Este Trabajo Fin de Máster surge de la necesidad de actualizar y mejorar las herramientas para auditar sistemas inteligentes conforme a nuevos marcos como el NIST AI RMF 1.0 y el FAICP. El objetivo es mejorar una herramienta de auditoría asistida por computadora (CAAT) existente, integrando estos marcos para evaluar aspectos clave de la inteligencia artificial, como la gobernanza, la transparencia y el riesgo. Se plantea como pregunta principal si es posible adaptar estos marcos reutilizando los subcontroles del NIST CSF ya presentes en la herramienta, con la hipótesis de que dicha integración es viable mediante mapeos adecuados. La metodología seguida es el modelo en cascada, estructurando el trabajo en fases: análisis de requisitos, diseño, implementación, verificación interna y validación externa con personal de la ESA. A partir de la herramienta existente, desarrollada en Excel con Visual Basic for Applications, se ha llevado a cabo una evolución significativa, manteniendo la interfaz familiar para los auditores y ampliándola con hojas específicas para los marcos AI RMF y FAICP. Se han incorporado funcionalidades de automatización de cálculos y visualización de resultados mediante mapas de calor. La herramienta resultante permite evaluar con precisión el cumplimiento normativo y la madurez de los sistemas de IA auditados. Las pruebas internas confirmaron la coherencia lógica y la fiabilidad técnica, mientras que la validación externa destacó su utilidad práctica y facilidad de uso. La integración de los marcos fue validada con éxito. En conclusión, el trabajo demuestra que es posible traducir principios complejos de gobernanza de IA a un proceso de auditoría tangible y automatizado, aportando una contribución valiosa a sectores críticos. Se recomienda como trabajo futuro la adaptación de la herramienta a la Ley de IA de la UE y su migración a la nueva versión NIST CSF 2.0 para garantizar su sostenibilidad y relevancia.