Cómo el análisis de datos y la IA en el gobierno pueden generar un mayor valor para la sociedad

Cada uno de estos beneficios aporta un mayor valor público gracias a la mejora de los resultados, tanto para la organización como para los ciudadanos. De hecho, pueden clasificarse en seis factores clave que generan valor y que arrojan resultados claros, tal como se demuestra en los siguientes casos de uso de la IA en el sector público:

1. Productividad y eficiencia: reducción de costos mediante mejoras en el desempeño operativo. En una ciudad de Estados Unidos, se utilizaron herramientas de inteligencia artificial que mapean los procesos de negocio a través de distintos sistemas y aplicaciones para analizar los flujos de trabajo de procesamiento de facturas, lo que permitió automatizar el proceso y ahorrar unas 1.500 horas de trabajo manual al año.
2. Experiencia de los empleados: simplificar las tareas para mejorar la experiencia de los empleados y aumentar la satisfacción laboral. En el Reino Unido, un asistente de inteligencia artificial ayuda a los asesores de atención al cliente a localizar y compartir rápidamente información fiable con los ciudadanos, lo que mejora los tiempos de respuesta en un 50 % y hace que los asesores se sientan el doble de seguros a la hora de brindar asesoramiento.
3. Experiencia del ciudadano/usuario final: ofrecer servicios más accesibles, proactivos y personalizados. Una autoridad de seguridad social está ampliando el acceso de los ciudadanos a los chatbots de IA general para la resolución de consultas las 24 horas del día, los 7 días de la semana; 6 millones de personas ya utilizan esta solución y el objetivo es alcanzar una integración del 100 % para el año 2027.
4. Planificación estratégica de servicios: Previsión de necesidades y optimización de la asignación de recursos. Un departamento del gobierno de un estado australiano puso a prueba herramientas de inteligencia artificial para mejorar las estimaciones de costos y plazos en proyectos de infraestructura a gran escala, lo que permitió reducir la incertidumbre y los riesgos financieros asociados a los sobrecostos de los proyectos.
5. Optimización financiera: eliminación de ineficiencias, reducción del fraude y aumento de los ingresos. Una autoridad fiscal utiliza el análisis de datos y la inteligencia artificial para la presentación y el análisis de declaraciones de impuestos en tiempo real, lo que ha generado más de 23 millones de dólares en ingresos gracias a la detección de errores y más de 38 millones de dólares en recaudación de efectivo.
6. Riesgo y resiliencia: responder a las amenazas, gestionar el riesgo operativo y garantizar la continuidad del servicio. Una región francesa adoptó un modelo soberano de IA general para la resolución de incidentes de IT, lo que redujo el tiempo de resolución de problemas de entre 1 y 12 horas a tan solo 2 a 5 minutos.

Si bien las organizaciones gubernamentales han reconocido que deben acelerar el ritmo de adopción, la implementación varía considerablemente. La mayoría está adoptando un enfoque cauteloso y gradual, pero se observa una clara progresión en la implementación. Hemos observado que los gobiernos están más avanzados en el despliegue de sus infraestructuras de datos y digitales, mientras que la adopción de la IA y GenAI es significativamente menor. Esto es comprensible, ya que el potencial transformador de la IA solo ha cobrado relevancia en los últimos años, y su menor adopción refleja preocupaciones legítimas sobre la necesidad de comprender y gestionar los riesgos inherentes. De hecho, el 65 % de los encuestados señaló que la adopción de la IA general avanza con demasiada rapidez, lo que pone de manifiesto el deseo de adoptar un enfoque más informado y equilibrado que permita obtener beneficios sin comprometer la seguridad.

Este proceso de implementación gradual y por etapas tiene sentido desde el punto de vista estratégico, ya que las organizaciones desarrollan sus capacidades al tiempo que gestionan los riesgos y demuestran su valor a lo largo del camino. Sin embargo, las medidas que adopten los gobiernos a continuación para acelerar la adopción son fundamentales para generar un mayor valor público.

Nuestra investigación ha identificado un grupo de pioneros que están superando a sus pares en cuanto a avances en la implementación y sofisticación estratégica. ¿Qué se puede aprender de ellos para ayudar a acelerar el proceso de otros?

La fórmula pionera: sentar las bases para el éxito de la IA en el ámbito gubernamental

Nuestra investigación revela que los pioneros se distinguen por su enfoque estratégico en sentar bases sólidas antes de apresurarse a implementar tecnologías avanzadas de IA.

Estos pioneros logran salvar la brecha de implementación siguiendo una fórmula clara para el éxito: en primer lugar, establecen una infraestructura de datos sólida (88 % implementadas frente a 58 % de los que les siguen), desarrollan una gobernanza de datos integral y se centran, de forma paralela, tanto en los fundamentos técnicos como en la preparación organizacional, reconociendo que la tecnología por sí sola no es suficiente.

