El puente aplicado al sector público

Una persona pide un turno médico desde el teléfono. Completa los datos, recibe una confirmación y confía en que el sistema va a ordenar la demanda. No sabe si detrás hay una regla sencilla, un modelo predictivo o un agente que combina información de varias fuentes, y tampoco tendría por qué saberlo. Lo que necesita es que la atiendan en un plazo razonable y, si el turno no llega, una explicación.

En otra oficina, una empleada pública mira una lista de casos priorizados. Conoce el barrio, sabe que algunos domicilios se cargan mal y sospecha que parte de la información llega tarde. El sistema le muestra un orden, pero no le explica cuánto pesó cada dato ni qué tiene que hacer cuando su experiencia contradice la clasificación. Si sigue la lista y alguien queda afuera, ¿quién responde? Si la modifica, ¿su criterio va a ser reconocido o va a parecer una desviación?

La modernización del Estado ocurre en el espacio entre esas dos personas. Es más que cambiar papel por pantallas o sumarle IA a un expediente: modifica la forma en que una institución reconoce una necesidad, reparte recursos y justifica sus decisiones. Por eso acá el método conserva su estructura (leer antes de automatizar, gobernar antes de escalar) y eleva su exigencia.

En una empresa, un sistema mal diseñado puede costar ventas, tiempo y confianza: daños serios. En el sector público, además, puede trabar el acceso a la salud, la educación, la seguridad o la protección social. La persona afectada no eligió la plataforma y rara vez tiene un proveedor alternativo. Depende de la calidad con que el Estado haya diseñado el sistema que la atiende.

La diferencia se mide en derechos. Auditabilidad, equidad, vías de apelación y rendición de cuentas dejan de ser virtudes opcionales: forman parte de la legitimidad de la intervención.

El trámite visto desde los dos lados

Todo trámite tiene al menos dos historias. Una es institucional: empieza en un área, pasa por ciertos controles y termina en una resolución. La otra es la de quien necesita resolver algo, que tal vez deba juntar documentos que el propio Estado ya tiene, trasladarse, esperar, descifrar lenguaje técnico y volver porque una excepción no estaba prevista.

Digitalizar solo la primera historia puede dejar intacta toda la fricción de la segunda. El formulario se vuelve electrónico, pero sigue pidiendo los mismos certificados; la fila se convierte en una espera sin información; la ventanilla desaparece y, con ella, la persona que ayudaba a interpretar un requisito ambiguo.

El diagnóstico sociotécnico reconstruye las dos historias a la vez. Revisa el expediente formal y acompaña el recorrido real. Pregunta quién decide, quién espera, dónde se repite una carga y quiénes abandonan antes de terminar. También mira al funcionario, porque muchos rodeos que desde afuera parecen burocracia cumplen una función: compensan datos incompletos, resuelven excepciones o protegen al organismo frente a una responsabilidad mal definida.

La meta es distinguir el control que protege un derecho del trámite que sobrevive por inercia. Automatizar ambos por igual vuelve más eficiente una mezcla que primero había que separar.

Esa lectura puede mostrar que el obstáculo principal no es el sistema visible. Tal vez dos organismos no comparten información, una norma exige una firma que ya no agrega control o el equipo mantiene una base paralela porque el registro oficial no refleja la urgencia. Antes de ofrecer IA, hay que decidir si el problema pide interoperabilidad, simplificación normativa, rediseño de roles o una combinación.

El ciudadano no es un usuario cautivo cualquiera

En diseño de productos se habla mucho de experiencia de usuario. En el Estado, la palabra “usuario” puede tapar una relación política. Quien solicita un derecho no elige una aplicación como lo haría un consumidor: es un ciudadano frente a una institución que ejerce poder y tiene obligaciones.

Esa asimetría cambia la vara. En un servicio privado, una interfaz incómoda puede empujar a la persona hacia la competencia. En un trámite obligatorio, la misma incomodidad se convierte en una barrera. Y si afecta de manera desproporcionada a personas mayores, a quienes viven en zonas con mala conectividad o a ciudadanos con discapacidad, el problema de usabilidad se vuelve de equidad.

