¿Qué es un entorno de pruebas regulatorio de IA?
Regulación de la IA: conceptos, instituciones y normas
Un entorno de pruebas regulatorio de IA es un entorno supervisado por un regulador, con duración limitada, en el que una organización puede desarrollar, entrenar, validar o probar un sistema de IA bajo salvaguardas acordadas antes de su despliegue completo. Se utiliza cuando la ley es incierta, el sistema es novedoso o los riesgos son difíciles de evaluar solo desde el escritorio. Un verdadero entorno de pruebas combina la experimentación con supervisión, documentación y orientación sobre cumplimiento. No es simplemente un banco de pruebas técnico, ni una aprobación legal general.
Revisado por Jackie, Head of Learning & Development, Levellers - Última revisión: 8 de junio de 2026
Qué significa esto
Conviene imaginar un entorno de pruebas regulatorio de IA como un ensayo supervisado. La organización y el regulador acuerdan qué se está probando, qué cuestiones legales deben resolverse, qué salvaguardas se aplican, cuánto dura la prueba y qué evidencia debe producirse antes de que el proyecto concluya.
El modelo exacto varía según la jurisdicción. Algunos entornos de pruebas ofrecen principalmente orientación estructurada y supervisión estrecha. Otros también pueden ofrecer flexibilidades temporales limitadas, como permisos restringidos, exenciones, acuerdos de mitigación o compromisos de no aplicación acotados. Lo que normalmente no ofrecen es carta blanca en materia de protección de datos, consumo, seguridad, responsabilidad profesional o normas de responsabilidad civil.
Esa distinción importa. Muchos programas utilizan la palabra "sandbox" para referirse a la creación de prototipos técnicos, el acceso a datos, las pruebas de garantía o el apoyo a la innovación. Un verdadero entorno de pruebas regulatorio se define por el papel supervisor del regulador y por las cuestiones de cumplimiento que se trabajan dentro de la prueba.
Por qué importa
Los sistemas de IA suelen fallar en la frontera entre el rendimiento técnico y el deber legal. Un modelo puede funcionar en laboratorio y aun así generar problemas de transparencia, discriminación, datos personales, supervisión humana, protección del consumidor, licencias médicas o seguridad del producto cuando se usa con personas reales. Los entornos de pruebas importan porque permiten a las organizaciones detectar esos problemas de forma temprana, mientras el sistema es todavía lo suficientemente acotado como para modificarse.
Para fundadores y operadores, esto puede reducir costosas revisiones tardías en el ciclo de producto. Para los responsables de gobernanza y asesores, genera un registro estructurado de qué se probó, qué riesgos se encontraron, qué mitigaciones se exigieron y qué le importó realmente al regulador. Para compradores y organismos públicos, la evidencia de un entorno de pruebas suele ser más útil que una afirmación de marketing, porque muestra cómo se comportó un sistema bajo salvaguardas acordadas.
Los entornos de pruebas también importan para los reguladores. No solo sirven para ayudar a las empresas. Son una vía para que las autoridades aprendan cómo interactúan los nuevos sistemas de IA con el derecho vigente, dónde las normas actuales son claras, dónde son ambiguas y dónde puede ser necesaria nueva orientación o un ajuste legislativo. En ese sentido, un entorno de pruebas es a la vez una herramienta de supervisión y una herramienta de aprendizaje regulatorio.
Cómo funciona
Qué lo convierte en un entorno de pruebas regulatorio
Un entorno de pruebas regulatorio de IA genuino tiene cinco características esenciales. Primera, está gestionado o supervisado directamente por una autoridad competente, no solo por un proveedor privado de pruebas o una asociación sectorial. Segunda, tiene una duración limitada. Tercera, está delimitado por un proyecto definido, cuestiones legales y salvaguardas. Cuarta, produce un registro formal de lo aprendido. Quinta, existe para clarificar el cumplimiento, no solo para mejorar el rendimiento técnico.
Por eso un entorno de pruebas regulatorio es diferente de un entorno de preproducción normal, un ejercicio de equipo rojo o un programa genérico de pruebas de IA. Un sandbox digital puede proporcionar datos, herramientas informáticas o entornos sintéticos. Un hub de innovación puede ofrecer orientación informal. Un entorno de pruebas regulatorio conforme añade la supervisión del regulador, un marco de pruebas acordado y una vía para convertir la experimentación en evidencia de cumplimiento.
