CEDAR-42001: From ISO/IEC 42001 Conformity to Architecture-Aware, Audit-Visible Assurance Posture for AI Cyber-Physical Systems

Resumen Técnico: CEDAR-42001

Planteamiento del Problema
Los sistemas ciberfísicos habilitados por IA (AI-CPS), tales como los vehículos autónomos y los sistemas de control industrial, enfrentan desafíos de aseguramiento que abarcan la detección, computación, control, supervisión humana y gobernanza. Si bien la norma ISO/IEC 42001:2023 establece los requisitos para un Sistema de Gestión de Inteligencia Artificial (AIMS), la evaluación de la conformidad por sí sola es insuficiente para los operadores de AI-CPS. Un veredicto de conformidad estándar o una lista de no conformidades no revela qué capas arquitectónicas específicas están afectadas, si las prácticas actuales poseen la madurez suficiente para el contexto de riesgo, o qué acciones específicas deben seguirse. Esto crea una "brecha de decisión" donde la asignación estratégica de recursos, la priorización operativa de las debilidades y la selección táctica de acciones correctivas no pueden derivarse directamente de los resultados de cumplimiento basados en cláusulas. Los enfoques existentes suelen tratar la gobernanza del sistema de gestión y la evaluación de seguridad consciente de la arquitectura como dominios separados.

Metodología: CEDAR-42001
Los autores proponen CEDAR-42001 (Razonamiento de Decisión y Acción de Control–Evidencia), un método de dos etapas diseñado para traducir la evidencia de auditoría de ISO/IEC 42001 en una "postura de aseguramiento consciente de la arquitectura y visible para la auditoría". El método opera sobre una base de nivel de fila, preservando la determinación de conformidad original mientras la enriquece con datos diagnósticos.

• Etapa A (Determinación de Conformidad): Esta etapa retiene la función de conformidad estándar de ISO/IEC 42001. Utilizando una jerarquía de 26 reglas ordenadas por prioridad, los registros de auditoría codificados se mapean a hallazgos como Conformidad, Oportunidad de Mejora (OFI), No Conformidad Menor/Mayor o No Evaluado. Esta etapa no altera el veredicto de cumplimiento original.
• Etía B (Diagnóstico de Aseguramiento Visible para la Auditoría): Esta etapa aumenta cada fila de auditoría con cuatro campos diagnósticos:
  1. Atribución Arquitectónica: Asigna el hallazgo a un estrato de gobernanza (G), uno de los siete niveles arquitectónicos de AI-CPS (L1–L7: Físico, Detección/Percepción, Procesamiento de Datos, Middleware, Decisión de IA/Control, Lógica de Aplicación, Supervisión Humana), o una categoría Trans-capa.
  2. Perfil de Madurez: Evalúa cinco dimensiones (Trazabilidad, Operacionalización, Monitoreo, Mejora, Integración Trans-capa) en una escala de 0 a 4. Una compuerta de 17 reglas mapea estos puntajes a una escalera de madurez IRDMO (Inicial, Repetible, Definida, Gestionada, Optimizada), identificando la "restricción vinculante" que impide la progresión.
  3. Objetivo Proporcional al Riesgo: Asigna un objetivo de madurez mínimo y un objetivo de estiramiento opcional basado en el impacto del CPS y la criticidad de seguridad/protección, calculando la brecha entre la madurez actual y la requerida.
  4. Recomendación de Acción: Deriva acciones específicas (Correctivas, de Mejora, de Fortalecimiento del Aseguramiento, de Adquisición de Evidencia o de Sostenimiento) basadas en el hallazgo de la Etapa A, la capa primaria, la restricción vinculante y el contexto de riesgo.

Las filas enriquecidas se agregan en tres productos de decisión: una vista estratégica (concentraciones de riesgo), una vista operativa (brechas específicas por capa) y una vista táctica (registro de acciones/CAPA).

