PW · PeopleWorks Blog
Ahora atendiendo A-000 Recepción
ES / EN
IA · Gobierno · Ciudadanía

Ahora atendiendo: la IALo que promete al servicio público y los recibos que debemos pedirle

Menos filas, menos fraude, mejores decisiones: la inteligencia artificial llega a la ventanilla pública con promesas enormes. Revisamos cada una, la ponemos junto a su riesgo y, de paso, auditamos el propio informe que las enumera, que también fue escrito por una IA.

PeopleWorks · 7 nov 2026Lectura: ~15 minFuente: informe STORM (Stanford OVAL)
A-01

El informe que vamos a auditar

Antes de pasar a la ventanilla

La fuente de este artículo es un informe titulado Benefits of Artificial Intelligence in Public Service. Tiene índice, cuatro grandes apartados y 27 referencias numeradas. Parece un documento de consultoría. No lo es: lo generó STORM, un sistema del Open Virtual Assistant Lab de la Universidad de Stanford que investiga en la web y redacta artículos al estilo enciclopedia.

Eso no lo descalifica. STORM es un proyecto académico serio, presentado en NAACL 2024, y su resultado es un buen mapa del tema: ordena los beneficios, las aplicaciones, los retos y el futuro de la IA en el gobierno. Pero el propio informe trae una advertencia en la portada que merece leerse despacio:

The generated report can make mistakes. «El informe generado puede contener errores». Le sigue una invitación a verificar la información importante.

Aquí aparece una ironía útil. Uno de los retos que el informe describe es la documentación: que todo sistema de IA usado en lo público explique para qué sirve, cómo se diseñó y dónde falla. Un informe escrito por IA sobre IA en el gobierno es, en sí mismo, un caso de estudio de ese principio.

La regla de este artículo

Cada cifra lleva un sello. Comprobamos las afirmaciones clave contra fuentes primarias y les pusimos una de cuatro marcas:

Consistente Ref. desplazada Matizado No rastreado

«No rastreado» no significa «falso». Significa que no encontramos el origen y que, por ahora, no deberías citarlo como hecho.

A-02

De Dewey a los chatbots

Contexto histórico

El informe arranca lejos de los servidores: en un debate filosófico de principios del siglo XX. John Dewey y Walter Lippmann discutieron qué es «el público». Su respuesta compartida cambia la forma de pensar la IA gubernamental: el público no es una masa fija, sino algo que se forma cuando un grupo de personas se ve afectado por un mismo problema.

Esa idea explica por qué la IA en lo público no es solo un asunto técnico. Cada sistema que decide quién recibe un servicio o a quién se investiga crea, literalmente, un nuevo público: las personas afectadas por esa decisión.

  1. Principios del s. XX

    El público como relación

    Dewey y Lippmann plantean que el público surge de los problemas compartidos, no de un padrón.

  2. Décadas de desarrollo

    Aprendizaje automático y lenguaje natural

    La IA, una rama de la informática que busca que las máquinas razonen y decidan, gana dos herramientas que cambian el trabajo administrativo.

  3. Décadas recientes

    Chatbots y asistentes virtuales

    Las agencias los adoptan para atender consultas y analizar comentarios ciudadanos, y para aliviar la carga administrativa.

  4. Hoy

    La pregunta regulatoria

    La velocidad del cambio deja al descubierto la falta de reglas claras sobre equidad, rendición de cuentas y transparencia.

A-03

Cuatro beneficios, cuatro ventanillas

Lo que promete el informe

El informe agrupa los beneficios en cuatro familias. Pasa por cada ventanilla: verás la cifra que el informe ofrece y el sello que le pusimos tras verificarla.

35 %de ahorro posible en las áreas impactadas, a diez años, frente a un 10–15 % de la optimización tradicionalMatizado

La automatización de tareas repetitivas (captura de datos, clasificación de documentos, tramitación de expedientes) reduce errores y acelera el servicio. El informe también afirma que estas herramientas recortan 80 días el tiempo medio de tramitación de un caso No rastreado.