El AI Act de la Unión Europea ofrece el modelo legal vigente más claro. Concibe el entorno de pruebas como un marco controlado establecido por una autoridad competente para que los sistemas de IA innovadores puedan desarrollarse, entrenarse, probarse y validarse durante un período limitado antes de su comercialización o puesta en servicio. La ley también deja claro que el entorno de pruebas tiene por objeto mejorar la seguridad jurídica, apoyar el cumplimiento y generar aprendizaje regulatorio, no suspender la supervisión.
Quién lo gestiona y quién puede acceder
La institución responsable depende del sistema jurídico y del sector. En el modelo de la UE, las autoridades nacionales competentes son las responsables, y el Supervisor Europeo de Protección de Datos puede establecer un entorno de pruebas para las instituciones, órganos y organismos de la Unión. En el Reino Unido, los reguladores sectoriales pueden gestionar sus propios entornos de pruebas, razón por la cual la FCA tiene un modelo para servicios financieros y la ICO tiene un modelo de protección de datos. En Brasil, la ANPD está pilotando un entorno de pruebas para IA y datos personales. En Utah, la Oficina de Política de Inteligencia Artificial trabaja con el regulador sectorial correspondiente para negociar acuerdos de mitigación regulatoria.
La admisión suele realizarse mediante solicitud. Una solicitud seria no se limita a decir "usamos IA". Explica el caso de uso, por qué la tecnología es novedosa, qué incertidumbre legal existe, quién puede verse afectado, qué datos se utilizan, qué interés público o beneficio para el consumidor se alega, qué salvaguardas ya existen y por qué la vía de aprobación estándar no es suficiente. En la UE, las normas comunes están diseñadas para que los criterios de elegibilidad y selección sean transparentes y justos, con decisiones comunicadas en un plazo de tres meses. El piloto de la ANPD de Brasil es voluntario y gratuito, pero los participantes deben aportar su propia capacidad técnica y financiera. La ANPD también otorga puntuación adicional a algunos proyectos, entre ellos los de IA generativa, propuestas del sector público y startups.
Un entorno de pruebas regulatorio no es, por tanto, exclusivo para startups. Muchos regímenes priorizan a los actores más pequeños porque soportan la mayor carga legal y administrativa, pero también pueden ser admitidas empresas grandes, organismos públicos y entidades reguladas existentes cuando cumplen los criterios. La pregunta clave no suele ser el tamaño, sino si el proyecto plantea una cuestión supervisora genuina que pueda explorarse de forma productiva en una prueba acotada.
Qué se acuerda antes de que comiencen las pruebas
Antes de que comiencen las pruebas en vivo, el regulador y el participante suelen definir un plan de entorno de pruebas o un acuerdo de mitigación equivalente. Aquí es donde el proyecto se vuelve gobernable. El plan debe describir el sistema, el propósito previsto, el período de prueba, las poblaciones afectadas, las cuestiones legales en el ámbito de aplicación, los conjuntos de datos o flujos de datos, los mecanismos de supervisión humana, las condiciones de parada, la gestión de incidentes, las comunicaciones a los usuarios, el ciclo de informes y las condiciones de salida.
Este paso de diseño es donde surgen muchos de los beneficios prácticos. Si el proyecto no puede delimitarse con claridad, suele ser señal de que el despliegue es demasiado amplio, demasiado maduro o demasiado impreciso para encajar en un entorno de pruebas. Los reguladores suelen preferir pruebas de pequeña escala y duración limitada, porque eso hace que la supervisión sea real y no meramente simbólica.
La documentación exacta varía. Bajo el AI Act, las normas de aplicación para los entornos de pruebas deben cubrir la solicitud, la participación, el seguimiento, la salida y la terminación, incluido el plan del entorno de pruebas y el informe de salida. La ANPD de Brasil exige una cronología operativa, medidas de transparencia, un plan de discontinuidad, mecanismos de comunicación para los interesados y un análisis simplificado de los principales riesgos de protección de datos como parte del plan del entorno de pruebas. El proceso de alivio regulatorio de Utah se articula en torno a un acuerdo de mitigación a medida que establece salvaguardas, obligaciones de información y condiciones de funcionamiento para el piloto.
