El conocimiento de una administración no debería vivir en carpetas, correos y cabezas sueltas

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.