El 35 % existe, pero con letra pequeña: la vemos en la ventanilla A-04.

A-04

El 35 % bajo la lupa

De dónde sale la cifra estrella

La cifra más llamativa del informe es ese ahorro de hasta un 35 %. Rastreándola llegamos a un estudio de Boston Consulting Group de 2024, Spend Smarter and Serve Better. El dato está ahí, pero con tres condiciones que el informe pierde por el camino:

  • BCG habla de un rango de 25 % a 35 %, no de un «hasta 35 %».
  • Se aplica a funciones y agencias concretas, no al presupuesto completo de un gobierno.
  • Requiere un horizonte largo: diez años o más.

Para la optimización tradicional, BCG estima un 10 % o más en el conjunto del gobierno. El informe dice 10–15 %. Así se ven las dos versiones:

Ahorro estimado sobre costes: el informe frente a su fuente

Porcentaje de costes. Pasa el cursor o el foco por cada fila para ver el detalle.

Optimización tradicionalCon IA (horizonte ≥10 años)
Ahorro estimado: informe STORM frente a BCG 2024 El informe: tradicional 10–15 %, IA hasta 35 %. BCG: tradicional alrededor de 10 % o más; IA 25–35 % en funciones concretas a 10 años o más. 0 %10 %20 %30 %40 % El informe (STORM) Tradicional 10–15 % Con IA hasta 35 % La fuente (BCG, 2024) Tradicional ≈10 %+ Con IA 25–35 %
Ver como tabla
FuenteEscenarioAhorroCondiciones
Informe STORMTradicional10–15 %No se especifican
Informe STORMCon IAhasta 35 %Áreas impactadas, próxima década
BCG 2024Tradicional≈10 % o másTodo el gobierno, herramientas existentes
BCG 2024Con IA25–35 %Funciones concretas, ≥10 años, sin despidos

Calcula tu propio recibo

Prueba la cifra con un presupuesto. La clave está en el segundo control: qué parte del presupuesto corresponde de verdad a funciones donde la IA puede actuar. Ese porcentaje es el que los titulares suelen omitir.

En cualquier moneda. Ejemplo: un ayuntamiento mediano.

BCG aplica el 25–35 % solo a funciones y agencias concretas, no al total.

Recibo de la promesa

Base afectada—
Tradicional (10 %)—
IA · bajo (25 %)—
IA · alto (35 %)—
Diferencia vs. tradicional—

Ahorro anual estimado una vez madura la implantación (horizonte de 10 años o más). Es una proyección de consultoría, no una garantía, y no descuenta el coste de implantar la IA.

A-05

Cinco escenas de la IA pública

Aplicaciones, con su otra cara

El informe describe cinco campos de aplicación. Cada tarjeta muestra la promesa; dale la vuelta para ver el riesgo que el propio informe plantea más adelante y la pregunta que harías como ciudadano.

Seguridad pública

La policía analiza grandes volúmenes de datos para detectar tendencias delictivas y actuar antes. El Departamento de Policía de San Francisco usa IA para detectar amenazas emergentes y conectar incidentes que parecían aislados.

Origen verificado: Oracle, 2024 Ref. desplazada

El informe advierte que el sesgo puede entrar al recoger los datos o al construir el modelo, y perpetuar discriminaciones históricas. En seguridad, eso significa vigilar más a quien ya se vigilaba más.

¿Con qué datos históricos se entrenó y quién revisó su sesgo?

Salud

Analizando el uso de servicios y los patrones de demanda, la IA ayuda a los gobiernos locales a repartir mejor los recursos sanitarios, sobre todo donde escasean, y a detectar sesgos en los datos de salud.

Aplicación descrita por el informe

El mismo informe pide que, cuando se usen datos de salud, exista una participación pública seria y sostenida. Los grupos marginados, además, pueden no tener poder para impugnar lo que decida un algoritmo.

¿Se consultó a las comunidades que recibirán, o dejarán de recibir, el recurso?

