ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(519)
http://www.aulavirtual.web.ve
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(520)
http://www.aulavirtual.web.ve
REVISTA CIENTÍFICA
AULA VIRTUAL
Director Editor:
La Revista seriada Científica Arbitrada e Indexada
Aula Virtual, es de acceso abierto y en formato
electrónico; la misma está orientada a la
divulgación de las producciones científicas creadas
por investigadores en diversas áreas del
conocimiento. Su cobertura temática abarca
Tecnología, Ciencias de la Salud, Ciencias
Administrativas, Ciencias Sociales, Ciencias
Jurídicas y Políticas, Ciencias Exactas y otras áreas
afines. Su publicación es CONTINUA, indexada y
arbitrada por especialistas en el área, bajo la
modalidad de doble ciego. Se reciben las
producciones tipo: Artículo Científico en las
diferentes modalidades cualitativas y cuantitativas,
Avances Investigativos, Ensayos, Reseñas
Bibliográficas, Ponencias o publicaciones
derivada de eventos, y cualquier otro tipo de
investigación orientada al tratamiento y
profundización de la información de los campos de
estudios de las diferentes ciencias. La Revista Aula
Virtual, busca fomentar la divulgación del
conocimiento científico y el pensamiento crítico
reflexivo en el ámbito investigativo.
• Dra. Leidy Hernández PhD.
• Dr. Fernando Bárbara
Consejo Asesor:
• MSc. Manuel Mujica
• MSc. Wilman Briceño
• Dra. Harizmar Izquierdo
• Dr. José Gregorio Sánchez
Revista Científica Arbitrada de
Fundación Aula Virtual
Email: revista@aulavirtual.web.ve
URL: http://aulavirtual.web.ve/revista
ISSN:
Depósito Legal:
País:
Año de Inicio:
Periodicidad:
Sistema de Arbitraje:
Licencia:
Volumen:
Número:
Año:
Período:
Dirección Fiscal:
2665-0398
LA2020000026
Venezuela
2020
Continua
Revisión por pares. “Doble Ciego”
Creative Commons CC BY NC ND
7
14
2026
Enero 2026 - Junio 2026 (continua)
Av. Libertador, Arca del Norte, Nro.
52D, Barquisimeto estado Lara,
Venezuela, C.P. 3001
Generando Conocimiento
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(521)
http://www.aulavirtual.web.ve
Tipo de Publicación: Articulo Científico
Recibido: 22/01/2026
Aceptado: 22/02/2026
Publicado: 29/03/2026
Código Único AV: e667
Páginas: 1(519-537)
DOI: https://doi.org/10.5281/zenodo.19323292
Autores:
José Antonio Beraún - Barrantes
Abogado
Doctor en Derecho
https://orcid.org/0000-0001-8979-2734
E-mail: jose.beraun@udh.edu.pe
Afiliación: Universidad de Huánuco
País: República del Perú
Fernando Eduardo Corcino Barrueta
Abogado
Doctor en Derecho Penal y Procesal
https://orcid.org/0000-0003-0296-4033
E-mail: fernando.corcino@udh.edu.pe
Afiliación: Universidad de Huánuco
País: República del Perú
Resumen
La incorporación de sistemas de inteligencia artificial en los programas de
compliance anticorrupción ha transformado de manera significativa los
mecanismos de detección, prevención y control de riesgos, al introducir
modelos híbridos que combinan automatización algorítmica y supervisión
humana. Esta transformación resulta especialmente relevante en contextos
normativos altamente regulados, donde las decisiones asistidas por IA pueden
afectar la rendición de cuentas, la protección de derechos fundamentales y la
legitimidad institucional. En este marco, el objetivo del presente artículo fue
identificar los desafíos éticos y regulatorios que emergen de la implementación
de sistemas híbridos humano-IA en programas de compliance, a partir de la
evidencia científica disponible. Para ello, se desarrolló un artículo de revisión
sistemática, siguiendo las directrices PRISMA 2020, mediante la identificación,
selección y análisis crítico de estudios publicados en revistas científicas con
revisión por pares entre los años 2021 y 2026. Los resultados evidenciaron la
presencia de desafíos recurrentes, tales como el sesgo algorítmico, la opacidad
decisional, la dilución de responsabilidades, la fragmentación normativa y las
limitaciones en la efectividad de la supervisión humana. Asimismo, se
identificaron propuestas de gobernanza y estrategias de mitigación orientadas a
la explicabilidad, la auditabilidad y la integración socio-técnica de los sistemas.
En conclusión, la revisión pone de relieve que la eficacia de los sistemas
híbridos humano-IA en programas de compliance depende no solo de su diseño
técnico, sino de la existencia de marcos éticos y regulatorios operativos que
articulen de manera coherente la automatización con el control humano
significativo.
Palabras Clave
Sistemas híbridos humano-IA, desafíos éticos,
gobernanza regulatoria, supervisión humana,
compliance anticorrupción
Abstract
The incorporation of artificial intelligence systems into anti-corruption
compliance programs has significantly transformed risk detection, prevention,
and control mechanisms by introducing hybrid models that combine algorithmic
automation and human oversight. This transformation is especially relevant in
highly regulated legal contexts, where AI-assisted decisions can affect
accountability, the protection of fundamental rights, and institutional
legitimacy. Within this framework, the objective of this article was to identify
the ethical and regulatory challenges that arise from the implementation of
hybrid human-AI systems in compliance programs, based on the available
scientific evidence. To this end, a systematic review article was developed,
following the PRISMA 2020 guidelines, by identifying, selecting, and critically
analyzing studies published in peer-reviewed scientific journals between 2021
and 2026. The results revealed the presence of recurring challenges, such as
algorithmic bias, decision opacity, dilution of accountability, regulatory
fragmentation, and limitations in the effectiveness of human oversight.
Furthermore, governance proposals and mitigation strategies focused on the
explainability, auditability, and socio-technical integration of the systems were
identified. In conclusion, the review highlights that the effectiveness of human-
AI hybrid systems in compliance programs depends not only on their technical
design but also on the existence of operational ethical and regulatory
frameworks that coherently link automation with meaningful human control.
Keywords
Human-AI hybrid systems, ethical challenges, regulatory
governance, human oversight, anti-corruption compliance
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(522)
http://www.aulavirtual.web.ve
Introducción
La incorporación de la inteligencia artificial
(IA) en los programas de compliance anticorrupción
fue entendida como una transformación relevante en
la gestión del cumplimiento normativo corporativo.
