Enrique Fárez

Un acto público ya no termina cuando se apagan las luces y cierran las puertas

Este artículo forma parte de la serie «El futuro del poder», una reflexión sobre cómo la inteligencia artificial está cambiando los actos públicos, su producción y la forma en que circulan después.

La comunicación de los actos públicos ya no puede calcularse únicamente por las personas que ocupan las sillas. Una inauguración, una presentación o una comparecencia puede reunir a cien asistentes y llegar después a miles mediante fotografías, vídeos, citas, noticias y conversaciones digitales.

La mayor parte de esa audiencia no verá el acto completo. Recibirá una escena, una frase o un fragmento de pocos segundos. Tal vez lo encuentre horas más tarde, separado del momento en que fue pronunciado y acompañado por el comentario de otra persona.

Por eso un acto ya no termina cuando se apagan las luces y cierran las puertas. Su vida pública continúa. Diseñar esa segunda vida no significa convertir la institución en un plató permanente. Significa preparar contenidos comprensibles, verificables y accesibles para quienes no estuvieron allí.

La sala es solo la primera audiencia

Durante mucho tiempo, la organización de un acto se concentró en el lugar, el protocolo, los invitados y la cobertura de los medios. Todo eso sigue importando. Pero ahora el evento funciona también como origen de muchas piezas posteriores.

En El futuro del poder explico que el contenido concebido para televisión debe pensarse también para su vida en las redes. La misma idea se aplica a cualquier acto institucional. La posición de los intervinientes, la calidad del sonido, la duración de las respuestas y la disponibilidad de materiales condicionan lo que podrá entenderse después.

Una intervención de veinte minutos puede transformarse en una noticia, tres cortes de vídeo, una fotografía, una cita y una respuesta a una pregunta frecuente. Si el acto no ofrece momentos claros ni datos comprobables, otros elegirán por la institución qué fragmento lo representa.

La comunicación posterior no debería improvisarse al regresar a la oficina. Debe formar parte del diseño inicial, igual que la seguridad o el acceso de los asistentes.

Pensar en la circulación posterior obliga a ordenar el contenido. ¿Cuál es la noticia? ¿Qué dato puede comprobarse? ¿Qué decisión se anuncia y cuándo tendrá efecto? ¿Dónde encontrará la ciudadanía la información completa?

Cuando esas preguntas se responden antes del acto, la intervención suele resultar más clara para quienes están en la sala. El portavoz evita rodeos, los materiales ofrecen contexto y los periodistas pueden formular preguntas más precisas.

Esto no exige pronunciar frases artificiales cada pocos segundos. Un acto construido únicamente para producir titulares puede perder sustancia y credibilidad. La preparación debe ayudar a explicar una decisión real, no sustituirla con una escenografía.

Como señalaba en el artículo sobre la IA y los discursos políticos, la tecnología puede mejorar las palabras y el ensayo. No puede prestar al dirigente una credibilidad que sus decisiones no hayan construido.

Una frase puede ser exacta y, al mismo tiempo, resultar engañosa si se separa de la pregunta que la provocó o de la condición que la acompañaba. El problema no afecta solo a quienes recortan un vídeo con mala intención. También aparece cuando el propio equipo busca una pieza breve y elimina demasiado.

La institución debe preparar fragmentos que puedan entenderse sin haber visto los minutos anteriores. Si una cifra necesita comparación, la comparación debe aparecer. Si una medida está condicionada a una fecha o a una aprobación, esa condición no puede desaparecer para conseguir un corte más rotundo.

Conviene que cada pieza conduzca a una fuente principal donde estén el discurso completo, los documentos y las preguntas esenciales. Así, una persona puede ampliar la información y un periodista puede verificarla.

Este cuidado es todavía más importante porque cada vez más personas reciben información sin entrar en la web que la publicó. El fragmento puede viajar muy lejos de su página original.

La accesibilidad se decide antes de grabar

Publicar un vídeo no garantiza que todos puedan utilizarlo. Una persona sorda necesita subtítulos. Alguien que no puede reproducir el audio en ese momento agradece también poder leerlo. Una imagen relevante puede requerir descripción y una intervención extensa necesita una transcripción que permita localizar la información.

La accesibilidad no debería añadirse varios días después, cuando el interés ya ha pasado. Hay que preverla en la producción: obtener un sonido limpio, identificar a quienes hablan, conservar el guion y preparar la revisión de los subtítulos automáticos.

Las pautas del W3C señalan que los subtítulos de un vídeo pregrabado deben estar sincronizados y recoger no solo el diálogo, sino también la identificación de los hablantes y los sonidos necesarios para comprender el contenido. La exigencia convierte los subtítulos en parte del mensaje y no en un adorno técnico.

La IA acelera la transcripción, la traducción y la generación de versiones. Pero todavía necesita revisión, especialmente con nombres propios, términos locales, cifras y palabras pronunciadas en entornos ruidosos.

Después de un acto, un equipo puede enfrentarse a horas de grabación, centenares de fotografías y varias intervenciones. La IA puede localizar cuándo se mencionó un asunto, proponer cortes, clasificar imágenes y preparar borradores de subtítulos o resúmenes.

Esta capacidad reduce tareas mecánicas y permite publicar mientras el asunto sigue siendo relevante. También facilita adaptar una explicación a formatos diferentes sin grabarla de nuevo desde el principio.

El riesgo consiste en confundir el momento más llamativo con el más importante. Un sistema entrenado para maximizar la atención tenderá a seleccionar la frase emocional, la interrupción o el gesto inesperado. Puede dejar fuera la explicación que da sentido a la decisión.

La selección final necesita criterio editorial. La institución debe decidir si la pieza ayuda a comprender, si respeta lo sucedido y si representa el propósito del acto. La eficiencia de la IA no sustituye esa responsabilidad.

Transmitir un acto por internet no lo convierte automáticamente en una experiencia híbrida. La audiencia remota necesita escuchar bien, identificar a los participantes, acceder a los documentos y encontrar una forma de plantear preguntas cuando el formato lo permita.

Si la emisión muestra durante una hora una mesa lejana y un sonido deficiente, la institución ha ampliado técnicamente el acceso, pero no necesariamente la comprensión. El diseño debe considerar al público remoto como una audiencia real, no como un espectador residual.

Esto cambia también la duración y la estructura. Puede ser preferible ofrecer una explicación principal clara, separar las preguntas por asuntos y publicar después capítulos identificables. La grabación completa debe conservarse cuando tenga valor documental, pero no puede ser la única forma de acceder al contenido.

La alternativa textual para contenidos audiovisuales pregrabados añade otra vía para comprender la información y facilita su consulta posterior.

Las piezas posteriores no sirven únicamente para obtener alcance durante unos días. Construyen un archivo de compromisos, explicaciones y decisiones. Una fotografía, una transcripción o un vídeo completo pueden permitir meses después comprobar qué se anunció y en qué términos.

Por eso conviene conservar originales, fechas y versiones. Si la IA ha generado un resumen, debe poder relacionarse con la grabación de la que procede. Si una fotografía ha sido editada, debe mantenerse el archivo original y evitar cambios que alteren el sentido de la escena.

Esta memoria facilita la rendición de cuentas y ayuda a que la información oficial pueda ser recuperada por buscadores y asistentes. También evita que la única versión disponible sea el fragmento que más circuló.

Una institución que conserva bien sus actos no acumula simplemente archivos. Construye una fuente pública que periodistas, ciudadanos y futuros equipos pueden consultar.

El acto termina cuando deja de ser útil

La vida posterior de un evento debe planificarse con proporción. No todos los actos necesitan veinte vídeos ni todas las intervenciones merecen convertirse en una campaña. La pregunta no es cuánto contenido puede producirse, sino qué necesita conocer cada audiencia.

Un buen diseño permite que la persona que estuvo presente comprenda la decisión, que quien llega después encuentre una explicación breve y que quien necesita verificarla acceda a la fuente completa. La IA puede acelerar la transformación del material y adaptar sus formatos. El equipo humano debe proteger el contexto, la accesibilidad y la utilidad.

La síntesis es esta: un acto público ya no termina al cerrar la sala porque sus imágenes y palabras siguen circulando. Preparar esa segunda vida amplía el acceso y mejora la memoria institucional. Pero el objetivo no es fabricar más contenido. Es conseguir que lo que ocurrió pueda entenderse, comprobarse y utilizarse también por quienes no estuvieron allí.

Cuando una institución tarda en explicar una crisis, otros llenan el silencio con rumores

Este artículo forma parte de la serie «El futuro del poder», una reflexión sobre cómo la inteligencia artificial está cambiando la respuesta institucional, la comunicación de crisis y la relación con la ciudadanía.