Si la prueba alcanza a personas o entornos reales, los requisitos se endurecen. El modelo de la UE exige salvaguardas acordadas para cualquier prueba en condiciones del mundo real llevada a cabo dentro del entorno de pruebas. En entornos sectoriales, esto suele implicar una supervisión humana más estricta, criterios de inclusión más rigurosos, un uso más acotado de la herramienta, avisos claros a los usuarios, vías de escalada directas y una capacidad creíble para detener el piloto si aparece riesgo.
Qué se prueba y qué evidencia se genera
Un buen entorno de pruebas evalúa tanto el sistema de IA como los controles que lo rodean. Esto puede incluir la gobernanza de datos, el comportamiento del modelo, la gestión de errores, los avisos de transparencia, el material de explicabilidad, las vías de reclamación, las verificaciones de identidad, la lógica de escalada, la notificación de incidentes y la forma en que los humanos permanecen en el circuito. La pregunta no es solo "¿funciona el modelo?", sino también "¿puede esta organización operarlo de forma legal y segura en el contexto declarado?".
Esto genera evidencia que puede reutilizarse fuera del entorno de pruebas. Los registros habituales incluyen análisis de riesgos, registros de pruebas, resultados de referencia, artefactos de explicabilidad, divulgaciones a usuarios, actas de reuniones, informes de incidentes, informes de seguimiento mensuales e informes finales o de salida. En el modelo de la UE, los informes de salida y la prueba escrita de actividades exitosas en el entorno de pruebas deben ser tenidos en cuenta positivamente por las autoridades de vigilancia del mercado y los organismos notificados cuando se evalúe posteriormente el trabajo de evaluación de la conformidad. La ANPD de Brasil espera un informe final de resultados con indicadores técnicos y regulatorios, lecciones aprendidas y posibles mejoras al marco regulatorio. Los pilotos de Utah incluyen informes mensuales a la Oficina y una revisión continua de las señales de seguridad.
Aquí es donde las normas y los marcos de gestión de riesgos resultan útiles. El AI RMF de NIST no es una ley de entornos de pruebas, pero ofrece una estructura práctica para la evidencia que un entorno de pruebas debe producir. "Govern" pregunta quién es responsable y cómo toma decisiones la organización. "Map" pregunta qué hace el sistema, en qué contexto y para quién. "Measure" pregunta qué se está probando y cómo se observa el riesgo. "Manage" pregunta qué mitigaciones son necesarias, cuándo debe detenerse la publicación y cómo se hace seguimiento de los problemas a lo largo del tiempo. Para la IA generativa, el Perfil GenAI de NIST añade un complemento específico para la tecnología que puede enfocar mejor la agenda de pruebas para sistemas que utilizan modelos de lenguaje grande o multimodales.
El valor práctico es sencillo: un entorno de pruebas que solo genera correspondencia con el regulador es débil. Un entorno de pruebas que genera evidencia de gobernanza reutilizable es sólido.
Qué flexibilidad legal puede existir y qué no cambia
La flexibilidad legal dentro de un entorno de pruebas suele ser más limitada de lo que se espera. Algunos regímenes ofrecen principalmente orientación y apoyo supervisor. Otros pueden añadir autorizaciones restringidas, exenciones, orientación individual, cartas de no aplicación o acuerdos de mitigación temporales. La FCA es explícita en que su entorno de pruebas no está exento de regulación y que no puede eximir del derecho nacional o internacional. Utah es explícito en que sus acuerdos son temporales y condicionales. La ANPD de Brasil presenta su entorno de pruebas como un entorno controlado que puede suspender temporalmente ciertos requisitos para permitir la experimentación a pequeña escala, pero también señala que la participación no es una certificación legal y que el régimen de protección de datos sigue aplicándose dentro del entorno experimental.
El AI Act está más estructurado jurídicamente que la mayoría de los programas de entornos de pruebas. Establece que los reguladores deben proporcionar orientación, supervisión y apoyo dentro del entorno de pruebas, incluso en lo relativo a los riesgos para los derechos fundamentales, la salud y la seguridad. También establece que las autoridades de protección de datos y otras autoridades competentes deben participar cuando su ámbito de competencia se vea afectado. Al mismo tiempo, señala que la participación en el entorno de pruebas no afecta a los poderes supervisores o correctivos. Si aparece un riesgo significativo que no puede mitigarse eficazmente, las autoridades pueden suspender o detener las pruebas. La responsabilidad frente a terceros se mantiene.
