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.