La inteligencia artificial empieza a generar valor público cuando las ideas dispersas se convierten en problemas delimitados, comparables y asumidos por equipos responsables.
En muchas administraciones ya no faltan ideas sobre inteligencia artificial. Después de una formación, una demostración o una conversación interna, aparecen propuestas para crear asistentes, resumir documentos, automatizar informes, analizar expedientes o responder preguntas de la ciudadanía.
El resultado suele ser una lista extensa, pero difícil de convertir en decisiones. Algunas propuestas describen una tecnología, aunque no el problema que resolvería. Otras parecen atractivas, pero requieren datos que todavía no existen, afectan a procesos especialmente sensibles o no tienen un departamento dispuesto a responsabilizarse de su implantación.
Acumular ideas no equivale a disponer de una estrategia. Para avanzar hace falta transformar ese inventario inicial en una cartera ordenada de casos de uso: una herramienta que permita comparar oportunidades, descartar las menos maduras y decidir dónde merece la pena experimentar.
Un caso de uso no es «incorporar un chatbot» ni «utilizar inteligencia artificial en el departamento». Debe explicar quién tiene el problema, en qué tarea aparece, con qué frecuencia se repite, qué información necesita la solución y qué resultado concreto debería mejorar.
De las ideas dispersas a los problemas bien definidos
El primer paso consiste en recorrer la organización y escuchar cómo se trabaja realmente. Las oportunidades más valiosas no siempre aparecen en los grandes procedimientos. Con frecuencia se encuentran en tareas cotidianas: buscar información en documentos dispersos, revisar formularios, responder consultas repetidas, preparar borradores o trasladar datos entre sistemas.
Durante este diagnóstico conviene separar el problema de la solución imaginada. Un equipo puede solicitar un asistente para atender consultas externas y descubrir después que su principal dificultad se encuentra dentro del propio departamento: la información cambia con frecuencia y las personas que atienden no disponen de una fuente interna actualizada.
En ese caso, el primer proyecto no tendría por qué ser un chatbot dirigido a la ciudadanía. Podría resultar más útil construir un sistema interno de consulta basado en fuentes oficiales, probarlo con el personal y medir si mejora la rapidez y la calidad de las respuestas. La tecnología sería parecida, pero el alcance, el riesgo y las condiciones de implantación serían muy diferentes.
Cada caso de uso debería describir también quién utilizará la solución y quién revisará sus resultados. Si nadie asume esa responsabilidad, la propuesta todavía no está preparada para convertirse en proyecto. La inteligencia artificial puede apoyar una tarea, pero no sustituye la necesidad de asignar responsables y establecer criterios de validación.
También es importante formular un resultado observable. «Modernizar el servicio» es una aspiración demasiado amplia. Reducir el tiempo necesario para localizar una resolución, disminuir devoluciones por errores o preparar un primer borrador en minutos son objetivos que pueden comprobarse.
Una cartera permite decidir y aprender
Cuando los casos están suficientemente definidos, la organización puede compararlos utilizando criterios comunes. Interesa valorar su impacto potencial, la frecuencia del problema, la disponibilidad y calidad de los datos, el esfuerzo técnico, los riesgos, el número de personas beneficiadas y la capacidad del equipo para participar.
No siempre debe elegirse la idea más ambiciosa. Los primeros proyectos suelen funcionar mejor cuando abordan tareas frecuentes, utilizan información controlada y mantienen la supervisión humana. Una mejora pequeña pero utilizada cada día puede producir más valor que una solución espectacular que nadie logra integrar en su actividad.
La cartera también permite reconocer qué propuestas todavía no están maduras. Algunas necesitarán ordenar previamente la documentación. Otras requerirán revisar el procedimiento, resolver problemas de protección de datos o coordinar a varios departamentos. Posponerlas no significa renunciar, sino preparar las condiciones necesarias.
Este enfoque evita que cada área avance por separado contratando herramientas incompatibles o resolviendo varias veces el mismo problema. Dos departamentos pueden descubrir que necesitan consultar normativa, comparar documentos o clasificar solicitudes. Una arquitectura compartida podría servir para varios casos, siempre que se adapte a sus responsabilidades específicas.
La cartera no debería convertirse en un documento cerrado. Debe actualizarse con lo aprendido durante los pilotos. Un caso que parecía sencillo puede revelar dificultades imprevistas, mientras que una aplicación inicialmente secundaria puede demostrar un impacto considerable.
Fundación Emprende trabaja este proceso mediante mentorías vinculadas al funcionamiento real de los equipos. El objetivo es ayudar a identificar oportunidades, convertirlas en casos de uso evaluables y seleccionar pilotos que permitan aprender antes de realizar inversiones mayores.
La madurez de una administración ante la inteligencia artificial no se mide por la cantidad de ideas que recopila ni por el número de herramientas que contrata. Se mide por su capacidad para decidir qué problemas merece la pena resolver, experimentar con criterio y transformar los aprendizajes en mejores servicios públicos.
Comentarios recientes