La comunicación institucional en una crisis empieza antes de que una administración disponga de todas las respuestas. Cuando ocurre un incendio, una avería grave, una contaminación del agua o una interrupción de un servicio esencial, las personas necesitan saber qué sucede y qué deben hacer. Si la institución tarda demasiado, ese vacío se llena.

Lo llenan los testimonios incompletos, las fotografías sin contexto, los mensajes reenviados y las explicaciones interesadas. Algunos rumores nacen de la voluntad de engañar. Muchos otros aparecen porque alguien intenta dar sentido a una situación incierta con los pocos datos que tiene.

Responder deprisa no significa improvisar. Significa publicar cuanto antes una versión oficial verificable, distinguir lo conocido de lo que todavía se investiga y comprometerse a actualizar la información. La velocidad importa, pero la confianza depende de no fingir una certeza que aún no existe.

El silencio también comunica

Una institución puede creer que no está diciendo nada hasta disponer de un informe completo. Para la ciudadanía, sin embargo, esa ausencia ya transmite un mensaje. Puede interpretarse como desorganización, ocultación o indiferencia.

En El futuro del poder analizo la capacidad de los sistemas de escucha para detectar una narración emergente antes de que se convierta en una crisis consolidada. La IA puede observar cómo se repite una afirmación, en qué comunidades aparece y qué contenidos están acelerando su difusión.

Esa alerta temprana permite ganar tiempo. No autoriza a contestar sin comprobar los hechos ni convierte cada comentario en una amenaza. Una institución necesita distinguir entre una duda razonable, una información errónea que se extiende y una operación deliberada de manipulación.

El objetivo no es perseguir todas las conversaciones, sino reconocer pronto las que pueden afectar a la seguridad, al uso de un servicio o a la confianza en una decisión pública.

Durante una crisis es habitual retrasar la comunicación porque faltan datos. Se teme corregir una cifra o reconocer que la causa todavía no está clara. Esa prudencia es comprensible, pero puede terminar entregando la iniciativa a fuentes menos fiables.

La primera comunicación puede ser breve si responde a las necesidades inmediatas. Debe confirmar que la institución conoce el problema, indicar qué información está verificada, explicar qué está haciendo y ofrecer una hora o un canal para la siguiente actualización.

La Organización Mundial de la Salud recomienda comunicar pronto y con transparencia, declarando qué se sabe, qué no se sabe y qué se está haciendo para reducir la incertidumbre. Su enfoque de comunicación de riesgos combina información, escucha comunitaria y seguimiento de medios para mantener los mensajes conectados con las preocupaciones reales.

Reconocer una incógnita no debilita necesariamente a la institución. Puede aumentar su credibilidad si después cumple con las actualizaciones prometidas. Lo que deteriora la confianza es presentar como definitivo algo que cambia a los pocos minutos sin explicar por qué.

En una emergencia, diferentes departamentos pueden publicar mensajes bienintencionados pero incompatibles. Una cuenta anuncia una hora, otra utiliza una cifra distinta y una tercera enlaza un documento antiguo. La ciudadanía no sabe qué versión debe seguir y los medios dedican parte de su trabajo a reconciliar contradicciones internas.

La institución necesita una fuente principal actualizada: una página, un aviso o un espacio identificable donde aparezca la versión vigente. Las redes, los mensajes a medios y los canales de atención deben conducir hacia esa fuente, no competir con ella.

Esta arquitectura es especialmente importante porque la comunicación pública ya no puede depender de un solo canal. El mensaje debe adaptarse a cada formato, pero los datos fundamentales tienen que coincidir.

La hora de la última actualización debe ser visible. También debe quedar claro qué ha cambiado. Así, una captura antigua puede identificarse rápidamente y un asistente de IA tiene más posibilidades de recuperar la versión correcta.

Corregir un rumor sin ayudar a difundirlo

No todos los rumores merecen una respuesta pública. Repetir una afirmación apenas conocida puede darle una audiencia que no tenía. Ignorar una falsedad que ya condiciona la conducta de la población puede ser igualmente peligroso.

La decisión depende de su alcance, de la velocidad de propagación y del daño posible. Si un mensaje falso lleva a las personas a abandonar una zona segura, beber agua que no deben o evitar un servicio necesario, la institución tiene que actuar. Si se trata de una publicación aislada sin capacidad de crecer, quizá baste con vigilarla y responder directamente a quienes consultan.

Cuando sea necesario corregir, conviene empezar por el hecho verdadero y la conducta recomendada. Después puede aclararse la falsedad sin convertirla en el titular. Las pruebas deben ser accesibles: datos, mapas, fotografías, informes o la intervención de una fuente competente.

La guía RESIST del servicio de comunicación del Gobierno británico propone reconocer la amenaza, establecer alertas, comprender la situación, analizar el impacto, responder estratégicamente y comprobar después la eficacia. La secuencia evita que la institución reaccione por impulso ante cada contenido.

Durante una crisis, la IA puede agrupar miles de mensajes, localizar preguntas repetidas y detectar que una misma imagen se está utilizando con explicaciones diferentes. También puede ayudar a resumir informes, preparar versiones para distintos canales y comparar el comunicado con la información técnica disponible.

Pero los sistemas también pueden equivocarse precisamente cuando el contexto cambia con rapidez. Pueden mezclar lugares, confundir fechas o presentar como confirmado un dato provisional. Un resumen automático puede eliminar una excepción esencial o convertir una recomendación condicionada en una orden general.

La rapidez de la herramienta no elimina la necesidad de una fuente humana autorizada. Las piezas que afectan a la seguridad deben pasar por una verificación clara y breve. El equipo de comunicación necesita saber quién confirma cada dato y cómo localizarlo, incluso fuera del horario habitual.

La IA resulta más útil cuando la organización ya ha preparado sus responsabilidades. Sin una cadena de decisión, solo permite producir más versiones del mismo desconcierto.

La comunicación de crisis no termina al publicar un comunicado. Hay que comprobar si la población ha entendido las instrucciones, si persisten dudas y si algunas personas no están recibiendo la información.

Las preguntas que llegan a los teléfonos de atención, a los servicios de emergencia, a los medios y a las redes muestran dónde falla el mensaje. La IA puede organizarlas y advertir que una expresión técnica está causando confusión o que un barrio necesita información específica.

La propia OMS define la comunicación de riesgos como un intercambio en tiempo real entre autoridades, especialistas y personas afectadas. Identificar y gestionar pronto los rumores forma parte de esa conversación, igual que escuchar preocupaciones y hablar con honestidad sobre lo conocido y lo desconocido.

Esta escucha no debe convertirse en una obsesión por controlar la conversación. Su función es descubrir qué necesita saber la ciudadanía para protegerse y qué debe corregir la institución para seguir siendo una fuente útil.

La confianza se construye actualización a actualización

Una respuesta sólida combina preparación y capacidad de adaptación. Antes de la crisis deben existir responsables, contactos, canales y criterios de aprobación. Durante la crisis hay que publicar con rapidez, documentar los cambios y mantener una voz reconocible. Después conviene revisar qué preguntas llegaron tarde, qué dato generó confusión y qué canal falló.

El modelo de comunicación de crisis del Gobierno británico organiza el trabajo alrededor de la preparación, la respuesta y la recuperación. Su insistencia en ofrecer información rápida, clara, precisa y útil recuerda que comunicar no es un complemento de la gestión: forma parte de ella.

La síntesis es sencilla: cuando una institución calla durante una crisis, otras voces ocupan el espacio. La respuesta no necesita fingir que todo está resuelto, pero sí debe aparecer pronto, apoyarse en hechos y mantenerse actualizada. La IA puede detectar rumores y acelerar el trabajo; la credibilidad seguirá dependiendo de que la institución diga la verdad, reconozca sus límites y cumpla la próxima hora que anunció.

Tener miles de menciones no significa que la gente haya entendido una decisión pública

Este artículo forma parte de la serie «El futuro del poder», una reflexión sobre cómo la inteligencia artificial está cambiando la manera de escuchar, medir y comunicar desde las instituciones.

Medir la comunicación pública se ha vuelto más fácil y, al mismo tiempo, más engañoso. Una institución puede saber cuántas personas vieron un vídeo, cuántas compartieron una publicación y cuántas veces apareció una medida en medios y redes. Puede recibir un informe lleno de cifras pocas horas después de una comparecencia.

Esos datos explican hasta dónde circuló el mensaje. No demuestran que la ciudadanía lo comprendiera.

Una ayuda puede alcanzar miles de menciones y seguir generando las mismas preguntas en las oficinas de atención. Un cambio en la movilidad puede producir millones de impresiones y dejar a los vecinos sin saber cuándo empieza, a qué calles afecta o qué deben hacer. La visibilidad es una condición de la comunicación, pero no es su resultado final.