Control y fraude

Los gobiernos locales sufren escasez de auditores. La IA revisa informes financieros a gran velocidad y marca anomalías en facturas. Cuanto más usan los estafadores la IA, más necesaria se vuelve del otro lado.

Origen verificado: Oracle, 2024

Una alerta automática no es una prueba. El informe pide que los proveedores respondan por lo que afirman de sus sistemas. Un falso positivo en una auditoría puede manchar a un proveedor o a un funcionario honesto.

¿Quién revisa la alerta antes de que tenga consecuencias?

Atención ciudadana

Chatbots y portales de autoservicio responden preguntas frecuentes sin esperar a una persona, y reducen tiempos de respuesta y carga administrativa.

Origen verificado: Oracle, 2024 Matizado

Detalle revelador: el informe dice que los ciudadanos consultan al chatbot sobre nómina e incorporación. En la fuente original, esas consultas son de empleados públicos. Un chatbot interno y uno ciudadano tienen riesgos muy distintos.

¿Hay siempre una vía humana si el chatbot no resuelve?

Gestión de crisis

Con datos en tiempo real, incluidas imágenes aéreas de drones, la IA ayuda a evaluar daños y coordinar ayuda. En 2023 se usó tras la rotura de la presa de Kajovka en Ucrania y en los incendios de Maui.

Origen verificado: Oracle, 2024

En una emergencia nadie tiene tiempo de auditar un modelo. Por eso el informe insiste en documentar antes el propósito, el diseño y las limitaciones de cada sistema, y en evaluarlo cuando aparecen usos nuevos e imprevistos.

¿Estaba documentado y probado antes de que llegara la crisis?

A-06

Auditoría de la fuente

Diez afirmaciones, diez sellos

El informe pide «insumos de rendición de cuentas»: información transparente, evaluaciones independientes y límites bien comunicados. Se los aplicamos a él.

Revisamos diez afirmaciones. Para cada una comparamos tres cosas: lo que dice el informe, la referencia numerada que le asigna y lo que encontramos al buscar el origen.

ConsistenteRef. desplazadaMatizadoNo rastreado
  • #01Dewey y Lippmann: el público surge de los problemas compartidosConsistente
    Cita
    [1] «Who are the publics engaging in AI?» (PMC)
    Hallazgo
    El título de la referencia encaja con la afirmación. Es la única cita del grupo que coincide sin más.
  • #02Ahorro de hasta 35 % frente a 10–15 % tradicionalMatizado
    Cita
    [3] «Responsible AI for Public Evaluation»
    Hallazgo
    El dato viene de BCG («Spend Smarter and Serve Better», 2024). La única referencia de BCG en la lista es la [9], no la [3]. BCG da un rango de 25–35 % para funciones concretas en 10 años o más, y alrededor de 10 % para la vía tradicional.
  • #0380 días menos de tramitación media por casoNo rastreado
    Cita
    [3], la misma referencia que el ahorro
    Hallazgo
    No encontramos el origen. Hay casos reales de reducciones grandes en tramitación, pero ninguno con esta cifra exacta. Mejor no citarla.
  • #04Mejoras de 30–50 % en la eficiencia del servicioNo rastreado
    Cita
    [4] «The three challenges of AI regulation» (Brookings)
    Hallazgo
    Por su título, la referencia trata de regulación, no de medir eficiencia. No localizamos la cifra en otra fuente.
  • #05La policía de San Francisco conecta incidentes con IARef. desplazada
    Cita
    [25] «Exploring the Pros and Cons of Regulating AI in Government»
    Hallazgo
    El caso está en «Using AI in Local Government: 10 Use Cases» de Oracle (2024), que el informe lista como [16].
  • #06IA en la presa de Kajovka y los incendios de MauiRef. desplazada
    Cita
    [25]
    Hallazgo
    También procede del artículo de Oracle: en 2023, equipos de respuesta analizaron con IA imágenes de drones y helicópteros. El contenido es correcto; el número de cita no.
  • #07Los ciudadanos consultan al chatbot sobre nómina e incorporaciónMatizado
    Cita
    [25]
    Hallazgo
    En Oracle, los chatbots de nómina e incorporación atienden a empleados; los ciudadanos usan autoservicio para trámites como los permisos de construcción. El informe cambió el destinatario.
  • #08Crear «insumos de rendición de cuentas»Ref. desplazada
    Cita
    [10] «How AI is Being Used to Improve Public Sector…»
    Hallazgo
    El concepto es del informe de rendición de cuentas de la NTIA de EE. UU. (marzo de 2024). En la lista hay una referencia de la NTIA: la [20].
  • #09Participación pública seria en servicios y datos de saludRef. desplazada
    Cita
    [9] «Benefits of AI in Government» (BCG)
    Hallazgo
    Un texto de beneficios no es el lugar esperable para esta idea. Por título, encaja con [19], del Ada Lovelace Institute, sobre participación pública significativa. Probable, no confirmado.
  • #10El sesgo puede entrar en todo el ciclo de vida de la IARef. desplazada
    Cita
    [11] «8 Benefits of Artificial Intelligence for Government»
    Hallazgo
    Por título, encaja mejor con [21], el marco ético de IA de la Comunidad de Inteligencia de EE. UU. Probable, no confirmado.