La multicanalidad responde a esa realidad. Un servicio digital puede ser el canal principal sin ser el único: cuando el trámite afecta derechos y una parte de la población no puede completarlo de otra forma, tiene que haber asistencia telefónica, presencial o en puntos de apoyo. Sostener un canal alternativo es reconocer que la transición digital ocurre sobre una sociedad desigual, lo que no implica renunciar a modernizar.

La calidad tiene que medirse por grupos y territorios. Una tasa general de finalización puede mejorar mientras empeora en los barrios con peor conectividad. Un tiempo promedio más bajo puede esconder que los casos complejos quedan trabados. Publicar y revisar esas diferencias permite saber si la eficiencia agregada está cerrando brechas o agrandándolas.

Hace falta, por último, una apelación comprensible. Si una decisión automatizada niega un beneficio o cambia una prioridad, la persona tiene que saber que intervino un sistema, qué información relevante se tuvo en cuenta y cómo pedir una revisión. La explicación no necesita exponer el código fuente ni abrumar con matemática. Tiene que permitirle entender la razón, corregir un dato y obtener una respuesta de alguien responsable.

El funcionario como portador de criterio

El relato de la automatización suele presentar al empleado público como una capa de fricción que la tecnología debería eliminar. Esa imagen ignora una parte decisiva de su trabajo. En muchos servicios, el funcionario interpreta reglas generales frente a situaciones que no encajan, reconoce urgencias y conecta información que vive en sistemas separados. Parte de esa capacidad puede formalizarse; otra es conocimiento tácito acumulado en la práctica.

Una intervención seria tampoco da por sentado que todo criterio existente sea bueno. Puede haber arbitrariedad, favoritismo, hábitos innecesarios y controles redundantes. Por eso mismo hay que observar y discutir el criterio antes de automatizarlo: una mala práctica que queda codificada gana escala y una apariencia de objetividad difícil de cuestionar.

Bien diseñada, la IA funciona como extensión del criterio del funcionario: resume expedientes, señala información faltante, detecta casos parecidos o prioriza una revisión. Para que esa ayuda no se convierta en sustitución a ciegas, el flujo tiene que dejar claro qué parte es recomendación, qué límites tiene y en qué punto la persona puede intervenir.

Agregar una firma al final no alcanza para que haya control humano. Si el volumen, los incentivos o la interfaz hacen que nadie revise, la firma legitima una decisión automática sin aportar juicio. El diseño tiene que reservar la atención humana para los casos inciertos, de alto impacto o difíciles de revertir, y darle a quien revisa información y tiempo suficientes.

También tiene que proteger el permiso para disentir. Un funcionario que corrige al sistema puede estar aportando contexto o repitiendo un sesgo. Las dos posibilidades piden registro y revisión, y ninguna de las partes merece obediencia automática. Cuando las divergencias quedan documentadas, la organización puede aprender qué reglas hay que ajustar y dónde la discrecionalidad hace daño.

Lo que una compra no puede entregar

El Estado suele relacionarse con la tecnología a través de la contratación. Es una vía necesaria para conseguir bienes y servicios, pero puede alimentar una ilusión: que la capacidad institucional viene con la licencia.

Un proveedor puede construir software, integrar sistemas y aportar conocimiento especializado. Lo que no puede es decidir por la institución qué significa una categoría administrativa, qué nivel de error es aceptable o cómo se apela una decisión pública. Tampoco debería convertirse en el único lugar donde se entienden el modelo, los datos o la arquitectura. Si el contrato termina y el organismo no puede auditar, mantener o retirar la solución, la modernización dejó dependencia.

Por eso el dictamen previo a la compra revisa más que funcionalidades y precio. Pregunta por la propiedad del código desarrollado a medida y el acceso a él, la exportación de datos, la documentación, las licencias de los componentes, el tratamiento de información personal, la firma digital y el plan de salida. El puente no reemplaza el análisis jurídico; hace que las preguntas jurídicas aparezcan cuando todavía pueden cambiar la arquitectura y el contrato.

Lo que este libro llama lock-in tecnológico es la dependencia de un proveedor que vuelve costosa o imposible la salida, y en el Estado tiene una dimensión democrática. Si cambiar de proveedor resulta materialmente imposible, una empresa privada gana poder sobre la continuidad de un servicio público. Esa dependencia puede condicionar los costos, la evolución del sistema y la capacidad de rendir cuentas. Diseñar una salida es un acto de responsabilidad institucional que no presupone desconfianza hacia el proveedor.