Una cifra grande puede contar una historia pequeña

En El futuro del poder analizo cómo las métricas digitales permiten observar el alcance, el tiempo de permanencia, los clics y el comportamiento posterior de distintas audiencias. Son señales valiosas porque ayudan a comparar contenidos y a detectar qué asuntos despiertan interés.

El problema aparece cuando una cifra se presenta sin responder qué significa. Diez mil reproducciones pueden corresponder a personas que vieron el vídeo completo o a usuarios que lo abandonaron después de unos segundos. Una publicación muy compartida puede estar recibiendo apoyo, críticas o bromas. Un aumento de búsquedas puede expresar interés, preocupación o simple confusión.

Incluso el tono positivo o negativo necesita contexto. Una reacción de enfado puede dirigirse contra la medida, contra la manera de explicarla o contra una información falsa que circula junto a ella. Reducir toda esa conversación a un color verde o rojo elimina precisamente lo que la institución necesita comprender.

La primera pregunta, por tanto, no debería ser cuántas menciones hemos obtenido. Debería ser qué queríamos que la gente supiera, sintiera o hiciera después de recibir la información.

La OCDE distingue varias capas al evaluar la comunicación pública. Primero están los productos que la institución crea y distribuye. Después aparecen las reacciones inmediatas de la audiencia, como el recuerdo o la comprensión. Más adelante se observan cambios de actitud o comportamiento y, finalmente, la contribución a un objetivo público.

La diferencia parece evidente, pero no suele reflejarse en los cuadros de mando. En una consulta realizada en 2025 a responsables públicos de comunicación, la OCDE encontró que el 72 % medía visualizaciones, mientras que solo entre el 21 % y el 30 % estudiaba cambios de comprensión, actitud o conducta. Apenas un 5 % evaluaba la contribución de la comunicación a los objetivos de la política.

Una campaña sobre una nueva sede electrónica puede obtener un gran alcance y fracasar si los ciudadanos siguen abandonando el trámite en el mismo paso. Una explicación sobre prevención puede gustar mucho y no modificar ninguna conducta. En esos casos, la pieza funcionó como contenido, pero no necesariamente como comunicación pública.

La institución necesita relacionar lo que publica con lo que ocurre después. Ese vínculo rara vez aparece en una sola plataforma.

Las preguntas repetidas son también una métrica

Una parte importante de la comprensión se encuentra fuera de las redes. Está en las llamadas recibidas, en los motivos de una cita previa, en los errores de un formulario, en las consultas que llegan al registro y en las explicaciones que un empleado debe repetir cada mañana.

Si cientos de personas preguntan si pueden solicitar una ayuda, cuánto les corresponde, qué documentos necesitan o cuándo termina el plazo, esas dudas no son una molestia separada de la comunicación. Son la prueba de qué partes del mensaje no han quedado claras.

La IA puede ayudar a agrupar esas preguntas, detectar expresiones distintas que esconden el mismo problema y observar cómo cambian después de una nueva explicación. También puede relacionar la conversación pública con señales del servicio: visitas a una página, descargas, solicitudes completas, reclamaciones o citas presenciales.

Esta mirada amplía la idea de escucha que desarrollé en el artículo sobre cómo una institución escucha antes de decidir. Escuchar no consiste únicamente en reunir opiniones. También consiste en descubrir dónde se rompe la comprensión.

Los sistemas actuales permiten clasificar grandes volúmenes de conversación, identificar asuntos emergentes y comparar la atención recibida por diferentes mensajes. En proyectos de MMI Analytics, esta capacidad se utiliza para convertir medios, redes y señales públicas en conocimiento útil para los equipos de comunicación.

Pero contar menciones no basta. Importan la fuente, el contexto, el tono, el protagonismo, la audiencia y el valor real de cada aparición. Una noticia de alcance limitado en un medio especializado puede influir más en una decisión que cientos de publicaciones repetidas. Un vídeo viral puede atraer una gran atención y no llegar al público que necesita realizar el trámite.

La IA ayuda a reducir el ruido y a encontrar patrones que una persona difícilmente localizaría a tiempo. La interpretación requiere después conocimiento del asunto, contraste con otras fuentes y criterio profesional. Una conversación digital intensa no representa automáticamente a toda la población, del mismo modo que una sala llena no representa a todo el municipio.

La tecnología debe servir para formular mejores preguntas, no para convertir señales parciales en una falsa encuesta permanente.

Una métrica es útil cuando permite tomar una decisión. Si el dato solo confirma que la campaña tuvo mucha difusión, puede producir satisfacción sin aprendizaje.

Antes de publicar, la institución debería definir qué espera conseguir. Tal vez necesita que los usuarios conozcan una fecha, que comprendan una obligación o que completen correctamente un procedimiento. Cada objetivo exige señales diferentes y un momento distinto de evaluación.

Después conviene comparar lo observado con una situación anterior. Si disminuyen las dudas repetidas, aumentan los trámites completados o se reduce el tiempo que necesita el personal para explicar el mismo asunto, la comunicación está produciendo un efecto comprobable. Si no cambia nada, el número de impresiones no debería impedir revisar el mensaje.

El marco de evaluación de la OCDE recomienda combinar métodos cuantitativos y cualitativos y relacionar los indicadores con los objetivos. La conversación con usuarios, las pruebas de comprensión y la experiencia del personal de atención aportan información que no cabe en el contador de una red social.

Un mensaje puede ser recordado y, aun así, no resultar útil. La comunicación pública necesita conducir a una acción posible: presentar una solicitud, evitar un riesgo, participar en una consulta o entender por qué se tomó una decisión.

Por eso una institución no debería evaluar únicamente si la ciudadanía reconoce el asunto, sino si encuentra la información necesaria para actuar. Esta exigencia incluye publicar contenidos coherentes en todos los canales y mantener una fuente oficial suficientemente clara para las personas y para los asistentes de IA.

Como explicaba en el artículo sobre las respuestas que ChatGPT ofrece acerca de alcaldes y gobiernos, hoy muchos usuarios reciben una contestación sin visitar la web institucional. Si la fuente pública es ambigua, antigua o contradictoria, la confusión puede propagarse aunque la publicación original haya conseguido un alcance excelente.

La medida correcta empieza por la pregunta correcta

Las menciones, las visualizaciones y las interacciones seguirán siendo necesarias. Permiten conocer la circulación del mensaje, comparar formatos y detectar una conversación que crece. Lo que no deberían hacer es ocupar el lugar de la comprensión, la confianza o el resultado público.

La síntesis es esta: tener miles de menciones significa que una decisión ha generado atención. Para saber si la ciudadanía la ha entendido hay que mirar también sus preguntas, sus acciones y su experiencia con el servicio. La IA puede conectar esas señales y hacerlas visibles, pero la institución debe decidir qué quiere aprender de ellas y qué está dispuesta a corregir.

Cuando un algoritmo aconseja a un gobierno, alguien debe responder también por sus errores

Este artículo forma parte de la serie «El futuro del poder», una reflexión sobre cómo la inteligencia artificial está cambiando la manera de decidir, gobernar y comunicar desde las instituciones.

La responsabilidad por decisiones con IA empieza antes de que el sistema emita una recomendación. Empieza cuando una administración decide para qué va a utilizarlo, qué información le entregará y quién tendrá autoridad para aceptar o rechazar su consejo.

Un algoritmo puede detectar expedientes con riesgo de incumplimiento, ordenar solicitudes, señalar posibles fraudes o sugerir dónde concentrar una inspección. Puede revisar miles de documentos con una velocidad imposible para un equipo humano. Pero si su recomendación perjudica injustamente a una persona, la respuesta no puede ser que «lo decidió el sistema».

La máquina no ocupa un cargo público, no comparece ante un órgano de control y no atiende una reclamación. Alguien debe responder por la calidad de los datos, por el uso de la recomendación y por las consecuencias de la decisión final.

El algoritmo aconseja dentro de una cadena humana

En El futuro del poder describo una administración en la que la IA puede vigilar cambios normativos, comprobar procedimientos y advertir de riesgos antes de que se conviertan en incumplimientos. Es un cambio importante: el control deja de mirar únicamente lo que ya ocurrió y empieza a ayudar a prevenir errores.

Sin embargo, ningún sistema aparece solo. Una persona define el problema, otra contrata o desarrolla la herramienta, un equipo selecciona los datos y alguien decide cómo se integrará el resultado en el procedimiento. Después, un empleado público interpreta la recomendación o actúa sobre ella.

