Limor Ziv
La mayoría de las implementaciones de IA se estancan cuando los responsables no pueden defender el sistema ante un organismo regulador, un cliente o un comité de riesgos del consejo de administración. La dificultad no radica en crear un modelo, sino en demostrar que los datos en los que se basa son precisos, representativos y auditables, y que las decisiones que genera son explicables cuando algo sale mal.
La Dra. Limor Ziv es la fundadora y directora ejecutiva de Humane AI, además de investigadora posdoctoral en la Universidad Bar-Ilan, y ayuda a las organizaciones a plasmar los principios de una IA responsable en prácticas de gobernanza, gestión de datos y gestión de riesgos que resistan cualquier escrutinio.
Full Profile
Por qué las organizaciones trabajan con Limor Ziv
- Ella traslada la ética de la IA de los principios a la práctica operativa, con trabajos para clientes de renombre como Google, KPMG, Accenture, SolarEdge y CyberArk que demuestran los resultados que se obtienen en la sala.
- Su base de asesoramiento es institucional, no basada en opiniones: es miembro del Consejo Asesor de Ética de la IA del Instituto de IA Experiencial de la Universidad Northeastern y del Consejo Científico de la Asociación Israelí para la Ética en la IA.
- Su investigación empírica con 74 profesionales sénior de la IA y los datos, publicada en Machine Learning and Knowledge Extraction de MDPI en 2025, ofrece a los consejos de administración un modelo defendible para tratar los datos como la esencia operativa de la IA en lugar de como su subproducto.
- Trabaja en la intersección entre la credibilidad académica y la aplicación comercial; la misma persona imparte la conferencia y dirige el taller posterior.
- Credibilidad como operadora en la cuestión de las mujeres en la IA, con funciones públicas en las comunidades de datos y ética de Israel, sin convertir eso en una categoría de ponencia independiente.
Aspectos destacados de su biografía
- Fundadora y directora ejecutiva de Humane AI, donde asesora a multinacionales, gobiernos y empresas tecnológicas sobre IA responsable, calidad de los datos y riesgos.
- Investigadora posdoctoral en Interacción Humano-IA, Universidad Bar-Ilan; doctora por la Universidad de Tel Aviv.
- Coautora de «Behind the Algorithm: International Insights into Data-Driven AI Model Development» (MDPI, 2025), basado en entrevistas con 74 profesionales sénior de la IA y los datos.
- Miembro del Consejo Asesor de Ética de la IA del Instituto de IA Experiencial de la Universidad Northeastern.
- Miembro del Consejo Científico de la Asociación Israelí para la Ética en la IA (IAEAI).
- Ponente principal y consultor para Google, KPMG, Accenture, SolarEdge, CyberArk, Bright Data, Medison Pharma y el Ayuntamiento de Tel Aviv.
Biografía
La mayoría de los fallos de la IA no se originan en el modelo. Se originan en los datos que lo sustentan y en una brecha de gobernanza que nadie en el comité ejecutivo logra identificar con claridad. La Dra. Limor Ziv creó Humane AI para cerrar esa brecha, colaborando con multinacionales, gobiernos y empresas tecnológicas para hacer que los sistemas de IA sean defendibles desde la capa de datos en adelante.
La investigación respalda la consultoría. Su artículo de 2025, escrito junto con Maayan Nakash y publicado en Machine Learning and Knowledge Extraction de MDPI, se basa en entrevistas a 74 profesionales sénior de la IA y los datos de distintos países y sectores. En él se identifican los fallos sociotécnicos recurrentes a los que se enfrentan los líderes cuando intentan industrializar la IA, desde la calidad y la gobernanza de los datos hasta la contextualización y la alineación empresarial.
Su base institucional es inusual para la fundadora de una consultoría. Forma parte del Consejo Asesor de Ética de la IA del Instituto de IA Experiencial de la Universidad Northeastern, del Consejo Científico de la Asociación Israelí para la Ética en la IA, y continúa su trabajo posdoctoral sobre la interacción entre humanos e IA en Bar-Ilan tras su doctorado en Tel Aviv. Esa variedad mantiene el trabajo cerca del debate normativo y académico actual, en lugar de limitarse a un resumen en diapositivas.
Para los compradores de alto nivel, el producto práctico es un lenguaje viable para el riesgo de la IA que no se reduce ni a una mera farsa de cumplimiento normativo ni a jerga técnica. Entre sus clientes, que figuran en su propia página web, se encuentran Google, KPMG, Accenture, SolarEdge, CyberArk, Bright Data y el Ayuntamiento de Tel Aviv. El encargo es el mismo para todos ellos: llevar la IA responsable de los principios a la realidad operativa y asegurarse de que los datos que sustentan el sistema puedan defenderse cuando alguien pregunte cómo se tomó una decisión.
