Clasificar escritos mediante inteligencia artificial puede agilizar tareas repetitivas, pero un error de clasificación puede dirigir un documento al procedimiento equivocado. La automatización debe evaluarse con expedientes reales anonimizados, categorías de destino claras y revisión humana de casos dudosos.
Qué debe analizar una administración
Un modelo que funciona bien con formularios habituales puede fallar ante escritos breves, varios asuntos en una misma solicitud o documentación escaneada de baja calidad. La calidad del OCR, el idioma, los anexos y los cambios normativos alteran el resultado. La precisión global por sí sola no muestra en qué categorías se concentran los fallos.
La mejora de un servicio público exige identificar su finalidad antes de elegir una solución. Los responsables de procedimiento, tecnología, archivo, contratación o seguridad pueden necesitar participar en fases diferentes. Explicar quién decide y qué resultados se esperan reduce el riesgo de implantar una herramienta que funciona técnicamente pero deja problemas sin resolver.
Un caso representativo
Una reclamación incluye además una petición de acceso a información. Si el sistema solo detecta la primera intención puede omitir una obligación de tramitación diferente. Un diseño responsable permite múltiples etiquetas o deriva la solicitud para revisión cuando existen señales ambiguas.
El resultado no debe evaluarse solo por la rapidez: cuentan la calidad del dato, la accesibilidad del servicio, la posibilidad de corregir errores y la continuidad ante imprevistos. Las pruebas han de recoger tanto casos habituales como excepciones y describir si hubo intervención manual.
Riesgos al implantar cambios
No deben introducirse datos personales en sistemas sin garantías contractuales y técnicas adecuadas. También resulta esencial no presentar la clasificación automática como resolución administrativa. Los fallos deben poder corregirse, investigarse y documentarse.
Un protocolo útil define alertas, responsabilidades y mecanismos de escalado. Las medidas deben ajustarse a la normativa vigente y a las condiciones concretas del organismo. Si existe tratamiento de información personal, su finalidad y límites se deben documentar de forma específica.
Una revisión práctica antes del despliegue
Construir un conjunto de pruebas representativo, medir errores por clase, establecer umbrales para revisión y conservar versiones del modelo. Evaluar de nuevo cuando cambian plantillas o procedimientos, y definir mecanismos de supervisión y reclamación.
Para contextualizar esta cuestión pueden consultarse los recursos de Administración Electrónica y las normas publicadas en el BOE. Son útiles asimismo las experiencias de reservas de espacios municipales, revisión de resultados de IA, control de accesos físicos y respuesta ante incidentes tecnológicos.
Conviene cerrar cada actuación con una evidencia verificable, una persona responsable y una fecha para revisar resultados. Documentar qué mejoró y qué sigue pendiente permite que el siguiente cambio parta de datos comprobados y no de impresiones.
Fotografía: Mikhail Nilov / Pexels.
