La inteligencia artificial (IA) puede ayudar a las instituciones públicas a responder consultas, organizar expedientes, analizar información y agilizar servicios. Su aporte depende de que resuelva necesidades concretas, utilice datos confiables y opere bajo responsabilidades claras. Para América Latina y el Caribe, la oportunidad consiste en mejorar la atención ciudadana sin ampliar las desigualdades de acceso ni debilitar la protección de las personas.
Incorporar IA exige revisar procedimientos, preparar al personal y comprobar los resultados. La pregunta inicial debe ser qué problema necesita resolver la institución y cómo sabrá si la solución beneficia a la ciudadanía. Este enfoque permite relacionar la innovación tecnológica con la calidad del servicio, la eficiencia administrativa y la confianza pública.
Digitalizar un formulario puede ahorrar papel, pero mantener requisitos duplicados, aprobaciones innecesarias o visitas presenciales. Transformar un servicio implica examinar el proceso completo y simplificarlo antes de automatizarlo. La tecnología aporta valor cuando reduce las dificultades que enfrenta la persona usuaria.
Como esquema orientativo, la evolución del gobierno digital puede describirse en cuatro etapas. El Gobierno 1.0 se concentra en publicar información, requisitos y formularios. El Gobierno 2.0 incorpora interacción y transacciones en línea, como solicitudes, pagos y mecanismos de participación. El Gobierno 3.0 integra sistemas y datos para ofrecer servicios centrados en la ciudadanía y evitar que las personas entreguen reiteradamente información que el Estado ya posee y puede consultar legítimamente.
El Gobierno 4.0 incorpora capacidades de IA y automatización para apoyar el análisis, anticipar necesidades y ofrecer servicios proactivos. Estas etapas no constituyen una clasificación universal ni una secuencia que todas las instituciones recorren de igual manera. Pueden coexistir dentro de un mismo país e incluso de una misma entidad.
Las condiciones institucionales determinan el punto de partida. Una administración con registros integrados enfrenta desafíos distintos de una municipalidad que trabaja con expedientes físicos y conectividad limitada. En ambos casos, la calidad de los datos, la infraestructura, las competencias y la coordinación entre áreas son tan necesarias como la herramienta elegida.
La IA comprende métodos para reconocer patrones, clasificar información, generar contenido y producir predicciones. Algunos sistemas emplean reglas definidas por especialistas; otros aprenden relaciones a partir de datos. No toda automatización necesita IA ni todo sistema aprende continuamente durante su uso.
La IA generativa produce texto, imágenes, audio o código a partir de instrucciones y del contexto disponible. En la administración pública puede preparar borradores, resumir informes o explicar trámites en lenguaje sencillo. Sin embargo, también puede generar contenido convincente pero incorrecto. Sus respuestas requieren verificación, especialmente cuando incluyen requisitos, cifras o referencias normativas.
Los agentes de IA combinan modelos con herramientas para realizar tareas orientadas a un objetivo. Pueden recuperar documentos, consultar registros autorizados o preparar actuaciones dentro de un procedimiento. Su autonomía debe estar delimitada por permisos, controles y responsabilidades institucionales. En los sistemas multiagente, varios agentes distribuyen funciones; esta coordinación también aumenta la complejidad y puede propagar errores, por lo que debe justificarse frente a alternativas más sencillas.
La automatización basada en reglas sigue siendo apropiada para operaciones que exigen resultados reproducibles, como calcular una tasa o comprobar campos obligatorios. Una solución puede combinar estas reglas con IA para interpretar consultas y documentos, reservando las decisiones sensibles a los responsables competentes.
Un prompt es la instrucción que orienta el trabajo de un sistema de IA. Elaborarlo se parece a preparar un encargo: definir el objetivo, explicar el contexto, aportar fuentes, identificar al destinatario y precisar el formato esperado. También conviene establecer límites, pedir que se señalen los datos faltantes y diferenciar hechos de supuestos.
