Enrique Fárez

La comunicación pública ya no puede depender de un solo canal

Cuando cambia la forma de informarse, también debe cambiar la forma de escuchar

Durante años, muchas instituciones han organizado su comunicación como si la conversación pública pudiera seguirse desde unos pocos lugares reconocibles: los periódicos, la radio, la televisión, la agenda política, las notas de prensa y, más tarde, las redes sociales.

Ese esquema ya no describe bien la realidad.

No porque los medios tradicionales hayan dejado de importar. Siguen importando, y mucho. Pero ya no ordenan solos la experiencia informativa de la ciudadanía. Una persona puede enterarse de un asunto público por un vídeo corto, buscar después en Google, ver una explicación en YouTube, recibir un resumen en WhatsApp, leer un titular en un medio digital y terminar preguntando a una inteligencia artificial qué ha pasado.

La información no desaparece. Se dispersa.

Y cuando la información se dispersa, la comunicación pública tiene que cambiar de método.

Este cambio afecta de lleno a las administraciones públicas, a las empresas que trabajan con lo público y a cualquier organización que necesite cuidar su reputación. Ya no basta con emitir un comunicado y esperar que el mensaje llegue de forma ordenada. Tampoco basta con medir impactos como si todas las apariciones tuvieran el mismo valor.

La pregunta importante ya no es solo “dónde hemos salido”.

La pregunta empieza a ser otra: “qué está entendiendo la gente, desde dónde lo está entendiendo y qué señales nos indican que debemos actuar”.

La IA no arregla una escucha mal diseñada

Ahí la inteligencia artificial puede ayudar, pero conviene no confundirse. El problema no se resuelve metiendo una herramienta nueva en una rutina vieja. Si una organización sigue pensando su comunicación como una secuencia de notas, impactos y resúmenes, la IA solo hará más rápida esa misma lógica. Puede resumir mejor, clasificar más rápido o generar más textos, pero no necesariamente ayudará a decidir mejor.

Para que la IA aporte valor, primero hay que cambiar la arquitectura de escucha.

Eso significa tratar cada noticia, cada nota de prensa, cada mención, cada búsqueda y cada conversación como una señal dentro de un sistema más amplio. Algunas señales serán ruido. Otras serán síntomas. Y unas pocas serán avisos tempranos de algo que puede convertirse en oportunidad, riesgo o decisión.

El trabajo inteligente consiste en distinguirlas.

En lo público, escuchar mejor también es gobernar mejor

En el sector público esto es especialmente importante. Una administración no comunica solo para aparecer. Comunica para explicar, orientar, responder, prevenir conflictos, construir confianza y hacer comprensible su acción. Si la ciudadanía se informa de manera fragmentada, la administración no puede permitirse escuchar de manera estrecha.

Necesita una mirada más amplia.

Y esa mirada no es únicamente tecnológica. Es institucional, comunicativa y estratégica.

La tecnología puede capturar señales. La IA puede ayudar a ordenarlas. Pero alguien tiene que formular las preguntas correctas: qué tema está creciendo, qué actor está ausente, qué interpretación está ganando terreno, qué mensaje no se ha entendido, qué riesgo se está acumulando, qué oportunidad conviene activar.

Este es el punto donde la comunicación deja de ser solo emisión y se convierte en inteligencia.

No se trata de perseguir cada conversación. Eso sería imposible y poco útil. Se trata de construir sistemas que permitan ver antes, entender mejor y actuar con más criterio.

La comunicación pública ya no puede depender de un solo canal porque la ciudadanía ya no vive en un solo canal. Y si la escucha no se adapta a esa realidad, las instituciones llegarán tarde a conversaciones que ya están ocurriendo.

La transformación pública con IA empieza cuando dejamos de pensar solo en herramientas y empezamos a rediseñar cómo escuchamos, interpretamos y decidimos.

Bajar un peldaño más: la pregunta que convierte la IA en un caso de uso público

Este artículo forma parte de la serie «IA pública aplicada: del discurso al proceso», una reflexión sobre cómo llevar la inteligencia artificial a tareas, equipos y servicios públicos reales.

Hay una escena que se repite mucho cuando una administración empieza a hablar de inteligencia artificial. Al principio todo el mundo entiende la oportunidad, pero casi siempre la conversación arranca demasiado arriba. Se habla de modernización, de eficiencia, de automatización, de atención ciudadana, de transformación digital. Son palabras necesarias, pero todavía no construyen nada.

