Por qué la revolución de la IA del gobierno comienza con mejores herramientas, no solo con mejores datos

Durante décadas, las decisiones del sector público se han basado en sistemas frágiles y fragmentados. En una era de cambios políticos rápidos y información en tiempo real, el cuello de botella ya no es el acceso a los datos, sino la falta de herramientas listas para la toma de decisiones que incorporen contexto, procedencia y seguridad en los flujos de trabajo donde los funcionarios realmente actúan. La usabilidad ahora es más importante que la acumulación de datos crudos, y la pregunta es cómo los gobiernos pueden adaptarse, creando o comprando herramientas habilitadas para la IA que hagan que la ejecución de las políticas sea más rápida, segura y responsable.

El cuello de botella: usabilidad, no acceso a datos

Los gobiernos ya tienen océanos de información, como rastreadores legislativos, presentaciones regulatorias, indicadores económicos, imágenes de satélite, medios de comunicación de código abierto y informes internos. El problema central es cómo esa información llega a los tomadores de decisiones, lo que es lento, fragmentado y a menudo carece del contexto o la procedencia necesarios para la acción. Los órganos de supervisión de EE. UU. han enfatizado que sin una gobernanza sólida, integración y trazabilidad, la IA y el análisis luchan por traducirse en decisiones operativas en entornos críticos para la misión.

Los paneles de control y los lagos de datos por sí solos rara vez solucionan este problema. La investigación de gestión muestra que los paneles de control, útiles como son, pueden engañar o abrumar a los usuarios y no mejoran inherentemente las decisiones a menos que estén estrechamente conectados a opciones y acciones concretas. Los estudios también sugieren que el valor real del análisis emerge solo cuando los datos se reencuadran alrededor de la toma de decisiones en sí, y no simplemente se acumulan por su propio sake.

Por qué el status quo está maduro para la transformación de la IA

Los gobiernos de todas partes están luchando con sistemas obsoletos, una memoria institucional delgada y una inundación de demandas políticas cada vez más complejas. Estos problemas estructurales de larga data se están cruzando en el momento en que las herramientas de la IA están volviéndose más capaces de abordarlos, lo que hace que el status quo sea insostenible y el caso para la transformación sea urgente.

1) Los sistemas de patchwork persisten. La TI crítica del gobierno sigue siendo un mosaico de aplicaciones heredadas, flujos de trabajo de correo electrónico y bases de datos siloeadas que no interoperan. La Oficina de Contabilidad del Gobierno de EE. UU. (GAO) consistentemente señala sistemas críticos de misión de décadas de antigüedad que son costosos de mantener y difíciles de modernizar, con actualizaciones tan recientes como 2025 que detallan las plataformas más en riesgo. A nivel global, los gobiernos están empujando hacia capacidades a nivel de plataforma, pero el progreso es desigual; el Índice de madurez GovTech del Banco Mundial es una lente útil para ver dónde están y no están los bloques de construcción de la gobernanza digital. Mientras tanto, la Ley de Europa Interoperable de la UE hace que la interoperabilidad (soluciones compartidas, estándares, reutilización) sea un requisito legal en todo el sector público, un enfoque que vale la pena observar más allá de Europa.

2) La memoria institucional desaparece. La atrición y la rotación erosionan el contexto: quién decide qué, por qué y bajo qué restricciones. En EE. UU., el Partnership for Public Service informa una tasa de atrición del 5.9% en todo el gobierno en el año fiscal 2023, más baja que en 2022, pero todavía consecuente para la continuidad del conocimiento. La investigación sobre el personal de alto nivel también muestra cómo la rotación degrade la experiencia y las relaciones que son críticas para la coordinación en todo el poder ejecutivo.

3) La complejidad de las políticas se está acelerando. El volumen total de elaboración de normas y orientación crea puntos ciegos para las organizaciones sin detección automática de cambios. El Registro Federal de EE. UU. publica estadísticas anuales sobre reglas, reglas propuestas y páginas totales, ilustrando la escala y la variabilidad que las agencias (y las entidades reguladas) deben rastrear. Proyectos de texto como datos como RegData cuantifican el crecimiento y la distribución de restricciones regulatorias con el tiempo, ofreciendo evidencia legible por máquina de que la carga de monitoreo es real.