Por ejemplo: «Utiliza únicamente la ficha adjunta para redactar una guía de este trámite en un máximo de 250 palabras. Incluye requisitos, pasos y canal de consulta. Si no aparece el costo o el plazo, indica que ese dato no está disponible. No inventes información y señala los puntos que debe verificar el funcionario responsable».
Una instrucción clara mejora la utilidad de la respuesta, pero no asegura su exactitud. La institución debe emplear fuentes autorizadas y actualizadas, herramientas aprobadas para los datos que maneja y procedimientos de revisión. Asignar al sistema un papel de experto no lo convierte en una autoridad técnica o jurídica.
Los primeros proyectos deberían centrarse en tareas frecuentes, acotadas y verificables, cuyos errores puedan corregirse antes de afectar a las personas. Entre ellas se encuentran la búsqueda de información interna, la clasificación documental y la preparación de borradores sujetos a revisión.
En atención ciudadana, un asistente puede orientar sobre requisitos y canales de consulta. En gestión documental, puede localizar antecedentes y resumir expedientes. En compras públicas, puede comparar documentos y señalar diferencias que ameriten análisis. En salud y educación, las aplicaciones administrativas permiten explorar mejoras en la organización de consultas o la preparación de materiales informativos revisados. La prioridad depende del riesgo de cada tarea y de la preparación institucional.
Una municipalidad, por ejemplo, podría mejorar la recepción de solicitudes de licencia comercial. Tras simplificar el procedimiento, el sistema organizaría los documentos y extraería campos; un componente basado en reglas identificaría información obligatoria ausente, y un asistente prepararía una explicación comprensible. Cuando existieran integraciones autorizadas, se consultarían los registros pertinentes para evitar solicitudes repetidas de documentación.
El personal responsable revisaría las inconsistencias y los casos ambiguos. Una vez autorizada la respuesta, el sistema podría notificarla y registrar las actuaciones. El servicio necesitaría una vía alternativa ante fallas. Extraer un dato correctamente no demuestra la autenticidad de un documento, y la IA no crea por sí sola la interoperabilidad: compartir información exige acuerdos, formatos compatibles y controles de acceso.
Las decisiones sobre sanciones, beneficios sociales o acceso a derechos requieren controles proporcionales a sus consecuencias. La supervisión humana debe ser efectiva: quien revisa necesita tiempo, información, competencia y autoridad para corregir o detener el proceso.
La IA puede contribuir a reducir tareas repetitivas, mejorar la organización del trabajo y apoyar el uso de los recursos públicos. En la administración tributaria, el análisis de datos puede señalar inconsistencias para investigación; en las contrataciones, puede identificar patrones que justifiquen una revisión. Una alerta no demuestra por sí misma evasión, fraude o corrupción.
La simplificación de permisos y registros puede facilitar la actividad empresarial y reducir costos de cumplimiento. La mejora de los trámites también puede apoyar la formalización de pequeños negocios. En política social, el análisis de información puede ayudar a identificar necesidades y revisar la cobertura de programas, pero debe controlar los errores de inclusión y exclusión. Ningún modelo garantiza una asignación exacta de beneficios.
El desempeño gubernamental se examina mediante indicadores de crecimiento, inflación, empleo, informalidad, salarios reales, situación fiscal y deuda, junto con variables del sector externo, inversión, pobreza y desigualdad. Estos indicadores ofrecen contexto sobre la economía y el bienestar, pero dependen de múltiples factores. No corresponde atribuir automáticamente sus cambios a una aplicación de IA ni considerar que su adopción garantiza menor déficit, mayor inversión o reducción del riesgo país.
Para evaluar un proyecto concreto conviene comenzar por resultados directamente observables: tiempo de atención, errores, costo por trámite, casos resueltos y satisfacción de las personas usuarias. La comparación debe incluir el esfuerzo de revisión y corrección, los costos tecnológicos y las diferencias de desempeño entre grupos. Liberar horas de trabajo puede permitir atender casos complejos o demanda pendiente, sin traducirse necesariamente en un ahorro presupuestario inmediato.
