--- title: "La SEC multó con $400.000 a dos asesoras por presumir una IA que no existía" description: "En 2024 la SEC multó con $400.000 a Delphia y Global Predictions por presumir una IA que no usaban: la primera sanción por AI-washing y qué evita repetirla." slug: "ai-washing-multa-sec-400000-delphia" url: "https://catalizadora.ai/blog/ai-washing-multa-sec-400000-delphia" cluster: "casos-ia" author: "Pablo Estrada" published_at: "2026-08-26T08:03:56.655+00:00" updated_at: "2026-08-26T18:44:31.092126+00:00" read_minutes: "6" lang: "es" --- # La SEC multó con $400.000 a dos asesoras por presumir una IA que no existía > En 2024 la SEC multó con $400.000 a Delphia y Global Predictions por presumir una IA que no usaban: la primera sanción por AI-washing y qué evita repetirla. ## La cronología **Día 0.** Durante 2019 y 2023, la asesora de inversión Delphia se presentó ante el mercado como una firma que había resuelto un problema difícil: convertir los datos de sus propios clientes —hábitos de consumo, actividad en redes, movimientos financieros— en el combustible de un modelo de aprendizaje automático capaz de anticipar el comportamiento de los mercados. La narrativa era clara y estaba escrita en todas partes: en el sitio web, en un comunicado de prensa, en redes sociales y en las presentaciones que la firma hacía ante su propio regulador. En paralelo, Global Predictions se anunciaba durante 2023 como "el primer asesor financiero regulado con IA" y ofrecía pronósticos impulsados por inteligencia artificial experta. **Día 1.** El 18 de marzo de 2024, la Comisión de Bolsa y Valores de Estados Unidos, la SEC, anunció cargos contra las dos firmas por afirmaciones falsas y engañosas sobre su supuesto uso de inteligencia artificial. El hallazgo central no fue que los modelos funcionaran mal ni que hubieran dado malos consejos de inversión: fue que la tecnología descrita no existía dentro de la operación. Según la SEC, Delphia nunca llegó a tener la capacidad de inteligencia artificial y aprendizaje automático que declaró durante cuatro años, y Global Predictions no podía sostener ni la etiqueta de "primero" ni la descripción de sus pronósticos. **Horas y días después.** Las dos firmas resolvieron el caso el mismo día del anuncio, sin admitir ni negar los hallazgos. Aceptaron una censura, una orden de cese y desistimiento y el pago de sanciones civiles: $225.000 Delphia y $175.000 Global Predictions, $400.000 en total. Fueron las primeras multas de la historia por una conducta que el regulador bautizó ese día con nombre propio: *AI-washing*. > A ninguna de las dos la sancionaron por usar mal la inteligencia artificial: las sancionaron por no tener la que decían tener. ## Qué pasó, en detalle La afirmación de Delphia era específica y operativa, no un adorno de marketing. No decía "usamos tecnología de punta": decía que los datos que sus clientes le entregaban —lo que compraban, lo que publicaban, cómo movían su dinero— alimentaban un modelo predictivo que se traducía en decisiones de inversión. Esa frase es verificable: o existe un proceso que toma esos datos y produce una señal, o no existe. No existía, según el anuncio del regulador: [Cobertura en SEC.GOV](https://www.sec.gov/newsroom/press-releases/2024-36). Lo que agrava el expediente no es el volumen de la exageración sino su superficie. La misma promesa aparecía en el sitio, en redes sociales y en las presentaciones regulatorias, que son documentos fechados, firmados y archivados. Una frase optimista dicha en una reunión se olvida; en un formulario oficial queda como registro permanente. Cuando el regulador quiso contrastar el pitch con el sistema, tenía cuatro años de copias idénticas de la misma declaración. El caso de Global Predictions siguió la misma lógica por otra vía. "El primer asesor financiero regulado con IA" es un superlativo, y los superlativos son afirmaciones de hecho disfrazadas de eslogan: cualquiera puede ir a comprobar si hay un primero anterior, y alguien lo hizo. La postura pública de la SEC al anunciar el caso fue directa: cada tecnología