Cuando todas esas intervenciones se esconden detrás de la palabra «algoritmo», parece que la decisión no pertenece a nadie. La responsabilidad se dispersa entre el proveedor, el área técnica, el departamento jurídico y el órgano que firma. Precisamente por eso debe quedar definida antes de empezar.

La OCDE señala que, en la mayoría de los usos públicos, los algoritmos informan o influyen en decisiones humanas más que sustituirlas por completo. Esa descripción es útil porque devuelve la atención a la cadena real: el sistema aconseja, pero una organización decide qué hacer con su consejo.

Cuando una recomendación es incorrecta, resulta tentador buscar un fallo puntual en el programa. A veces existe. Pero muchos errores nacen antes: en una base de datos incompleta, en una categoría mal definida o en un objetivo que parecía razonable y produjo efectos inesperados.

Un sistema que prioriza las solicitudes con mayor probabilidad de resolverse rápidamente puede reducir el tiempo medio de tramitación. Al mismo tiempo, puede relegar los expedientes complejos de las personas que más necesitan ayuda. El modelo habrá cumplido la instrucción, aunque el servicio público haya empeorado para un grupo concreto.

También puede aprender de decisiones anteriores que contenían desigualdades. Si una zona fue inspeccionada con mayor frecuencia durante años, tendrá más incidencias registradas. El sistema puede interpretar ese historial como prueba de un riesgo superior y recomendar todavía más inspecciones allí. El dato parece objetivo, pero refleja la forma en que se actuó en el pasado.

Por eso no basta con comprobar que el programa funciona. Hay que examinar si la finalidad es legítima, si los datos describen de manera adecuada a la población y si el resultado perjudica de forma desproporcionada a determinadas personas.

Supervisión humana no significa firmar al final

La expresión «supervisión humana» puede resultar tranquilizadora y, al mismo tiempo, no significar casi nada. Si una empleada recibe cada mañana cientos de recomendaciones generadas por un sistema que no puede comprender ni cuestionar, su firma final no convierte el proceso en una verdadera decisión humana.

Supervisar exige tiempo, formación, información y autoridad para detener el procedimiento. La persona responsable necesita conocer qué datos ha utilizado el sistema, qué grado de incertidumbre existe y en qué situaciones suele fallar. Debe poder apartarse de la recomendación sin ser castigada simplemente por hacerlo y dejar constancia de sus razones.

La orientación de la Comisión Europea sobre el Reglamento de IA establece que las personas encargadas de supervisar sistemas de alto riesgo deben contar con la competencia, formación y autoridad necesarias. También exige que las autoridades públicas evalúen previamente determinados impactos sobre los derechos fundamentales. La supervisión, por tanto, debe ser efectiva y no una formalidad añadida al expediente.

Esto requiere algo que muchas organizaciones todavía no tienen: una descripción sencilla del papel de cada participante. Quién puede aprobar el uso del sistema, quién controla su rendimiento, quién valida cada tipo de recomendación y quién ordena suspenderlo si aparece un riesgo.

La responsabilidad institucional se comprueba cuando alguien discrepa del resultado. Una ciudadana no debería necesitar conocimientos de programación para impugnar una decisión que afecta a una ayuda, una sanción o el acceso a un servicio.

Debe saber que se utilizó un sistema de IA cuando ese uso resulte relevante, comprender las razones principales de la decisión y encontrar un cauce atendido por una persona capaz de revisarla. La reclamación no puede convertirse en otro formulario que termine automáticamente en el mismo sistema cuestionado.

El derecho a recibir una explicación útil no se satisface con entregar una fórmula matemática ni una descripción genérica del proveedor. La explicación debe relacionar la decisión con el caso concreto: qué información se tuvo en cuenta, qué regla influyó y qué puede corregirse si los datos eran erróneos.

La Comisión Europea recuerda que, cuando determinados sistemas de alto riesgo ayudan a tomar decisiones sobre personas, estas deben ser informadas. El Reglamento también refuerza el registro, la vigilancia y la respuesta ante incidentes. Esas garantías serán eficaces solo si se traducen en procedimientos comprensibles para quien está al otro lado de la administración.

La trazabilidad suele presentarse como una obligación técnica, pero es también una protección profesional. Si queda constancia de la versión del sistema, los datos disponibles, la recomendación emitida y el criterio utilizado para aceptarla o rechazarla, el empleado puede demostrar cómo actuó.

Sin ese registro, una decisión tomada de buena fe puede resultar imposible de reconstruir meses después. El proveedor habrá actualizado el modelo, los datos habrán cambiado y cada departamento recordará una parte distinta del proceso.

La documentación debe ser proporcionada al riesgo. No necesita convertir cada trámite menor en un expediente interminable. Pero cuanto mayor sea el efecto sobre los derechos, las oportunidades o la vida de una persona, más clara debe ser la huella de la decisión.

En este punto, el conocimiento institucional no puede permanecer disperso en carpetas, correos y cabezas sueltas. La memoria del proceso forma parte de la capacidad de responder.

La IA puede detectar una correlación que merece atención sin conocer su causa. Puede recomendar investigar un expediente, pero no necesariamente sancionarlo. Puede señalar una anomalía, aunque esta se deba a una situación excepcional perfectamente legítima.

Una administración responsable distingue entre una alerta, una recomendación y una decisión. No utiliza el mismo nivel de confianza ni las mismas garantías para las tres. El sistema puede ayudar a dirigir la mirada de un profesional, pero no debería transformar una sospecha estadística en una consecuencia automática sin comprobación suficiente.

Esta diferencia será todavía más importante cuando los asistentes de IA produzcan respuestas redactadas con seguridad y acompañadas de argumentos convincentes. La calidad de la prosa no demuestra la calidad del razonamiento. Una respuesta ordenada puede apoyarse en datos incompletos o interpretar mal una norma.

Por eso las instituciones necesitan publicar información oficial clara y actualizada, pero también conservar la capacidad de comprobar cualquier respuesta generada a partir de ella.

La responsabilidad no se compra con el programa

Contratar una herramienta no equivale a transferir la obligación pública de responder. El proveedor debe asumir responsabilidades sobre el producto, la seguridad y las condiciones acordadas. Pero la institución sigue siendo responsable de haber elegido el uso, de integrarlo en su procedimiento y de vigilar sus efectos.

Eso obliga a evaluar no solo la precisión inicial del sistema, sino su comportamiento con el paso del tiempo. Las normas cambian, la población cambia y los datos cambian. Una herramienta que funcionaba bien al comenzar puede degradarse o producir efectos distintos cuando se aplica a otro departamento.

La síntesis es clara: cuando un algoritmo aconseja a un gobierno, la responsabilidad debe tener nombres, funciones y un cauce de reclamación. La IA puede mejorar el control y reducir errores, pero no puede convertirse en la explicación final de una decisión pública. Si nadie puede explicar quién validó el resultado y quién debe corregirlo, el problema no está solo en el algoritmo. Está en la institución que decidió utilizarlo sin preparar la respuesta.

La IA puede probar una decisión antes de aplicarla, pero no decidir si es justa

Este artículo forma parte de la serie «El futuro del poder», una reflexión sobre cómo la inteligencia artificial está cambiando la manera de decidir, gobernar y comunicar desde las instituciones.

La IA en las decisiones públicas permite hacer algo que hasta hace poco estaba reservado a unos pocos equipos técnicos: ensayar una medida antes de aplicarla. Un ayuntamiento puede comparar recorridos para una nueva línea de guaguas, estimar qué barrios quedarían peor conectados o calcular cómo variaría el tráfico si peatonaliza una calle. Un gobierno puede proyectar el coste de una ayuda, anticipar cuántas solicitudes recibirá y comprobar si el procedimiento podrá atenderlas a tiempo.

Es una posibilidad valiosa. Probar una decisión antes de someter a la ciudadanía a sus consecuencias puede descubrir errores, costes ocultos y colectivos que no habían sido tenidos en cuenta.

Pero una simulación no decide qué resultado es justo. Puede mostrar quién gana y quién pierde con cada alternativa; no puede establecer por sí sola qué sacrificio resulta aceptable, qué derecho debe prevalecer o cuánto debe pesar la situación de una minoría. Esa responsabilidad sigue perteneciendo a las personas que gobiernan.

Un ensayo digital antes de actuar en la realidad

En El futuro del poder planteo que los modelos predictivos permitirán construir escenarios cada vez más detallados. La IA podrá combinar datos demográficos, económicos, territoriales y de comportamiento para estimar cómo responderá una comunidad ante una decisión. Con sistemas más avanzados, esos ensayos podrían actualizarse casi en tiempo real y comparar muchas más alternativas de las que hoy puede estudiar un equipo humano.