Un patrón curioso

En tres casos, la referencia que mejor encaja está exactamente diez posiciones después de la citada:

[9] → [19] participación
[10] → [20] NTIA
[11] → [21] ética y sesgo

No podemos saber por qué. Pero encaja con lo que encontraron los editores de Wikipedia que evaluaron STORM: a veces el modelo conecta datos que en realidad son independientes. El contenido suele ser bueno; el rastro, no siempre.

Conclusión de la auditoría: el mapa del informe es útil y la mayoría de sus casos concretos existen. Lo que falla es el rastro, que es justo lo que el informe exige a los sistemas públicos de IA. Si vas a citar una cifra, cítala desde su fuente original.

A-07

Los cinco frenos

Retos y consideraciones

El informe dedica tanto espacio a los riesgos como a los beneficios. Los ordena en cinco frenos que conviene tener presentes antes de pisar el acelerador.

F-1Participación pública

Cuando la IA toca derechos civiles, como el acceso a servicios o el uso de datos de salud, la participación pública debe ser seria y sostenida, no un trámite. Eso incluye a consumidores y a grupos marginados. Sin ellos no hay confianza ni sistemas que respondan a lo que la comunidad necesita.

F-2Rendición de cuentas y transparencia

Para merecer confianza, cada sistema necesita información transparente, evaluaciones independientes y una comunicación clara de sus límites y riesgos. Y los gobiernos deben hacer responder a los desarrolladores por lo que prometen de sus productos.

F-3Ética y sesgo

El sesgo puede colarse al recoger datos o al desarrollar el modelo. Hay que identificarlo, documentarlo y corregirlo para no repetir discriminaciones históricas. El informe va más lejos: la IA no debe reducir a las personas a meros «sujetos de datos». Y advierte del riesgo de explotar a comunidades sin poder para impugnar decisiones automáticas.

F-4Documentación y comunicación

Cada sistema debe documentar su propósito, su diseño, sus limitaciones y sus reglas de uso. Esa documentación sirve para gestionarlo bien y para evaluarlo cuando surjan usos nuevos que nadie previó. Es el freno que este artículo puso a prueba en la ventanilla A-06.

F-5Aplicaciones éticas

La IA asistencial puede mejorar decisiones y servicios en salud o seguridad. Pero distinguir un uso ético de uno que no lo es exige reflexión continua, no una aprobación única.

Lista de verificación ciudadana

Piensa en un sistema de IA de tu gobierno local, tu universidad o tu empresa pública. ¿Puede responder «sí» a estas ocho preguntas? Todas salen de los cinco frenos.