Temas clave de las ponencias
- IA responsable y ética de la IA
- Gestión de riesgos de la IA y cumplimiento normativo
- Gobernanza de la IA y preparación normativa
- Calidad de los datos e IA centrada en los datos
- Interacción entre humanos e IA y diseño centrado en el ser humano
- IA en sectores regulados, incluidos la sanidad y las finanzas
- Puesta en práctica de una IA responsable en la empresa
Ideal para
- Consejos de administración y comités ejecutivos que encargan marcos de gobernanza y de riesgos de la IA.
- Directores de IA, directores de datos y responsables de seguridad de la información que ponen en práctica políticas de IA responsable.
- Líderes de sectores regulados como la sanidad, los servicios financieros y el sector público que se enfrentan al despliegue de la IA bajo la presión del cumplimiento normativo.
- Directores de innovación y transformación que pasan de proyectos piloto de IA a la producción con un marco de gobernanza.
Resultados para los participantes
- Una definición práctica del riesgo de la IA que distingue entre riesgo de datos, riesgo de modelos y riesgo de decisión, y una idea de dónde se sitúa cada uno de ellos en la organización.
- Una visión de lo que la IA centrada en los datos exige realmente a los equipos operativos, extraída de su investigación empírica con 74 profesionales de alto nivel.
- Una lectura fundamentada de los debates normativos y éticos actuales, de alguien que forma parte de dos organismos consultivos de ética de la IA reconocidos.
- Una visión más realista de lo que cuesta la IA responsable y de lo que aporta, cuando una empresa intenta integrarla en lugar de limitarse a publicitarla.
Charlas
Una visión general para altos directivos sobre dónde la IA genera un valor cuantificable y dónde supone el mayor riesgo organizativo.
Puntos clave:
- Un mapa práctico de las categorías de riesgo de la IA, desde el riesgo de datos y modelos hasta el riesgo de implementación y de reputación.
- Los puntos de decisión en los que los patrocinadores ejecutivos suelen perder el control de un programa de IA.
- Un marco para priorizar la inversión en IA en función de la tolerancia al riesgo de la organización.
Una sesión de trabajo sobre la identificación, la gestión y la mitigación de los riesgos de la IA en las organizaciones operativas.
Puntos clave:
- En qué se diferencia el riesgo de la IA del riesgo tecnológico convencional y por qué las funciones de gestión de riesgos existentes tienen dificultades para absorberlo.
- Medidas de protección prácticas para equipos de desarrollo de IA que superen el escrutinio de reguladores y auditores.
- Las prácticas de higiene de datos y documentación que convierten la política de riesgos de la IA en una práctica de gestión de riesgos de la IA.
Cómo se traduce la IA responsable cuando se aplica en la práctica en las funciones de producto, datos y gobernanza.
Puntos clave:
- El problema de la traducción entre los principios éticos de la IA y los requisitos de los sistemas listos para su implementación.
- Funciones, responsabilidades y mecanismos de revisión que hacen que la IA responsable sea auditable.
- En qué aspectos la IA responsable se solapa con los regímenes existentes de privacidad, seguridad y cumplimiento normativo, y en cuáles no.
Un análisis del panorama normativo actual y emergente, con implicaciones para la estrategia de IA.
Puntos clave:
- La estructura de la Ley de IA de la UE y los regímenes adyacentes, en términos operativos sencillos.
- Qué es lo primero que probablemente preguntarán los reguladores y qué documentación deben tener preparada las organizaciones.
- Cómo establecer una política interna que se anticipe a la regulación en lugar de reaccionar ante ella.
Cómo diseñar un marco de gobernanza de la IA que se integre en el marco de gobernanza corporativa existente, en lugar de funcionar en paralelo a él.
Puntos clave:
- Estructuras de gobernanza para carteras de IA, desde comités directivos hasta registros de modelos.
- Derechos de decisión y vías de escalamiento entre las funciones de datos, IA, riesgo y legal.
- Patrones de fracaso en la gobernanza de los primeros programas de IA en las empresas y cómo evitarlos.
Una introducción a la investigación sobre la interacción entre humanos y la IA aplicada al diseño de productos y entornos de trabajo.
Puntos clave:
- Las pruebas sobre cómo interactúan realmente los usuarios con los sistemas de IA y en qué momentos se rompe la confianza.
- Opciones de diseño que protegen el juicio humano en lugar de sustituirlo.
- Aportaciones interdisciplinarias, desde la psicología hasta la política, que refuerzan las decisiones sobre productos de IA.
Una visión de cómo las organizaciones deberían estructurar el trabajo, las funciones y las capacidades en torno a la IA, en lugar de hacerlo en paralelo a ella.
Puntos clave:
- El cambio de una mentalidad de automatización a una de potenciación dentro de los equipos operativos.
- Las inversiones en capacidades que los líderes subestiman sistemáticamente durante la implantación de la IA.
- Un modelo para diseñar flujos de trabajo entre humanos e IA que se mantengan bajo presión operativa.