La compra tampoco resuelve la fragmentación interna. Un sistema nuevo puede sumar otra isla si los organismos no acuerdan identificadores, responsabilidades y bases legales para compartir datos. La interoperabilidad bien entendida habilita el flujo necesario, con propósito, minimización, seguridad y trazabilidad, en lugar de conectar todas las bases sin límites.

Datos públicos: compartir sin desproteger

El Estado concentra información sensible y, al mismo tiempo, necesita coordinar políticas que atraviesan organismos. Salud, educación, vivienda y protección social pueden describir aspectos distintos de una misma situación. No poder vincularlos produce trámites repetidos y decisiones parciales; vincularlos sin discriminar produce vigilancia y riesgo de usos secundarios.

La gobernanza tiene que resolver esa tensión caso por caso. ¿Cuál es el propósito? ¿Qué base legal habilita el tratamiento? ¿Qué datos son estrictamente necesarios? ¿Durante cuánto tiempo se conservan? ¿Quién accede y cómo queda registrado? ¿Se puede lograr lo mismo con información menos identificable?

Estas preguntas van antes que el código. Una evaluación de impacto sobre la privacidad o los sistemas algorítmicos no debería redactarse después, para justificar una solución terminada. Vale en la medida en que cambia decisiones: reducir datos, modificar el modelo, sumar un canal de revisión o descartar un caso de uso cuyo beneficio no compensa el riesgo.

La calidad del dato también tiene una dimensión pública. Los registros administrativos no siempre se crearon para entrenar modelos: reflejan criterios de carga, coberturas desiguales y decisiones históricas. Que falte un dato puede indicar que un fenómeno no ocurrió o que un territorio se observó menos. Si no se entiende cómo se produjo el registro, el sistema aprende la huella de la administración y la confunde con la realidad.

Cathy O’Neil documentó cómo los modelos opacos usados a escala pueden esconder y reproducir daños bajo una apariencia matemática.¹ En el Estado ese riesgo es especialmente grave, porque la regla puede repetirse sobre poblaciones enteras y porque quienes cargan con el error suelen tener menos recursos para discutirlo. La auditabilidad permite reconstruir qué pasó; la participación y la evaluación previa ayudan a que no pase.

La ciudad inteligente después de la demostración

Los proyectos urbanos muestran con nitidez la distancia entre tecnología y capacidad. Se instalan sensores, se inaugura una sala de control y un mapa muestra incidentes en tiempo real. La demostración funciona. El valor, en cambio, aparece recién cuando el dato entra en un circuito de acción.

Un sensor que detecta un bache no arregla la calle. Hay que saber qué área recibe el aviso, cómo lo prioriza, con qué presupuesto lo atiende y cómo informa que lo resolvió. Si el dato termina en una pantalla que nadie puede convertir en una orden de trabajo, la infraestructura produce visibilidad sin servicio.

El piloto eterno es una forma frecuente de ese fracaso. Se queda en una escala protegida, con atención del proveedor y personal seleccionado, y nunca atraviesa los procesos ordinarios de presupuesto, mantenimiento y responsabilidad. Cada año se presenta como innovación y cada año esquiva la pregunta de cómo integrarlo.

La sostenibilidad exige mirar el ciclo completo: energía, conectividad, reemplazo de equipos, mantenimiento y disposición final. Una promesa ambiental no puede apoyarse solo en que la solución usa datos. Tiene que mostrar qué consumo evita, qué infraestructura agrega y qué acción concreta cierra el circuito. Si no, la ciudad inteligente se vuelve escenografía tecnológica.

Gobernar antes de escalar

Los marcos actuales ofrecen un lenguaje común para estas obligaciones. El AI Risk Management Framework del NIST organiza la gestión en cuatro funciones: gobernar, mapear, medir y gestionar. Gobernar atraviesa a las otras tres, porque los responsables, las políticas y los mecanismos de rendición de cuentas no se agregan al final.²

El Reglamento Europeo de Inteligencia Artificial clasifica los sistemas según su riesgo y fija exigencias de trazabilidad y supervisión humana para los usos de alto impacto.³ Su alcance jurídico no convierte cada disposición en una obligación local automática, pero marca una dirección regulatoria relevante: cuanto mayor es el efecto sobre las personas, mayor tiene que ser la capacidad de explicar, registrar y controlar.