En este contexto, los sistemas híbridos humano-IA,
caracterizados por la combinación de capacidades
algorítmicas y supervisión humana, fueron descritos
como una alternativa funcional para la detección y
prevención de conductas corruptas, en la medida en
que permiten complementar la eficiencia
computacional con el juicio humano informado, tal
como señaló Sagar (2025). No obstante, esta
convergencia tecnológica también fue asociada a
desafíos éticos y regulatorios de considerable
complejidad, los cuales demandaron un abordaje
analítico sistemático.
Desde la literatura reciente se identificaron
tensiones estructurales entre los procesos de
automatización algorítmica y la atribución de
responsabilidad humana en escenarios de
cumplimiento normativo. Al respecto, Celsi &
Zomaya (2025) advirtieron la presencia de
preocupaciones vinculadas a sesgos algorítmicos,
transparencia, rendición de cuentas y a la relación
problemática entre automatización y supervisión
humana. Dichas tensiones adquirieron mayor
relevancia en entornos altamente regulados, donde
las decisiones mediadas por sistemas automatizados
pueden incidir sobre derechos fundamentales y
obligaciones legales.
En relación con los marcos de gobernanza,
diversos estudios evidenciaron limitaciones
estructurales para afrontar la complejidad de los
sistemas híbridos. Chintoh et al., (2024) señalaron
que, en el contexto estadounidense, persistió la
ausencia de un marco integral de gobernanza para la
IA, particularmente en materia de transparencia,
equidad y compatibilidad con la normativa de
protección de datos personales. Esta insuficiencia
regulatoria fue asociada a escenarios de
incertidumbre respecto de la delimitación de
responsabilidades entre agentes humanos y
componentes algorítmicos.
De manera complementaria, la
operacionalización de principios éticos en sistemas
híbridos fue identificada como un desafío adicional.
En este sentido, Pasupuleti (2025) propuso cuatro
pilares para una gobernanza ética de la IA:
alineación legal y política, principios de diseño
ético, auditabilidad técnica y participación de
múltiples actores, destacando que los modelos
institucionales que priorizaron la transparencia y la
rendición de cuentas tendieron a fortalecer la
confianza pública.
La producción científica reciente abordó de
forma progresiva los desafíos derivados de la
implementación de sistemas híbridos humano-IA en
contextos de cumplimiento normativo, aportando
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(523)
http://www.aulavirtual.web.ve
evidencia relevante para la comprensión de esta
problemática multidimensional. En particular,
Birkstedt et al., (2023), a partir de una revisión
sistemática, identificaron vacíos críticos en la
gobernanza de la IA y propusieron cuatro agendas
de investigación futura: técnica, de actores y
contexto, regulatoria y de procesos. Sus hallazgos
mostraron que la aplicación efectiva de principios
éticos en organizaciones permaneció
insuficientemente desarrollada, especialmente en lo
relativo a la asignación de responsabilidades entre
componentes humanos y algorítmicos.
De manera similar, Giarmoleo et al., (2024)
realizaron una revisión sistemática de 309 estudios
centrados en preocupaciones éticas de la IA,
concluyendo que muchas de las soluciones
planteadas carecieron de mecanismos operativos
concretos. Esta brecha entre principios éticos
abstractos y su implementación práctica fue
considerada especialmente relevante para los
sistemas de compliance, donde la supervisión
humana de decisiones algorítmicas constituye un
elemento crítico.
En el ámbito financiero, Ridzuan et al., (2024)
examinaron aplicaciones de IA vinculadas al
cumplimiento normativo, identificando desafíos
relacionados con transparencia, rendición de
cuentas y gobernanza. Sus resultados sugirieron que
la integración de IA en funciones de compliance
exigió un equilibrio entre innovación tecnológica y
responsabilidad ética, lo que reforzó la necesidad de
marcos regulatorios adaptativos orientados a la
colaboración humano-máquina.
Por su parte, Akinrinola et al., (2024)
propusieron estrategias orientadas a mitigar dilemas
éticos en el desarrollo de IA, entre ellas la adopción
de modelos de IA explicable, esquemas de
supervisión humana en el bucle y mecanismos de
gobernanza ética. Dichas propuestas ofrecieron un
marco analítico pertinente para comprender cómo
los principios de transparencia, equidad y rendición
de cuentas pueden ser operacionalizados en
sistemas híbridos aplicados al compliance
anticorrupción.
A pesar de estos avances, la literatura
evidenció vacíos relevantes que justificaron la
realización de una revisión sistemática focalizada en
sistemas híbridos humano-IA en programas de
cumplimiento normativo anticorrupción. Un primer
vacío se vinculó con la ausencia de marcos
específicos para la asignación de responsabilidades
en sistemas híbridos. Manan et al., (2025)
observaron que las tecnologías de vigilancia
basadas en IA plantearon dilemas éticos asociados a
sesgos algorítmicos y afectaciones a la privacidad,
sin que se definieran con claridad los mecanismos
de distribución de responsabilidades en contextos
normativos.
Un segundo vacío estuvo relacionado con la
limitada integración de estándares de explicabilidad
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(524)
http://www.aulavirtual.web.ve
en entornos regulados. Bhardwaj (2025), en su
revisión sistemática sobre IA explicable en el sector
financiero, identificó problemas persistentes de
aceptación institucional derivados de la ausencia de
estándares consolidados, la dependencia de métodos
post hoc y la escasa incorporación de teorías
conductuales sobre confianza, particularmente en
procesos de auditoría regulatoria.
El tercer vacío se asoció a la fragmentación
del conocimiento sobre gobernanza ética de la IA en
el sector público. Adepoju & Chinonyerem (2025)
documentaron experiencias de implementación de
IA en supervisión gubernamental, incluyendo
algoritmos de detección de fraude y técnicas de
procesamiento del lenguaje natural, señalando la
necesidad de marcos integrales que articulen de
manera coherente la automatización con la
supervisión humana.
Finalmente, Patel (2025) destacó la relevancia
de desarrollar investigaciones comparativas sobre
modelos de IA explicable aplicados a la evaluación
de riesgos financieros, subrayando las limitaciones
existentes para su adopción en entornos altamente
regulados y evidenciando la escasa atención
específica al cumplimiento normativo en materia
anticorrupción.