0/8
A-08

Lo que viene

Perspectivas de futuro

El informe cierra con optimismo condicionado. La IA permitirá asignar mejor los recursos, anticipar la demanda y personalizar servicios. Pero su promesa más humana es otra: liberar al personal de lo rutinario para que dedique más tiempo a las personas.

Oportunidad

Analizar grandes volúmenes de datos para obtener conclusiones útiles. En salud, eso permite decisiones informadas y atentas a las necesidades de cada comunidad.

Regulación

Normas claras sobre privacidad, sesgo y rendición de cuentas, y regulación existente actualizada al ritmo de la tecnología, con diálogo entre gobierno, tecnólogos y comunidad.

Cooperación

India apuesta por estrategias de IA inclusivas, adaptadas a su contexto y con participación de base. Esa experiencia puede orientar a otros países de ingresos bajos y medios.

Para América Latina la lección de India es directa: copiar sin adaptar no sirve. Una IA pública diseñada para otro país, otra lengua u otra estructura de datos puede fallar justo con quien más la necesita. El informe pide alianzas entre industria, academia y gobierno para definir buenas prácticas.

A-09

Contrapuntos

Adición editorial de PeopleWorks

La IA en el gobierno es un tema políticamente cargado: se cruza con la eficiencia del gasto, la vigilancia y el empleo público. Estas son cinco objeciones razonables y la respuesta que probablemente daría el enfoque del informe.

Objeción

Las cifras de ahorro vienen de consultoras

Las proyecciones a diez años de firmas que venden transformación digital no son evidencia independiente.

Respuesta probable

Por eso el informe exige evaluaciones independientes como insumo de rendición de cuentas. La cifra orienta; la medición local decide.

Objeción

La policía predictiva amplifica el sesgo

Si los datos reflejan dónde se patrulló, el modelo enviará más patrullas al mismo lugar, en un círculo vicioso.

Respuesta probable

El informe reconoce el riesgo y pide identificar, documentar y corregir el sesgo en todo el ciclo de vida. No es una defensa incondicional del uso policial.

Objeción

«Eficiencia» puede ser un eufemismo de recorte

Automatizar puede servir de excusa para reducir plantilla y empeorar la atención humana.

Respuesta probable

El informe plantea lo contrario: liberar tiempo para un trato más cercano. Y BCG calcula su rango sin contemplar despidos. La decisión, en todo caso, es política, no técnica.

Objeción

El chatbot excluye a quien menos sabe usarlo

Personas mayores, sin conectividad o con baja alfabetización digital pueden quedar fuera.

Respuesta probable

La participación de grupos marginados que exige el informe sirve para detectarlo a tiempo. El autoservicio debe sumar canales, no sustituirlos.

Objeción

Exigir perfección paraliza

Si cada sistema debe superar todas las pruebas, el gobierno nunca innovará.

Respuesta probable

La comparación justa es con lo que hay hoy. Si los auditores humanos detectan cerca del 5 % del fraude, una IA bien supervisada no tiene que ser perfecta: tiene que ser mejor y responsable.

A-10

Para llevar

Cinco turnos para el lunes
  1. La promesa es real, la cifra exacta casi nunca. Hay ahorros posibles, pero el 35 % es un techo para funciones concretas a diez años, no un resultado garantizado.
  2. Asistir no es decidir. La IA aporta más y arriesga menos cuando ayuda a una persona a leer, resumir y anticipar que cuando decide sola.
  3. Cada uso crea un público. Como planteaba Dewey, las personas afectadas por un sistema tienen derecho a opinar sobre él antes, no después.
  4. Pide el recibo. Propósito, limitaciones, evaluación independiente y vía de impugnación. Si no existen, el sistema aún no está listo.
  5. Audita también a tu IA de investigación. Este artículo partió de un informe generado por IA: útil como mapa y poco fiable como rastro. Verifica antes de publicar.
Si mañana una IA decidiera tu turno en la ventanilla pública, ¿sabrías a quién pedirle cuentas?Esa pregunta, más que cualquier porcentaje, mide si un gobierno está listo para la IA.