La IA en el sector público ha dejado de ocupar un lugar periférico en los planes de digitalización de las administraciones. Su uso empieza a entrar en procesos internos, herramientas de atención ciudadana y sistemas de apoyo a la toma de decisiones, mientras los mecanismos para verificar su fiabilidad avanzan con más lentitud.
El último informe global de SAS e IDC sitúa esa distancia en un terreno especialmente sensible para los gobiernos: datos fragmentados, controles todavía desiguales y una confianza institucional que, en algunos casos, parece ir por delante de la capacidad real para auditar los sistemas.
El resultado es una brecha incómoda para las instituciones. La administración empieza a utilizar soluciones avanzadas de IA en ámbitos donde los errores pueden afectar a ciudadanos, expedientes, prestaciones, inspecciones o procesos internos críticos. Sin embargo, los cimientos sobre los que se despliegan estos sistemas siguen presentando debilidades: datos fragmentados, supervisión insuficiente, falta de talento especializado y reglas internas todavía inmaduras.
La IA en el sector público acelera más que sus controles
Según el informe «Data and AI Impact Report: The Trust Imperative», elaborado por SAS junto con IDC, los gobiernos están adoptando la inteligencia artificial a un ritmo superior al de sectores tradicionalmente intensivos en datos, como la banca, la sanidad o el comercio minorista. El dato más visible es el uso de agentes de IA: un 52% de los organismos públicos encuestados afirma utilizarlos, por encima de otros sectores analizados.
Esa cifra convive con otra mucho más baja. Solo el 6% de los organismos gubernamentales declara tener una alta confianza interna en la IA y disponer, al mismo tiempo, de sistemas considerados confiables. Es el porcentaje más reducido entre los sectores incluidos en el informe. La lectura no apunta a una falta de interés tecnológico, sino a un desfase entre adopción y preparación.
El llamado «dilema de la confianza» aparece cuando una organización debe elegir entre no utilizar la IA por falta de garantías o apoyarse en sistemas que no han sido validados con suficiente rigor. En la empresa privada, esa decisión puede impactar en eficiencia, costes o reputación. En la administración, añade otra capa: la legitimidad del servicio público y la responsabilidad sobre decisiones que afectan a personas concretas.
Afshin Almassi, Public Sector & Healthcare Director de SAS España, Portugal y Francia, lo formula desde esa doble exigencia: «Para que el sector público pueda apoyarse en la IA, esta debe aportar un valor tangible y, al mismo tiempo, proteger el bienestar de la ciudadanía. Materializar ese valor para los ciudadanos y las comunidades exige alinear la ambición con la preparación real. Los resultados del informe indican que aún nos queda camino para lograrlo».
La confianza en la IA generativa supera a tecnologías más probadas
Uno de los aspectos más llamativos del estudio es la relación entre percepción y fiabilidad. El 38% de las administraciones públicas depende de la IA, pero no utiliza de forma suficiente las herramientas y medidas de seguridad necesarias para hacerla confiable. En muchos casos, los organismos se apoyan en soluciones como la IA generativa, más recientes, menos transparentes y más propensas a respuestas incorrectas o inconsistentes.
El contraste resulta relevante porque el machine learning lleva años aplicado en funciones públicas donde la trazabilidad y el rendimiento pueden evaluarse con mayor precisión. La detección de fraude fiscal, la priorización de inspecciones o el análisis de riesgos son ejemplos de usos asentados en modelos estadísticos y aprendizaje automático. Aun así, los encuestados muestran más confianza en la IA generativa que en esas tecnologías más contrastadas.
La diferencia no es menor. La IA generativa ha acelerado la incorporación de herramientas de automatización en tareas administrativas, atención ciudadana, redacción de documentos, análisis de expedientes o apoyo a empleados públicos. Su facilidad de uso ha reducido barreras internas. Aunque esa accesibilidad también puede ocultar limitaciones técnicas cuando los sistemas se integran sin controles adecuados, sin datos bien gobernados o sin criterios claros para validar los resultados.
Chris Marshall, vicepresidente de investigación en datos, analítica, IA, sostenibilidad e industria de IDC, advierte de ese desplazamiento desde la experimentación hacia el uso operativo: «Las instituciones públicas están pasando rápidamente de la experimentación con IA a su uso operativo, pero la confianza no puede darse por sentada, especialmente cuando los sistemas influyen en resultados que afectan a la ciudadanía. Sin una base de datos sólida y unas reglas claras, la confianza en la IA puede adelantarse a su fiabilidad real, lo que aumenta el riesgo tanto para los ciudadanos como para los propios organismos».