A partir de los vacíos identificados, el
presente artículo de revisión sistemática tuvo como
objetivo identificar y analizar los desafíos éticos y
regulatorios asociados a la implementación de
sistemas híbridos humano-IA en programas de
cumplimiento, con base en la evidencia científica
disponible.
Metodología
Para el presente trabajo se empleó la
metodología PRISMA 2020 (Preferred Reporting
Items for Systematic Reviews and Meta-Analyses).
La estrategia de búsqueda en la base de datos
Scopus se estructuró mediante la siguiente fórmula
booleana: (("artificial intelligence" OR "AI" OR
"machine learning" OR "algorithmic") AND
("human-in-the-loop" OR "human oversight" OR
"hybrid governance" OR "human-AI
collaboration") AND ("compliance" OR
"regulatory" OR "anti-corruption" OR "ethics" OR
"governance") AND ("challenges" OR "risks" OR
"accountability" OR "transparency" OR "bias"))
Para guiar la revisión sistemática, se
formularon las siguientes preguntas: a) ¿Cuáles son
los principales desafíos éticos documentados en la
literatura científica respecto a la implementación de
sistemas híbridos humano-IA en programas de
compliance anticorrupción?, b) ¿Qué marcos
regulatorios y de gobernanza han sido propuestos
para abordar la integración de supervisión humana
con automatización algorítmica en contextos de
cumplimiento normativo? c) ¿Qué estrategias y
mecanismos de mitigación se han identificado para
superar los desafíos éticos y regulatorios en sistemas
híbridos humano-IA aplicados al compliance?
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(525)
http://www.aulavirtual.web.ve
Las búsquedas bibliográficas fueron
realizadas en las bases de datos Scopus, siguiendo
enfoques metodológicos previamente empleados en
revisiones sistemáticas orientadas al análisis de la
gobernanza de la inteligencia artificial, conforme a
lo documentado en estudios previos. Para tal fin, se
emplearon palabras clave seleccionadas en idioma
inglés, entre las que se incluyeron artificial
intelligence, human-in-the-loop, hybrid
governance, compliance, anti-corruption, ethical
challenges, regulatory frameworks, algorithmic
accountability, transparency y algorithmic bias.
En relación con los criterios de inclusión, se
consideraron elegibles aquellos artículos publicados
entre los años 2021 y 2026, difundidos en revistas
científicas con revisión por pares, que abordaran de
manera explícita los desafíos éticos o regulatorios
asociados al uso de la inteligencia artificial en
contextos de compliance o gobernanza. Asimismo,
se incluyeron investigaciones que examinaran la
interacción humano-IA en sistemas de
cumplimiento normativo, siempre que los textos se
encontraran disponibles en idioma inglés o español.
De forma complementaria, se establecieron
criterios de exclusión orientados a delimitar el
corpus analítico. En este sentido, fueron excluidos
artículos de opinión, editoriales y cartas al editor
carentes de sustento empírico, así como estudios que
abordaran aplicaciones de la inteligencia artificial
sin vinculación con el compliance, la gobernanza o
los marcos regulatorios.
También se descartaron publicaciones
duplicadas o versiones preliminares de
investigaciones ya consideradas, trabajos centrados
exclusivamente en aspectos técnicos sin análisis
éticos o regulatorios, documentos sin acceso al texto
completo y literatura gris, incluyendo informes
técnicos no sometidos a revisión por pares y
documentos de trabajo.
La aplicación sistemática de estos criterios
permitió delimitar un conjunto de estudios
caracterizado por su coherencia temática y rigor
académico, lo que facilitó una síntesis analítica de la
evidencia disponible sobre los desafíos éticos y
regulatorios asociados a los sistemas híbridos
humano-IA en programas de compliance
anticorrupción (Ver Figura 1).
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(526)
http://www.aulavirtual.web.ve
Figura 1. Identificación de estudios que utilizan el método prismático
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
http://www.aulavirtual.web.ve
Resultados
Autor
Contexto / sector
Configuración humana–IA
Principales desafíos éticos
Principales desafíos regulatorios
Albaroudi et al.,
(2026)
Toma de decisiones
organizacionales (público–
privado)
Human-in-the-loop con
mitigación de sesgos
Sesgo algorítmico; opacidad decisional;
sobreconfianza en salidas de IA
Ausencia de auditorías obligatorias;
falta de exigencias legales de
transparencia
Zaidan et al.,
(2026)
Gobernanza global de IA
Sistemas híbridos bajo
supervisión institucional
Dilución de la rendición de cuentas;
ética declarativa no operativa
Fragmentación regulatoria; ausencia
de estándares vinculantes
Mozzarelli &
Schneider (2026)
Gobernanza corporativa (UE)
IA en decisiones estratégicas
con control humano formal
Control humano ilusorio;
automatización indebida de
discrecionalidad
Insuficiencia del AI Act para procesos
decisionales híbridos
Floridi & Ascani
(2026)
Instituciones públicas (Italia)
Sistemas deliberativos con
human-on-the-loop
Dependencia cognitiva; deskilling
institucional; desigualdad digital
Falta de estándares éticos operativos;
necesidad de gobernanza anticipatoria
Ji et al., (2025)
Sistemas de IA de alto
impacto (global)
IA avanzada con supervisión
humana limitada
Pérdida de control humano efectivo;
desalineación ética; riesgos sistémicos
Gobernanza fragmentada; debilidad
regulatoria frente a sistemas complejos
Saeed &
Prybutok (2026)
Organizaciones privadas
Delegación de tareas a IA con
autonomía variable
Transferencia indebida de
responsabilidad; conflicto utilidad–
ética
Vacíos normativos sobre
responsabilidad por delegación
Lança & Rocha
(2026)
Gestión editorial jurídica
(Brasil)
IA editorial con supervisión
humana directa
Opacidad algorítmica; automatización
acrítica; afectación de autonomía
intelectual
Ausencia de directrices normativas
específicas para IA editorial
Frid et al., (2025)
Institución sanitaria pública
(UE)
GenAI con human-in-the-
loop obligatorio
Sesgos; alucinaciones; tensión
eficiencia–seguridad
Exigencias de GDPR y EU AI Act;
DPIA y trazabilidad
Bui (2025)
Gobernanza de plataformas
digitales
Moderación legalmente
informada con HITL y
apelación
Dilución de accountability;
externalidades por falsos positivos
Falta de debido proceso algorítmico
exigible; proporcionalidad
Tabla 1. Desafíos éticos y regulatorios de los sistemas híbridos humano–IA en contextos de compliance
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(528)
http://www.aulavirtual.web.ve
Autor
Contexto / sector
Marco regulatorio o de
