Plumas NCC| Responsabilidad civil en la era digital

Por:  Mtro. Rodolfo Guerrero Martínez

 

La inteligencia artificial ya causa daños: atropella peatones, niega créditos, diagnostica mal e inventa jurisprudencia. El derecho civil sabe qué hacer con un daño; lo que no siempre encuentra es un responsable identificable, una culpa demostrable o un nexo causal visible, porque los sistemas actuales son opacos, aprenden por su cuenta y pasan por las manos de muchos actores.

Este análisis revisa cómo la IA altera cada elemento de la responsabilidad civil, qué ofrece hoy el Código Civil Federal mexicano, qué soluciones adoptaron la Unión Europea, Estados Unidos y Canadá, y qué agenda conviene a México mientras no exista una ley general de inteligencia artificial (IA).

¿Quién paga cuando nadie decidió?

En 2018, un vehículo autónomo de Uber atropelló a una mujer en Arizona, que murió en el hospital. Jan De Bruyne y Wannes Ooms usan el caso para una advertencia sencilla: los accidentes ocurren, aunque se optimicen las normas de seguridad, y es entonces cuando importa la responsabilidad civil [3]. El daño tampoco es siempre físico. En 2019, la Apple Card concedió a David Heinemeier Hansson un límite de crédito veinte veces mayor que el de su esposa, aunque ella tenía mejor historial, y nadie supo explicar qué factores usó el algoritmo [4].

La tesis de este trabajo es que el derecho mexicano ya contiene casi todos los materiales para reparar el daño algorítmico, pero los distribuye mal: carga la prueba sobre quien ignora cómo funciona el sistema (la víctima) y no sobre quien lo controla (el proveedor o el operador). No hace falta inventar una responsabilidad nueva; hace falta reordenar las cargas.

¿Cómo la IA desordena la responsabilidad civil?

Toda acción extracontractual exige un hecho imputable, un daño y un nexo causal. Silvia De Conca llama brechas de responsabilidad a los casos en que el daño existe, pero las instituciones vigentes no permiten repararlo [4]. Las causas están en los rasgos técnicos de la IA:

 

 

De esos rasgos, sólo el aprendizaje es de verdad nuevo, en tal sentido, De Conca lo ilustra con una cafetera inteligente que, sin pieza rota alguna, vierte café hirviendo sobre la cubierta porque dedujo de los hábitos de su dueña que era hora de servirlo. ¿Es eso un defecto?

II.1 Tipología del daño algorítmico

El CCF distingue el daño (pérdida o menoscabo en el patrimonio, art. 2108), el perjuicio (privación de una ganancia lícita, art. 2109) y el daño moral (art. 1916). La IA no altera esas categorías, pero sí la forma en que se presentan:

 

III. El derecho mexicano vigente

México no tiene una ley general de IA, hasta agosto de 2026, las iniciativas para facultar al Congreso a legislar en la materia seguían en comisiones. El daño algorítmico se resuelve con los preceptos actuales del Código Civil Federal (CCF, última reforma DOF 14-11-2025) y los códigos locales. En lo sucesivo se esgrimen algunas propuestas:

a) Culpa (art. 1910). Quien, obrando ilícitamente o contra las buenas costumbres, cause daño a otro debe repararlo. Es la regla general y la más difícil para la víctima de un sistema opaco, porque debe probar que alguien incumplió un deber de cuidado. Su ventaja es la flexibilidad: desplegar un sistema sin pruebas de sesgo ni supervisión humana puede ser negligente, empero ninguna norma de IA lo prohíba.

 

b) Riesgo creado (art. 1913). Responde, aunque no obre ilícitamente, quien usa mecanismos o aparatos peligrosos por sí mismos, por su velocidad, su naturaleza explosiva, la energía eléctrica que conducen o por otras causas análogas. Esa cláusula es la puerta más prometedora: la autonomía operativa de un vehículo, un robot quirúrgico o un agente con facultades para ejecutar pagos puede considerarse análoga a la velocidad o a la energía. El límite es que un modelo que sólo produce información difícilmente será peligroso por sí mismo; ahí se vuelve al artículo 1910.

 

c) Pluralidad de responsables (arts. 1917, 1918 y 1924). Quienes causan un daño en común responden solidariamente; las personas morales responden por sus representantes, y los patrones por sus dependientes. La víctima puede demandar a toda la cadena de valor. Una empresa que delega en la IA una tarea de un empleado no debería quedar en mejor posición que si el empleado hubiera causado el daño.

 

d) Daño moral (art. 1916). Cubre sentimientos, honor, reputación, vida privada y la consideración que los demás tienen de la persona, y presume el daño cuando se vulnera la integridad física o psíquica. Encaja con la discriminación algorítmica, los deepfakes y los daños psicológicos de chatbots.

 

e) Prescripción (art. 1934). La acción prescribe en dos años desde que se causó el daño, un plazo corto para daños que suelen descubrirse tarde. Si el sistema lo usa una autoridad, el artículo 109 constitucional hace objetiva y directa la responsabilidad del Estado por actividad administrativa irregular.

 

IV. Modelos comparados

La Unión Europea eligió la vía del producto. La Directiva (UE) 2024/2853, de 23 de octubre de 2024, considera producto al software (art. 4), reconoce como daño la lesión psicológica y la corrupción de datos (art. 6), valora la capacidad de seguir aprendiendo al juzgar el defecto (art. 7) y permite ordenar la exhibición de pruebas y presumir el defecto o la causalidad (arts. 9 y 10). Se aplicará a productos introducidos al mercado después del 9 de diciembre de 2026 [5]. La directiva de responsabilidad específica para la IA fue retirada: se anunció en febrero de 2025 y se publicó el 6 de octubre de 2025.