El problema no es que esas palabras sean falsas. El problema es que son demasiado grandes para empezar a trabajar.

Por eso, cuando estoy en una mentoría con equipos públicos, suelo intentar hacer algo muy simple: bajar un peldaño más.

Si alguien dice que quiere aplicar IA al empleo, la pregunta útil no es todavía qué herramienta vamos a usar. La pregunta útil es: ¿en qué momento concreto del trabajo de un técnico de empleo puede aportar valor? ¿Cuando atiende a una persona desempleada? ¿Cuando orienta un itinerario? ¿Cuando revisa un plan de negocio? ¿Cuando prepara un informe? ¿Cuando busca ayudas, redacta una memoria o compara documentación?

Ahí empieza a aparecer el caso de uso.

Y cuando aparece el caso de uso, la conversación cambia. Ya no estamos hablando de inteligencia artificial en abstracto, sino de una tarea, una persona, un documento, una decisión y un resultado.

De la herramienta al proceso

Muchas veces se confunde innovar con elegir tecnología. Se piensa que el avance está en encontrar la mejor plataforma, el modelo más potente o la aplicación de moda. Pero en la administración pública la pregunta decisiva suele ser otra: qué proceso queremos mejorar y qué responsabilidad hay detrás de ese proceso.

No es lo mismo usar IA para resumir un texto que usarla para apoyar una decisión que afecta a una ayuda pública, a una contratación, a una comunicación institucional o a la orientación de una persona. En el primer caso buscamos productividad. En el segundo necesitamos, además, trazabilidad, criterio, revisión humana y comprensión del contexto.

Por eso hay que bajar un peldaño más.

Bajar un peldaño más significa dejar de preguntar «¿cómo usamos IA en este departamento?» y empezar a preguntar «¿qué trabajo concreto consume tiempo, se repite, genera dudas o podría hacerse con más calidad si el equipo tuviera mejor información?».

Esa pregunta cambia completamente la conversación. Permite descubrir tareas que nadie había nombrado porque estaban demasiado integradas en la rutina. Permite detectar documentos que se redactan una y otra vez desde cero. Permite ver consultas que siempre se responden igual, expedientes que siempre se revisan con los mismos criterios o decisiones que podrían prepararse mejor si la información estuviera ordenada.

La IA empieza a tener sentido cuando se conecta con esa capa concreta del trabajo.

Cuando una intención se convierte en diseño

Un ejemplo sencillo: decir «queremos ayudar a personas emprendedoras con inteligencia artificial» todavía es una intención. En cambio, decir «queremos que una persona pueda elaborar una primera versión de su plan de negocio con preguntas guiadas, ejemplos adaptados y revisión posterior de un técnico» ya empieza a ser un diseño.

Ahí se abren las preguntas importantes. ¿Qué información debe aportar la persona? ¿Qué estructura debe tener el documento? ¿Qué ejemplos son válidos? ¿Qué parte puede generar la IA y qué parte debe revisar un profesional? ¿Cómo evitamos respuestas genéricas? ¿Qué conocimiento local o sectorial debe estar dentro del sistema? ¿Cómo medimos si el resultado ayuda de verdad?

Eso ya no es una conversación sobre moda tecnológica. Es una conversación sobre servicio público.

Y esa diferencia importa mucho.

Porque una administración no necesita incorporar IA para parecer moderna. Necesita incorporarla cuando ayuda a prestar mejor un servicio, a reducir una carga innecesaria, a ordenar conocimiento, a responder con más claridad o a tomar decisiones mejor preparadas.

La herramienta revela el proceso

A veces, bajar un peldaño más también sirve para descubrir que la IA no es lo primero que había que resolver. Puede ocurrir que el problema esté en la falta de datos, en documentos dispersos, en criterios poco claros, en procedimientos mal definidos o en conocimiento que vive solo en la cabeza de algunas personas. En esos casos, la IA puede ayudar, pero antes hay que ordenar la casa.

Esta es una de las grandes lecciones de la IA pública aplicada: la herramienta no sustituye al proceso. Lo revela.

Cuando se intenta construir un asistente, un agente o un sistema de apoyo, aparecen rápidamente las preguntas que antes estaban ocultas. ¿Dónde está la información fiable? ¿Quién valida la respuesta? ¿Qué pasa si hay contradicciones? ¿Qué lenguaje debe usar el sistema? ¿Qué límites no debe cruzar? ¿Qué parte del trabajo necesita automatización y qué parte necesita deliberación humana?

