Mes: agosto 2026

Cuando se presenta una herramienta de inteligencia artificial en una administración pública, una de las primeras preguntas suele ser cuánto tiempo permite ahorrar. Es comprensible. Si una tarea que antes ocupaba una mañana puede resolverse en una hora, existe una mejora evidente. Sin embargo, el cálculo se queda incompleto si no preguntamos también qué hará la organización con las horas recuperadas.

Ahorrar tiempo no constituye por sí solo una transformación. Es una posibilidad que puede aprovecharse bien, diluirse entre nuevas tareas o incluso terminar aumentando la carga de trabajo. La diferencia depende menos de la herramienta que de las decisiones organizativas que se tomen alrededor de ella.

El tiempo ahorrado no es todavía un resultado

En las mentorías con equipos públicos he visto procesos en los que la inteligencia artificial puede ayudar a preparar un informe, ordenar antecedentes, comparar documentos, resumir información o construir un primer borrador. El ahorro puede ser considerable, especialmente cuando el punto de partida era una búsqueda manual entre expedientes, correos y archivos dispersos.

Pero producir el mismo documento más deprisa no significa necesariamente que el servicio público haya mejorado. Para saberlo habría que observar qué sucede después. ¿El profesional dispone de más tiempo para revisar el contenido? ¿Puede atender antes a la ciudadanía? ¿Se reduce una lista de asuntos pendientes? ¿Mejora la coordinación del equipo? ¿Se analizan casos que antes quedaban fuera por falta de capacidad?

La productividad pública no debería medirse únicamente por el número de documentos que una persona puede generar. También importa su calidad, la reducción de errores, la rapidez de respuesta, la capacidad de anticipación y el valor que recibe finalmente la ciudadanía.

Automatizar sin rediseñar puede dejarlo todo igual

Existe el riesgo de introducir inteligencia artificial sin revisar la organización del trabajo. En ese escenario, la herramienta acelera una parte del proceso, pero el tiempo recuperado se llena inmediatamente con más encargos, más reuniones o más documentos. El equipo trabaja más deprisa, aunque no necesariamente trabaja mejor.

También puede ocurrir que la automatización traslade el problema de un punto a otro. Un sistema genera borradores con rapidez, pero nadie ha definido quién debe comprobarlos. Se producen más informes, pero no hay tiempo para interpretarlos. Se recopila más información, pero continúa faltando un criterio para decidir cuál merece atención.

Por eso, antes de automatizar una tarea conviene identificar no solo cuánto tiempo consume, sino también qué función cumple, dónde se atasca y qué debería mejorar si ese tiempo dejara de ser un problema. La inteligencia artificial tiene más valor cuando forma parte de una revisión del proceso completo.

Decidir de antemano dónde invertir las horas

Una administración que quiera aprovechar bien la IA debería asignar una finalidad al tiempo recuperado. No hace falta convertirlo en una fórmula rígida, pero sí establecer prioridades compartidas.

En un servicio con retrasos acumulados, esas horas pueden destinarse a reducir los expedientes pendientes. En un área de atención ciudadana, pueden utilizarse para responder con mayor rapidez o para dedicar más tiempo a los casos complejos. En un equipo técnico, pueden permitir una revisión más profunda de los documentos. En puestos de dirección, pueden abrir espacio para analizar información, anticipar problemas y tomar decisiones con mayor perspectiva.

La elección dependerá de cada unidad, pero debería ser explícita. De lo contrario, el ahorro queda oculto dentro de la actividad cotidiana y resulta difícil demostrar que la tecnología ha producido una mejora real.

Esto también ayuda a reducir una preocupación comprensible entre los equipos. Si la IA se presenta únicamente como una forma de hacer más trabajo con menos personas, aparecerán resistencias. Si se utiliza para eliminar tareas repetitivas, reducir presión y permitir que los profesionales se concentren en aquello que requiere experiencia, criterio y responsabilidad, su adopción adquiere otro sentido.

Medir algo más que minutos

El tiempo es un indicador útil, pero no puede ser el único. Una evaluación razonable debería observar tres niveles.

