Gobernar con inteligencia artificial: qué automatiza un gobierno, qué decisiones necesitan firma y cómo publicar datos sin dañar a nadie

Gobernar con modelos: qué se puede automatizar en un gobierno y quién firma la decisión

Este objeto trata del día después de la elección, cuando la herramienta deja de producir mensajes y empieza a producir consecuencias. Sirve igual para quien administra un área de atención, para quien supervisa un presupuesto, para quien cubre la política local y para quien tiene que hacer un trámite y quiere entender por qué le va como le va.

Ganar una campaña y gobernar con la misma herramienta son dos problemas distintos. En la campaña la máquina produce versiones; en el gobierno produce consecuencias: una lista de espera, un padrón de beneficiarios, un expediente priorizado, una multa propuesta. Y ahí aparece la pregunta que ninguna licitación de modernización responde: qué parte de esa decisión puede salir de un modelo y quién responde cuando sale mal.

Lo primero que hay que aceptar es que casi ningún gobierno empieza de cero. Un municipio mexicano típico arrastra padrones que no cuadran, expedientes en papel y systemas que nadie recuerda quién programó. La inteligencia artificial✦ no arregla esa base: la acelera. Un trámite confuso automatizado sigue siendo confuso, solo que ahora se confunde más rápido y con registro de horario.

1. Las dos franjas del trabajo público

La pregunta útil no es si automatizamos, sino qué franja del trabajo estamos moviendo a la máquina y qué franja estamos dejando sin dueño.

Hay una franja amplia del trabajo público que se puede automatizar sin debate y conviene automatizar ya: agendar citas, acusar recibo, responder preguntas frecuentes, buscar en un archivo, avisar que un documento falta. Es la parte que la gente agradece en una semana y que no decide nada sobre la vida de nadie. Automatizar esa capa es un ahorro; automatizar la siguiente es una decisión política.

La segunda capa es la priorización: a quién se atiende primero, qué bache se repara antes, qué expediente sube de turno. Aquí el modelo es útil y aquí empieza el problema, porque ordenar una cola es repartir atención escasa. El criterio que se puede defender en público es el único que sirve: lo que se delega es el orden de la lista, nunca la responsabilidad de la decisión.

Vale la pena tener la diferencia clara, porque el modelo no decide: ordena una cola según lo que se le pidió que maximizara, y eso lo puede explicar cualquier persona del área si se lo preguntan a tiempo.

2. Las cuatro capas debajo de un número

Toda decisión asistida por modelos tiene cuatro capas debajo, y las dos primeras son trabajo de escritorio que casi nadie hace bien. Dato con origen y fecha: de dónde salió, cuándo se levantó, quién lo capturó y qué faltaba. Un modelo corriendo sobre un censo de hace ocho años decide sobre una ciudad que ya cambió dos veces.

La segunda capa es la regla elegida a propósito: qué se optimizó, si el costo, si el tiempo de atención o la cobertura. Esa elección nunca es técnica, aunque se presente en una junta con palabras técnicas, porque determina a quién se deja fuera del servicio sin que nadie lo haya votado.

Las dos capas que faltan son las que se saltan, y son las que convienen a un gobierno. Revisión humana con poder de corregir: alguien que sepa por qué el número está mal y pueda devolverlo sin que eso se le anote como falta. Y responsable con nombre y vía de recurso: quién firma, ante quién responde y cómo se corrige si la decisión afectó a una persona con domicilio y con abogado.

Cuando la decisión sale de un sistema que nadie en el edificio puede explicar, un número que nadie puede impugnar deja de ser administración y pasa a ser otra cosa.

Los casos documentados de algoritmos en administraciones públicas europeas tienen un patrón aburrido y repetible: el error casi nunca está en la matemática y casi siempre en las tres capas de arriba. Un modelo de detección de fraude en ayudas sociales entrenado con decisiones humanas anteriores aprendió a sospechar de los barrios donde ya se sospechaba, y el costo real no estuvo en el error del modelo sino en la ausencia de revisión.

3. El trámite concreto: automatizar sin dejar a nadie fuera

Un trámite que funciona tiene una forma reconocible y seis pasos que casi ningún proyecto sigue en orden. El primero es el que se salta todo el mundo: escribir el procedimiento antes de tocar el teclado. Si nadie sabe en qué orden va el trámite, ningún modelo lo va a ordenar; lo va a digitalizar confuso y le va a poner un horario a la confusión.

Los seis pasos del diagrama no son un método de consultoría: son la agenda de noventa días de una oficina que quiere atender mejor sin contratar a nadie más.