Un buen proyecto de IA no esquiva esas preguntas. Las pone sobre la mesa.

Prototipos, laboratorios y casos reales

Por eso me interesa tanto trabajar con prototipos, laboratorios y casos reales. No porque todo tenga que convertirse inmediatamente en un producto, sino porque el prototipo obliga a concretar. Obliga a escribir una instrucción, probar una salida, escuchar a un usuario, revisar un documento y comprobar si aquello que sonaba bien realmente ayuda.

La innovación pública necesita visión, por supuesto. Pero también necesita ese tipo de precisión humilde que pregunta una y otra vez: ¿esto para quién es?, ¿qué problema resuelve?, ¿qué mejora respecto a lo que ya hacemos?, ¿qué riesgo introduce?, ¿quién lo mantiene?, ¿cómo sabemos que funciona?

Ahí es donde la IA deja de ser un discurso y empieza a convertirse en capacidad institucional.

La pregunta que hace posible la ambición

Bajar un peldaño más no empequeñece la ambición. Al contrario. La hace posible. Porque las grandes transformaciones no se construyen solo con declaraciones generales, sino con cambios concretos en la forma de trabajar, decidir, documentar, comunicar y aprender.

La administración pública tiene por delante una oportunidad enorme con la inteligencia artificial. Pero esa oportunidad no se juega únicamente en comprar herramientas ni en formar a equipos para que prueben aplicaciones sueltas. Se juega en aprender a convertir problemas reales en casos de uso bien definidos.

Y quizá esa sea una de las mejores preguntas para empezar cualquier proyecto de IA pública:

¿Podemos bajar un peldaño más?

La IA pública no empieza por la herramienta, empieza por el proceso

Hay una forma equivocada de introducir la inteligencia artificial en una administración pública: empezar por la herramienta.

La pregunta habitual suele ser qué modelo usamos, qué licencia compramos, qué plataforma conviene contratar o qué aplicación está de moda esta semana. Son preguntas legítimas, pero llegan demasiado pronto. Antes de hablar de ChatGPT, Claude, Gemini, agentes o automatizaciones, una administración debería hacerse una pregunta más sencilla y bastante más incómoda: qué proceso real queremos mejorar.

La IA no transforma una organización porque alguien dé una charla brillante sobre el futuro. Tampoco porque se active una cuenta corporativa o se publique una estrategia llena de palabras ambiciosas. Empieza a transformar algo cuando entra en una tarea concreta: preparar una convocatoria, revisar una memoria, redactar un informe, orientar a una persona emprendedora, comparar un proyecto con unas directrices públicas o explicar mejor una ayuda a quien tiene que solicitarla.

Bajar al trabajo real

En las mentorías con equipos públicos suelo insistir en una idea: hay que bajar un peldaño más. Cuando alguien dice “gestionamos subvenciones”, todavía estamos hablando demasiado arriba. Gestionar una subvención puede significar muchas cosas distintas: redactar bases, revisar requisitos, ordenar documentación, valorar proyectos, pedir subsanaciones, comprobar justificaciones o redactar informes técnicos y jurídicos.

Hasta que no aparece esa tarea concreta, la IA sigue siendo una conversación abstracta. En cambio, cuando una técnica dice “tengo que valorar si este proyecto encaja con las directrices europeas, estatales, autonómicas e insulares de empleo”, entonces ya tenemos un caso de uso. No un caso de uso inventado para una presentación, sino una necesidad real que forma parte del trabajo de la administración.

Ahí es donde la IA empieza a tener sentido. No como sustituto del criterio profesional, sino como apoyo para ordenar información, contrastar documentos, localizar coherencias, detectar lagunas y ayudar a construir una primera lectura que luego una persona cualificada debe revisar.

La diferencia entre usar IA y rediseñar un proceso

Hay un primer nivel de adopción que es individual. Una persona aprende a utilizar herramientas de IA para escribir mejor, resumir textos, preparar correos, generar borradores o aclarar ideas. Ese aprendizaje es importante y probablemente será tan cotidiano como usar un buscador, una hoja de cálculo o un procesador de textos.

Pero hay un segundo nivel más interesante para el sector público: utilizar la IA para rediseñar procesos. Aquí ya no se trata solo de que una persona pregunte algo a una herramienta, sino de construir un asistente, un flujo o un prototipo que ayude a un equipo entero a trabajar mejor.