Estas organizaciones están impulsando sus inversiones para los próximos tres años, lo que refleja esta trayectoria lógica de implementación: están invirtiendo de manera diferenciada en la creación de una infraestructura digital y una base de datos sólidas, en la digitalización de procesos y en el análisis de datos, al tiempo que se preparan para un mejor despliegue de IA y GenAI en el futuro.

Esta secuencia tiene sentido desde el punto de vista estratégico, ya que da prioridad a la digitalización para que los datos estén limpios, estructurados y bien preparados para aplicaciones más sofisticadas. Además, ayuda a evitar los mayores costos y las complejidades que conlleva la implementación de la inteligencia artificial en el sector público sin haber establecido previamente un marco sólido de gobernanza de datos.

Es evidente que la estrategia inicial ha dado sus frutos. Los pioneros han desarrollado bases digitales y de datos más eficaces que los seguidores en varios aspectos.

Lo que realmente distingue a los pioneros es su enfoque integral, que aborda simultáneamente tanto las capacidades técnicas como los aspectos humanos. Dan prioridad al desarrollo del talento, empoderan a los trabajadores mediante sólidas directrices éticas, establecen alianzas externas para subsanar las carencias de capacidad y preparan a los ciudadanos para que acepten y utilicen la inteligencia artificial en los servicios gubernamentales.

Esta estrategia equilibrada ofrece resultados impresionantes. Los pioneros son 2,4 veces más propensos a calificar el éxito de sus iniciativas de IA como «algo» o «significativamente» superior a lo esperado, en comparación con los seguidores (62 % frente a 26 %). 

La implementación de tecnologías de análisis de datos, IA y GenAI plantea una paradoja compleja para los gobiernos. Aunque reconocen claramente el potencial transformador, se enfrentan a obstáculos persistentes que frenan el progreso.

Entre las principales limitaciones mencionadas por los encuestados se encuentran las preocupaciones en materia de privacidad y seguridad (62 %), la falta de alineación estratégica (51 %), una infraestructura inadecuada (45 %), argumentos comerciales poco sólidos con una rentabilidad poco clara (41 %) y consideraciones éticas (42 %).

Curiosamente, nuestra investigación reveló que estos retos suelen intensificarse, en lugar de disminuir, a medida que las organizaciones avanzan en su proceso de implementación. Los pioneros perciben estas barreras con mayor intensidad que los seguidores, lo que sugiere un fenómeno del tipo «no se sabe lo que no se sabe», en el que una mayor inmersión en la IA revela una mayor complejidad.

A pesar de estos desafíos, nuestra investigación demuestra que no son insuperables. Al estudiar los enfoques probados de las organizaciones líderes, las entidades gubernamentales pueden acelerar su avance en el proceso de implementación y comenzar a aprovechar el potencial transformador de los datos y la inteligencia artificial.

A través de nuestro análisis, hemos descubierto que las organizaciones líderes alcanzan el éxito al trazar un recorrido desde la estrategia hasta la entrega de valor a través de tres pasos clave:

Paso 1: adoptar un compromiso estratégico firme.

Las organizaciones líderes demuestran un liderazgo audaz con una visión clara que alinea las iniciativas de inteligencia artificial con su misión fundamental. Establecen el respaldo de la alta dirección y una inversión específica, lo que pone de manifiesto la importancia estratégica de estas iniciativas. 

Medidas prácticas:

• Formular una visión clara vinculada a la misión fundamental de su organización.
• Inviertir en formación sobre IA dirigida a altos ejecutivos para fomentar la comprensión de su potencial.
• Establecer estructuras de gobernanza de la IA (consejos, centros de excelencia) con el respaldo de la dirección.
• Desarrollar modelos de financiación innovadores que ofrezcan flexibilidad y respondan al valor demostrado.
• Conseguir el apoyo de todos los departamentos demostrando el impacto concreto en la misión.

Paso 2: establecer cinco pilares fundamentales

Nuestra investigación revela que una implementación exitosa de la IA requiere un enfoque integral que aborde simultáneamente tanto las capacidades tecnológicas como la preparación de la organización. Los cinco pilares que se indican a continuación constituyen los elementos fundamentales que han establecido las organizaciones líderes.

1. Datos y tecnología

Los pioneros dan prioridad al establecimiento de una infraestructura de datos sólida y a la gobernanza antes de pasar a las aplicaciones de IA. Se centran en datos de alta calidad, una arquitectura moderna y plataformas seguras.

Medidas prácticas:

• Evaluar la calidad, la accesibilidad y la gobernanza de los datos actuales, al tiempo que se implementan plataformas basadas en la nube para garantizar la escalabilidad y la interoperabilidad.
• Desarrollar catálogos de datos exhaustivos para facilitar la búsqueda de información.
• Establecer acuerdos de intercambio de datos entre departamentos que aborden las barreras legales y culturales.
• Establecer normas y procesos de validación claros.
• Nombrar a líderes especializados, como directores de datos y directores de inteligencia artificial, a quienes se les asigne la responsabilidad de la gobernanza y la implementación.