Contribuciones Clave

1. Definición de la Postura de Aseguramiento Visible para la Auditoría: El artículo define un constructo diagnóstico acotado que registra la gobernanza o capa de AI-CPS relevante, la madurez, las restricciones vinculantes, los objetivos proporcionales al riesgo y las recomendaciones de acción para cada obligación evaluada.
2. El Método CEDAR-42001: Un método novedoso que co-localiza el estado de conformidad, la atribución de la capa de CPS, la suficiencia de madurez y la clase de acción dentro de una única fila de auditoría trazable.
3. Trazabilidad a Nivel de Fila: La principal contribución metodológica es la capacidad de descomponer cualquier producto de decisión agregado de vuelta a la obligación individual, la nota de evidencia y la regla activada, asegurando la transparencia en cómo se alcanzan las conclusiones.
4. Traspaso de Gobernanza a Aseguramiento: El método cierra la brecha entre el cumplimiento del sistema de gestión y el aseguramiento técnico al identificar dónde la evidencia de auditoría justifica pruebas técnicas más profundas, mejoras organizacionales o remediación, sin reemplazar las evaluaciones de seguridad técnica.

Resultos y Evaluación
El método fue evaluado a través de tres estudios acotados:

1. Cobertura de Pipeline de Extremo a Extremo (Meridian Robotics): Se evaluó un corpus de evidencia sintética de un AIMS para una flota de robots móviles autónomos contra las 159 preguntas de auditoría.
   • Conformidad vs. Brecha de Aseguramiento: Mientras que el 89.9% de las filas de auditoría (143/159) fueron consideradas conformes, solo el 34.3% de esas filas conformes alcanzaron la categoría de "Alto aseguramiento" basal. Esta proporción varió entre el 22.4% y el 46.2% bajo operacionalizaciones alternativas de los umbrales de aseguramiento.
   • Distribución de Capas: Las No Conformidades Mayores se distribuyeron en Gobernanza (G), Detección/Percepción (L2), Middleware (L4) y Toma de Decisiones de IA (L5), demostrando que las debilidades no se limitan a la capa de gobernanza.
   • Perspectivas de Madurez: El Monitoreo y la Integración Trans-capa fueron identificados como las dimensiones con los puntajes más bajos en general, actuando frecuentemente como restricciones vinculantes que impiden la progresión a niveles de madurez superiores.
2. Aplicación Retrospectiva (Incidente de Robotaxi de Cruise): El método se aplicó a la documentación pública del incidente de Cruise de octubre de 2023.
   • El marco capturó con éxito las preocupaciones documentadas a través de Gobernanza, Percepción (L2), Toma de Decisiones (L5) y Supervisión Humana (L7).
   • Demostró que, si bien el daño físico ocurrió en la capa Física (L1), las debilidades de gobernanza se atribuyeron principalmente a G, L2, L5 y L7, generando recomendaciones de acción diferenciadas para cada capa.

Significancia y Reivindicaciones
El artículo afirma que CEDAR-42001 proporciona una capa de traducción necesaria para los operadores de AI-CPS que deben ir más allá del simple cumplimiento hacia un aseguramiento accionable. Establece explícitamente que el método no estima la explotabilidad, no reemplaza las pruebas de seguridad técnica de CPS (por ejemplo, pruebas de penetración, monitoreo en tiempo de ejecución), ni certifica la seguridad de un sistema desplegado. En su lugar, su significancia radica en identificar dónde la evidencia de auditoría indica la necesidad de un aseguramiento técnico más profundo o de una mejora organizacional.

Los autores mantienen una postura modesta, señalando que los resultados caracterizan el fixture sintético específico y la evidencia pública seleccionada para el incidente de Cruise, en lugar de establecer la prevalencia de brechas de aseguramiento en organizaciones operativas o garantizar que las recomendaciones evitarán futuros incidentes. El método se presenta como una herramienta de soporte de decisiones informativa que hace visible y accionable la postura de aseguramiento, distinta de la evaluación de seguridad técnica del sistema en sí.