MBA & Ing. Elías Porras U. – Costa Rica
MBA & Ing. Elías Porras U. – Costa Rica
La inteligencia artificial generativa se ha convertido en una de las expresiones más visibles de la transformación tecnológica contemporánea. Su capacidad para producir y transformar texto, imágenes, audio, video, código y estructuras de datos ha reducido la distancia entre sistemas avanzados y usuarios no especializados. En la administración pública, esta facilidad de acceso abre posibilidades para apoyar la gestión documental, analizar información, mejorar la comunicación institucional, ampliar la accesibilidad, fortalecer la atención ciudadana y acelerar tareas de desarrollo y gestión del conocimiento. Sin embargo, la rapidez con la que estas herramientas se incorporan a la vida cotidiana no debe confundirse con madurez institucional. El desafío central para los gobiernos de América Latina y el Caribe no consiste simplemente en utilizar inteligencia artificial, sino en decidir cuándo, para qué y bajo qué condiciones puede contribuir al valor público sin debilitar derechos, responsabilidades ni confianza ciudadana.
La región enfrenta esta transformación desde realidades muy diversas. Existen instituciones con capacidades avanzadas de datos, infraestructura, ciberseguridad y talento, mientras otras todavía afrontan limitaciones de conectividad, interoperabilidad, calidad de registros, financiamiento y formación digital. Estas brechas condicionan la posibilidad de adoptar soluciones de manera segura y sostenible. Una herramienta que funciona en una organización con fuentes confiables, equipos multidisciplinarios y controles consolidados puede producir resultados muy distintos en una entidad que carece de inventarios, protocolos de uso o mecanismos de supervisión. Por eso, la adopción responsable no puede basarse en la simple transferencia de modelos externos. Debe responder al contexto institucional, jurídico, cultural y lingüístico de cada país y, al mismo tiempo, aprovechar oportunidades de cooperación regional, infraestructura compartida, estándares comunes y bienes públicos digitales.
La inteligencia artificial generativa puede aportar valor en varias etapas del ciclo de las políticas públicas. En la fase de diagnóstico, puede ayudar a localizar evidencia, organizar documentos, resumir grandes volúmenes de información y explorar escenarios. Durante el diseño, puede apoyar la elaboración de alternativas, la preparación de materiales de consulta, la traducción a lenguaje claro y el prototipado de instrumentos. En la implementación, puede facilitar la gestión del conocimiento, la comunicación multicanal y la orientación ciudadana. En la evaluación, puede colaborar con la clasificación de aportes, la identificación de patrones y la preparación de reportes. Estos usos pueden liberar tiempo de tareas repetitivas y permitir que los equipos públicos se concentren en labores que requieren juicio profesional, deliberación y conocimiento del contexto. No obstante, el sistema debe permanecer como apoyo y no convertirse en fundamento autónomo de decisiones que afecten derechos, prestaciones, sanciones, oportunidades o distribución de recursos.
La diferencia entre productividad y valor público es decisiva. Ahorrar minutos en la elaboración de un documento no constituye por sí solo una mejora institucional. El beneficio debe evaluarse junto con la exactitud, la accesibilidad, la equidad, la seguridad, el costo, la confianza y el cumplimiento normativo. Un asistente puede responder con rapidez, pero generar información incorrecta o incompleta; un resumen puede ser fluido, pero omitir una excepción jurídica; una traducción puede ampliar el acceso, pero perder precisión cultural o normativa. Por ello, cada caso de uso debe partir de un problema claramente definido, una población identificada, una línea base y criterios verificables para continuar, corregir, pausar o retirar la solución. La experimentación pública es valiosa cuando ocurre en entornos controlados, con datos autorizados, responsables definidos, pruebas documentadas y capacidad real de detenerse.
Los riesgos de la inteligencia artificial generativa no son únicamente técnicos. Las alucinaciones, la desactualización, los sesgos y la variabilidad pueden afectar la calidad de los resultados. La fuga de datos, la memorización, la inyección de instrucciones, el envenenamiento de fuentes y las vulnerabilidades de la cadena de suministro plantean desafíos de ciberseguridad. Los deepfakes, la suplantación, la desinformación y los contenidos sintéticos pueden deteriorar la confianza pública y afectar procesos democráticos. También existen riesgos de propiedad intelectual, dependencia tecnológica, impacto ambiental y exclusión de grupos poco representados en los datos. En contextos públicos, estos problemas adquieren mayor gravedad porque la institución conserva sus obligaciones frente a las personas, aun cuando la herramienta haya sido desarrollada u operada por un proveedor externo.
Por esta razón, los derechos humanos deben traducirse en controles operativos durante todo el ciclo de vida. La dignidad, la autonomía, la igualdad, la privacidad, la libertad de expresión, el acceso a la información y el debido proceso no pueden quedar como declaraciones abstractas. Deben reflejarse en preguntas concretas: ¿quién puede resultar afectado?, ¿qué decisión debe permanecer bajo autoridad humana?, ¿qué información no debe procesarse?, ¿cómo se explicará el uso del sistema?, ¿qué evidencia permitirá auditarlo?, ¿cómo podrá una persona reclamar y obtener corrección o reparación? La supervisión humana significativa exige competencia, tiempo, autoridad y acceso a información suficiente. No se cumple simplemente colocando una firma al final de un proceso automatizado; requiere que la persona pueda comprender, cuestionar, modificar y detener la actuación del sistema.