Cada iniciativa necesita un propósito documentado, un responsable institucional y límites de uso. Debe definirse qué información procesa, quién puede acceder a ella, qué acciones ejecuta y cómo se atienden las reclamaciones. Las áreas operativas, tecnológicas, jurídicas y de atención ciudadana deben participar en estas decisiones.
Los datos históricos pueden contener errores o reflejar desigualdades. Por ello, es necesario evaluar su calidad, representatividad y pertinencia, así como comprobar si el sistema produce resultados injustificados para determinados grupos. Cuando falte evidencia o exista incertidumbre, el caso debe remitirse a una persona competente.
La protección de la información exige limitar los datos al propósito del servicio y establecer condiciones de acceso, conservación y uso por proveedores. Ocultar identificadores no siempre impide reconocer a una persona, y alojar información localmente no garantiza por sí solo su seguridad. La institución necesita conocer cómo se utilizan los datos y mantener controles efectivos.
En los agentes, los permisos deben limitarse a las tareas autorizadas. Los documentos o mensajes consultados pueden contener instrucciones maliciosas que intenten alterar el comportamiento del sistema, un riesgo conocido como inyección de prompts. Las medidas de protección incluyen separar las fuentes consultadas de las instrucciones autorizadas, controlar las acciones sensibles, registrar actuaciones y disponer de mecanismos para detener el servicio.
La inclusión requiere lenguaje claro, accesibilidad y pruebas en los contextos e idiomas atendidos. También deben mantenerse opciones presenciales o asistidas cuando sean necesarias. Una respuesta rápida pierde valor si es incorrecta o excluye a quienes no tienen conectividad o habilidades digitales. La trazabilidad puede facilitar auditorías, pero la transparencia exige además información comprensible y rendición de cuentas.
La preparación del personal debe combinar conceptos de IA, elaboración de prompts, evaluación crítica de resultados y manejo responsable de datos. No todas las personas necesitan programar; sí deben reconocer los límites de las herramientas y saber cuándo corresponde verificar, corregir o escalar una situación.
La automatización puede modificar funciones y cargas de trabajo. Anticipar estos cambios exige capacitación y participación de los equipos, así como oportunidades para asumir tareas de supervisión, análisis y atención de casos complejos. La formación técnica y profesional, pertinente para la labor educativa de CEABAD, puede apoyar esta transición mediante ejercicios vinculados con problemas reales del servicio público.
Una hoja de ruta comienza con la identificación del problema y el registro del desempeño inicial. Después se simplifica el procedimiento, se revisan los datos y riesgos, y se asignan responsabilidades. El siguiente paso es ejecutar un piloto limitado, examinar sus resultados con el personal y las personas usuarias, y decidir si conviene ampliarlo, corregirlo o suspenderlo.
La evaluación debe continuar después del despliegue. También es necesario prever costos de operación, consumo de recursos, soporte, dependencia del proveedor y posibilidades de migración. Una herramienta útil en una prueba puede resultar difícil de sostener cuando aumenta la demanda.
Los modelos más pequeños, las herramientas que combinan texto, voz e imágenes y la integración de agentes ofrecen posibilidades para nuevos servicios. Su conveniencia debe evaluarse según el problema, los recursos y la calidad requerida. Las proyecciones sobre autonomía total o inteligencia artificial general deben tratarse como escenarios inciertos.
La contribución de la IA se apreciará en trámites comprensibles, respuestas confiables, atención accesible y mecanismos eficaces para corregir errores. Para avanzar, las instituciones de América Latina y el Caribe necesitan combinar capacidades tecnológicas con formación y responsabilidad pública. El criterio de éxito será la mejora verificable en la experiencia de las personas a quienes sirven.
