En este artículo
Una entidad pública no necesita incorporar inteligencia artificial para gobierno porque sea una tendencia. La necesita cuando existe una decisión concreta que puede mejorar: orientar a un ciudadano antes de que radique una solicitud incompleta, reducir el tiempo de clasificación documental, encontrar información institucional confiable o asistir a un funcionario en una tarea repetitiva bajo reglas claras. La diferencia está en que, en el sector público, una respuesta incorrecta no solo afecta una métrica: puede confundir derechos, retrasar trámites o deteriorar la confianza ciudadana.
Por eso, la conversación no debería empezar por el modelo de lenguaje ni por un asistente visible en el portal. Debe comenzar por el servicio, el proceso y el riesgo. La inteligencia artificial útil para una entidad es la que opera con información validada, respeta competencias institucionales, deja evidencia de sus acciones y puede sostenerse cuando cambian los equipos, las normas o las plataformas.
Inteligencia artificial para gobierno: dónde genera valor
Las mejores oportunidades suelen aparecer en procesos con alto volumen, reglas conocidas y una fuente documental que la entidad ya reconoce como oficial. Un agente puede consultar actos administrativos, guías, preguntas frecuentes y contenidos del portal para orientar al ciudadano. También puede apoyar la clasificación inicial de peticiones, extraer datos de documentos, preparar borradores de respuesta o alertar sobre información faltante.
El beneficio no consiste únicamente en responder más rápido. Bien implementada, la IA reduce la dispersión de criterios, hace visible el conocimiento que estaba distribuido en correos o personas específicas y permite medir dónde se acumulan las consultas. Esto aporta información para mejorar formularios, contenidos institucionales y procesos internos.
Sin embargo, no todos los casos deben automatizarse al mismo nivel. Un asistente que explica requisitos publicados puede responder directamente, siempre que cite o remita a fuentes institucionales dentro de la experiencia. Un flujo que recomienda la priorización de una solicitud sensible debe limitarse a asistir al funcionario. Y una decisión que afecte derechos, recursos públicos o actuaciones administrativas requiere revisión humana, reglas explícitas y una responsabilidad institucional que no se delega a un modelo.
La pregunta útil es: ¿qué acción puede ejecutar la IA y con qué límites? Definir esa frontera evita dos errores frecuentes: convertir un chatbot genérico en un supuesto canal institucional y frenar cualquier iniciativa por temor a perder el control.
El dato institucional no es un detalle técnico
Un modelo generativo puede redactar textos convincentes incluso cuando no tiene suficiente evidencia. En gobierno, esa capacidad obliga a diseñar mecanismos que reduzcan respuestas no sustentadas. La alternativa más adecuada para muchos escenarios es una arquitectura de recuperación aumentada por generación, conocida como RAG. En lugar de responder solo desde el conocimiento general del modelo, el agente consulta una base documental controlada y construye su respuesta a partir de fuentes aprobadas.
Pero un RAG no se resuelve cargando archivos en una herramienta. Requiere identificar qué documentos son vigentes, quién los aprueba, cómo se versionan y cuándo deben retirarse. También exige definir metadatos: dependencia responsable, tema, vigencia, audiencia, territorio y nivel de acceso. Una resolución derogada no debería competir con una guía actual solo porque está mejor redactada o aparece más veces en el repositorio.
La calidad del contenido es parte de la arquitectura. Si la información institucional está fragmentada entre PDFs, intranets, micrositios y correos, el proyecto debe contemplar su depuración y gobierno. En algunos casos, conviene empezar por una colección limitada de contenidos de alto valor y ampliar después. Intentar incorporar todo el acervo documental desde el primer día suele aumentar el ruido, el costo de validación y la probabilidad de respuestas ambiguas.
También hay que diferenciar la información pública de la información interna o reservada. Un agente conectado a sistemas institucionales necesita permisos por rol, registros de consulta y controles para evitar que una pregunta bien formulada exponga datos que el usuario no está autorizado a ver. La seguridad no se añade al final como una capa de interfaz: condiciona el diseño de integraciones, índices documentales, identidades y ambientes de operación.
De un piloto llamativo a una operación confiable
Un piloto puede demostrar que una interacción funciona. No prueba, por sí solo, que la solución esté preparada para atender ciudadanos o apoyar áreas críticas. El paso hacia producción requiere arquitectura empresarial y una operación con responsables definidos.