La OCDE examinó cerca de doscientos casos de IA en funciones de gobierno y los ordenó alrededor de habilitadores, salvaguardas y participación.⁴ Esa estructura coincide con una lectura sociotécnica. Las capacidades y los datos habilitan; la evaluación de impacto y la auditoría protegen; la participación incorpora a quienes viven las consecuencias.

Para América Latina, el Índice Latinoamericano de Inteligencia Artificial (ILIA), de CEPAL y CENIA, es la referencia regional: su edición 2025 cubre diecinueve países y distingue ecosistemas pioneros, adoptantes y exploradores.⁵ La comparación deja ver capacidades y brechas sin suponer que el contexto institucional de los países con más recursos pueda copiarse intacto.

El IMIA traduce parte de estas exigencias a una lectura organizacional. Su gate de gobernanza (una regla de tope) impide que un puntaje alto en tecnología o en datos esconda una capacidad insuficiente para responder por el sistema. El principio es simple: una organización no está lista para una autonomía que todavía no puede gobernar.

Cuando el agente ejerce una parte del poder

Los sistemas agénticos hacen más visible este problema. Un software que prioriza expedientes, deriva casos o asigna recursos puede ejecutar muchas decisiones intermedias sin que una persona revise cada una. El control humano se desplaza entonces hacia las reglas, los permisos y los mecanismos de auditoría: el criterio pasa a ejercerse en el diseño y ya no en cada transacción.

Ese desplazamiento vuelve el control todavía más importante. Hay que definir qué resuelve el agente, qué acciones tiene vedadas, cuándo debe escalar a una persona, qué información conserva y cómo se le revoca el acceso. También hay que poder reconstruir la secuencia después de un error. Si interactúan varios agentes y servicios, una explicación final sin trazabilidad puede ocultar dónde se tomó la decisión que importaba.

Delegar una tarea administrativa no es delegar la responsabilidad pública. La institución sigue obligada a entender el sistema lo suficiente para supervisarlo y responder por él. Un contrato que le atribuye toda falla al proveedor no repara el derecho afectado ni devuelve legitimidad.

En las decisiones de alto impacto, una parte del diseño tiene que seguir siendo deliberadamente humana. Las personas no son infalibles, pero el poder público necesita un lugar identificable donde las razones puedan discutirse y una excepción pueda recibir juicio. Automatizar la rutina puede liberar tiempo para ese trabajo si la organización lo protege; la ganancia también puede usarse para recortar personal y reducir la capacidad de revisión. La tecnología no elige entre esos dos caminos.

Capacidad institucional, no catálogo de herramientas

La modernización pública en América Latina no se compra como un paquete. Se construye con procesos comprendidos, datos gobernados, infraestructura sostenible, funcionarios capaces y vías de participación y reparación.⁶ Una licitación puede aportar piezas importantes, pero la coherencia entre ellas tiene que producirla la institución.

El puente aplicado al Estado empieza por la experiencia ciudadana y vuelve a ella para medir. Además de preguntar si el trámite está disponible en línea, pregunta quién logra completarlo, cuánto espera, qué pasa ante una excepción y cómo se discute una decisión. A un modelo lo evalúa por su precisión, pero también por la distribución de sus errores, su trazabilidad y su capacidad de corrección. Y mide la transformación por la calidad de la acción pública que los sistemas hacen posible, más que por los sistemas instalados.

La escena del turno médico permite cerrar el recorrido. Un buen sistema puede ordenar la demanda, detectar urgencias y reducir la espera. Para hacerlo legítimamente, tiene que reconocer los datos incompletos, dejar que la empleada aporte contexto, informar a la persona y ofrecer una revisión cuando algo falla. La eficiencia y los derechos no son objetivos enemigos, y el diseño sociotécnico existe para que ninguno se persiga como si el otro no formara parte del sistema.

Ver también: El puente aplicado a las pymes · IMIA — el instrumento de madurez · La tesis del puente · Autores y corrientes · Bibliografía