El sector público acelera el despliegue de IA agéntica a pesar de las deficiencias en supervisión y datos

Los gobiernos de todo el mundo están pasando de iniciativas experimentales de IA a despliegues a gran escala, impulsados por la creciente expectativa ciudadana de recibir servicios más rápidos y resultados medibles. Sin embargo, la preparación institucional y la supervisión siguen rezagadas respecto a la ambición técnica, según conclusiones recientes del Capgemini Research Institute.

Basado en una encuesta a 600 altos ejecutivos del sector público, el estudio reveló que poco más de la mitad de las organizaciones estatales están explorando, probando mediante pilotos o desplegando IA agéntica. Al mismo tiempo, menos de una cuarta parte de los encuestados afirmó que sus prácticas de IA responsable avanzan al mismo ritmo que su velocidad de implementación.

Infraestructura heredada y cuellos de botella de datos

Expertos del sector advierten que esta brecha se debe a deficiencias técnicas históricas dentro de las administraciones públicas. Marc Reinhardt, líder global de la industria para el sector público en Capgemini, señaló que las agencias gubernamentales han lidiado durante años con infraestructuras obsoletas, sistemas heredados, interoperabilidad y gobernanza. Con el auge de la IA agéntica —que exige un amplio acceso a bases de datos y sistemas diversos—, modernizar estas bases se ha vuelto urgente.

Reinhardt identificó la falta de cimientos sólidos de datos como el mayor obstáculo para escalar la IA agéntica. Además, muchos sistemas heredados nunca fueron diseñados para conectarse mediante APIs, lo que impide que los agentes de software autónomos interactúen con ellos de manera fluida.

Laura Gilbert, responsable del programa AI for Government en el Tony Blair Institute for Global Change, con sede en Londres, reforzó la idea de que los sistemas subyacentes, y no los modelos centrales, representan el principal cuello de botella. También enfatizó una creciente brecha de "capacidad y confianza" en los organismos públicos, señalando que la excesiva dependencia del conocimiento técnico tercerizado deja a los funcionarios poco preparados para evaluar la seguridad, analizar la viabilidad o establecer responsabilidades cuando los agentes de software actúan de forma autónoma.

Mitigación de riesgos con flujos de trabajo de "puerta de dos vías"

Para reducir la brecha entre innovación y seguridad, los expertos aconsejan a los gobiernos establecer salvaguardas claras que detallen qué decisiones puede ejecutar un agente de IA de forma independiente, a qué datos puede acceder y en qué momento debe transferir el control a un operador humano.

Las primeras implementaciones se aprovechan mejor en tareas internas repetitivas y de gran volumen, donde los errores tengan consecuencias mínimas para el público. Reinhardt señaló los flujos de trabajo administrativos, el procesamiento de documentos, la gestión de casos, las aprobaciones de rutina y los procesos internos de TI como puntos de partida idóneos.

De manera similar, Gilbert recomendó entornos de bajo riesgo como la clasificación de casos entrantes, la gestión de correspondencia y el resumen de evidencias. Estas tareas ofrecen ahorros de tiempo visibles y operan como "puertas de dos vías", donde las equivocaciones pueden revertirse con facilidad sin dañar la confianza pública ni alterar directamente los resultados para los ciudadanos.

Más allá de los límites operativos, los expertos coinciden en que las agencias deben formar equipos técnicos internos, pequeños y altamente capacitados, situados cerca de los tomadores de decisiones, para evaluar, cuestionar y gobernar los sistemas de IA a medida que las implementaciones se expandan.