• Falta de marcos de auditoría de IA de grado clínico: en el momento de la implementación, existían pocas herramientas de gobernanza estandarizadas o validadas para la IA aplicada a la salud conductual, lo que planteaba dificultades a la hora de establecer puntos de referencia y ajustarse a las expectativas normativas internacionales. • Variabilidad técnica entre los sistemas de IA: las herramientas de IA para la salud conductual varían significativamente en cuanto a arquitectura, fuentes de datos y madurez de los modelos, lo que requirió una lógica de puntuación adaptable y vías de evaluación flexibles. • Familiaridad limitada de las partes interesadas con la gobernanza de la IA: Muchos profesionales clínicos, administradores y responsables de la toma de decisiones tenían una exposición limitada a los procesos estructurados de auditoría de la IA, lo que requirió explicaciones adicionales, formación y desarrollo de capacidades. • Panorama normativo emergente: Los rápidos cambios en el NIST, la Ley de IA de la UE y las directrices de la OMS exigieron actualizaciones continuas para mantener el marco alineado con las normas más actuales. • Sensibilidad de los datos relacionados con la salud mental: Los datos psicológicos y conductuales presentan riesgos éticos elevados, lo que requiere rigurosas garantías de privacidad, seguridad y confidencialidad durante la validación.

Factores de influencia positivos: • La supervisión del Comité de Ética en Investigación (IRB) y la metodología estructurada (WCG IRB CC-2025-001) aumentaron la confianza, la transparencia y la aceptación entre los primeros usuarios. • El desarrollo dirigido por personal clínico reforzó la confianza de los usuarios, garantizando que los criterios se ajustaran a las necesidades reales de atención y seguridad. • La documentación transparente y las prácticas de ciencia abierta (DOI de Zenodo) aceleraron la revisión externa y las citas, lo que favoreció la escalabilidad y la replicabilidad. • La alineación con las normas internacionales (NIST AI RMF, Ley de IA de la UE, principios rectores de la OMS) facilitó una rápida integración en todos los ecosistemas sanitarios. Recomendaciones: • Invertir en el desarrollo de capacidades de los médicos y las partes interesadas para garantizar una adopción segura e informada de los sistemas de IA en la salud mental y conductual. • Mantener un proceso de gobernanza de actualización continua para seguir alineados con la evolución de las regulaciones internacionales y las expectativas de seguridad. • Aplicar el EAF™ como herramienta de auditoría reutilizable para hospitales, programas de salud digital y organizaciones sanitarias globales con el fin de reforzar el aseguramiento de la calidad. • Promover prácticas de ciencia abierta acompañando cada auditoría de documentación transparente, metodología reproducible y materiales complementarios de acceso público. • Dar prioridad a los sistemas de IA de alto riesgo (salud conductual, detección de crisis, poblaciones vulnerables) para maximizar el impacto inmediato en la seguridad.