La utilidad no consiste en adivinar el futuro. Consiste en someter una propuesta a preguntas difíciles antes de convertirla en una norma, una obra o un servicio. ¿Qué ocurre si aumenta la demanda? ¿Qué pasa si el presupuesto se reduce? ¿A quién beneficia la medida y quién soporta sus costes? ¿Qué consecuencia aparece seis meses después y no durante la primera semana?

La OCDE observa que la IA ya se utiliza en alguna función pública en casi todos sus países miembros, aunque su aplicación a la elaboración y supervisión de políticas sigue siendo más limitada. Tiene sentido: cuanto mayores son las consecuencias de una decisión, más exigentes deben ser los datos, las pruebas y las garantías.

Todo modelo es una representación incompleta de la realidad. Selecciona algunas variables, deja otras fuera y establece relaciones a partir de datos anteriores. Incluso una simulación técnicamente impecable depende de supuestos humanos: qué se considera éxito, durante cuánto tiempo se mide, qué grupos se comparan y qué efectos se juzgan relevantes.

Imaginemos una propuesta para reducir el tráfico en el centro de una ciudad. El modelo puede indicar que disminuirá el tiempo medio de desplazamiento y mejorará la calidad del aire. Sin embargo, ese promedio puede ocultar que los residentes de una zona periférica necesitarán dos transbordos para llegar al trabajo o que los pequeños comercios tendrán dificultades durante la transición.

La simulación no necesariamente está equivocada. Puede haber respondido con precisión a la pregunta que se le hizo. El problema es que la pregunta era demasiado estrecha.

Por eso la primera tarea no es preguntar a la IA cuál es la mejor decisión, sino decidir qué consecuencias debe examinar. Una institución que escucha antes de decidir y comunicar puede incorporar al modelo problemas que no aparecen en una hoja de cálculo inicial.

Los datos públicos nunca describen a toda la población con la misma calidad. Algunas personas utilizan servicios digitales, dejan registros frecuentes y participan en consultas. Otras apenas generan señales: mayores que resuelven sus trámites de forma presencial, familias en situaciones irregulares, trabajadores con horarios que les impiden acudir a una reunión o vecinos que no confían en los canales oficiales.

Si el modelo aprende principalmente de quienes están bien representados, puede recomendar una medida que funcione muy bien para la mayoría visible y muy mal para quienes apenas aparecen. El sesgo no siempre adopta la forma de una discriminación evidente. A veces se presenta como una mejora del promedio.

La Comisión Europea exige garantías reforzadas cuando una autoridad pública utiliza sistemas de IA considerados de alto riesgo. Entre ellas figuran la evaluación previa de su impacto sobre los derechos fundamentales, la supervisión humana y la vigilancia de su funcionamiento. La orientación sobre el Reglamento de IA insiste también en que los datos deben ser pertinentes y suficientemente representativos.

Estas obligaciones no son un trámite añadido al final del proyecto. Obligan a preguntar desde el principio quién puede quedar fuera del conjunto de datos, cómo se detectará un perjuicio y qué hará la administración cuando el resultado real se aparte de la simulación.

La justicia no cabe en una sola cifra

Una IA puede optimizar el coste de un servicio, la velocidad de respuesta o el número de beneficiarios. Lo que no puede hacer sin una decisión política previa es elegir cuál de esos objetivos debe pesar más.

Una ayuda pública puede diseñarse para llegar al mayor número de personas o para concentrarse en quienes atraviesan una situación más grave. Un nuevo centro de salud puede ubicarse donde atienda a más población o donde reduzca una desigualdad territorial histórica. En ambos casos existen criterios razonables, pero no son equivalentes.

Cuando se encarga al sistema que encuentre la alternativa «óptima», alguien ya ha decidido qué significa óptimo. Esa elección debe poder explicarse públicamente. De lo contrario, una preferencia política queda escondida detrás de una respuesta técnica.

La IA puede calcular con una precisión extraordinaria las consecuencias de distintos criterios. No puede legitimar el criterio elegido. La legitimidad procede de la ley, del debate, de la rendición de cuentas y de la posibilidad de que la ciudadanía cuestione la decisión.

Una buena prueba no intenta demostrar que la propuesta inicial era correcta. Intenta encontrar las condiciones bajo las cuales dejaría de funcionar.

Eso exige comparar escenarios favorables y adversos, modificar los supuestos y observar qué grupos soportan el error. También exige conservar un registro de los datos utilizados, de las versiones del modelo y de las razones por las que se eligió una alternativa. Si meses después aparecen consecuencias imprevistas, la institución debe poder reconstruir el proceso.

La OCDE advierte de que los datos sesgados, la opacidad y una dependencia excesiva de los sistemas pueden propagar errores y debilitar la responsabilidad pública. El valor de la IA no está en atribuirle una autoridad que no posee, sino en utilizarla para ampliar la capacidad de análisis sin borrar el juicio humano.

Esto enlaza con una idea esencial: la autoridad no se improvisa en la era de la IA. Tampoco se delega en una predicción porque resulte más cómoda o parezca más objetiva.

Si en el futuro aparecen sistemas de inteligencia artificial más generales, podrán relacionar ámbitos que hoy se estudian por separado. Una decisión urbanística podría analizarse al mismo tiempo desde la movilidad, la salud, la actividad comercial, el consumo energético y la percepción ciudadana. El sistema podría conversar con especialistas, localizar contradicciones normativas y reformular escenarios a medida que recibe nueva información.

Esa capacidad aumentará el valor de las simulaciones, pero también su poder persuasivo. Cuanto más completa y convincente parezca una respuesta, más fácil será olvidar que sigue dependiendo de datos, objetivos y límites establecidos por seres humanos.

El riesgo no será solo que la IA se equivoque. También será que una institución deje de formular sus propias preguntas, acepte como neutral el escenario recomendado y convierta una decisión discutible en una conclusión aparentemente inevitable.

La decisión empieza donde termina el cálculo

Las instituciones deberían utilizar la IA para descubrir consecuencias, comparar alternativas y hacer visibles los riesgos antes de actuar. Deberían también contrastar el resultado con conocimiento profesional, experiencia ciudadana y datos que no procedan del propio modelo.

Después llega la parte que no puede automatizarse: decidir qué intereses deben protegerse, explicar por qué se ha elegido una opción y asumir la responsabilidad si la medida produce un daño que pudo haberse evitado.

La síntesis es sencilla: la IA en las decisiones públicas puede ayudarnos a probar una medida antes de aplicarla y a gobernar con más información. Pero no puede decidir qué es justo, porque la justicia no es una predicción. Es una elección pública que debe tener autor, razones y posibilidad de respuesta.

ChatGPT ya responde sobre alcaldes y gobiernos, aunque sus páginas oficiales digan otra cosa

Este artículo forma parte de la serie «El futuro del poder», una reflexión sobre la información institucional en ChatGPT y sobre cómo la inteligencia artificial está transformando la comunicación pública, el liderazgo institucional y la relación entre las administraciones y la ciudadanía.

La información institucional en ChatGPT empieza muchas veces con una pregunta cotidiana. Una persona quiere saber si su ayuntamiento ofrece ayudas para instalar placas solares. Hace unos años habría entrado en Google, abierto varios enlaces y tratado de localizar la convocatoria correcta.

Ahora puede formular la pregunta directamente a ChatGPT, Gemini o cualquier otro asistente con acceso a internet. En pocos segundos recibirá una respuesta ordenada: quién puede solicitar la ayuda, cuánto dinero ofrece y cuándo termina el plazo.

Puede que no visite la página del ayuntamiento. Puede incluso que no compruebe las fuentes.

Si la respuesta está equivocada, para esa persona la información errónea será, inicialmente, la versión de la institución.

Hemos pasado de buscar información a recibir una respuesta

El buscador tradicional presentaba una lista de páginas. El usuario debía elegir cuál abrir, leerla y decidir si resultaba fiable.

Los nuevos buscadores y asistentes realizan parte de ese trabajo. Localizan varias fuentes, seleccionan fragmentos, los comparan y producen una respuesta.

ChatGPT Search se presentó precisamente como una forma de obtener información actualizada mediante una conversación, acompañada de enlaces a las fuentes utilizadas. OpenAI explica que estas respuestas combinan búsqueda y síntesis de información procedente de la web.

Google está siguiendo una dirección similar con AI Overviews y AI Mode. Su documentación explica que estas funciones pueden realizar varias búsquedas relacionadas para construir una respuesta y mostrar enlaces que la respalden. Google describe este proceso como una búsqueda distribuida entre diferentes temas y fuentes.

El cambio parece pequeño, pero altera profundamente la comunicación institucional. La institución ya no compite solamente por aparecer en la primera página de Google. Compite por formar parte de una respuesta elaborada por un sistema que decide qué fuentes utilizar, qué información resumir y qué elementos omitir. La gente ya se informa sin entrar necesariamente en la web de la fuente.

