de datos cuando los códigos ELF sugeridos difieren de los que figuran en los registros LEI existentes.

Estas clasificaciones legibles por máquina ayudan a las organizaciones a preparar datos de entidades más coherentes para el análisis, la incorporación de nuevos clientes y otros procesos digitales. El siguiente vídeo de la serie «GLEIF Explains» presenta LENU.

LENU es una biblioteca de código abierto en Python disponible en GitHub, con modelos específicos para cada jurisdicción también disponibles en Hugging Face. Sus modelos basados en transformadores pueden procesar nombres de entidades en distintos idiomas y jurisdicciones.

Cuando la GLEIF identifica discrepancias claras entre las predicciones de LENU y los registros LEI existentes, puede enviar una solicitud de verificación de datos al Emisor del LEI correspondiente para su comprobación y corrección, si es necesario. Los datos de referencia actualizados pueden servir de base para las versiones posteriores del modelo.

La GLEIF, la Universidad de St. Gallen y Sociovestix Labs publicaron el artículo de investigación científica «Transformer-based Entity Legal Form Classification» (Clasificación de la forma jurídica de las entidades basada en transformadores), que analiza este enfoque y su potencial para apoyar la estandarización de datos y la correspondencia de entidades.

Para obtener una visión general, lee nuestra última entrada del blog «Cuando los agentes de IA realizan transacciones, ¿quién está detrás de ellos?». Para conocer el contexto más amplio de los pagos, consulta «Pagos transfronterizos»