2. Talento y habilidades

Las organizaciones líderes abordan la falta de talento mediante una planificación estratégica de la fuerza laboral, programas de capacitación integrales y alianzas externas que aportan competencias técnicas.

Medidas prácticas:

• Realizar evaluaciones de competencias para identificar las necesidades críticas en materia de capacidades.
• Crear academias digitales y plataformas de aprendizaje para mejorar las competencias a gran escala.
• Diseñar programas de capacitación en IA basados en desafíos operativos reales.
• Establecer alianzas de intercambio de talento con universidades y proveedores de tecnología.
• Establecer trayectorias profesionales claras para los profesionales de los datos y la inteligencia artificial.

3. Cultura adaptativa

Las organizaciones exitosas fomentan entornos en los que pueden prosperar la innovación, la experimentación y la familiaridad con las tecnologías emergentes. Crean «estructuras de autorización» para la asunción calculada de riesgos.

Medidas prácticas:

• Crear laboratorios de innovación que ofrezcan espacios protegidos para la experimentación e implementar programas integrales de gestión del cambio.
• Centrarse en la implementación inicial de la IA para mejorar la experiencia de los empleados e involúcrelos en el desarrollo de herramientas de IA con el fin de fomentar su implicación.
• Explicar claramente cómo la IA complementará el trabajo humano, en lugar de sustituirlo.

4. Confianza y gobernanza ética

Es fundamental ganarse la confianza del público, para lo cual los líderes deben establecer directrices éticas sólidas, prácticas transparentes en materia de datos y una supervisión humana efectiva.

Medidas prácticas:

• Interactuar con el público para abordar las inquietudes relacionadas con la IA e involucarlo en el diseño y la prueba de soluciones de IA.
• Desarrollar marcos éticos integrales para la IA con una supervisión específica y llevar a cabo auditorías periódicas sobre sesgos y evaluaciones de impacto.
• Elaborar documentación transparente sobre los modelos de IA y los procesos de toma de decisiones.
• Aplicar los principios de «privacidad desde el diseño» en todas las aplicaciones y mantenga una supervisión humana adecuada para las decisiones de gran repercusión.

5. Ecosistemas colaborativos

Las organizaciones líderes establecen redes de colaboración diversas que abarcan los sectores público, privado, académico y civil con el fin de acelerar la implementación y ampliar sus capacidades más allá de lo que podrían lograr por sí solas.

Medidas prácticas:

• Tener en cuenta las carencias en materia de capacidades que podrían subsanarse mediante alianzas externas.
• Colaborar estratégicamente con socios tecnológicos para acceder a conocimientos técnicos especializados.
• Colaborar con instituciones académicas en materia de investigación y desarrollo del talento.
• Participar en iniciativas interinstitucionales para compartir mejores prácticas y recursos.
• Apoyar activamente una mayor adopción de la inteligencia artificial en todas las economías mediante centros de innovación, incubadoras de empresas emergentes e iniciativas de capacitación digital.

Paso 3: Centrarse en la excelencia en la prestación de servicios

Pasar de proyectos piloto aislados a una implementación en toda la organización requiere una ejecución rigurosa y una hoja de ruta clara.

Medidas prácticas:

• Comenzar con casos de uso de alto valor que aborden problemas específicos con un impacto directo.
• Implementar modelos de entrega de tipo «hub-and-spoke», combinando las competencias centrales con profesionales integrados.
• Adoptar enfoques graduales con iteraciones rápidas y retroalimentación continua, establezcan procesos de evaluación estructurados con criterios de éxito definidos y documenten los logros para generar apoyo dentro de la organización.
• Planificar operaciones de IA sostenibles con financiación flexible, preparación para el cumplimiento normativo y una alineación estratégica continua.

Aprender de estas organizaciones líderes puede ayudarle a acelerar su transformación. Han recorrido el mismo camino, se han enfrentado a los obstáculos y han encontrado la manera de superarlos.

El momento de actuar es ahora. El futuro del gobierno depende de que se aproveche este momento. La cuestión para los líderes gubernamentales ya no es si deben adoptar estas tecnologías, sino con qué rapidez y eficacia pueden implementarlas para reforzar su misión fundamental: mejorar los resultados para todos los ciudadanos. El éxito requiere realizar inversiones estratégicas que fortalezcan los cinco pilares al mismo tiempo.

Resumen

Las organizaciones gubernamentales son conscientes del poder transformador de los datos y la inteligencia artificial en el sector público, pero los niveles de implementación siguen siendo bajos. El costo de la inacción aumenta día a día. Nuestra investigación ha identificado un grupo de pioneros que están superando a sus pares en cuanto a avances en la implementación y sofisticación estratégica. Los gobiernos pueden aprender de estas organizaciones líderes a incorporar una mayor orientación estratégica y los cinco pilares del éxito.