Datos fragmentados, talento escaso y gobernanza desigual
El informe sitúa la calidad y disponibilidad de los datos como el principal freno para una IA confiable en la administración. Todas las regiones analizadas identifican la ausencia de una base de datos centralizada u optimizada como el mayor obstáculo para implementar la tecnología con garantías. La falta de gestión de datos aparece con frecuencia como el segundo desafío más importante, salvo en América Latina, donde ocupa el cuarto lugar.
La cuestión afecta directamente a la operativa pública. Las administraciones trabajan con historiales administrativos dispersos, sistemas heredados, expedientes en formatos heterogéneos y diferentes niveles de digitalización entre departamentos. Un modelo de IA puede ofrecer resultados rápidos, pero su precisión depende de la calidad, actualidad y coherencia de los datos que recibe. Cuando esa base es incompleta o está mal conectada, aumentan los riesgos de sesgos, errores de clasificación y decisiones poco explicables.
El problema no se limita a la infraestructura. El estudio también detecta carencias de formación entre los empleados públicos en general, más acusadas que entre los equipos técnicos especializados. Esta diferencia puede convertirse en un cuello de botella. La IA no se despliega solo en departamentos de tecnología; llega a áreas jurídicas, atención ciudadana, contratación, recursos humanos, gestión tributaria o servicios sociales, donde los usuarios necesitan comprender sus límites y responsabilidades.
Las administraciones parecen haber identificado esa brecha. El informe señala que muchas entidades públicas están priorizando tanto la mejora de la infraestructura tecnológica como la capacitación de su personal. La combinación resulta decisiva: sin plataformas de datos robustas, la IA pierde fiabilidad; sin empleados formados, los sistemas pueden utilizarse sin criterio suficiente o quedar infrautilizados por falta de confianza.
La inversión crece, aunque por debajo de sectores regulados
El sector público prevé aumentar su inversión en IA durante el próximo año. Un 12,6% de los organismos espera incrementos superiores al 20%, mientras casi la mitad anticipa subidas de entre el 4% y el 20%. Los encuestados asocian el valor de la IA, sobre todo, con la mejora de procesos y la agilidad operativa. También destacan el aumento de la productividad personal, mencionado por el 60% de los participantes, el nivel más alto entre todos los sectores analizados.
Ese énfasis en productividad encaja con la presión que soportan muchas administraciones: plantillas tensionadas, demanda creciente de servicios digitales, expedientes acumulados y expectativas ciudadanas marcadas por la experiencia con plataformas privadas. La IA promete aliviar parte de esa carga, pero su uso en el sector público exige más que eficiencia. La trazabilidad, la explicabilidad y la protección frente a sesgos no son requisitos accesorios cuando una herramienta participa en decisiones administrativas.
En el índice de IA confiable del informe, el sector público queda por detrás de seguros, banca y ciencias de la salud. Solo el 15,3% opera en el nivel más alto, frente a una media global del 19,8%. También sus expectativas de inversión futura se sitúan por debajo de banca y seguros, dos industrias sometidas a una fuerte presión regulatoria y con una trayectoria más larga en modelos de riesgo, auditoría y control de datos.
La comparación deja una paradoja. La administración maneja información especialmente sensible y toma decisiones con impacto directo en derechos, acceso a servicios y obligaciones ciudadanas. Pese a ello, su despliegue de IA confiable avanza con menor intensidad que en sectores donde la regulación y la competencia han empujado antes la profesionalización de los modelos analíticos.
La IA confiable exige una arquitectura pública más madura
Ravi Kant Sharma, director de investigación de Government Insights en IDC Asia-Pacífico, señala que muchas entidades públicas tienen planes ambiciosos para ampliar su uso de IA en los próximos años. Su lectura introduce un matiz relevante: «El informe indica que también son conscientes de los desafíos. Invertir en el equilibrio correcto entre infraestructura y tecnologías fiables será clave para que la implementación de la IA tenga éxito».
Ese equilibrio será difícil de resolver solo con más presupuesto tecnológico. Los organismos públicos necesitan definir qué procesos pueden automatizarse, qué decisiones requieren intervención humana, cómo se auditan los modelos, qué datos pueden utilizarse y bajo qué condiciones. También deberán establecer responsabilidades internas cuando un sistema falle, produzca resultados sesgados o recomiende acciones difíciles de explicar ante un ciudadano.
La velocidad de adopción ya no parece el principal indicador de madurez. Los datos del informe apuntan a una fase más exigente, en la que la administración deberá demostrar que sus sistemas de IA son verificables, seguros y útiles antes de integrarlos en procesos críticos. Para directivos públicos y proveedores tecnológicos, la oportunidad de eficiencia existe, pero vendrá acompañada de una exigencia creciente: convertir la confianza en una capacidad operativa medible, no en una declaración de intenciones.