El primero es la tarea: cuánto tardaba, cuánto tarda ahora y qué intervención humana sigue siendo necesaria. El segundo es el servicio: si se han reducido los plazos, los errores o las acumulaciones, y si ha mejorado la respuesta. El tercero es la organización: si el conocimiento se comparte mejor, si existe más capacidad para anticiparse y si los equipos pueden asumir trabajos que antes resultaban inabarcables.

Este enfoque evita celebrar como éxito cualquier automatización que produzca documentos rápidamente. La velocidad tiene valor cuando contribuye a un resultado reconocible. En la Administración, ese resultado debe estar relacionado con la calidad del servicio, el uso responsable de los recursos y la capacidad de responder a necesidades reales.

La transformación empieza después del ahorro

La inteligencia artificial puede devolver muchas horas a las administraciones públicas. Esa es una oportunidad importante, pero no automática. Para aprovecharla será necesario revisar procesos, establecer responsabilidades y decidir qué trabajo merece el tiempo que se ha recuperado.

La pregunta decisiva no es solo cuánto tarda ahora una tarea. Es qué puede hacer mejor la organización gracias a ese ahorro.

Cuando las horas recuperadas se convierten en mejor atención, análisis más sólidos, menos retrasos o decisiones mejor fundamentadas, la IA deja de ser una herramienta llamativa y empieza a producir transformación pública.

La inteligencia artificial puede mejorar muchos procesos públicos, pero su verdadero valor no aparece cuando se usa por curiosidad, sino cuando ayuda a revisar cómo trabaja una administración, qué tareas se repiten, qué conocimiento se pierde y qué decisiones podrían tomarse mejor.

Durante los últimos meses he visto una escena repetirse en muchas conversaciones sobre inteligencia artificial y administración pública. Alguien enseña una herramienta, se produce un primer momento de sorpresa, aparecen ejemplos llamativos y enseguida surge la pregunta: «¿Y esto cómo lo usamos aquí?». La pregunta es buena, pero suele llegar demasiado tarde. Antes de decidir cómo usar una herramienta, una administración debería preguntarse qué problema quiere resolver, qué proceso necesita mejorar y qué parte de su trabajo diario está consumiendo tiempo, energía y criterio sin aportar suficiente valor.

La IA no debería entrar en lo público como una moda tecnológica. Tampoco como una colección de trucos para redactar más rápido, resumir documentos o preparar presentaciones. Todo eso puede ser útil, pero se queda corto si no va acompañado de una reflexión más profunda sobre la organización. La verdadera oportunidad no está solo en hacer más deprisa lo que ya hacíamos, sino en revisar si tenía sentido hacerlo de esa manera.

Una administración no se transforma porque incorpore una herramienta nueva. Se transforma cuando cambia su capacidad para detectar problemas, ordenar información, aprender de la experiencia y responder mejor a la ciudadanía.

La pregunta no es qué herramienta usamos, sino qué trabajo queremos mejorar

Muchas organizaciones empiezan por el escaparate tecnológico. Preguntan qué modelo conviene contratar, qué plataforma es más potente o qué aplicación está usando todo el mundo. Es comprensible: la tecnología avanza rápido y nadie quiere quedarse atrás. Pero en el sector público ese enfoque puede generar una ilusión peligrosa. Se puede comprar una solución avanzada y seguir teniendo procesos confusos, documentos duplicados, criterios dispersos y equipos saturados.

La pregunta inicial debería ser más sencilla y más incómoda: qué tareas se repiten todos los días sin que nadie las haya rediseñado en años.

Ahí empiezan a aparecer oportunidades reales. Expedientes que requieren buscar antecedentes en varias carpetas. Informes que se redactan desde cero aunque existan modelos previos. Consultas ciudadanas que se responden una y otra vez con pequeñas variaciones. Reuniones que sirven para reconstruir información que ya estaba en algún lugar. Pliegos que podrían apoyarse en experiencia acumulada. Correos que contienen decisiones importantes pero nunca se convierten en conocimiento reutilizable.

Cuando una administración mira de cerca esas tareas, la IA deja de ser una promesa abstracta y se convierte en una herramienta posible para algo concreto. No para sustituir el criterio público, sino para ayudar a ordenar el trabajo que rodea ese criterio.