Un asistente para planes de negocio, por ejemplo, no debería limitarse a generar un documento bonito a partir de una frase. Su valor estaría en conversar con la persona emprendedora o con el agente de desarrollo local, hacer preguntas útiles, ordenar la idea, pedir datos relevantes, apoyarse en una base de conocimiento fiable y producir una salida que pueda servir realmente: un plan inicial, una ficha económica, una presentación o una guía para seguir trabajando.

Lo mismo ocurre con un asistente para convocatorias, empleo, formación, contratación pública o atención ciudadana. El reto no es que la IA escriba mucho. El reto es que ayude a pensar mejor el proceso.

Prototipos que se puedan probar

En innovación pública conviene ser ambicioso con la visión y prudente con la ejecución. Un prototipo no es una promesa política ni una solución definitiva. Es una forma de aprender con bajo riesgo.

Un buen prototipo permite comprobar si una idea tiene sentido, si el usuario entiende el flujo, si la información disponible es suficiente, si el coste puede ser razonable, si hay que incorporar validación humana y si la herramienta mejora de verdad la tarea que pretendía mejorar.

Por eso me gustan los prototipos que se pueden enseñar, tocar y discutir. No grandes plataformas pensadas durante meses sin contacto con el usuario, sino soluciones pequeñas que permitan decir: esto funciona, esto no funciona, esto habría que cambiarlo, esto puede escalar y esto no merece la pena.

La administración pública necesita innovación, sí. Pero necesita una innovación que se pueda probar en expedientes, documentos, servicios y conversaciones reales.

La base de conocimiento es parte del sistema

Uno de los errores más frecuentes al hablar de IA es pensar que todo depende del modelo. El modelo importa, pero no trabaja en el vacío. Si queremos que una herramienta sea útil en el sector público, hay que preguntarse qué conocimiento le estamos dando, quién lo valida y bajo qué límites debe operar.

No es lo mismo pedirle a una IA que improvise un plan de negocio que construir un asistente apoyado en metodologías contrastadas, datos territoriales, ejemplos validados y criterios revisados por especialistas. No es lo mismo resumir una convocatoria que convertirla en una explicación comprensible, fiel al texto original y útil para una empresa, una entidad o un ciudadano.

La calidad de la IA pública dependerá menos del entusiasmo tecnológico y más de la capacidad de ordenar conocimiento institucional. Ahí hay mucho trabajo pendiente, pero también una oportunidad enorme.

Diseñar para personas concretas

Otra pregunta decisiva es quién va a usar el sistema. Un mismo asistente puede necesitar recorridos distintos si lo utiliza un técnico del Cabildo, un ayuntamiento, un agente de desarrollo local, una empresa o una persona emprendedora.

El diseño centrado en usuario no es una etiqueta moderna. En el sector público es una condición de éxito. Si una herramienta está pensada solo para resolver un problema interno, puede mejorar eficiencia. Pero si además entiende la necesidad del ciudadano, de la empresa o del profesional que está al otro lado, entonces puede mejorar el servicio.

La IA aplicada al sector público no debería medirse solo por cuántos documentos genera, sino por cuánta claridad aporta, cuánto tiempo libera y cuántas decisiones ayuda a tomar con más información y menos fricción.

La transformación empieza cuando cambia la conversación

Lo más interesante de una buena sesión de trabajo con IA no es la demostración técnica. Es el momento en que el equipo empieza a mirar sus propios procesos de otra manera.

Alguien plantea una tarea que consume tiempo. Otra persona recuerda que existen cientos o miles de expedientes anteriores. Alguien advierte de los límites jurídicos o de protección de datos. Otra persona propone incorporar usuarios reales al diseño. De pronto, la conversación deja de girar alrededor de la herramienta y empieza a girar alrededor del servicio.

Ese es el punto importante. La IA no sustituye el conocimiento público. Lo obliga a ordenarse. Obliga a explicitar criterios, identificar datos, revisar procesos y distinguir qué puede automatizarse, qué puede asistirse y qué debe seguir dependiendo del juicio humano.

La transformación pública con IA no empieza cuando una administración anuncia que va a usar inteligencia artificial. Empieza cuando un equipo toma un proceso real, lo descompone, identifica dónde hay valor y se atreve a construir un primer prototipo para aprender.

Menos fascinación por la herramienta y más atención al trabajo real. Ahí es donde la inteligencia artificial puede empezar a mejorar la administración pública.

Escanea el código