Esto incluye separar ambientes de desarrollo, pruebas y producción; gestionar credenciales sin exponerlas en código; monitorear disponibilidad, latencia y costos; y conservar trazas de las consultas, las fuentes recuperadas y las acciones ejecutadas. Las trazas son especialmente relevantes cuando un agente participa en workflows: permiten reconstruir por qué clasificó un caso, qué regla activó o qué sistema consultó.
Los agentes con capacidad de actuar requieren controles adicionales. Si pueden crear un caso en un CRM, consultar el estado de un trámite, actualizar un registro o enviar una notificación, cada integración debe operar con permisos mínimos. Las acciones deben ser acotadas, auditables y medibles. Para tareas de mayor impacto, es preferible incorporar aprobaciones humanas antes de ejecutar una modificación.
La continuidad operativa también depende de no acoplar toda la lógica a un proveedor o a una interfaz puntual. Una arquitectura bien planteada conserva los servicios, las fuentes de datos y las reglas de negocio bajo control institucional. Así, la entidad puede ajustar modelos, cambiar componentes o ampliar canales sin reconstruir el proceso desde cero.
La experiencia ciudadana necesita transparencia
La IA no reemplaza la obligación de comunicar con claridad. Si un ciudadano conversa con un asistente, debe saber que está interactuando con un sistema automatizado, qué tipo de orientación puede recibir y cuándo será transferido a un canal humano. Ocultar esa condición puede generar expectativas equivocadas, sobre todo en asuntos que requieren análisis particular de un caso.
La respuesta debe ser breve cuando la consulta es simple y precisa cuando involucra requisitos, plazos o pasos posteriores. En vez de simular certeza, el agente debe reconocer límites: si no encuentra una fuente vigente o si la situación exige revisión de un servidor competente, debe indicarlo y orientar el siguiente paso. Este comportamiento no reduce la utilidad del canal; protege su credibilidad.
La accesibilidad también debe formar parte del diseño. Un asistente embebido en un portal institucional debe poder usarse con teclado, lectores de pantalla y dispositivos móviles, sin bloquear contenidos ni crear barreras para personas con discapacidad. En plataformas de gobierno, la experiencia debe alinearse con los lineamientos GOV.CO, la arquitectura de contenidos y los flujos editoriales existentes. No tiene sentido ofrecer una capa de IA moderna sobre un sitio difícil de navegar, actualizar o entender.
Cómo priorizar un caso de uso
La priorización debe combinar impacto institucional y viabilidad técnica. Un buen primer caso tiene una necesidad recurrente, una fuente de verdad identificable, reglas relativamente estables y una forma objetiva de evaluar el resultado. Por ejemplo, orientar preguntas frecuentes sobre un servicio específico suele ser más viable que automatizar la evaluación integral de solicitudes complejas.
Antes de construir, conviene acordar indicadores: porcentaje de respuestas sustentadas en fuente aprobada, tasa de transferencia a un funcionario, reducción de tiempos de búsqueda, nivel de satisfacción y cantidad de consultas que revelan vacíos de información. Estas métricas deben revisarse junto con muestras cualitativas. Una tasa alta de respuestas no significa éxito si las respuestas son cortas, evasivas o difíciles de comprender.
La evaluación debe incluir preguntas habituales, consultas ambiguas, solicitudes fuera de alcance e intentos de inducir al agente a ignorar sus instrucciones. También debe probarse con documentos actualizados y desactualizados para verificar que la solución priorice la evidencia correcta. Esta disciplina transforma la IA de una demostración a un componente gobernable de la operación digital.
Coresis aborda estos escenarios desde tecnología aplicada con criterio de arquitectura y continuidad: conectando agentes, RAG, plataformas institucionales y sistemas existentes sin perder trazabilidad, seguridad ni capacidad de evolución.
El resultado más valioso no es un asistente que parece saberlo todo. Es una capacidad institucional que responde mejor cuando tiene evidencia, escala cuando el servicio lo necesita y se detiene cuando corresponde. Ese es el punto de partida para usar inteligencia artificial en gobierno con responsabilidad operativa y confianza pública.