gobernanza identificado
Naturaleza del marco
Modelo de supervisión
humana
Mecanismos clave de integración
humano–IA
Floridi & Ascani
(2026)
Sector público /
gobernanza de IA
Gobernanza anticipatoria y
ética institucional de IA
Soft law ético-
institucional
Supervisión humana
distribuida
Evaluación de impacto,
accountability ex ante, gobernanza
anticipatoria
Kortukova
(2024)
Unión Europea /
derechos
fundamentales
Regulación basada en riesgos
y derechos (EU AI Act)
Hard law
Supervisión humana
graduada por nivel de
riesgo
Clasificación de riesgos, controles
ex ante y ex post
Zaidan et al.,
(2026)
Gobernanza
tecnológica global
Modelo híbrido ética–
regulación para IA
Marco híbrido (soft →
hard)
Supervisión humana
normativa
Traducción de principios éticos en
reglas organizacionales
Saup et al.,
(2026)
Toma de decisiones
estratégicas
Modelo socio-técnico de
gobernanza con “admission
gates”
Marco organizacional
aplicado
Human-in-the-loop
estructural
Puertas de admisión: calidad,
procedencia, explicabilidad,
responsabilidad
Mozzarelli &
Schneider
(2026)
Gobernanza
corporativa
Gobernanza corporativa de
decisiones asistidas por IA
Hard law interpretado +
gobierno corporativo
Supervisión humana
jerárquica
Comités, control organizacional,
asignación de responsabilidad
Wang & Tobias
(2025)
Finanzas / sistemas de
decisión
Gobernanza de IA basada en
Human-in-the-Loop
Marco técnico-
regulatorio
Human-in-the-loop
operativo
Auditoría, monitoreo continuo,
control de deriva
Kioskli et al.,
(2025)
Infraestructuras críticas
/ confianza
Modelo de madurez de
supervisión humana
(TrustSense)
Marco técnico de
medición
Human-on-the-loop
graduado
Indicadores de madurez, evaluación
periódica
Frid et al.,
(2025)
IA generativa /
protección de datos
Gobernanza híbrida GDPR–
AI Act para GenAI
Hard law + soft law
Supervisión humana
con escalamiento
DPIA, control humano reforzado,
explicabilidad
Alotaibi (2025)
Auditoría y finanzas
corporativas
Corporate Finance and
Regulatory Governance
Framework (CFRGF)
Marco regulatorio-
organizacional
Human-in-the-loop
institucional
Asignación de roles, reporting,
controles financieros
Park et at.,
(2025)
Sistemas autónomos /
regulación sectorial
Preparación regulatoria
basada en competencias
humanas
Marco regulatorio-
competencial
Supervisión humana
basada en capacidades
Capacitación, reglas claras de
intervención
Albaroudi et al.,
(2026)
Reclutamiento
automatizado
Marco de gobernanza ética,
equitativa y sostenible
Marco aplicado de
gobernanza
Human-in-the-loop con
métricas
Explicabilidad, métricas de
equidad, control humano
Bui (2025)
Plataformas digitales /
cumplimiento legal
Marco legalmente consciente
con cadena ley-política-acción
Hard law
operacionalizado
Human-in-the-loop
obligatorio
Evidencia mínima, acciones
graduadas, apelación
Goffin (2025)
IA de alto riesgo /
salud
Gobernanza institucional de la
supervisión humana (AI Act)
Hard law + gobernanza
institucional
Human-in-command
Comités multidisciplinarios,
responsabilidad clara
Tabla 2. Gobernanza y supervisión humana en sistemas humano-IA de compliance
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
http://www.aulavirtual.web.ve
Autor
Dominio /
contexto
Desafío
ético/regulatorio
central
Estrategia / mecanismo de mitigación
(tipología)
Operacionalización (cómo se
implementó)
Evidencia / resultados
reportados
Albaroudi et
al., (2026)
Reclutamiento /
gobernanza IA
Sesgo algorítmico, baja
transparencia; ausencia
de métricas ambientales
Gobernanza técnica dual (equidad +
sostenibilidad)
Debiasing; métricas de equidad
(p. ej., SPD/DI); XAI (SHAP);
medición de emisiones
(CodeCarbon)
Mejoras en equidad;
reducción sustantiva de
emisiones; aumento de
confianza percibida
Moreno-
Sánchez
(2026)
Salud (marco
replicable)
Principios
éticos/regulatorios poco
operativizados
Trustworthy-by-design (traducción
normativa a requisitos)
Conversión de principios en
requisitos técnicos, métricas y
roles de supervisión humana
Coherencia diseño-ética-
regulación; tensiones
residuales entre principios
Curcin
(2026)
Sistemas
complejos
regulados (LHS)
Deriva del modelo,
opacidad, vacíos de
responsabilidad
Gobernanza dinámica (ciclo continuo de
aprendizaje/auditoría)
Monitoreo continuo;
retroalimentación humana;
recalibración; trazabilidad y
métricas
Se argumentó mitigación de
sesgos/errores en el tiempo;
dependencia de madurez
institucional
Floridi &
Ascani
(2026)
Parlamento /
gobernanza
pública
Riesgo de
automatización
excesiva; pérdida de
deliberación;
legitimidad
Gobernanza anticipatoria (control
humano reforzado + diseño pro-ético)
Supervisión humana directa;
transparencia; privacidad;
etiquetado/controles ex ante
alineados a AI Act
Se reportó refuerzo de
legitimidad; persistencia de
riesgo de deskilling
Mozzarelli
& Schneider
(2026)
Decisión
estratégica
corporativa
Incompletitud
regulatoria para
decisiones
discrecionales;
responsabilidad
Arquitectura socio-técnica (IA como
soporte, humano como decisor
responsable)
Redistribución funcional: IA para
escenarios/analítica; humano
conserva juicio y responsabilidad
Se sostuvo reducción de
automatización acrítica;
requerimiento de madurez
organizacional
Galan-
Cubillo &
Saez-Soro
(2025)
Gestión
académica
(modelo
transferible)
Trazabilidad
insuficiente; fiabilidad
de outputs
Rol humano especializado (AI editor /
validador experto)
Validación humana continua;
control de fuentes;
detección/corrección de sesgos y
errores
Mejora de calidad y
confianza; costo en
capacidades humanas
Alotaibi
(2025)
Gobernanza
financiera /
reporting
Baja auditabilidad y
trazabilidad; riesgo de
no cumplimiento
Gobernanza por pilares (controles + XAI
+ segregación + evidencia)
Controles continuos;
explicabilidad; segregación de
funciones; evidencia para
auditoría
Se reportó aumento de
transparencia y
cumplimiento; complejidad
de implementación
Saeed &
Prybutok
(2026)
Sistemas
agentivos
organizacionales
Trade-off utilidad/ética;
aceptación y
legitimidad
Delegación ética mixta (valores +
supervisión humana)
Integración explícita de
fairness/transparencia; control
humano; evaluación por
stakeholders
Mayor
aceptación/legitimidad;
persistencia de trade-offs
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(530)
http://www.aulavirtual.web.ve
Autor
Dominio /
contexto
Desafío
ético/regulatorio
central
Estrategia / mecanismo de mitigación
(tipología)
Operacionalización (cómo se
implementó)
Evidencia / resultados
reportados
Bergomi
(2025)
Salud (DSS
clínico)
Sesgo de
automatización;
sobreconfianza en
explicaciones
XAI orientada a acción + capacitación
Comparación de explicadores (p.
