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

Durante décadas, las decisiones del sector público han funcionado con 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 por inteligencia artificial que hagan que la ejecución de políticas sea más rápida, más segura y más 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 principal es cómo esa información llega a los responsables de la toma de decisiones, lo que sucede de manera lenta, fragmentada y a menudo desprovista del contexto o la procedencia necesarios para actuar. Los órganos de supervisión de EE. UU. han enfatizado que sin una gobernanza sólida, integración y trazabilidad, la inteligencia artificial y el análisis luchan por traducirse en decisiones operativas en entornos críticos para la misión.

Los tableros y lagos de datos solos rara vez solucionan este problema. La investigación de gestión muestra que los tableros, 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 listo para la transformación de la inteligencia artificial

Los gobiernos de todas partes están lidiando con sistemas obsoletos, una memoria institucional que se desvanece y una oleada de demandas políticas cada vez más complejas. Estos problemas estructurales de larga data están convergiendo en el mismo momento en que las herramientas de inteligencia artificial 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. Los sistemas de TI gubernamentales críticos siguen siendo un mosaico de aplicaciones heredadas, flujos de trabajo de correo electrónico y bases de datos siloizadas que no interoperan. La Oficina de Contabilidad del Gobierno de EE. UU. (GAO) consistentemente señala sistemas críticos para la misión con 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 avanzando 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 se encuentran y no se encuentran los bloques de construcción de la gobernanza digital. Mientras tanto, la Ley de Interoperabilidad de Europa 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 rotación y la renuncia erosionan el contexto: quién decide qué, por qué y bajo qué restricciones. En EE. UU., la Asociación para el Servicio Público informa una tasa de rotación gubernamental del 5,9% en el año fiscal 2023, inferior a 2022, pero aún consecuente para la continuidad del conocimiento. La investigación sobre el personal de alto nivel también muestra cómo la rotación degrada la experiencia y las relaciones que son críticas para la coordinación en todo el poder ejecutivo.

3) La complejidad de las políticas 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 normas, normas propuestas y páginas totales, ilustrando la escala y la variabilidad que las agencias (y las entidades reguladas) deben rastrear. Proyectos de datos como texto 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 inteligencia artificial específicos para políticas

La próxima ola va más allá de la inteligencia artificial que analiza a la inteligencia artificial que opera. Los agentes específicos para el sector público deberían:

• Monitorear continuamente fuentes relevantes en diferentes jurisdicciones y lenguas (por ejemplo, las señales de los medios pueden monitorearse a escala).
• Marcar cambios con contexto y procedencia, resaltando qué estatuto, regla o orientación se movió, y por qué es importante.
• Redactar borradores 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 vivos 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 inteligencia artificial de NIST (AI RMF 1.0) establece prácticas para hacer que la inteligencia artificial sea válida, confiable, segura, resiliente, responsable, transparente, explicable y mejorada en términos de privacidad. En 2024, la Oficina de Gestión y Presupuesto de EE. UU. dirigió a las agencias para mantener inventarios de casos de uso de inteligencia artificial e implementar prácticas de riesgo mínimas para usos que afectan los derechos o la seguridad del público.

Qué significa “bueno” para las herramientas de inteligencia artificial del gobierno

No todas las soluciones de inteligencia artificial 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 norma propuesta, cuándo activar una consulta interinstitucional). Trabaje hacia atrás para encontrar la evidencia y la procedencia mínimas necesarias para actuar. Presente opciones, no solo perspicacias, 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 inteligencia artificial 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 la autorización 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 inteligencia artificial útiles. La Ley de Interoperabilidad de Europa es un modelo de vanguardia que promueve la reutilización y la interoperabilidad transfronteriza por diseño; comenzó a aplicarse en julio de 2024 y se implementará más a fondo durante 2025. La evidencia del Índice de madurez GovTech 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 inteligencia artificial. Evaluaciones recientes resaltan la necesidad de incorporar requisitos de riesgo de inteligencia artificial en los contratos y de utilizar la adquisición como un medio para impulsar la inteligencia artificial de confianza. La revisión de 2025 de GAO sobre el uso de inteligencia artificial generativa en agencias federales encontró desafíos que incluyen el cumplimiento de las políticas existentes, las limitaciones de los recursos técnicos y la actualización de las políticas de uso adecuado.

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 Nacional de Seguridad sobre Inteligencia Artificial advertió que los gobiernos que no se adapten a los flujos de trabajo habilitados por inteligencia artificial cederán la ventaja en la toma de decisiones; las herramientas que convierten la información en opciones con 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 inteligencia artificial operativas que incorporen contexto, procedencia y rendición de cuentas en el punto de decisión. Hecha correctamente, la inteligencia artificial fortalece en lugar de reemplazar el juicio humano en el corazón de la gobernanza democrática.