Automatizar sin entender puede empeorar el problema

Hay una tentación comprensible: si una tarea tarda mucho, intentemos automatizarla. Pero no todo lo lento merece ser automatizado tal como está. A veces una tarea es lenta porque el procedimiento está mal diseñado, porque la información llega incompleta, porque no hay criterios claros o porque cada unidad trabaja con su propia versión de la realidad.

Si automatizamos un mal proceso, podemos hacerlo más rápido, pero no necesariamente mejor. Incluso podemos multiplicar el problema. Una IA puede producir más documentos, más borradores y más respuestas, pero si no hay revisión, trazabilidad y responsabilidad, el resultado puede ser más ruido institucional.

Por eso la IA pública aplicada exige una disciplina previa: entender el proceso antes de intervenirlo. Dónde empieza, quién participa, qué información necesita, qué decisiones se toman, qué cuellos de botella existen, qué riesgos hay y qué resultado se espera. Solo entonces tiene sentido decidir si la IA puede ayudar a buscar, resumir, comparar, redactar, clasificar, alertar o verificar.

No todas las tareas necesitan IA. Algunas necesitan simplificación. Otras necesitan mejores datos. Otras necesitan coordinación entre áreas. Y algunas, efectivamente, pueden mejorar mucho con modelos de lenguaje, agentes, automatizaciones o asistentes internos. La madurez consiste en distinguir unas de otras.

La IA útil suele empezar por lo cotidiano

Cuando se habla de inteligencia artificial en el sector público, muchas veces se piensa en grandes proyectos: ciudades inteligentes, sistemas predictivos, asistentes ciudadanos complejos o plataformas corporativas. Esos proyectos pueden tener sentido, pero no deberían ocultar una verdad más sencilla: algunas de las mejores oportunidades están en el trabajo cotidiano.

Un técnico que tarda una mañana en revisar antecedentes. Un equipo que recibe decenas de consultas parecidas. Una unidad que debe preparar informes periódicos. Un área de contratación que necesita comparar pliegos anteriores. Un gabinete que debe entender rápidamente qué se está diciendo sobre una institución. Un servicio que quiere convertir experiencia acumulada en criterios compartidos.

Es ahí donde la IA puede demostrar valor de forma más honesta. No con grandes promesas, sino reduciendo fricción. Ahorrando búsquedas. Ayudando a leer mejor. Proponiendo borradores revisables. Detectando patrones. Ordenando materiales. Facilitando que el conocimiento no dependa siempre de una persona concreta.

La transformación pública no siempre empieza con una revolución visible. A veces empieza cuando un equipo descubre que una tarea de tres horas puede convertirse en veinte minutos de revisión inteligente. O cuando una persona nueva entiende antes cómo trabaja su unidad. O cuando una administración deja de repetir desde cero una respuesta que ya había construido bien.

El criterio humano no desaparece, cambia de lugar

Una de las confusiones más frecuentes es plantear la IA como una sustitución. En el sector público, ese enfoque es especialmente pobre. La cuestión no es si la máquina decide por la administración. La cuestión es cómo puede ayudar a que las personas responsables lleguen mejor preparadas a la decisión.

La IA puede leer mucho, ordenar rápido y proponer caminos. Pero no entiende por sí sola la responsabilidad institucional, el contexto político, la sensibilidad ciudadana o las consecuencias jurídicas de una decisión. Eso sigue estando en manos humanas. Lo que cambia es el lugar donde ponemos el esfuerzo.

En vez de gastar tiempo buscando documentos, una persona puede dedicar más tiempo a interpretar. En vez de empezar cada informe desde cero, puede revisar una primera estructura. En vez de responder manualmente consultas repetidas, puede concentrarse en los casos que requieren criterio. En vez de depender de memoria informal, puede trabajar sobre conocimiento mejor organizado.

Bien utilizada, la IA no elimina el criterio. Lo protege de tareas que lo desgastan.

Gobernar la IA también es decidir qué no se hace

Una administración seria no debería implantar IA como si todo fuese susceptible de automatizarse. Hay información sensible, datos personales, expedientes delicados, criterios jurídicos, decisiones políticas y situaciones que exigen prudencia. La confianza pública depende tanto de lo que se innova como de lo que se decide no automatizar.

