Trabajar la inteligencia artificial con una administración exige ampliar la pregunta. No basta con saber si una tecnología funciona. Hay que entender a quién sirve, como se justifica, qué colectivos puede afectar, quienes asume la responsabilidad y como se mantendrá la capacidad a lo largo del tiempo.
El trabajo vinculado al Plan Director de IA de Terrassa nos ha reforzado varios aprendizajes que son útiles más allá de un solo proyecto.
Escuchar antes de priorizar
Una estrategia pública no se puede construir solo desde la tecnología. Necesita recoger necesidades, inquietudes y propuestas de personas con experiencias diferentes: equipos municipales, agentes económicos, conocimiento experto y ciudadanía.
La participación no es una validación decorativa de un plan ya escrito. Puede revelar problemas que no habían entrado al mapa, cambiar prioridades y mostrar donde falta confianza o comprensión.
Separar oportunidades, propuestas y compromisos
En procesos abiertos aparecen muchas ideas. Es importante explicar en qué estado se encuentra cada una: aportación, propuesta pendiente de priorización, línea de trabajo o proyecto aprobado.
Esta precisión protege la credibilidad. Presentar una propuesta como si ya fuera una implantación genera expectativas que la institución todavía no ha asumido.
La gobernanza forma parte de la infraestructura
La gobernanza no es un documento final. Tiene que aparecer en la selección de casos de uso, los datos, las compras, los permisos, los controles humanos, la evaluación y la comunicación pública.
Un sistema gobernado permite saber quién decide, con qué evidencia y que pasa cuando el resultado es incorrecto. Esta trazabilidad es necesaria en cualquier organización, pero en el sector público tiene un valor democrático adicional.
Hay que construir capacidad interna
Una administración no puede depender indefinidamente de un proveedor para interpretar cada decisión. Necesita personas capaces de entender las posibilidades, formular proyectos, revisar resultados y mantener criterios comunes.
La formación tiene que combinar cultura general de IA con práctica vinculada a roles reales. También necesita espacios de coordinación para que los aprendizajes de una área no queden aislados.
Los casos de uso se tienen que valorar por el valor público
La eficiencia importa, pero no es la única medida. También hay que observar accesibilidad, calidad del servicio, equidad, transparencia, confianza, condiciones laborales e impacto ambiental.
Algunos proyectos pueden ahorrar tiempos; otros pueden ampliar el acceso a información o ayudar a detectar necesidades. La priorización tiene que explicitar estos criterios.
Una estrategia útil es una capacidad de decisión
Uno Plan Director de IA no tendría que congelar una lista de herramientas. Tendría que dejar una manera de decidir: principios, roles, criterios, líneas de trabajo, mecanismos de participación y revisión.
La tecnología cambiará. El que tiene que perdurar es la capacidad institucional de preguntarse por qué, para quién y bajo qué condiciones se utiliza.