Esto significa que un entorno de pruebas no es una zona al margen de la ley. Es la ley aplicada mediante discrecionalidad supervisada. En algunas circunstancias, la propia ley puede crear una base adicional limitada para la experimentación. El marco de la UE, por ejemplo, prevé una vía limitada para el tratamiento ulterior de determinados datos personales obtenidos lícitamente en entornos de pruebas para algunos sistemas de interés público, sujeto a condiciones y salvaguardas estrictas. Pero la estructura más amplia de la protección de datos y demás legislación aplicable sigue vigente.
Cómo encajan los entornos de pruebas en la gobernanza de la IA más amplia
Un entorno de pruebas debe integrarse en el sistema de gobernanza más amplio de la organización, no situarse al margen de él. La responsabilidad a nivel directivo debe estar ya clara. Los equipos jurídico, de producto, de ingeniería, de seguridad, de protección de datos, de cumplimiento y el equipo de dominio relevante deben saber quién puede aprobar cambios, quién puede detener las pruebas, quién firma las divulgaciones externas y quién es responsable de los informes a la autoridad.
En la práctica, el mejor uso de un entorno de pruebas es responder preguntas de alto valor antes del lanzamiento general. ¿Tienen sentido los avisos a los usuarios en contexto? ¿Tiene el revisor humano suficiente autoridad y tiempo para anular el sistema? ¿Es defendible el flujo de datos? ¿Se gestionan los casos extremos de forma segura? ¿Se escalan los incidentes con suficiente rapidez? ¿Comprende la organización qué evidencia necesitará más adelante para la contratación, la auditoría, la aprobación interna o el trabajo de evaluación de la conformidad?
Por eso el uso de entornos de pruebas está estrechamente vinculado a la garantía y la auditoría, aunque no las sustituye. La garantía puede revisar si el plan de pruebas era creíble y si la evidencia respalda el nivel de confianza declarado. La auditoría puede revisar si se cumplieron los compromisos y si las lecciones se incorporaron realmente a la política, los controles y la práctica operativa. Un entorno de pruebas bien gestionado se convierte en un puente disciplinado entre la experimentación y la gobernanza formal.
Ejemplos
Ejemplo actual del Reino Unido: el entorno de pruebas de la ICO está apoyando a Tribela, una plataforma de redes sociales para jóvenes, mientras trabaja los problemas de privacidad relacionados con la moderación por IA, la estimación de edad y la identidad verificada antes del lanzamiento público. Otro proyecto actual de la ICO, Zebbingo, explora la IA centrada en el niño por diseño para una plataforma de audio conversacional para niños, con foco en la base jurídica, el riesgo de moderación, los datos de categoría especial y la transparencia adecuada a la edad. Estos son buenos ejemplos de un entorno de pruebas utilizado para dar forma al diseño del producto antes de escalar, no para remediar problemas tras el lanzamiento.
Ejemplo actual de Brasil: el entorno de pruebas de IA y protección de datos de la ANPD seleccionó hasta tres proyectos y, tras una fase de nivelación de cuatro meses, incorporó a los participantes a pruebas supervisadas en 2026. Los participantes nombrados públicamente incluyen Guardion.AI, orientado a la monitorización y el control de agentes autónomos y el uso de IA generativa; Trajetto, un sistema de gestión del flujo de pasajeros en tiempo real en el transporte ferroviario; y STAIDOC, un proyecto de IA médica que utiliza datos sanitarios brasileños con una sólida arquitectura de privacidad. Esto muestra un modelo de entorno de pruebas que combina formación, análisis de riesgos, reuniones de supervisión e informe público final.
Ejemplo actual de Utah: Doctronic opera bajo un acuerdo de mitigación regulatoria para renovaciones de recetas asistidas por IA. El piloto se limita a la renovación de recetas existentes, excluye las sustancias controladas, utiliza un despliegue por fases con supervisión médica y envía informes mensuales a la Oficina de Política de Inteligencia Artificial. Utah también ha autorizado un piloto separado de Dentacor para el diagnóstico asistido por IA de radiografías en atención dental móvil, con confirmación humana, consentimiento informado, controles de privacidad y derivación a un dentista cuando los juicios divergen. Esto muestra cómo un enfoque de tipo entorno de pruebas puede integrarse en la supervisión sectorial, en lugar de ejecutarse como un programa general de IA.
Malentendidos frecuentes
Un entorno de pruebas es un puerto seguro legal. Generalmente falso. Puede reducir la incertidumbre y a veces ofrecer una flexibilidad temporal limitada, pero normalmente no elimina otras obligaciones ni la responsabilidad civil frente a terceros.