ej., SHAP); evaluación de
entendibilidad/accionabilidad;
entrenamiento
Mayor comprensión con
explicaciones preferidas;
automatización no
desapareció
Saup et al.
(2026)
Decisión
estratégica con
GenAI
Falta de
“admisibilidad”
organizacional de
outputs
Gates de gobernanza (criterios para uso
formal)
Controles de procedencia,
responsabilidad, explicabilidad y
validación humana antes de
adopción
Facilitó paso de pilotos a
decisiones; dependencia de
alineación interna
Bui (2025)
Moderación
legalmente
consciente
(Vietnam)
Desalineación entre
etiquetas ML y
categorías legales;
debido proceso
Pipeline legal-auditable
(ley→política→etiqueta→evidencia→ac
ción→apelación)
Evidencia mínima; acciones
graduadas; racionales
obligatorios; HITL; apelación y
SLA
Acciones graduadas
superaron remoción binaria
en frontera daño-costo;
menor tasa de revocación
Yan (2025)
Seguridad
laboral (minería)
Opacidad de modelos
en contextos de riesgo
AutoML interpretable + HITL
AutoGluon + SHAP/LIME;
revisión humana; chequeos
éticos/bias
Alta precisión con
explicaciones; datos
sintéticos
Park et al.,
(2025)
Navegación
autónoma
(MASS)
Vacíos normativos: rol
humano,
responsabilidad y
competencia
Regulación basada en escenarios +
reconocimiento del rol humano
STPA (escenarios de pérdida) +
Delphi (priorización); paquetes de
acción; inclusión de operador
remoto en normas
Consenso experto alto; top-
risks y bundles de acción
Kioskli et
al., (2025)
Gobernanza
organizacional
(trustSense)
Dificultad para medir
“supervisión humana
significativa” (AI Act)
Evaluación de madurez de oversight
(diagnóstico-mejora)
Cuestionarios por rol; scoring de
madurez; feedback guiado; diseño
privacy-preserving
Validación piloto; utilidad
para identificar brechas
Frid et al.,
(2025)
Hackathon
hospitalario
GenAI
Sesgo, alucinaciones,
privacidad y
cumplimiento
(GDPR/AI Act)
Gobernanza experimental controlada
(pilotos responsables)
Datos anonimizados; entorno
seguro; HITL; evaluación;
mitigación de sesgos (muestreo,
prompt tuning, disclaimers)
Prototipos con desempeño
variable; enfoque fuerte en
cumplimiento y evaluación
Wang
&Tobias
(2025)
Finanzas
digitales (AML)
Trade-offs costo-
riesgo-cumplimiento;
coordinación humano-
IA
Colaboración adaptativa + optimización
multi-objetivo
Arquitectura en capas; RL; Pareto
frontier; puntos de
revisión/override humano
+256% eficiencia AML;
AUC-ROC 0.923; reducción
de tiempos manteniendo
cumplimiento
Tabla 3. Estrategias de mitigación ético-regulatorias en sistemas híbridos humano-IA
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(531)
http://www.aulavirtual.web.ve
Discusión de resultados
El presente artículo de revisión sistemática
tuvo como objetivo identificar y analizar los
desafíos éticos y regulatorios que emergen de la
implementación de sistemas híbridos humano–IA
en programas de compliance, a partir de la evidencia
científica disponible. Los resultados obtenidos
permiten una comprensión integrada de esta
problemática, al evidenciar patrones recurrentes en
la literatura, así como divergencias relevantes entre
enfoques normativos, organizacionales y
tecnológicos.
Un primer resultado central del estudio fue la
identificación de desafíos éticos estructurales, entre
los que destacaron el sesgo algorítmico, la opacidad
decisional, la dilución de la rendición de cuentas y
la sobreconfianza en las salidas de los sistemas
automatizados. Estos hallazgos convergen con lo
reportado por Birkstedt et al., (2023), quienes, a
partir de una revisión sistemática, señalaron que la
falta de mecanismos claros de asignación de
responsabilidad constituye uno de los vacíos más
críticos en la gobernanza de la inteligencia artificial.
De manera similar, Giarmoleo et al., (2024)
identificaron que, si bien la literatura reconoce
ampliamente estos desafíos, las propuestas de
solución tienden a permanecer en un nivel
declarativo, sin traducirse en prácticas operativas
consistentes.
En relación con la tensión entre
automatización algorítmica y supervisión humana,
los resultados del presente estudio mostraron que los
modelos de supervisión humana frecuentemente
adoptados en contextos de compliance como
human-in-the-loop o human-on-the-loop no
garantizan necesariamente un control humano
efectivo. Esta conclusión es consistente con los
planteamientos de Mozzarelli & Schneider (2026),
quienes advirtieron que la supervisión humana
puede convertirse en un mecanismo meramente
formal o ilusorio cuando no se acompaña de
capacidades institucionales reales y de una
delimitación normativa precisa de
responsabilidades. En contraste, algunos estudios
revisados, como el de Floridi & Ascani (2026),
sostuvieron que la adopción de enfoques de
gobernanza anticipatoria puede fortalecer la agencia
humana, siempre que se integren evaluaciones de
impacto y mecanismos ex ante de rendición de
cuentas.
