Los proyectos de inteligencia artificial pública solo se convierten en servicios duraderos cuando su continuidad, sus responsables y su mantenimiento se diseñan desde el primer día.
Las administraciones públicas están impulsando cada vez más proyectos piloto de inteligencia artificial. Se prueban asistentes, sistemas de consulta documental, herramientas para analizar datos y soluciones destinadas a reducir tareas administrativas. Durante algunos meses, los equipos participan, la tecnología funciona y los resultados parecen prometedores.
El problema aparece cuando termina el proyecto que permitió financiar la experiencia. Desaparece el acompañamiento externo, se agota el presupuesto inicial o cambia alguna de las personas que impulsaron la iniciativa. La herramienta continúa técnicamente disponible, pero deja de utilizarse, no se actualiza o ya nadie tiene claro quién debe responsabilizarse de ella.
La causa no suele ser únicamente económica. Muchos proyectos se diseñan para demostrar que una tecnología funciona, pero no para convertirse en un servicio permanente. Se presta atención al prototipo y menos a las capacidades, responsabilidades y recursos que serán necesarios después.
Una prueba puede responder a la pregunta de si una solución es técnicamente posible. Para saber si debe mantenerse hacen falta otras respuestas: quién la utilizará, qué problema resuelve, cómo se actualizará, qué indicadores permitirán evaluar su utilidad y qué equipo asumirá su gestión.
La continuidad se diseña desde el primer día
La sostenibilidad de una iniciativa de inteligencia artificial no debería abordarse cuando está a punto de terminar. Debe formar parte de su diseño inicial. Cada proyecto necesita una unidad responsable, aunque participen varios departamentos o proveedores. Esa responsabilidad implica decidir qué información utiliza, quién puede acceder, cómo se revisan las respuestas y qué ocurre cuando se detecta un error.
También debe existir un proceso reconocible. Si la solución depende de que una única persona recuerde cómo funciona, el riesgo de abandono será muy alto. Las fuentes de información, los criterios de validación, las tareas de mantenimiento y las decisiones adoptadas tienen que quedar documentadas y ser comprensibles para el equipo.
La transferencia de conocimiento es tan importante como el desarrollo tecnológico. Los profesionales que utilizarán la solución necesitan participar en su construcción, probarla con situaciones reales y entender sus limitaciones. La formación no puede reducirse a una demostración al final del proyecto.
Es igualmente necesario calcular el coste posterior. Incluso una herramienta desarrollada con software abierto puede necesitar alojamiento, soporte, actualización de datos, control de accesos y supervisión. Conocer estos costes permite comparar el esfuerzo de mantenerla con el tiempo, los errores o los retrasos que ayuda a evitar.
La continuidad tampoco significa conservar todos los pilotos. Algunas pruebas demostrarán que el problema no era suficientemente importante, que los datos no tienen la calidad necesaria o que una solución más sencilla resulta suficiente. Cerrar un piloto de manera razonada también es un resultado útil. Lo perjudicial es dejarlo desaparecer sin evaluar ni documentar lo aprendido.
De la demostración al servicio público
El paso decisivo se produce cuando una herramienta deja de ser una experiencia tecnológica y se integra en una forma de trabajar. Para ello conviene medir la situación antes de comenzar. Si se pretende reducir el tiempo dedicado a revisar documentos, responder consultas o preparar informes, es necesario saber cuánto tiempo consume actualmente esa tarea. Sin una referencia inicial será difícil demostrar posteriormente el valor generado.
Los indicadores deben ser comprensibles para quienes toman decisiones. Además del número de consultas o usuarios, interesa conocer el tiempo ahorrado, la reducción de errores, la calidad de las respuestas y la satisfacción de los profesionales. También hay que registrar los casos en los que la inteligencia artificial necesita corrección humana.
La integración progresiva suele ser más sostenible que una transformación repentina. Una herramienta puede comenzar ayudando a localizar información o preparar borradores, manteniendo la decisión final en manos del personal responsable. Si demuestra utilidad y fiabilidad, podrá asumir nuevas funciones bajo controles definidos.
La gobernanza también debe sobrevivir al proyecto. Los permisos, la protección de datos, la revisión de fuentes y los mecanismos para comunicar incidencias no pueden depender exclusivamente del proveedor que desarrolló el piloto. La organización debe conservar capacidad suficiente para supervisar la solución y decidir sobre su evolución.
Esto exige combinar desarrollo tecnológico con mentoría y acompañamiento. Los equipos necesitan espacio para identificar casos de uso, revisar procesos y adquirir autonomía. La tecnología resulta más sostenible cuando quienes trabajan con ella comprenden qué hace, por qué se utiliza y cuándo no deben confiar en una respuesta automática.
En Fundación Emprende entendemos los proyectos de inteligencia artificial como procesos de aprendizaje institucional. El objetivo no debería ser acumular demostraciones llamativas, sino ayudar a que las organizaciones desarrollen capacidades que permanezcan cuando concluyen los contratos, las subvenciones o los programas temporales.
Una administración no demuestra su madurez digital por el número de pilotos que inicia. La demuestra cuando es capaz de decidir cuáles merecen continuar, integrarlos en su actividad y mantener el conocimiento necesario para que sigan aportando valor.
Comentarios recientes