La IA gana terreno en el sector público, pero la calidad de los datos sigue siendo el gran reto

La inteligencia artificial avanza dentro del sector público, pero su capacidad de generar mejoras reales dependerá cada vez más de la calidad, gobernanza y trazabilidad de los datos utilizados por las entidades. Un estudio de Economist Impact patrocinado por SAS encontró que 52% de los empleados públicos espera un impacto significativo de la IA sobre la productividad de sus organizaciones en el corto plazo.

La adopción ya empieza a concentrarse en procesos concretos. El 66% de las entidades explora analítica predictiva para anticipar riesgos económicos o sociales y 54% utiliza estas tecnologías para fortalecer la prevención del fraude.

El desafío para los gobiernos no será únicamente incorporar nuevos modelos, sino construir una infraestructura de datos capaz de sostenerlos y garantizar que las decisiones automatizadas mantengan supervisión humana y puedan ser explicadas.

La inteligencia artificial en el sector público entra en una nueva etapa

La IA está dejando atrás una fase centrada en pruebas aisladas para incorporarse progresivamente a procesos operativos de las instituciones.

Su aplicación puede abarcar desde la identificación anticipada de riesgos hasta la automatización de tareas administrativas y el análisis de grandes volúmenes de información.

“Más allá de los ciclos políticos, los gobiernos necesitan capacidades de datos, analítica e IA que les permitan tomar mejores decisiones, prestar mejores servicios y mantener la confianza ciudadana”, afirmó Marcelo Laranjeira, Latin America Public Sector Leader de SAS.

Para el ejecutivo, una implementación a escala requiere datos confiables, trazabilidad, gobernanza y mecanismos claros de supervisión.

Colombia proyecta $479.000 millones para su estrategia de IA

Colombia ya cuenta con una hoja de ruta para ampliar la adopción de estas tecnologías.

El CONPES 4144 contempla una inversión estimada de $479.000 millones hacia 2030 para avanzar en el aprovechamiento ético y estratégico de la inteligencia artificial.

El reto será que esa inversión no se concentre únicamente en adquirir tecnología, sino también en mejorar la calidad e interoperabilidad de la información que manejan las entidades.

Ese componente resulta determinante porque los sistemas de IA dependen directamente de la información con la que son entrenados y alimentados.

El 94% de países OCDE tiene estrategia de datos, pero solo 64% mide su calidad

La brecha entre estrategia y ejecución también aparece a nivel internacional. Según el Digital Government Outlook 2026 de la OCDE, 94% de los países miembros cuenta con una estrategia de datos para el sector público, pero solo 64% reporta estándares formales para evaluar su calidad.

La diferencia muestra que disponer de grandes volúmenes de información no garantiza que puedan utilizarse de manera efectiva.

En América Latina, el problema puede ser mayor cuando las bases permanecen fragmentadas entre instituciones o funcionan como silos que dificultan su integración y reutilización.

La supervisión humana seguirá siendo necesaria

La velocidad de adopción también está condicionada por la necesidad de demostrar que las nuevas tecnologías funcionan de manera confiable.

El estudio de Economist Impact indica que 70% de las agencias gubernamentales prefiere implementar nuevas tecnologías después de comprobar su efectividad en otros entornos.

Esta postura favorece procesos graduales y auditables, especialmente cuando los sistemas intervienen en decisiones que pueden afectar directamente a ciudadanos.

“La IA debe verse como una herramienta para amplificar la capacidad de los equipos públicos, no como un reemplazo del juicio humano”, señaló Marcelo Laranjeira.

Productividad pública no significa necesariamente reducir personal

SAS plantea que el potencial de la inteligencia artificial en el Estado debería medirse principalmente por su capacidad para reducir fricciones, agilizar trámites y liberar tiempo de los funcionarios para actividades de mayor valor social.

Ese enfoque aleja la discusión de una lógica centrada exclusivamente en automatización y recortes de personal.

Para las instituciones públicas, la próxima etapa estará en demostrar que la IA puede mejorar productividad y servicios sin comprometer confianza ni responsabilidad.

El reto, por tanto, no será tener más algoritmos, sino construir datos confiables, reglas claras de gobernanza y mecanismos de supervisión capaces de sostener decisiones públicas cada vez más apoyadas en inteligencia artificial.