La información institucional en ChatGPT no siempre procede de la web oficial

Podríamos pensar que una inteligencia artificial siempre dará prioridad a la web oficial de un ayuntamiento, un cabildo o un gobierno. No necesariamente.

La página puede estar desactualizada, bloqueada para determinados rastreadores o construida de manera que resulte difícil localizar la información. Puede contener un PDF escaneado, una nota de prensa antigua o una convocatoria cuyo estado actual no aparece claramente identificado.

Mientras tanto, un medio de comunicación, una asesoría o un blog especializado puede haber publicado una explicación más clara. La IA puede utilizar esa fuente porque responde mejor a la pregunta, aunque no sea la responsable de la medida.

Esto produce una situación incómoda: la información oficial existe, pero la explicación de un tercero resulta más accesible y termina condicionando la respuesta.

Además, cumplir todas las recomendaciones técnicas no garantiza que una página sea seleccionada. Google advierte expresamente que una web puede estar correctamente indexada y respetar todas las buenas prácticas sin que eso asegure su aparición en una respuesta generada. La selección continúa dependiendo del sistema, la consulta y las fuentes disponibles.

Las instituciones no pueden controlar completamente lo que responderá una IA. Sí pueden evitar que su propia información sea la fuente más confusa de todas.

El problema de las distintas versiones oficiales

Una institución puede publicar información verdadera y, aun así, generar contradicciones.

Imaginemos una ayuda que comenzó con un presupuesto de dos millones de euros y posteriormente se amplió a tres. La nota de prensa inicial continúa en la web. La noticia sobre la ampliación también. El PDF de la convocatoria conserva la primera cifra y una entrevista del responsable político menciona la segunda.

Para una persona que conozca el proceso, no existe contradicción: son momentos diferentes. Para una inteligencia artificial que encuentre los contenidos sin entender la secuencia completa, puede haber dos respuestas posibles.

Algo parecido ocurre con los plazos. Una convocatoria finalizada puede continuar apareciendo en los buscadores porque tuvo mucha repercusión. Si la página no muestra claramente que está cerrada, la IA puede presentar información antigua como si continuara vigente.

No basta, por tanto, con que cada contenido fuese correcto el día en que se publicó. La institución necesita mantener una versión actual y explicar cómo se relaciona con las anteriores.

La web institucional suele hablar como se organiza la Administración

La ciudadanía no suele llegar a una web institucional pensando en departamentos, procedimientos u órganos administrativos. Llega porque quiere saber si puede solicitar una ayuda, qué cantidad podría recibir, qué documentos debe presentar o cuánto tiempo tiene para hacerlo. Y, cuando algo se retrasa, necesita encontrar rápidamente quién puede informarle y qué pasos debe seguir.

Son preguntas sencillas, pero con frecuencia las respuestas aparecen repartidas entre una resolución, una noticia antigua, un formulario y varias páginas de la sede electrónica. Ese diseño reproduce la estructura administrativa, pero no resuelve la necesidad del usuario. También dificulta el trabajo de las inteligencias artificiales, que necesitan identificar una respuesta clara entre documentos dispersos.

La solución no consiste en simplificar hasta eliminar la precisión jurídica. Consiste en separar las funciones.

La resolución debe seguir estando disponible. Pero debería existir también una página explicativa que traduzca su contenido a preguntas reales, indique el estado actual del procedimiento y enlace directamente a la fuente jurídica.

Una buena página institucional debería permitir que una persona entendiera lo esencial sin perder la posibilidad de comprobar el detalle.

GEO no debería significar manipular a ChatGPT

La optimización para buscadores generativos, conocida como GEO, ha aparecido como respuesta a este cambio. Su objetivo es mejorar la visibilidad de una fuente dentro de las respuestas creadas por sistemas de IA.

La investigación que formuló inicialmente este concepto mostró que la visibilidad dentro de una respuesta generativa no funciona como el posicionamiento clásico: una fuente puede aparecer citada, influir en una frase o quedar relegada aunque sea relevante. El estudio también observó que la presencia de datos verificables, fuentes y citas podía mejorar la visibilidad, aunque los resultados variaban según el tema. El trabajo fue presentado en KDD 2024.

Para una institución pública, GEO no debería consistir en introducir frases diseñadas para manipular una respuesta o lograr que la IA elogie a un gobierno.

Debería entenderse como una disciplina de claridad pública: conseguir que la información oficial pueda encontrarse, comprenderse, verificarse y citarse correctamente.

La diferencia es importante. Una empresa puede buscar visibilidad para vender un producto. Una Administración debe buscar que la ciudadanía reciba información correcta, incluso cuando esa información no resulte políticamente favorable.

Qué tendría que cambiar una institución

Mejorar la información institucional en ChatGPT exige identificar una fuente principal para cada asunto. Si una ayuda, obra o decisión pública aparece en diez páginas, una de ellas debe contener el estado actualizado y enlazar las versiones anteriores. Este trabajo se apoya en una organización más sólida del conocimiento de la administración. Esa fuente principal necesita fechas con significado. No basta con indicar cuándo se publicó una noticia: conviene mostrar cuándo se revisó la información, si continúa vigente y qué ha cambiado desde la actualización anterior.

La explicación también debe responder con claridad a las dudas reales. La información importante ha de estar disponible como texto, no solo dentro de una imagen o un PDF. Google recomienda expresamente que los contenidos esenciales sean accesibles en formato textual y que los datos estructurados coincidan con lo que ve el usuario.

También hay una dimensión técnica. OpenAI señala que una web pública puede aparecer en ChatGPT Search y recomienda no bloquear OAI-SearchBot si se quiere que el contenido pueda encontrarse, resumirse y citarse. La compañía diferencia este rastreador del utilizado para el posible entrenamiento de modelos. La documentación para editores explica esta separación.

Estas cuestiones necesitan coordinación entre comunicación, informática, transparencia, atención ciudadana y las unidades responsables de cada servicio. Ya no pueden considerarse únicamente un trabajo de posicionamiento web.

La institución debería preguntar a las IA qué saben sobre ella

La calidad de la información institucional en ChatGPT también debe comprobarse. Existe una prueba sencilla que cualquier administración puede realizar. Puede seleccionar las preguntas que la ciudadanía formula con más frecuencia y plantearlas periódicamente a distintos asistentes. Puede preguntar por las ayudas de vivienda, las calles afectadas por una obra, los requisitos de un servicio o la vigencia de una convocatoria.

Después debería registrar qué respondió cada sistema, qué fuentes utilizó, cuándo estaban fechadas y qué errores aparecieron. El objetivo no es elaborar una clasificación de inteligencias artificiales, sino descubrir qué información pública está funcionando y dónde existen vacíos, contradicciones o contenidos obsoletos. Esa comprobación forma parte de una escucha institucional más amplia antes de decidir y comunicar.

Esa revisión también permite detectar cuándo la fuente principal de una respuesta no es la institución, sino una noticia antigua o una página comercial. En ocasiones, el tercero explicará mejor el asunto. En otras, estará difundiendo datos que ya no son válidos.

No se trata de controlar todas las respuestas

Ninguna institución podrá decidir completamente qué dirá ChatGPT sobre un alcalde, una política pública o una controversia. Tampoco debería intentarlo.

Los asistentes deben poder utilizar fuentes independientes, críticas y periodísticas. La versión oficial no es la única que existe ni siempre es la más completa.

Lo que sí corresponde a la institución es asegurar que los hechos que dependen de ella estén disponibles de manera clara: importes, plazos, requisitos, decisiones adoptadas y documentos que las sustentan.

Antes, una página confusa obligaba al ciudadano a llamar por teléfono o buscar otro enlace. Ahora puede convertirse en el material con el que una inteligencia artificial construya una respuesta equivocada para miles de personas.

Las instituciones ya no publican solamente para lectores humanos. Publican también para sistemas que reinterpretan su información y la presentan fuera de su contexto original.

Por eso, mejorar la información institucional en ChatGPT mediante una web ordenada, contenidos actualizados y respuestas claras ya no es una mejora técnica. Es una nueva responsabilidad de la comunicación pública.

La inteligencia artificial puede preparar mejores discursos, pero no puede prestar credibilidad a un dirigente

Este artículo forma parte de la serie «El futuro del poder», una reflexión sobre la inteligencia artificial en discursos políticos y sobre cómo esta tecnología está transformando la comunicación pública, el liderazgo institucional y la relación entre las administraciones y la ciudadanía.

La inteligencia artificial en discursos políticos ya no es una posibilidad remota. Puede escribir una intervención, resumirla, mejorar sus frases y preparar respuestas para las preguntas más incómodas. También puede analizar una grabación, detectar un tono monótono, localizar muletillas o advertir que la idea principal tarda demasiado en aparecer.