Desde la dimensión regulatoria, los resultados
evidenciaron una fragmentación normativa
significativa, particularmente en jurisdicciones
donde coexisten marcos de soft law y hard law sin
una articulación clara. Este hallazgo converge con
lo señalado por Kortukova (2024), quien analizó el
enfoque basado en riesgos del Reglamento Europeo
de IA (EU AI Act) y destacó sus avances en materia
de derechos fundamentales, aunque también sus
limitaciones para abordar la complejidad de los
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(532)
http://www.aulavirtual.web.ve
sistemas híbridos. No obstante, algunos estudios
incluidos en la revisión, como el de Zaidan et al.,
(2026), sugirieron que los modelos híbridos de
gobernanza, que traducen principios éticos en reglas
organizacionales vinculantes, podrían ofrecer una
vía intermedia para reducir dicha fragmentación.
Asimismo, el análisis comparativo mostró
que, en contextos de compliance anticorrupción y
financiero, la exigencia de explicabilidad y
auditabilidad se presenta como un desafío
transversal. Este resultado coincide con la revisión
sistemática de Bhardwaj (2025), quien identificó
que la ausencia de estándares consolidados de IA
explicable limita la aceptación institucional de estos
sistemas en procesos regulatorios. Sin embargo,
algunos estudios empíricos revisados, como el de
Albaroudi et al., (2026), reportaron avances en la
operacionalización de métricas de equidad y
explicabilidad, lo que sugiere que las divergencias
observadas en la literatura podrían explicarse por
diferencias en el grado de madurez organizacional y
en los contextos sectoriales analizados.
Finalmente, en lo relativo a las estrategias de
mitigación ético-regulatorias, los resultados del
presente estudio mostraron una convergencia
creciente hacia enfoques sociotécnicos, que
conciben a la IA como un sistema integrado de
componentes técnicos, humanos y normativos. Este
enfoque es coherente con lo planteado por Saeed &
Prybutok (2026), quienes destacaron la necesidad de
modelos de delegación ética mixta que equilibren
utilidad, legitimidad y supervisión humana. No
obstante, la evidencia también reveló que dichas
estrategias suelen depender fuertemente de
capacidades institucionales avanzadas, lo que limita
su transferibilidad a organizaciones con menores
recursos.
A pesar del rigor metodológico aplicado, este
estudio presentó ciertas limitaciones que deben ser
consideradas al interpretar los resultados. En primer
lugar, la revisión se circunscribió a artículos
publicados en revistas con revisión por pares y
disponibles en idioma inglés o español, lo que pudo
excluir literatura relevante en otros idiomas o
informes técnicos de organismos reguladores que no
cumplen con estos criterios. En segundo lugar, la
heterogeneidad de los estudios incluidos, tanto en
términos de contextos sectoriales como de enfoques
metodológicos, dificultó la realización de
comparaciones completamente homogéneas entre
los hallazgos.
Asimismo, la inclusión de publicaciones
recientes y de artículos en modalidad de publicación
anticipada pudo introducir variaciones en la solidez
empírica de algunos resultados, dado que no todos
los estudios contaban con validaciones
longitudinales. Finalmente, al tratarse de una
revisión sistemática, los hallazgos dependen de la
calidad y el alcance de la evidencia disponible, lo
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(533)
http://www.aulavirtual.web.ve
que implica que ciertos desafíos emergentes podrían
encontrarse subrepresentados en la literatura actual.
A partir de los resultados obtenidos y de las
limitaciones identificadas, se sugieren varias líneas
para futuras investigaciones. En primer lugar,
resulta necesario desarrollar estudios empíricos
comparativos que analicen la implementación de
sistemas híbridos humano–IA en programas de
compliance anticorrupción en diferentes
jurisdicciones, con el fin de evaluar el impacto real
de los marcos regulatorios existentes.
En segundo lugar, futuras investigaciones
podrían profundizar en la operacionalización de la
supervisión humana significativa, explorando
métricas, indicadores y modelos organizacionales
que permitan evaluar su efectividad más allá de su
formulación normativa.
Adicionalmente, se recomienda avanzar en
estudios que integren enfoques interdisciplinarios,
combinando derecho, ética, ingeniería y ciencias
organizacionales, para abordar de manera holística
los desafíos identificados. Finalmente, sería
pertinente explorar el rol de la cultura
organizacional y de las capacidades institucionales
en la adopción de estrategias de mitigación ético-
regulatorias, particularmente en contextos de
economías emergentes, donde la evidencia
disponible sigue siendo limitada.
Conclusiones
Los resultados de esta revisión sistemática
evidenciaron que la implementación de sistemas
híbridos humano–IA en programas de compliance
se encuentra atravesada por un conjunto de desafíos
éticos y regulatorios recurrentes y estructurales.
Entre los hallazgos más relevantes se identificaron
el sesgo algorítmico, la opacidad en los procesos
decisionales automatizados, la dilución de la
rendición de cuentas y las tensiones persistentes
entre eficiencia tecnológica y control humano
efectivo.
Asimismo, la evidencia analizada mostró que
los marcos normativos y de gobernanza existentes
resultan, en muchos casos, fragmentados o
insuficientes para abordar la complejidad de estos
sistemas híbridos, lo que limita su aplicación
coherente en contextos de cumplimiento normativo,
particularmente en materia anticorrupción. Estos
hallazgos contribuyen al campo de estudio al ofrecer
una síntesis integrada y comparativa de la literatura
reciente, permitiendo comprender de manera
sistemática los riesgos y vacíos que acompañan la
adopción de inteligencia artificial en funciones
críticas de compliance.
En relación con el objetivo de investigación,
el estudio permitió identificar de manera clara y
fundamentada los principales desafíos éticos y
regulatorios que emergen de la implementación de
sistemas híbridos humano–IA en programas de
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(534)
http://www.aulavirtual.web.ve
compliance, según la evidencia científica
disponible. La revisión mostró que dichos desafíos
no se limitan a aspectos técnicos de diseño
algorítmico, sino que se extienden a dimensiones
organizacionales, jurídicas e institucionales, como
la asignación de responsabilidades, la exigencia de
explicabilidad, la protección de derechos
fundamentales y la necesidad de mecanismos
efectivos de supervisión humana.