El indicador que separa un servicio moderno de un servicio exclusivo no es el tiempo de atención: es la deserción. Cuánta gente empezó y no terminó, cuántos no tienen teléfono compatible, cuántos no entendieron el formulario, cuántos llegaron y se regresaron. Automatizar sin medir la deserción deja fuera justamente a quien más necesita la ventanilla, y lo deja fuera en silencio porque esa persona no presenta una queja: simply se va.

Para calibrar, el objeto toma el ejemplo de una oficina de atención municipal que automatiza citas y acuses: en seis meses el tiempo promedio de atención pasa de 22 minutos a 6, las citas perdidas caen de 31% a 12%, y la queja más repetida pasa a ser el formulario en línea. Ahí está el trabajo real de la segunda mitad: arreglar el formulario, no presumir el número.

La regla de diseño que un funcionario debería poder recitar es esta: un sistema sin salida humana es un filtro, no una ventanilla. Tiene que haber un clic que lleve a una persona, y ese clic no puede estar escondido después de once pantallas, porque el ciudadano que lo necesita es el que menos paciencia digital tiene y el que más razón tiene para estar enojado.

La consecuencia de saltarse la revisión es previsible: cuando un sistema empieza a rechazar por su cuenta, el rechazo llega sin explicación y sin vía de recurso, y el ciudadano no tiene forma de corregir lo que casi siempre fue un error de captura.

4. Datos abiertos: publicar sin dañar a nadie

La segunda mitad del gobierno con modelos es la que lo hace fiscalizable, y tiene una lista corta de condiciones que se cumplen a medias.

Publicar datos de gobierno es la otra mitad del asunto, y tiene condiciones que no son estéticas. Un solo lugar donde se busca, formato que una máquina pueda leer, fechas de actualización escritas, datos personales tratados antes de subir, un responsable con correo y un historial de lo que se corrigió. Falta una sola de esas y la transparencia se convierte en un archivo con laberinto.

La parte delicada es la cuarta: publicar sin nombres no es borrar la columna de nombres. Es saber qué combinaciones de datos identifican a alguien, porque con código postal, edad y fecha de atención se puede volver a poner nombre a un beneficiario de un programa de ayuda. En México la ley de datos personales exige tratamiento previo y clasifica la información sensible; no es un trámite, es la diferencia entre rendir cuentas y exponer a quien pidió ayuda.

La opacidad moderna casi nunca quema documentos: deja de actualizarlos, y esa forma de silencio se detecta en diez minutos mirando la última fecha de carga.

Conviene corregir una idea cómoda: la opacidad moderna casi nunca quema documentos, simplemente deja de actualizarlos. Un portal impecable con datos de 2023 es una decisión política disfrazada de mantenimiento técnico, y se detecta en diez minutos mirando la última fecha de carga.

5. Escribir la regla de escalamiento y el plan propio

El ejercicio de este objeto es escribir dos cosas que caben en una cuartilla cada una: la regla de escalamiento, que dice qué se automatiza, qué se revisa y qué nunca se delega; y el plan de noventa días de un trámite, con su indicador de deserción y su salida a humano. Un funcionario que no puede escribir su regla de escalamiento todavía no está automatizando: está delegando sin saber qué.

La regla de escalamiento es la frase que un área escribe una vez y aplica todo el año: qué se resuelve solo, qué ve una persona antes de salir y qué necesita firma y motivación. Un funcionario que no puede escribir su regla de escalamiento todavía no está automatizando: está delegando sin saber qué.

Sin medición, la modernización se vuelve un discurso con capturas de pantalla. Lo mínimo publicable en un área de atención es cuántas solicitudes entraron, cuántas se resolvieron, cuánto tardaron, cuánta gente desistió a mitad y cuántas quejas se convirtieron en un cambio de procedimiento.

Hay una pregunta que ningún director de modernización quiere que le hagan en una sesión de cabildo y que decide si el proyecto es serio: qué pasa cuando el proveedor se va. Un modelo contratado con licencia anual y sin documentación del criterio deja al gobierno con una decisión que no sabe explicar y con un presupuesto que ya no alcanza para repetirla.

La consecuencia de fondo es de poder, no de eficiencia. Cuando una decisión sale de un sistema que nadie en el edificio puede explicar, la autoridad real se mueve del cargo electo al contrato. Recuperarla no es tirar la tecnología: es exigir las cuatro capas antes de firmar el pedido.

Gobernar con modelos no se trata de si la máquina acierta más que el funcionario. Se trata de que cuando la máquina se equivoque haya una firma, un recurso y una corrección. Sin eso, la eficiencia es una estadística y el error tiene domicilio ajeno.