Por eso hacen falta límites claros. Qué fuentes puede consultar un sistema. Qué respuestas son solo borradores. Qué contenidos requieren validación. Qué usos quedan prohibidos. Qué datos no deben cargarse. Qué trazabilidad se conserva. Quién responde si algo falla.

La innovación pública no consiste en moverse rápido sin mirar alrededor. Consiste en avanzar con método, responsabilidad y sentido institucional. La IA puede acelerar procesos, pero la administración debe marcar la dirección.

De la herramienta al sistema de aprendizaje

El paso más importante es dejar de pensar en usos aislados. Una prueba puntual puede servir para aprender, pero si cada equipo experimenta por su cuenta y nada se documenta, la organización no mejora. La IA empieza a tener impacto cuando cada experiencia deja aprendizaje: qué funcionó, qué no, qué prompts fueron útiles, qué fuentes dieron problemas, qué tareas merecen escalarse, qué riesgos aparecieron y qué criterios deben cambiar.

Ese es el salto de la herramienta al sistema. No usar IA una vez, sino construir una forma de trabajo que aprende. Detectar procesos candidatos, probar con casos pequeños, medir resultados, recoger experiencia, ajustar criterios y volver a intentarlo mejor.

En ese punto la IA deja de ser una moda y se convierte en una capacidad institucional.

Conclusión

La administración pública no necesita adoptar inteligencia artificial para parecer moderna. Necesita usarla allí donde ayude a trabajar mejor, decidir mejor y servir mejor. Eso exige menos fascinación por la herramienta y más atención al proceso. Menos demostraciones espectaculares y más casos concretos. Menos prisa por automatizar y más claridad sobre qué conocimiento, qué tareas y qué decisiones queremos mejorar.

La IA pública aplicada empieza cuando una organización se atreve a mirar su propio trabajo con honestidad. No para sustituir a las personas, sino para liberar criterio, ordenar conocimiento y convertir la experiencia acumulada en una capacidad compartida.

Antes de preguntar qué herramienta usar, quizá convenga empezar por otra pregunta: qué parte del trabajo público sigue funcionando por inercia y podría hacerse mucho mejor si la administración aprendiera a organizar lo que ya sabe.

Durante años, muchas administraciones han funcionado gracias a una forma de inteligencia que no aparece en ningún cuadro de mando: la memoria de las personas. La técnica que sabe dónde está el informe bueno, el jefe de servicio que recuerda cómo se resolvió un expediente parecido, la persona de contratación que conserva una versión útil de un pliego, el administrativo que sabe qué respuesta evita tres llamadas posteriores.

Ese conocimiento existe. El problema es que muchas veces vive en carpetas difíciles de encontrar, correos antiguos, documentos duplicados y cabezas concretas.

Mientras esas personas están, el sistema funciona. Cuando cambian de puesto, se jubilan, se saturan o simplemente no están disponibles, la administración vuelve a empezar casi desde cero.

Ahí es donde la conversación sobre inteligencia artificial debería ponerse seria. No porque la IA venga a sustituir ese conocimiento, sino porque puede ayudar a ordenarlo, hacerlo consultable y convertirlo en capacidad compartida. Pero para eso hay que dejar de pensar la IA como una herramienta para producir más textos y empezar a verla como una oportunidad para preguntarnos qué sabe realmente una institución y por qué le cuesta tanto reutilizarlo.

La administración sabe más de lo que parece

Cuando se habla de datos públicos, muchas veces imaginamos grandes bases estructuradas, indicadores, cuadros de mando, integraciones y sistemas interoperables. Todo eso es importante. Pero una parte enorme del conocimiento real de una administración no vive todavía en bases de datos limpias, sino en materiales mucho más cotidianos: expedientes, informes, actas, pliegos, resoluciones, notas internas, manuales, respuestas repetidas, memorias justificativas, hojas de cálculo, correos y conversaciones de trabajo.

Ese conocimiento no siempre tiene forma de dato, pero tiene valor. Contiene antecedentes, criterios, decisiones, matices, excepciones, aprendizajes y soluciones que ya fueron pensadas alguna vez. La cuestión es que no siempre están disponibles cuando hacen falta.