En este sentido, los resultados confirman que
la eficacia de los sistemas híbridos en contextos de
compliance depende tanto de su arquitectura técnica
como de la existencia de marcos regulatorios claros
y de capacidades institucionales adecuadas para su
implementación y control.
El presente trabajo se desarrolló como un
artículo de revisión sistemática, siguiendo las
directrices establecidas por PRISMA 2020, lo que
permitió garantizar un proceso metodológico
riguroso, transparente y replicable en la
identificación, selección y análisis de la literatura
científica.
Esta aproximación metodológica resultó
particularmente adecuada para abordar un campo de
estudio caracterizado por la diversidad de enfoques
teóricos, normativos y sectoriales, facilitando la
integración de evidencias provenientes de distintas
disciplinas y contextos. La naturaleza sistemática
del estudio refuerza la validez de las conclusiones
alcanzadas, en la medida en que estas se sustentan
en patrones consistentes identificados a lo largo del
corpus analizado.
Finalmente, desde una perspectiva más
amplia, los resultados de esta investigación ponen
de manifiesto la necesidad de avanzar hacia
modelos de gobernanza ético-regulatoria más
integrales y operativos, que permitan articular de
manera efectiva la automatización algorítmica con
la supervisión humana en programas de compliance.
En este sentido, futuras investigaciones
podrían profundizar en el análisis empírico de casos
de implementación concreta de sistemas híbridos
humano–IA, evaluar comparativamente el impacto
de distintos marcos regulatorios y explorar
mecanismos innovadores para medir la efectividad
de la supervisión humana significativa. Asimismo,
resulta pertinente ampliar la investigación hacia
contextos institucionales y geográficos menos
explorados, con el fin de fortalecer la aplicabilidad
y generalización del conocimiento producido en
este campo emergente.
Referencias
Adepoju, A., & Chinonyerem, C. (2025).
Advancing good governance through AI-
powered oversight in the United States: Risks
and opportunities for public institutions.
MEJHLAR, 9(6). Documento en línea.
Disponible
https://doi.org/10.70382/mejhlar.v9i6.069
Akinrinola, O., Okoye, C., Ofodile, O., &
Ugochukwu, C. (2024). Navigating and
reviewing ethical dilemmas in AI development:
Strategies for transparency, fairness, and
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(535)
http://www.aulavirtual.web.ve
accountability. GSC Advanced Research and
Reviews, 18(3), 50–58. Documento en línea.
Disponible
https://doi.org/10.30574/gscarr.2024.18.3.0088
Albaroudi, E., Mansouri, T., Hatamleh, M., &
Alameer, A. (2026). HitHire: The future of
ethical, fair, and sustainable AI recruitment: A
governance framework. Array, 29, 100592.
Documento en línea. Disponible
https://doi.org/10.1016/j.array.2025.100592
Alotaibi, K. O. (2025). Developing a
comprehensive financial reporting governance
framework using AI techniques. Engineering,
Technology & Applied Science Research, 15(6),
29202–29207. Documento en línea. Disponible
https://doi.org/10.48084/etasr.14202
Bergomi, L., Nicora, G., Orlowska, M. A.,
Podrecca, C., Bellazzi, R., Fregosi, C., …
Parimbelli, E. (2025). Which explanations do
clinicians prefer? A comparative evaluation of
XAI understandability and actionability in
predicting the need for hospitalization. BMC
Medical Informatics and Decision Making, 25,
269. Documento en línea. Disponible
https://doi.org/10.1186/s12911-025-03045-0
Bhardwaj, A. (2025). Systematic literature review
on explainable AI in finance: Methods,
applications, and research gaps. International
Journal for Multidisciplinary Research, 7(5).
Documento en línea. Disponible
https://doi.org/10.36948/ijfmr.2025.v07i05.5896
3
Birkstedt, T., Minkkinen, M., Tandon, A., &
Mäntymäki, M. (2023). AI governance: Themes,
knowledge gaps, and future agendas. Internet
Research, 33(7), 133–167. Documento en línea.
Disponible https://doi.org/10.1108/INTR-01-
2022-0042
Bui, L. V. (2025). Legally-aware AI moderation in
Vietnam: A cybersecurity law-compliant
framework for platform governance. Journal of
Economic Criminology, 10, Article 100193.
Documento en línea. Disponible
https://doi.org/10.1016/j.jeconc.2025.100193
Celsi, L., & Zomaya, A. (2025). Perspectives on
managing AI ethics in the digital age.
Information, 16(4), 318. Documento en línea.
Disponible
https://doi.org/10.3390/info16040318
Chintoh, G., Segun-Falade, O., Odionu, C., & Ekeh,
A. (2024). Legal and ethical challenges in AI
governance: A conceptual approach to
developing ethical compliance models in the
United States. International Journal of Social
Science Exceptional Research, 3(1), 103–109.
Documento en línea. Disponible
https://doi.org/10.54660/ijsser.2024.3.1.103-109
Curcin, V., Delaney, B., Alkhatib, A., Cockburn, N.,
Dann, O., Kostopoulou, O., … Friedman, C.
(2026). Learning health systems provide a glide
path to safe landing for AI in health. Artificial
Intelligence in Medicine, 173, 103346.
Documento en línea. Disponible
https://doi.org/10.1016/j.artmed.2025.103346
Floridi, L., & Ascani, A. (2026). Governing
artificial intelligence in parliamentary
institutions: An anticipatory ethics approach. AI
& Society. Advance online publication.
Documento en línea. Disponible
https://doi.org/10.1007/s11023-025-09743-y
Frid, S., Bassegoda, O., Camacho Mahamud, M. A.,
Sanjuan, G., Armengol de la Hoz, M. Á., Celi, L.,
Cano Franco, I., Anmella, G., Cuñat López, T.,
Arellano, A. L., Leguízamo-Martínez, L. M.,
Mezquita, L., Peñafiel Macías, P. A., Gallardo-
Pizarro, A., González Colom, R., Renú Jornet,
A., Bracons Cucó, G., & Borrat Frigola, X.
(2025). Bridging generative AI and healthcare
practice: Insights from the GenAI Health
Hackathon at Hospital Clínic de Barcelona. BMJ
Health & Care Informatics, 32, e101640.