Un entorno de pruebas es solo un entorno de pruebas técnico. No. Un verdadero entorno de pruebas regulatorio incluye supervisión del regulador, ámbito acordado, salvaguardas, informes y un proceso formal de aprendizaje sobre cumplimiento.
Solo las startups pueden utilizarlo. No necesariamente. Muchos regímenes priorizan a las pymes y startups, pero los organismos públicos, las empresas consolidadas y otras entidades reguladas también pueden cumplir los requisitos.
Solo la IA de alto riesgo pertenece a un entorno de pruebas. No siempre. El modelo de la UE también puede ayudar con las obligaciones de transparencia para sistemas interactivos y generativos, y con demostrar que los casos limítrofes no constituyen prácticas prohibidas.
Si el regulador nos admite, el regulador ha aprobado el producto. No. La ANPD señala que la participación no es validación legal. Utah indica que los acuerdos son temporales y condicionales. La FCA afirma que el uso del entorno de pruebas no es una exención general.
Riesgos y límites
Los entornos de pruebas funcionan mejor cuando el proyecto es novedoso, acotado y genuinamente incierto bajo el derecho vigente. Funcionan mal cuando la organización realmente busca un sello de marketing, un atajo en la contratación o un sustituto del trabajo ordinario de cumplimiento. Si el caso de uso ya es maduro y el camino legal está claro, un entorno de pruebas puede añadir demora en lugar de valor.
También requieren capacidad institucional. Los reguladores necesitan personal que comprenda el derecho aplicable, el diseño técnico y los impactos sobre los derechos. Los participantes necesitan documentación disciplinada, supervisión humana creíble, condiciones de parada claras y la capacidad operativa para modificar o detener una prueba con rapidez. Un entorno de pruebas no puede rescatar una gobernanza débil. Si la organización no sabe qué datos utiliza, quién es responsable o cómo se gestionarán los incidentes, esos problemas simplemente se harán visibles antes.
Los detalles legales actuales pueden seguir evolucionando. En la UE, el AI Act proporciona el marco legal, pero las normas operativas comunes se consultaron por separado y los modelos nacionales aún se están poniendo en marcha antes del plazo de apoyo del 2 de agosto de 2026. El modelo de la ANPD de Brasil es actualmente un piloto, por lo que su informe público final puede dar forma a la próxima versión. Los acuerdos de mitigación de Utah son temporales y deben renovarse si el estado desea continuar las pruebas. En todas las jurisdicciones, el límite claro es el mismo: un entorno de pruebas es una vía supervisada para aprender, no una categoría permanente de cumplimiento.
Qué hacer a continuación
Comience por definir la pregunta regulatoria exacta. "Queremos probar IA" es demasiado amplio. "Necesitamos saber si nuestra estimación de edad, nuestro proceso de revisión humana y nuestros avisos a los usuarios son proporcionados conforme a las normas de privacidad y protección de menores" es el nivel de precisión adecuado.
A continuación, compruebe si necesita un verdadero entorno de pruebas regulatorio o un mecanismo diferente. Si el problema es solo la creación de prototipos en fase temprana, puede ser suficiente un sandbox digital o un laboratorio de pruebas. Si el problema es la interpretación legal bajo supervisión activa, se necesita un proceso gestionado por el regulador.
Prepare un paquete de evidencia conciso antes de presentar la solicitud. Esto suele incluir una descripción del sistema y el uso previsto, las leyes que probablemente se apliquen, los usuarios afectados, los flujos de datos, el diseño de la supervisión humana, los riesgos clave, las métricas de seguimiento, las comunicaciones a los usuarios, el proceso de gestión de incidentes y un plan claro de salida o discontinuidad.
Establezca los derechos de decisión internos antes de que el regulador los solicite. Decida quién puede aprobar cambios de alcance, quién puede pausar las pruebas, quién habla con la autoridad y cómo se trasladarán las lecciones aprendidas a la política, los controles y las puertas de publicación.
Por último, trate el entorno de pruebas como un insumo de gobernanza, no como una campaña de lanzamiento. El valor real es el registro que genera: los riesgos encontrados, las mitigaciones aceptadas, la evidencia recopilada y las condiciones que aún deben cumplirse antes de un despliegue más amplio.