De análisis a operaciones: agentes de IA diseñados a propósito para políticas

La próxima ola va más allá de la IA que analiza a la IA que opera. Los agentes diseñados a propósito para el sector público deben:

• Monitorear continuamente fuentes relevantes en múltiples jurisdicciones y lenguajes (por ejemplo, las señales de los medios pueden monitorearse a gran escala).
• Marcar cambios con contexto y procedencia, resaltando qué estatuto, regla o orientación se movió, y por qué es importante.
• Borrador de primeras versiones de informes y notas de impacto vinculados al texto de la fuente autorizada y al propietario de la política responsable.
• Mantener mapas de partes interesadas vivas que reflejen la autoridad y la influencia cambiantes en lugar de organigramas estáticos.
• Integrar directamente en puntos de acción como tareas, portales de comentarios, sistemas de indexación y cadenas de aprobación para que la perspicacia pueda convertirse en acción en la misma ventana.

La orientación del sector público apoya este cambio. El Marco de gestión de riesgos de la IA de NIST (AI RMF 1.0) establece prácticas para hacer que la IA sea válida, confiable, segura, resistente, responsable, transparente, explicable y mejorada en términos de privacidad. En 2024, la Oficina de Administración y Presupuesto de EE. UU. dirigió a las agencias a mantener inventarios de casos de uso de la IA y implementar prácticas de riesgo mínimo para usos que afecten los derechos o la seguridad del público.

Qué significa “bueno” para las herramientas de la IA del gobierno

No todas las soluciones de la IA son adecuadas para el sector público. Para mantener la confianza y la confiabilidad, las herramientas necesitan cumplir con un estándar más alto y estar construidas alrededor de la transparencia, la seguridad y la interoperabilidad, garantizando que los marcos de adquisición refuercen la rendición de cuentas.

1) Centrado en la decisión por diseño. Comience con las decisiones de alto riesgo (por ejemplo, si emitir una exención de emergencia, cómo comentar una regla propuesta, cuándo activar una consulta interinstitucional). Trabaje hacia atrás para encontrar la evidencia y la procedencia mínimas necesarias para actuar. Presente opciones, no solo perspectivas, y haga que la “próxima acción” sea obvia. Esto se alinea con el énfasis de AI RMF en comprender el contexto, medir el riesgo y gestionar los controles en todo el ciclo de vida.

2) Explicabilidad y enlace de fuente, por defecto. Cada afirmación debe ser trazable a un documento de fuente con citas en línea y marcas de tiempo. Esto es tan importante para la experiencia del usuario como para la gobernanza. El marco de rendición de cuentas de GAO enfatiza la documentación y la auditoría para que la IA pueda ser trazable y gobernable en misiones públicas.

3) Seguridad y cumplimiento integrados. Las herramientas operativas deben alinearse con arquitecturas de confianza cero y las realidades de redes en la nube múltiple y, cuando corresponda, clasificadas. En EE. UU., eso significa diseñar hacia autorizaciones de FedRAMP para servicios en la nube e implementar la estrategia de confianza cero de OMB junto con el modelo de madurez de confianza cero de CISA v2.0.

4) Interoperable desde el primer día. La ejecución de políticas cruza agencias, niveles de gobierno y fronteras. Las API, los vocabularios compartidos y los estándares de metadatos son requisitos previos para herramientas de la IA útiles. La Ley de Europa Interoperable de la UE es un modelo de vanguardia que promueve la reutilización y la interoperabilidad transfronteriza por diseño; comenzó a aplicarse en julio de 2024 y fases en más obligaciones durante 2025. La evidencia de GTMI del Banco Mundial también muestra que las capacidades a nivel de plataforma se correlacionan con una mejor entrega de servicios y resiliencia.

5) Adquisición que recompensa los resultados. Las agencias informan consistentemente que las reglas de adquisición y la complejidad de la cumplimiento ralentizan la adopción de la IA. Las evaluaciones recientes resaltan la necesidad de incorporar requisitos de riesgo de la IA en los contratos y de utilizar la adquisición como un impulsor para la IA de confianza. La revisión de 2025 de GAO sobre el uso de la IA generativa en agencias federales encontró desafíos que incluyen el cumplimiento de las políticas existentes, las limitaciones de los recursos técnicos y mantener las políticas de uso adecuado actualizadas.

Las apuestas y la oportunidad

Las apuestas y la oportunidad son claras. En la política de seguridad nacional y económica por igual, la ventana para la acción se está comprimiendo de semanas a días a horas. El informe final de la Comisión de Seguridad Nacional sobre la IA advirtió que los gobiernos que no adapten los flujos de trabajo habilitados para la IA cederán la ventaja en la toma de decisiones; las herramientas que convierten la información en opciones con la gobernanza integrada pueden ser la diferencia entre una acción oportuna y un retraso evitable. La verdadera revolución no será otro almacén de datos, sino herramientas de la IA operativas que incorporen contexto, procedencia y rendición de cuentas en el punto de decisión. Hecho correctamente, la IA fortalece en lugar de reemplazar el juicio humano en el corazón de la gobernanza democrática.