nueva genera entusiasmo genuino y, con él, afirmaciones falsas de quienes dicen aprovecharla. Vale la pena marcar lo que el caso no fue. No hubo un modelo que alucinara, ni un algoritmo sesgado, ni pérdidas atribuidas a una máquina. Hubo una distancia entre lo que dos empresas decían de sí mismas y lo que corría en su infraestructura, sostenida por escrito durante años. ## Por qué pasó El mecanismo es aburrido y por eso se repite. En casi toda empresa que construye producto conviven dos documentos: el roadmap, que describe lo que se va a hacer, y el sistema, que contiene lo que ya se hizo. El material comercial casi siempre se redacta leyendo el primero. Alguien escribe la página de producto mientras el equipo técnico todavía evalúa si el modelo predictivo es viable, la página se publica, el proyecto se pospone por razones razonables —costo, calidad de los datos, prioridades— y nadie vuelve a la página. La promesa sobrevive al proyecto que la justificaba. A eso se suma la copia. La frase original suele nacer con matices: "estamos incorporando", "en desarrollo", "piloto". Cada vez que se traslada a otra superficie —una propuesta, un deck de inversión, un perfil de LinkedIn, un formulario regulatorio— pierde un matiz y gana seguridad. Tres copias después, un piloto se convirtió en una capacidad instalada, y nadie mintió en ningún paso individual. El tercer factor es la ausencia de un inventario. Casi ninguna empresa mediana tiene una lista de una página que diga, con fecha y responsable, qué capacidades de inteligencia artificial están hoy en producción. Sin esa lista, la pregunta "¿es cierto lo que dice nuestra web?" no tiene respuesta rápida: tiene una conversación, y las conversaciones no se auditan. Ninguno de los tres factores es un problema de modelo. Los tres son de proceso. ![Desglose de las sanciones de la SEC por AI-washing en 2024](/img/casos/ai-washing-multa-sec-400000-delphia-datos.jpg) *$400.000 en total: $225.000 para Delphia y $175.000 para Global Predictions, por afirmaciones sostenidas durante cuatro años.* ## Dónde te puede pasar a ti La SEC regula asesores de inversión de Estados Unidos, así que es fácil leer este caso como ajeno. No lo es: el mismo riesgo, sin multa pero con costo, vive en cualquier empresa mediana de la región. - **El bot de atención.** El sitio anuncia "atención con inteligencia artificial 24/7", pero el bot responde ocho preguntas frecuentes y el resto cae en una bandeja que alguien revisa a las nueve de la mañana. El cliente que escribe un domingo a las once de la noche no descubre un matiz de marketing: descubre que le mintieron. - **El cotizador.** "Cotizaciones inteligentes en segundos" suele describir una tabla de precios con condicionales. La tabla puede ser excelente y suficiente; el problema aparece cuando el comprador corporativo pide, en la debida diligencia, ver el modelo que se le prometió. - **La cobranza.** "Predecimos qué cliente va a caer en mora" es una afirmación fuerte. Si lo que existe es un filtro por días de atraso, la frase correcta es "priorizamos por antigüedad de saldo", que además se puede demostrar en pantalla. - **El contenido y la contratación.** "Contenido personalizado con IA" que en realidad inserta el nombre del destinatario, o un "filtro de currículums con IA" que es una búsqueda por palabras clave, son las versiones más comunes de la misma brecha. En contratación, además, la afirmación empieza a tener consecuencias bajo las leyes de protección de datos de varios países de la región. La pregunta incómoda para hoy: si un cliente grande, un socio o un auditor le pidiera esta semana ver funcionando, en producción, cada capacidad de inteligencia artificial que su empresa anuncia en su sitio, ¿cuántas podría mostrar en menos de cinco minutos? ## Cómo se evita **1. Inventario de capacidades con fecha y dueño.** Una hoja con una fila por afirmación pública: qué dice, dónde está publicada, qué sistema la sostiene, quién responde por ella y cuándo se verificó. Ninguna frase entra al material comercial sin su fila. Se arma en una tarde y convierte "¿es cierto?" en una consulta de treinta segundos en vez de una reunión. **2. La regla del demo de dos minutos.