¿Qué es una AI BOM? Diferencias con la SBOM, las fichas de modelo y las fichas de datos, y cuándo usar cada una
Yuta Matsuyama
Investigador de seguridad, TECHFUND Inc.
Actualizado:
Para quién es: Responsables de desarrollo y profesionales de seguridad que desarrollan y operan funciones de IA y a quienes sus socios comerciales piden explicaciones sobre su composición y seguridad.
Respuesta práctica
Una AI BOM es información de composición que organiza los modelos, los datos relacionados, el software y otros elementos que conforman un sistema de IA, de modo que se puedan rastrear sus relaciones. Una SBOM describe principalmente la composición del software; una ficha de modelo explica los usos y las evaluaciones del modelo; y una ficha de datos explica cómo se creó un conjunto de datos y sus condiciones de uso. Aunque algunos campos se solapan, sus objetivos son distintos, por lo que conviene combinar la información necesaria.
Primero, determine qué quiere saber
Supongamos que le preguntan sobre las funciones de IA de su empresa: «¿Qué modelos se utilizan, desde qué aplicaciones y con qué datos?». Aunque conozca al proveedor del modelo, el mismo documento no necesariamente describe las bibliotecas de las que depende la aplicación, los documentos internos utilizados para la recuperación de información ni las rutas por las que las entradas llegan al modelo.
La AI BOM es un enfoque para organizar estos componentes y sus conexiones. Lo que debe incluir varía según el propósito y el formato adoptado. Decidir primero para qué se utilizará —por ejemplo, para responder a problemas de seguridad, proporcionar información durante la adquisición o gestionar activos internos— facilita la selección de los campos necesarios.
Los cuatro tipos de documentación responden a preguntas distintas
La ML-BOM de CycloneDX ofrece un mecanismo para representar modelos, conjuntos de datos, dependencias y otros elementos. Por su parte, la investigación sobre fichas de modelo propone un método para informar sobre los usos previstos, las condiciones de evaluación y las limitaciones de un modelo. La investigación sobre hojas de datos para conjuntos de datos ofrece un marco para documentar su recopilación, composición, fines de uso y otros detalles.
Estos documentos no son mutuamente excluyentes. Por ejemplo, CycloneDX también incluye campos que representan el contenido de las fichas de modelo. Que los documentos tengan nombres diferentes no significa necesariamente que deban crearse archivos separados.
| Documento | Pregunta principal | Ejemplos |
|---|---|---|
| AI BOM | ¿Qué elementos y relaciones componen la función de IA? | Modelos utilizados, datos relacionados, dependencias, lugares de uso |
| SBOM | ¿Qué componentes conforman el software? | Bibliotecas, versiones, dependencias |
| Ficha de modelo | ¿Para qué se puede usar el modelo y qué evaluaciones y limitaciones tiene? | Usos previstos, resultados de evaluación, restricciones conocidas |
| Ficha de datos / hoja de datos | ¿Cómo se crearon los datos y para qué se pueden usar? | Métodos de recopilación, composición, condiciones de uso, restricciones |
Los campos son ejemplos. El alcance real de la información incluida varía según el formato y el proveedor.
Pensemos en una aplicación que utiliza un modelo externo
Por ejemplo, imaginemos una aplicación que busca en documentos internos y pasa su contenido a un modelo externo para generar una respuesta. Es un ejemplo ficticio con fines ilustrativos. Una AI BOM puede registrar las relaciones entre la aplicación, el ID del modelo al que llama, los datos utilizados para la recuperación de información y los componentes de software que utiliza. La SBOM enumera las bibliotecas usadas por la aplicación y, si existen fichas de modelo o de datos, se pueden consultar para comprobar los usos y las restricciones.
Sin embargo, si los datos de entrenamiento del modelo externo no son públicos, no se deben rellenar los conjuntos de datos realmente utilizados basándose en suposiciones. Marque como «no verificada» la información que el proveedor no haya divulgado y registre la fecha en que recibió una respuesta y el contacto para consultas. Los documentos internos usados para la recuperación de información son datos que utiliza la aplicación y deben tratarse por separado de los datos empleados para entrenar el modelo.
Distinga la información declarada de la que realmente se ha verificado
Una ficha publicada por el proveedor de un modelo, las dependencias detectadas en un repositorio y un ID de modelo confirmado en la configuración de producción son «información de composición», pero tienen fundamentos probatorios distintos. Registrar la fuente, la fecha de verificación, la persona responsable y los elementos no verificados permite identificar más adelante qué aspectos requieren actualizaciones o consultas. Si un servicio externo no divulga suficientemente el modelo que realmente utiliza o su versión, registre también la información dentro de esos límites.
Al revisar código en desarrollo, es importante no dar por hecho que el nombre del modelo escrito en un archivo de configuración permite conocer todas las rutas en funcionamiento. Las variables de entorno o los cambios en tiempo de ejecución pueden hacer que se llame a otro modelo. Contraste las referencias del código con la configuración y los registros de uso que tenga autorización para consultar, y pregunte a la persona responsable si encuentra diferencias.
Empiece por una sola función de IA
Primero, defina la función que se va a examinar y su responsable, y organice la información sobre el proveedor y el identificador del modelo, los datos utilizados, las principales dependencias y el destino del despliegue. Después, registre la evidencia que respalda cada elemento y deje marcada como no verificada la información que no se haya divulgado. Asignar también a una persona responsable de actualizar la información cuando cambien los modelos o la configuración ayuda a que el inventario no sea un ejercicio puntual.
Asimismo, en mayo de 2026, CISA y los organismos pertinentes del G7 publicaron directrices sobre los elementos mínimos para la IA que pueden considerarse además de los elementos mínimos generales de una SBOM. Estas directrices no se presentan como una lista exhaustiva ni obligatoria.
CycloneDX y SPDX son opciones para manejar esta información en un formato legible por máquina. Compruebe en las herramientas reales y en las condiciones contractuales qué formatos y campos puede procesar el destinatario. Una AI BOM sirve de base para tomar decisiones; el mero registro de información no demuestra la seguridad, el cumplimiento legal ni la procedencia de los datos de entrenamiento. La evaluación y la verificación humana siguen siendo necesarias por separado.
Preguntas frecuentes
¿Tener una AI BOM hace innecesaria una SBOM?
No necesariamente. Es posible incluir las dependencias de software en la información de composición para IA, pero que se cubra toda la información necesaria depende del formato y de las herramientas utilizados para crearla. Compruébelo en función del uso previsto.
¿Los datos de entrenamiento indicados en una ficha de modelo son evidencia verificada?
La ficha contiene información declarada por el proveedor. Distinga si existe una verificación independiente y hasta qué punto se ha divulgado la información, y trate como no verificados los elementos que no pueda comprobar.
Cómo puede ayudar Hi AUDIT Agent
Una vez organizada la configuración de los modelos y los datos en un BOM de IA, también conviene comprobar la seguridad del código que hace funcionar esas características. Con Hi AUDIT Agent, puedes solicitar un análisis en lenguaje natural desde un entorno de desarrollo compatible con MCP; por ejemplo: «Comprueba la seguridad de esta API». Puedes consultar las ubicaciones señaladas, los fundamentos de los hallazgos y las correcciones propuestas en una misma pantalla, lo que facilita pasar del inventario a la revisión del código. Los resultados del análisis deben ser validados por una persona; la creación del BOM de IA y la comprobación de que la configuración esté recogida de forma completa deben realizarse por separado.
Crear una cuenta de Hi AUDIT Agent