Dentro de poco podrá hacer mucho más. Podrá generar una versión diferente del mismo discurso para cada audiencia, simular las posibles reacciones y recomendar cambios antes de que el dirigente se coloque delante de un micrófono.

Todo eso puede ayudarle a comunicar mejor. Lo que no puede hacer es conseguir que la ciudadanía crea en él.

Qué cambia con la inteligencia artificial en discursos políticos

Cuando se analiza una intervención política, es frecuente concentrarse en el texto: qué se dijo, qué expresiones se utilizaron y qué frase terminó convertida en titular.

Sin embargo, una parte importante de la comunicación ocurre fuera del texto. El ritmo, las pausas, la voz, los gestos y la manera de reaccionar ante una interrupción también influyen en la percepción del público.

Una investigación reciente sobre discursos de campañas presidenciales encontró que cambios relativamente sutiles en la velocidad y modulación de la voz alteraban la valoración de los candidatos y la disposición declarada a votarlos. El estudio resulta interesante porque compara intervenciones con palabras iguales o muy parecidas: lo que cambia es la forma de pronunciarlas. La investigación confirma que la voz y la ejecución importan, no solamente el texto.

La inteligencia artificial puede trabajar sobre esas tres dimensiones: las palabras, la voz y la imagen. Puede ayudar a mejorar cada una por separado y también comprobar si funcionan juntas.

El problema comienza cuando esa capacidad se utiliza para ocultar al dirigente real detrás de una versión cuidadosamente fabricada.

La IA como entrenador

Hay usos de la inteligencia artificial que pueden mejorar mucho la comunicación pública sin sustituir a la persona.

Un alcalde que debe explicar una reorganización del tráfico puede utilizarla para convertir un documento técnico en un discurso comprensible. Un consejero puede pedirle que identifique las preguntas que probablemente harán los periodistas. Un portavoz puede ensayar una comparecencia y comprobar si sus respuestas contienen datos suficientes o se refugian en expresiones vacías.

La IA también puede representar distintos interlocutores. Puede formular las preguntas de un vecino afectado, un periodista crítico, un funcionario preocupado por la ejecución de la medida o un adversario político interesado en destacar sus puntos débiles. Esta capacidad se relaciona con el uso de la IA para escuchar antes de decidir y comunicar.

Ese entrenamiento permite llegar mejor preparado y descubrir contradicciones antes de que lo haga el público. Pero exige una condición: el dirigente debe intervenir en el proceso.

No debería recibir un texto terminado cinco minutos antes de la comparecencia y limitarse a leerlo. Tiene que entender los argumentos, cuestionarlos y relacionarlos con las decisiones que realmente ha tomado. La IA puede ayudar a ordenar su pensamiento, pero no debería pensar en su lugar.

Cuando todos los discursos empiezan a parecer el mismo

La inteligencia artificial tiende a producir intervenciones ordenadas, prudentes y formalmente correctas. También puede generar textos previsibles, llenos de expresiones que sirven para cualquier institución, partido o dirigente.

El resultado puede ser impecable y, al mismo tiempo, irrelevante.

Si se utiliza sin criterio, la IA eliminará del discurso aquellas irregularidades que permiten reconocer a quien habla: sus expresiones habituales, su manera de contar una experiencia o la forma particular en que explica un problema.

Esto no significa que todo rasgo personal sea valioso. Una mala explicación no se vuelve auténtica por ser espontánea. Pero existe una diferencia entre corregir lo que dificulta la comprensión y borrar todo lo que concede personalidad al mensaje.

El riesgo no es únicamente que todos los discursos se parezcan. Es que la persona que los pronuncia deje de reconocerse en ellos.

Cuando llega una pregunta inesperada, aparece la distancia entre el personaje preparado y el dirigente real. La voz cambia, el vocabulario es distinto y los argumentos pierden la seguridad que tenían mientras existía un guion.

El dirigente perfecto puede resultar poco creíble

La tecnología permitirá pulir cada vez más la imagen pública de un dirigente. Se podrán corregir gestos, modificar la voz, seleccionar automáticamente los mejores fragmentos y generar vídeos en los que cada palabra parezca pronunciada con absoluta seguridad.

Podremos encontrarnos con un representante político que nunca duda, nunca se equivoca y siempre tiene preparada la frase apropiada.

Esa perfección no necesariamente producirá confianza. Puede provocar el efecto contrario.

La ciudadanía sabe que los problemas públicos son complejos. Un dirigente que nunca reconoce una incertidumbre puede parecer menos fiable que otro capaz de explicar qué sabe, qué desconoce y qué necesita comprobar.

La credibilidad no exige conocer todas las respuestas. Exige no fingir que se conocen.

En este sentido, la autenticidad no consiste en mostrar continuamente la vida privada ni en buscar una espontaneidad artificial para las redes sociales. Consiste en que exista continuidad entre las palabras, las decisiones y el comportamiento del dirigente cuando pierde el control del escenario. La autoridad tampoco se improvisa cuando la IA entra en la comunicación pública.

Decir que se ha utilizado IA no resuelve todo el problema

La transparencia será una parte necesaria de esta nueva comunicación. El Reglamento europeo de inteligencia artificial establece obligaciones de identificación para determinados contenidos sintéticos y manipulados, especialmente cuando pueden confundirse con una imagen, una voz o un vídeo auténticos. También contempla el contenido generado para informar sobre asuntos de interés público y la importancia de que exista revisión y responsabilidad editorial. El artículo 50 del Reglamento europeo desarrolla estas obligaciones de transparencia.

Pero colocar una etiqueta que indique «generado con IA» no resuelve por sí solo el problema de la influencia.

Un experimento reciente presentó mensajes sobre políticas públicas elaborados con IA y los atribuyó, según el grupo, a una inteligencia artificial, a un experto humano o a ninguna fuente concreta. En ese contexto experimental, la etiqueta no redujo de manera significativa la capacidad persuasiva de los mensajes. Los propios investigadores advierten que identificar el origen mejora la transparencia, pero no necesariamente neutraliza su influencia. El estudio se publicó en PNAS Nexus.

La lección es importante: la transparencia es necesaria, pero no sustituye a la responsabilidad. Un dirigente no puede presentar un mensaje como aceptable únicamente porque ha advertido que se utilizó IA para producirlo.

Un dirigente, muchas versiones

La inteligencia artificial en discursos políticos también abre la puerta a la personalización. Una misma intervención puede adaptarse para jóvenes, mayores, comerciantes, empleados públicos o vecinos de un municipio concreto. La IA puede modificar los ejemplos, la duración y el tono para acercar la explicación a cada audiencia.

Esto puede tener un uso positivo. No se explica de la misma manera una medida en un documento técnico que en un vídeo de un minuto.

El límite aparece cuando no solo cambia la forma, sino también el fondo. Si cada grupo recibe una versión diseñada para coincidir con sus expectativas, puede llegar un momento en que el dirigente esté prometiendo cosas distintas sin que las audiencias puedan comparar los mensajes.

La personalización deja entonces de facilitar la comprensión y comienza a fragmentar la responsabilidad política.

Una regla sencilla sería mantener un núcleo público y comprobable: los datos, compromisos y argumentos principales deben ser los mismos para todos. Lo que puede adaptarse es la manera de explicarlos.

La credibilidad se construye fuera del discurso

La inteligencia artificial puede ayudar a un dirigente a encontrar mejores palabras. También puede enseñarle a respirar, utilizar las pausas y evitar respuestas confusas.

Sin embargo, la credibilidad se construye antes y después de la intervención.

Depende de si los datos anunciados eran correctos, de si el compromiso se cumplió y de si el dirigente compareció también cuando las noticias eran malas. Depende de su capacidad para rectificar y de que sus explicaciones coincidan con la experiencia que viven los ciudadanos.

La IA puede convertir una decisión difícil en un mensaje más comprensible. No puede convertir una mala decisión en una buena política.

Ese será el verdadero límite de la inteligencia artificial en discursos políticos. La tecnología podrá mejorar la comunicación del dirigente, pero no podrá prestarle una credibilidad que su comportamiento no haya construido.

La IA está cambiando la forma en que una institución escucha antes de decidir y comunicar

Este artículo forma parte de la serie «El futuro del poder», una reflexión sobre cómo la inteligencia artificial está transformando la comunicación pública, el liderazgo institucional y la relación entre las administraciones y la ciudadanía.