Una administración puede haber resuelto muchas veces un problema parecido y, aun así, tratar cada nuevo caso como si fuera completamente nuevo. Puede tener informes excelentes que nadie vuelve a consultar. Puede disponer de respuestas bien elaboradas que se pierden entre correos. Puede acumular pliegos, memorias o resoluciones útiles que no se reutilizan porque nadie sabe exactamente dónde están o cuál fue la versión buena.

El resultado no es solo pérdida de tiempo. Es pérdida de inteligencia institucional.

Cuando el conocimiento no se ordena, la administración se vuelve más dependiente de personas concretas, más vulnerable a los cambios de equipo y más propensa a repetir esfuerzos. Lo que una unidad aprende no siempre llega a otra. Lo que un expediente enseña no siempre mejora el siguiente. Lo que una persona sabe no siempre se convierte en patrimonio común de la organización.

La IA no debería empezar generando más documentos

Uno de los riesgos actuales es usar la inteligencia artificial para producir todavía más contenido en organizaciones que ya tienen demasiados documentos mal conectados. Si una administración no encuentra lo que ya sabe, generar más textos puede empeorar el problema. Puede crear una sensación de productividad, pero añadir ruido a un sistema que necesitaba orden.

Por eso la primera aplicación útil de la IA en muchas instituciones no debería ser redactar más, sino ayudar a entender mejor lo que ya existe. Localizar antecedentes. Comparar versiones. Resumir expedientes. Agrupar consultas. Identificar temas repetidos. Detectar contradicciones. Construir bases de conocimiento internas. Facilitar que una persona encuentre en minutos lo que antes dependía de preguntar a tres compañeros o revisar veinte carpetas.

La diferencia es importante. No se trata de pedirle a una herramienta que invente una respuesta, sino de ayudar a que el conocimiento existente sea más accesible, más trazable y más reutilizable.

Un modelo puede ser útil si trabaja sobre fuentes seleccionadas, con criterios claros y con supervisión humana. Puede asistir a un equipo que ya sabe lo que busca y necesita ahorrar tiempo para encontrarlo, ordenarlo o convertirlo en una primera propuesta. Pero si se le entrega una masa confusa de documentos sin jerarquía, sin versiones, sin permisos y sin criterios, la IA no crea conocimiento institucional. Solo produce una salida con apariencia de orden.

Ordenar conocimiento también es transformar

A veces se asocia la transformación digital con grandes proyectos, plataformas complejas o cambios visibles desde fuera. Pero en la práctica, una de las transformaciones más valiosas puede ser mucho más discreta: conseguir que una organización deje de perder lo que ya sabe.

Pensemos en una unidad que recibe consultas ciudadanas repetidas. Antes de implantar cualquier asistente, conviene saber qué preguntas llegan, qué respuestas se están dando, qué documentos las respaldan, qué dudas generan más fricción y qué casos necesitan derivación humana. Solo después tiene sentido construir una base de respuestas, un asistente interno o un sistema que sugiera borradores revisables.

Lo mismo ocurre en contratación pública. Muchos equipos acumulan pliegos, informes, aclaraciones, adjudicaciones y criterios técnicos, pero ese conocimiento no siempre se reutiliza bien. La IA puede ayudar a buscar antecedentes, comparar documentos, detectar cláusulas habituales o revisar coherencias. Pero el valor no está en generar un pliego desde cero como si fuera un truco. El valor está en convertir experiencia previa en un recurso operativo mejor organizado.

También ocurre en comunicación institucional. Una administración produce notas, discursos, respuestas, planes, memorias y campañas. Si todo queda disperso, cada nueva comunicación empieza casi desde cero. Si ese conocimiento se ordena, la IA puede ayudar a mantener coherencia, recuperar argumentos, adaptar mensajes, detectar temas sensibles y responder mejor a preguntas reales de la ciudadanía.

El patrón se repite: antes de automatizar, conviene ordenar. Antes de pedir respuestas, conviene saber qué fuentes son válidas. Antes de escalar un sistema, conviene probarlo con un caso concreto. Y antes de confiar en una salida generada por IA, conviene establecer quién revisa, con qué criterio y bajo qué responsabilidad.

No todo debe entrar en la máquina

Ordenar conocimiento no significa volcarlo todo en un sistema y esperar que la inteligencia artificial haga el resto. Esa sería otra forma de ingenuidad tecnológica. Hay documentos obsoletos, datos personales, información sensible, versiones contradictorias, criterios jurídicos que requieren interpretación y decisiones que dependen de contexto político o técnico.