Documento en línea. Disponible
https://doi.org/10.1136/bmjhci-2025-101640
Galan-Cubillo, E., & Saez-Soro, E. (2025).
Enhancing academic conferences with AI:
Defining the role of the human–AI editor. IAES
International Journal of Artificial Intelligence,
14(6), 4484–4493. Documento en línea.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(536)
http://www.aulavirtual.web.ve
Disponible
https://doi.org/10.11591/ijai.v14.i6.pp4484-
4493
Giarmoleo, F., Ferrero, I., Rocchi, M., & Pellegrini,
M. (2024). What ethics can say on artificial
intelligence: Insights from a systematic literature
review. Business and Society Review, 129(2),
258–292. Documento en línea. Disponible
https://doi.org/10.1111/basr.12336
Goffin, T. (2025). Does AI in healthcare need an
editor-in-chief? A leading example of true
human oversight. European Journal of Health
Law, 32(5), 579–602. Documento en línea.
Disponible https://doi.org/10.1163/15718093-
12423581
Ji, J., Qiu, T., Chen, B., Zhou, J., Zhang, B., Hong,
D., Lou, H., Wang, K., Duan, Y., He, Z.,
Vierling, L., Zhang, Z., Zeng, F., Dai, J., Pan, X.,
Xu, H., O’Gara, A., Ng, K., Tse, B., … Gao, W.
(2025). AI alignment: A contemporary survey.
ACM Computing Surveys, 58(5), Article 132.
Documento en línea. Disponible
https://doi.org/10.1145/3770749
Kioskli, K., Kavakli, E., & Vrochidis, S. (2025).
TrustSense: Measuring human oversight
maturity for trustworthy AI systems. Computers,
14(11), 483. Documento en línea. Disponible
https://doi.org/10.3390/computers14110483
Kortukova, T., Dei, M., Kudin, V. I., Onyshchenko,
A., & Kravchuk, P. (2025). Legal challenges of
artificial intelligence in the European Union’s
digital economy. International Journal of
Informatics and Communication Technology,
14(3), 960–971. Documento en línea. Disponible
https://doi.org/10.11591/ijict.v14i3.pp960-971
Lança, T. A., & Rocha, E. S. S. (2026). Inteligência
artificial na gestão editorial de periódicos
científicos: Uma análise aplicada à Revista
Digital de Direito Administrativo (RDDA).
Revista Digital de Biblioteconomia e Ciência da
Informação, 24, e026017. Documento en línea.
Disponible
https://doi.org/10.20396/rdbci.v24i00.8680441
Manan, L., & Zakir, M. (2025). Digital surveillance,
migration control, and human rights: Ethical
dilemmas in the use of technology to govern
human mobility. Inverge Journal of Social
Sciences, 4(3), 319–336. Documento en línea.
Disponible
https://doi.org/10.63544/ijss.v4i3.170
Moreno-Sánchez, P. A., Del Ser, J., van Gils, M., &
Hernesniemi, J. (2026). A design framework for
operationalizing trustworthy artificial
intelligence in healthcare. Information Fusion,
127, 103812. Documento en línea. Disponible
https://doi.org/10.1016/j.inffus.2025.103812
Mozzarelli, M., & Schneider, G. (2026). AI and
strategic decisions: Facing the incompleteness.
European Business Organization Law Review.
Advance online publication. Documento en
línea. Disponible
https://doi.org/10.1007/s40804-025-00356-7
Park, H., Kim, J., Jung, M., Kang, S.-Y., Kim, D.,
Kim, C., & Jang, U. (2025). Risk management
challenges in maritime autonomous surface ships
(MASSs): Training and regulatory readiness.
Applied Sciences, 15, 10993. Documento en
línea. Disponible
https://doi.org/10.3390/app152010993
Pasupuleti, M. (2025). Governance frameworks for
ethical AI deployment in public sector services.
IJAIRI, 5(5), 561–573. Documento en línea.
Disponible
https://doi.org/10.62311/nesx/rphcr17
Patel, D. (2025). Towards transparent artificial
intelligence: A comparative study of explainable
AI models for decision-making in financial risk
assessment. International Scientific Journal of
Engineering and Management, 4(6), 1–9.
Documento en línea. Disponible
https://doi.org/10.55041/isjem04570
Ridzuan, N., Masri, M., Anshari, M., Fitriyani, N.,
& Syafrudin, M. (2024). AI in the financial
sector: The line between innovation, regulation,
and ethical responsibility. Information, 15(8),
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(537)
http://www.aulavirtual.web.ve
432. Documento en línea. Disponible
https://doi.org/10.3390/info15080432
Saeed, K., & Prybutok, V. R. (2026). When utility
meets ethics: A stakeholder perspective on
agentic information systems delegation.
International Journal of Information
Management, 86, 102976. Documento en línea.
Disponible
https://doi.org/10.1016/j.ijinfomgt.2025.102976
Sagar, V. (2025). Regulatory human–agent teams:
Co-creating ethical oversight. European Modern
Studies Journal, 9(5), 562–583. Documento en
línea. Disponible
https://doi.org/10.59573/emsj.9(5).2025.51
Saup, T.-O., Asghar, J., Kanbach, D. K., & Kraus,
S. (2026). From pilots to decision systems:
Embedding generative AI into strategic decision-
making through a socio-technical and
governance lens. Journal of Decision Systems,
35(1), Article 2597835. Documento en línea.
Disponible
https://doi.org/10.1080/12460125.2025.2597835
Wang, T., & Tobias, G. R. (2025). Research on
intelligent optimization mechanisms of financial
process modules through machine learning-
enhanced collaborative systems in digital finance
platforms. Future Technology, 4(4), 240–254.
Documento en línea. Disponible
https://doi.org/10.55670/fpll.futech.4.4.20
Yan, Y., & Li, J. (2025). Interpretable AutoML for
predicting unsafe miner behaviors via
psychological-contract signals. AI, 6, 314.
Documento en línea. Disponible
https://doi.org/10.3390/ai6120314
Zaidan, E., Al-Shehabi, O., & Khamis, A. (2026).
From ethical principles to regulatory governance
of artificial intelligence. Technology in Society,
85, 103159. Documento en línea. Disponible
https://doi.org/10.1016/j.techsoc.2025.103159