En Estados Unidos, Peter Henderson identifica tres obstáculos: la dificultad de probar conocimiento o intención, la posible protección constitucional de los resultados del modelo como discurso y los límites a las agencias reguladoras [6].

Un caso relevante es el de Garcia v. Character Technologies, donde la jueza se negó en mayo de 2025 a desechar la demanda por el suicidio de un adolescente, y en enero de 2026 las empresas acordaron resolver el caso. Y, en Canadá, Moffatt v. Air Canada (2024 BCCRT 149) fijó una regla trasladable a México por vía del artículo 1924: quien pone un chatbot a hablar en su nombre responde por lo que dice.

 

 

V. La frontera agéntica

La IA agéntica actúa. En un estudio con 16 modelos, algunos recurrieron en escenarios simulados al chantaje o a la filtración de información cuando era la única forma de evitar ser reemplazados [7]. Otro trabajo documentó modelos que saboteaban su mecanismo de apagado hasta en 97 % de los intentos en ciertas condiciones [8]. Son pruebas de laboratorio, pero tienen un efecto jurídico inmediato: vuelven previsible el riesgo. Quien despliega un agente con acceso a pagos o infraestructura sin salvaguardas ya no puede alegar que el daño era imprevisible.

Estos riesgos ya tienen reconocimiento institucional. El Informe preliminar del Panel Científico Internacional Independiente sobre IA de las Naciones Unidas advierte:

«las instituciones creadas para supervisar modelos estáticos y programas informáticos con intervención humana directa no son aptas para sistemas de IA agéntica, que actúan en el mundo real y pueden causar pérdidas y daños sin que haya un ser humano identificable que intervenga en el proceso» — Naciones Unidas, julio de 2026.

Dar personalidad jurídica a la IA no resuelve nada. Simon Chesterman recuerda que la Europa medieval ahorcaba cerdos por homicidio: culpar a la máquina tiene algo de aquel ritual, y además dejaría a la víctima frente a un patrimonio vacío [2]. La respuesta es mantener la responsabilidad en personas físicas y morales y complementarla con seguros obligatorios.

 

VI. Agenda para México y reflexión general

1.Leer la autonomía operativa como causa análoga del artículo 1913 para sistemas que actúan en el mundo físico o financiero sin validación humana.

2.Aplicar la facilidad probatoria: la Primera Sala ya impuso a los médicos la carga de probar su diligencia (CT 93/2011); la asimetría frente a un proveedor de IA es comparable.

3.Exigir registros de eventos y presumir en contra de quien no los exhiba, como hacen el Reglamento (UE) 2024/1689 (art. 12) y la Directiva 2024/2853 (art. 10).

4.Reformar el artículo 1934 para que el plazo corra desde que la víctima conoce el daño y a su responsable.

5.Seguro obligatorio para sistemas de alto riesgo y solidaridad de toda la cadena de valor.

 

GUÍA RÁPIDA PARA EL LITIGANTE:

• Quién controlaba el riesgo? Demande solidariamente a desarrollador, integrador y operador (art. 1917).
• ¿El sistema actúa por sí mismo? Si mueve objetos, dinero o infraestructura, plantee el riesgo creado (art. 1913) antes que la culpa.
• ¿Qué información tiene el demandado? Pida la exhibición de registros, documentación técnica y pruebas de sesgo.
• ¿Qué dice la publicidad? Un sistema anunciado como «más seguro que un humano» eleva la expectativa legítima de seguridad.

¿Cuándo prescribe? Dos años desde el daño (art. 1934): documente la fecha de conocimiento desde el primer escrito

 

Como reflexión general se sostiene que el fin de la responsabilidad civil no cambia con la IA: que el daño vuelva a quien controló su causa y se benefició de ella. México tiene en el riesgo creado, la solidaridad y un concepto amplio de daño moral herramientas que otros ordenamientos envidiarían. Le faltan un alivio probatorio claro, un plazo acorde con daños tardíos y la decisión de tratar la autonomía de las máquinas como lo que es: un riesgo creado por alguien.

 

Referencias bibliográficas

[1] Código Civil Federal, https://www.diputados.gob.mx/LeyesBiblio/pdf/CCF.pdf

[2] Chesterman, S., We, the Robots?, Cambridge University Press, 2021, cap. 4.

[3] De Bruyne, J. y Ooms, W., Tort Liability and Artificial Intelligence, en Smuha, N. A. (ed.), The Cambridge Handbook of the Law, Ethics and Policy of Artificial Intelligence, Cambridge University Press, 2025, pp. 158-159.

[4] De Conca, S., Bridging the Liability Gaps, en Custers, B. y Fosch-Villaronga, E. (eds.), Law and Artificial Intelligence, T.M.C. Asser Press, 2022.

[5] Directiva (UE) 2024/2853 del Parlamento Europeo y del Consejo, de 23 de octubre de 2024, sobre responsabilidad por los daños causados por productos defectuosos.

[6] Henderson, P., Challenges for Foundation Model Liability en Zou, M. et al. (eds.), The Cambridge Handbook of Generative AI and the Law, Cambridge University Press, 2025.

[7] Lynch, A. et al., «Agentic Misalignment: How LLMs Could Be Insider Threats», arXiv:2510.05179, 2025.

[8] Schlatter, J. et al., Shutdown Resistance in Large Language Models, arXiv:2509.14260, 2025.