La dimensión democrática merece una consideración especial. Las herramientas generativas pueden facilitar consultas públicas, organizar aportes ciudadanos, adaptar información a diferentes niveles de lectura y ampliar canales de interacción. También pueden apoyar políticas anticipatorias mediante el análisis de tendencias y la exploración de escenarios. Sin embargo, estas capacidades no garantizan por sí mismas participación representativa ni decisiones más justas. Los resultados pueden amplificar voces más visibles, reproducir desigualdades de acceso o presentar como consenso lo que solo es una síntesis probabilística. La participación debe conservar mecanismos de inclusión, deliberación, revisión y publicidad de criterios. Cuando la inteligencia artificial interviene en procesos electorales, comunicación gubernamental, vigilancia o seguridad, la exigencia de transparencia y proporcionalidad debe ser todavía mayor. El Estado debe evitar que la automatización erosione la neutralidad administrativa o convierta a las personas en perfiles opacos. Una política pública tecnológicamente avanzada sigue necesitando legitimidad democrática, debate plural y responsabilidad humana. Además, la sostenibilidad debe incorporarse desde el diseño: el consumo de cómputo, energía y recursos, así como la vida útil de la infraestructura, forman parte del costo público y deben medirse junto con los beneficios esperados. La innovación responsable exige, por tanto, medir no solo velocidad y ahorro, sino también legitimidad, resiliencia institucional y confianza social sostenible.
La gobernanza institucional convierte estos principios en capacidad pública. Una entidad necesita una política de uso, un inventario de sistemas y herramientas, clasificación de riesgos, rutas de aprobación, registros de trazabilidad y responsabilidades claras. La dirección debe articular a las áreas de política pública, tecnología, datos, seguridad, jurídico, compras, auditoría, talento humano y atención ciudadana. Los comités y matrices de responsabilidades son útiles solo cuando pueden exigir evidencia y adoptar decisiones con consecuencias. La gobernanza también debe incluir participación ciudadana, diálogo con las personas trabajadoras y mecanismos para conocer la experiencia de quienes usan o reciben los servicios. La confianza no se obtiene mediante discursos sobre innovación, sino demostrando que la institución conoce sus sistemas, mide sus efectos, atiende incidentes y puede retirar una solución cuando deja de ser aceptable.
La contratación pública es otro componente esencial. Comprar una licencia no equivale a adquirir una capacidad controlable. Los pliegos y contratos deben incluir requisitos sobre datos, seguridad, desempeño, accesibilidad, interoperabilidad, transparencia del modelo, versiones, subcontratistas, localización del procesamiento, auditoría, notificación de incidentes, portabilidad y estrategia de salida. También es necesario valorar el costo total de propiedad y evitar dependencias que impidan migrar, conservar evidencia o garantizar la continuidad del servicio. La responsabilidad pública no se transfiere al proveedor: la institución debe conservar la capacidad de comprender el servicio, supervisarlo y responder frente a la ciudadanía.
La transformación tecnológica exige igualmente invertir en las personas. La alfabetización en inteligencia artificial debe alcanzar a directivos, equipos técnicos, profesionales jurídicos, responsables de compras, auditores y usuarios operativos. Cada rol necesita competencias diferentes, pero todos deben comprender capacidades, límites, protección de información y responsabilidad. La formación continua, las comunidades de práctica y el rediseño de procesos permiten complementar el juicio profesional en lugar de sustituirlo automáticamente. También es necesario gestionar el cambio, escuchar inquietudes laborales y evitar que la innovación aumente cargas invisibles de revisión o genere inseguridad. Un sector público preparado para la inteligencia artificial no es aquel que acumula herramientas, sino el que aprende, documenta, coopera y toma decisiones con evidencia.
Finalmente, América Latina y el Caribe pueden transformar sus limitaciones en una agenda de cooperación. Compartir estándares, metodologías de evaluación, formación, casos, infraestructura, herramientas y aprendizajes puede reducir costos y fortalecer la soberanía digital. La colaboración entre gobiernos, universidades, sociedad civil, organismos multilaterales y sector privado debe orientarse al bien común, la inclusión y el desarrollo sostenible. La inteligencia artificial generativa no sustituye la necesidad de instituciones sólidas; por el contrario, hace más visibles sus capacidades y debilidades. Su mayor promesa no está en producir más contenido, sino en ayudar a construir administraciones capaces de responder mejor, aprender más rápido y actuar con mayor transparencia. Alcanzar esa promesa requiere visión estratégica, experimentación prudente, derechos convertidos en salvaguardas y una gobernanza que mantenga a las personas, la ética y el valor público por encima de cualquier algoritmo. Actualizarse tecnológicamente debe ser una práctica permanente, crítica y colaborativa para construir instituciones públicas humanas, eficaces y responsables.
Fuentes base consultadas
CEABAD. Programa académico y materiales de los Módulos 1, 2, 3 y 4 del curso Inteligencia Artificial Generativa y Política Pública en América Latina y el Caribe. Versión final 2026.
Campos Ríos, M. Inteligencia artificial y políticas públicas en América Latina y el Caribe: experiencias y aportes para pensar una hoja de ruta regional. SELA y CLAD, 2025.
OCDE/CAF. Uso estratégico y responsable de la inteligencia artificial en el sector público de América Latina y el Caribe. 2022.
UNESCO. Recomendación sobre la Ética de la Inteligencia Artificial. 2021.
NIST. Artificial Intelligence Risk Management Framework y Generative AI Profile. 2024.