¿Tiene alguna pregunta o sugerencia, o desea saber cómo investigamos y revisamos estas guías? Lea sobre nuestros estándares editoriales y cómo contactarnos.
Preguntas frecuentes
¿Es un entorno de pruebas regulatorio de IA lo mismo que un laboratorio de pruebas de IA?
No. Un laboratorio de pruebas se centra en la evaluación técnica. Un entorno de pruebas regulatorio añade supervisión del regulador, delimitación legal, salvaguardas acordadas y evidencia estructurada para el aprendizaje sobre cumplimiento.
¿Quién suele gestionar un entorno de pruebas regulatorio de IA?
Normalmente una autoridad pública competente con responsabilidad supervisora, como una autoridad nacional de IA, un regulador de protección de datos, un regulador sectorial o una oficina de política de IA dedicada que trabaja con los reguladores sectoriales.
¿Significa la participación en el entorno de pruebas que mi sistema cumple la normativa?
No. Puede ayudar a comprender y demostrar el cumplimiento, pero no equivale a una certificación, aprobación o determinación legal definitiva.
¿Pueden participar usuarios reales en un entorno de pruebas?
A veces sí, pero solo bajo salvaguardas más estrictas. Cuanto más se acerca un proyecto a las pruebas en el mundo real, más importantes se vuelven el consentimiento, la supervisión humana, los poderes de parada, la gestión de incidentes y el alcance acotado.
¿Qué documentos debe esperar preparar una organización?
Normalmente una descripción del proyecto, una declaración de incertidumbre legal, un análisis de riesgos, un mapa de datos, el diseño de la supervisión, un plan de seguimiento, las comunicaciones a los usuarios, un plan de gestión de incidentes y un plan de salida o discontinuidad.
¿Es un entorno de pruebas útil solo para desarrolladores?
No. Los proveedores potenciales suelen ser los principales solicitantes, pero los desplegadores, los organismos públicos y los socios sectoriales también pueden participar, especialmente cuando las operaciones reales, las profesiones reguladas o los datos personales forman parte del proyecto.
¿Qué ocurre si mi país no tiene un entorno de pruebas regulatorio de IA?
Utilice el equivalente funcional más cercano: contacto con el regulador sectorial, servicios de asesoramiento en innovación, pilotos limitados documentados, evaluaciones de privacidad o seguridad del producto y un sólido proceso interno de gobernanza de la IA. La ausencia de un entorno de pruebas no elimina la necesidad de pruebas disciplinadas y evidencia.
Fuentes
Regulation (EU) 2024/1689 on artificial intelligence (European Union). Official legal basis for EU AI sandboxes, including regulator supervision, support, involvement of data protection authorities, suspension powers, continuing liability, annual reports, sandbox plans, exit reports, SME access and real world testing safeguards.
Frequently Asked Questions (European Commission, AI Act Service Desk). Current implementation timeline, the expectation that each Member State has a sandbox with national coverage by 2 August 2026, the range of AI projects that may use sandboxes, and the distinction between the Service Desk and a sandbox.
Commission seeks feedback on draft implementing act to establish AI regulatory sandboxes under the AI Act (European Commission, Directorate-General CONNECT). Current implementation uncertainty and the Commission's work on common operating rules for AI sandboxes.
Artificial Intelligence Risk Management Framework 1.0, and Generative Artificial Intelligence Profile (National Institute of Standards and Technology). Voluntary govern, map, measure and manage structure for AI risk management, and a GenAI specific companion that helps explain what evidence and testing a sandbox should produce.
Regulatory Sandbox (Financial Conduct Authority). General sandbox mechanics in a live regulated market, including controlled testing, dedicated support tools, and the limit that sandboxing is not a blanket regulatory exemption.
Regulatory Sandbox current projects (Information Commissioner's Office). Current UK AI examples, including Tribela and Zebbingo, showing how privacy, child safety and transparency questions are worked through before rollout.
ANPD sandbox materials, FAQ, test phase update and selected participants (Autoridade Nacional de Protecao de Dados). Brazil's AI and data protection sandbox design, eligibility, free participation, required plans and reports, the move into supervised testing in 2026, and named pilot participants.
Office of Artificial Intelligence Policy materials on the Learning Laboratory and regulatory mitigation (Utah Department of Commerce, and Utah Legislature). Utah's learning laboratory model, the role of regulatory mitigation agreements, approval with sector regulators, monthly reporting, time limits, and current healthcare pilot guardrails.