Precisamente por eso hace falta método.

Una administración que quiera aprovechar la IA debería empezar por seleccionar un ámbito acotado. Elegir fuentes fiables. Definir qué documentos valen y cuáles no. Establecer permisos. Separar información pública, interna y sensible. Determinar qué respuestas pueden ser sugeridas por IA y cuáles requieren revisión especializada. Y, sobre todo, mantener claro que la responsabilidad no se delega en el modelo.

La IA puede ayudar a encontrar, resumir, relacionar o proponer. Pero la administración debe conservar el criterio, la validación y la responsabilidad final. En lo público, esto no es un detalle: es una condición básica de confianza.

Por eso no me convence la idea de implantar IA como una capa rápida sobre cualquier repositorio documental. La pregunta no debería ser «qué podemos cargar en el sistema», sino «qué conocimiento necesitamos reutilizar mejor y bajo qué condiciones».

La memoria institucional también es un servicio público

Hay una dimensión de este asunto que suele pasar desapercibida. Cuando una administración pierde conocimiento, no solo pierde eficiencia interna. También empeora el servicio que presta.

Si una persona tiene que explicar varias veces lo mismo porque la información no se comparte bien, hay un coste ciudadano. Si un expediente tarda más porque hay que reconstruir antecedentes, hay un coste de gestión. Si una unidad responde de forma distinta a otra ante casos parecidos, hay un coste de confianza. Si una institución olvida aprendizajes cada vez que cambia un equipo, hay un coste democrático.

La memoria institucional no es un lujo administrativo. Es parte de la calidad del servicio público.

Por eso la IA debería ponerse al servicio de esa memoria. No para sustituir a quienes saben, sino para que lo que saben no se pierda, no quede aislado y no dependa siempre de que alguien concreto esté disponible. Una organización madura no es la que lo sabe todo, sino la que consigue que su conocimiento circule de forma segura, útil y responsable.

Esto también cambia la manera de formar a los equipos. No basta con enseñarles a usar prompts o herramientas. Hay que enseñarles a identificar conocimiento valioso, documentar mejor, distinguir fuentes, revisar salidas, construir criterios y convertir aprendizajes individuales en capacidades compartidas.

Empezar pequeño, pero empezar bien

La buena noticia es que no hace falta esperar a tener una gran plataforma perfecta. De hecho, muchas veces conviene empezar por un caso pequeño y bien elegido: consultas frecuentes, contratación, subvenciones, comunicación institucional, atención ciudadana, informes técnicos o procedimientos repetitivos.

La pregunta inicial puede ser muy simple: qué sabe esta organización que hoy no está pudiendo reutilizar bien.

Esa pregunta cambia el enfoque. Ya no se trata de «vamos a usar IA porque toca», sino de identificar conocimiento valioso que está atrapado, disperso o infrautilizado. Y cuando el problema se formula así, la tecnología deja de ser el centro de la conversación y se convierte en una herramienta al servicio de una mejora concreta.

Un buen primer proyecto no debería medirse por lo espectacular que parece, sino por su capacidad para reducir dependencia de personas concretas, ahorrar búsquedas inútiles, mejorar la consistencia de las respuestas, acelerar la incorporación de nuevos equipos o evitar que cada expediente empiece desde cero.

La administración pública necesita avanzar con casos acotados, responsables claros y aprendizajes acumulables. Pequeños sistemas que ayuden a ordenar conocimiento real pueden ser más útiles que grandes anuncios de transformación que nunca llegan a tocar el trabajo cotidiano.

La IA pública aplicada debería empezar por ahí: por convertir conocimiento disperso en capacidad operativa. No por fascinación tecnológica, sino porque muchas instituciones ya tienen más saber del que pueden aprovechar.

La administración que aprende no es la que más documentos produce. Es la que consigue que su conocimiento no se pierda cada vez que cambia una persona, un expediente o una legislatura.

Antes de preguntarse qué modelo de IA usar, una administración debería preguntarse qué conocimiento tiene disperso, qué parte necesita ordenar y qué decisiones podrían mejorar si ese conocimiento estuviera disponible de forma segura y útil.