Las administraciones públicas nunca habían dispuesto de tanta información. Cada día reciben solicitudes, avisos, expedientes, consultas, quejas, comentarios en redes sociales, noticias, intervenciones políticas y conversaciones con asociaciones, empresas y colectivos ciudadanos. A primera vista, parecería que un ayuntamiento, un cabildo o un gobierno dispone de todo lo necesario para entender qué está ocurriendo en su territorio.

Sin embargo, tener información no significa necesariamente estar escuchando. Una parte de esos datos permanece encerrada en departamentos que apenas se comunican entre sí. Otra llega cuando el problema ya se ha hecho visible. Y otra se pierde entre cientos de documentos, publicaciones y mensajes que nadie tiene tiempo de ordenar con suficiente perspectiva.

La inteligencia artificial puede cambiar esta situación. No porque vaya a conocer mágicamente lo que piensa toda la ciudadanía, sino porque permite reunir señales dispersas, encontrar relaciones y detectar asuntos que merecen atención antes de que se conviertan en una crisis. El verdadero cambio no consiste en observar más, sino en aprender a escuchar con un propósito público.

Escuchar no es acumular más datos

Una institución puede cometer el error de pensar que mejorar su escucha consiste en almacenar cada vez más información. Más cuadros de mando, más alertas, más informes y más indicadores no garantizan una comprensión mejor. En ocasiones producen el efecto contrario: aumentan el ruido y hacen más difícil distinguir lo urgente de lo importante.

La primera pregunta debería ser qué necesita comprender la organización. Puede tratarse de saber por qué un servicio genera reclamaciones recurrentes, detectar dudas sobre una nueva ayuda, conocer cómo se interpreta una decisión pública o descubrir que un problema aparentemente menor está apareciendo simultáneamente en varios municipios.

Cuando la pregunta está bien formulada, la IA puede ayudar a relacionar información procedente de distintos lugares. Una consulta repetida en atención ciudadana, varias noticias locales y un aumento de comentarios sobre el mismo asunto pueden constituir una señal relevante. Ninguna fuente aislada ofrece una imagen completa, pero su combinación permite decidir dónde conviene mirar con mayor detenimiento.

La conversación pública ya no ocurre en un solo lugar

Durante años, los gabinetes institucionales podían concentrar buena parte de su atención en la prensa, la radio y la televisión. Después llegaron las redes sociales y multiplicaron los espacios de conversación. Hoy, la comunicación pública ya no puede depender de un solo canal. Ahora se añade una nueva capa: buscadores, plataformas de vídeo, mensajería privada y sistemas de inteligencia artificial que seleccionan, resumen y explican información sin que la persona llegue necesariamente a la fuente original.

Esto cambia la manera en que una institución es entendida. Una nota de prensa puede estar correctamente redactada y, aun así, no responder a la pregunta que la ciudadanía está formulando. Una política pública puede ser técnicamente sólida, pero quedar definida en la conversación colectiva por una duda no contestada, una experiencia negativa o una explicación incompleta que se repite en distintos canales.

Escuchar en este nuevo entorno exige observar no solo cuántas veces se menciona una institución, sino qué asuntos se relacionan con ella, quién los plantea, qué preguntas quedan sin respuesta y cómo evoluciona la interpretación de una decisión. También obliga a reconocer los límites: la conversación digital no representa por sí sola a toda la población y suele sobrerrepresentar a quienes participan con mayor intensidad.

De la reacción a la anticipación responsable

Muchas organizaciones activan su capacidad de escucha cuando el problema ya ha llegado a los medios o se ha convertido en una polémica. En ese momento, el margen para explicar, corregir o dialogar es mucho menor. La IA puede ayudar a reconocer antes determinados patrones: una pregunta que comienza a repetirse, una información errónea que gana visibilidad o varias señales débiles que apuntan hacia la misma preocupación.

Anticipar no significa adivinar el futuro ni atribuir a un algoritmo una certeza que no tiene. Significa detectar indicios con tiempo suficiente para comprobarlos. La respuesta adecuada puede ser revisar un procedimiento, hablar con el servicio responsable, mejorar una explicación o abrir un espacio de participación. El sistema señala dónde conviene prestar atención; la institución decide qué significa la señal y cómo actuar.

En este terreno existe una experiencia concreta dentro de mi ecosistema profesional. MMI Analytics realiza seguimiento de medios en Canarias desde 1993 y actualmente orienta su trabajo a convertir información pública dispersa en señales útiles para comprender la reputación, los temas emergentes y los efectos de la comunicación. Su valor no consiste en sustituir la decisión de una institución ni en afirmar que conoce toda la opinión ciudadana. Consiste en ordenar parte del ruido, conservar el contexto y señalar dónde merece la pena realizar una lectura más profunda.

Esa información debe combinarse con otras fuentes: datos de los servicios, atención ciudadana, encuestas, participación pública, conocimiento territorial y experiencia profesional. La escucha institucional es más fiable cuando triangula evidencias en lugar de depender de una única pantalla o de un indicador llamativo.

Cuando escuchar puede convertirse en vigilar

La capacidad de reunir y analizar señales también introduce riesgos. Una administración no debería utilizar la IA para construir perfiles innecesarios de ciudadanos, inferir características sensibles o convertir cualquier discrepancia en una amenaza reputacional. Escuchar a la sociedad no equivale a clasificar políticamente a las personas ni a observar su comportamiento sin límites.

Antes de poner en marcha un sistema de escucha conviene definir qué información se necesita, para qué decisión se utilizará, durante cuánto tiempo se conservará y quién podrá acceder a ella. También debe distinguirse entre información pública, datos administrativos y contenidos que requieren una protección especial. Que una tecnología permita combinar determinadas fuentes no significa que hacerlo sea proporcionado, legal o conveniente. Este principio conecta con una idea básica: la IA pública no empieza por la herramienta, sino por el proceso.

La confianza se protege explicando los criterios, limitando la recogida de datos y manteniendo responsabilidad humana sobre las conclusiones. Un modelo puede señalar una tendencia, pero no debería decidir por sí solo que una comunidad está descontenta, que un colectivo representa un riesgo o que una política debe modificarse. Estas interpretaciones necesitan contexto, contraste y responsabilidad pública.

Qué podría cambiar con una inteligencia artificial más general

Los sistemas actuales ya pueden resumir grandes volúmenes de información, clasificar asuntos y ayudar a encontrar patrones. Una inteligencia artificial más general podría ir mucho más lejos. Podría relacionar de forma continua señales procedentes de servicios públicos, normativa, medios, participación y conocimiento territorial; formular hipótesis; detectar contradicciones y proponer preguntas que la organización todavía no se había planteado.

En ese escenario, la escucha dejaría de ser un informe que llega cada cierto tiempo. Se convertiría en una capacidad permanente de aprendizaje institucional. Ante una nueva medida, el sistema podría anticipar qué dudas surgirán, identificar qué grupos necesitan explicaciones diferentes y señalar consecuencias no previstas. También podría simular escenarios para ayudar a preparar respuestas antes de que el problema aparezca.

Pero cuanto mayor sea esa capacidad, más importante será gobernarla. Una IA más autónoma también podría amplificar prejuicios, confundir actividad digital con representatividad o recomendar respuestas diseñadas para reducir la crítica en lugar de mejorar la política pública. El futuro de la escucha institucional dependerá menos de la potencia del modelo que de las reglas, los controles y la cultura democrática que orienten su uso.

La escucha solo tiene valor si cambia una decisión

Una administración no escucha mejor porque produzca informes más rápidos o reciba más alertas. Escucha mejor cuando una señal relevante llega a la persona adecuada, se contrasta con otras evidencias y permite adoptar una decisión útil.

A veces esa decisión consistirá en corregir un procedimiento. Otras veces será explicar mejor una actuación, reconocer un error, abrir una conversación o comprobar que un asunto muy visible en internet no representa una preocupación extendida. También habrá ocasiones en las que escuchar signifique mantener una decisión y explicar con mayor claridad por qué se ha tomado.

La inteligencia artificial puede ayudar a las instituciones a comprender antes y con más contexto lo que ocurre a su alrededor. Pero la calidad de la comunicación pública seguirá dependiendo de algo profundamente humano: la voluntad de prestar atención, aceptar matices y convertir lo aprendido en mejores servicios, mejores explicaciones y decisiones más responsables.

En síntesis

Una institución escucha mejor con IA cuando define qué necesita comprender, combina señales diversas, contrasta antes de actuar y mantiene límites claros sobre los datos y las decisiones. La tecnología puede anticipar problemas y mejorar la comunicación, pero no sustituye el juicio profesional, la responsabilidad pública ni el diálogo con la ciudadanía.

La IA ahorra tiempo a los funcionarios. La pregunta es qué hacer después con esas horas

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 IA no debería llegar a la administración como una moda, sino como una nueva forma de organizar el trabajo

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.

Escanea el código