** Toda capacidad anunciada debe poder demostrarse en vivo, sobre el sistema en producción, en menos de dos minutos. Si no se puede, la frase se reescribe hasta describir lo que sí se puede mostrar. Eso no achica el mensaje: lo hace defendible. **3. Barrido trimestral de todas las superficies.** Cada trimestre, alguien busca las palabras "IA", "inteligente", "automático" y "predictivo" en el sitio, las propuestas, los contratos y los perfiles de redes, y confronta cada aparición contra el inventario. Lo que no pasa el contraste se corrige ese día. **4. Un número al lado de cada adjetivo.** Si el mensaje es "resuelve la mayoría de las consultas", el tablero interno debe mostrar el porcentaje real. Un adjetivo sin métrica es una promesa sin respaldo; con métrica es un argumento de venta más fuerte. **5. Firma cruzada antes de publicar.** Quien construye el sistema aprueba por escrito la afirmación antes de que salga, y la versión aprobada se archiva con fecha. Es el control que ya se aplica a los estados financieros, aplicado al lenguaje de producto. ## Cómo lo hacemos en Catalizadora Este caso toca tres candados de nuestro stack. En **Cortex**, las capacidades del bot se declaran de forma explícita y lo que no está declarado no existe: si el asistente no fue habilitado para cotizar, agendar o consultar un saldo, no improvisa una respuesta. Esa lista de capacidades declaradas es el inventario del mecanismo número uno, pero vive en el código en vez de en una hoja. En **Faro**, la tasa de intervención humana está a la vista del cliente, no en un reporte que preparamos nosotros. Ese número convierte "atención automatizada" en un dato verificable: si el 40% de las conversaciones necesita a una persona, el cliente lo ve y el mensaje comercial se ajusta a la realidad, y no al revés. En el **método MAGIA**, cada fase se entrega con evidencia de lo que quedó funcionando, y el código, los datos y las credenciales quedan a nombre del cliente. Así la empresa puede demostrar sus propias capacidades sin depender de nosotros. La regla, en una línea: si no lo puede mostrar en un tablero, no lo ponga en la publicidad. --- *Este es uno de los casos documentados en nuestra hemeroteca de fallas de IA. Todos con su fuente enlazada, y todos con la misma conclusión: el problema casi nunca es el modelo.* ## Preguntas frecuentes ### ¿Qué pasó después de que la SEC anunció los cargos? Las dos firmas resolvieron el caso el mismo día, sin admitir ni negar los hallazgos: aceptaron una censura, una orden de cese y desistimiento y sanciones civiles por $225.000 (Delphia) y $175.000 (Global Predictions). Fueron las primeras multas de la historia por AI-washing y desde entonces el término forma parte del vocabulario de supervisión del sector financiero. ### ¿Qué es exactamente el AI-washing? Es anunciar públicamente capacidades de inteligencia artificial que la empresa no tiene, o describirlas como más avanzadas de lo que son. No se trata de que el modelo falle: se trata de la distancia entre lo que se promete por escrito y lo que efectivamente corre en la operación. ### Mi empresa no está regulada por la SEC. ¿Esto me aplica? La multa no, el riesgo sí. Los compradores corporativos revisan estas afirmaciones en la debida diligencia, y la publicidad engañosa está sancionada por las leyes de protección al consumidor y de datos de la mayoría de países de la región. El costo llega como negocio perdido o como reclamo, no como expediente regulatorio. ### ¿Cómo sé si mi empresa está exagerando sin darse cuenta? Tome cada frase de su sitio que mencione inteligencia artificial y pida que se la demuestren funcionando en producción en menos de dos minutos. Lo que no se pueda mostrar se reescribe hasta describir lo que sí existe; en general, lo que sí existe alcanza de sobra para vender. --- Source: https://catalizadora.ai/blog/ai-washing-multa-sec-400000-delphia Author: Pablo Estrada — AI Catalysts, LLC (catalizadora.ai)