La Comisión Europea dedicará el 30 de septiembre de 2026 una sesión específica a la adopción de inteligencia artificial en la Administración Pública. El encuentro forma parte de la estrategia Apply AI y pone el foco en una idea que puede marcar la siguiente etapa de la digitalización pública europea: desplegar soluciones de IA fabricadas en Europa, interoperables y de código abierto, al tiempo que se evalúan beneficios y riesgos.
La convocatoria fue publicada el 9 de septiembre y reúne a responsables de la Oficina Europea de Inteligencia Artificial, del Centro Común de Investigación y de la unidad de Interoperabilidad y Gobierno Digital de la Comisión. El objetivo no es presentar una única herramienta, sino revisar avances y discutir cómo trasladar la IA desde pilotos y experimentos hacia servicios públicos sostenibles.
Por qué la Comisión considera estratégico el sector público
La estrategia Apply AI identifica al sector público como uno de los ámbitos donde la adopción de inteligencia artificial puede tener efectos relevantes. Las administraciones gestionan grandes volúmenes de información, procedimientos repetitivos, atención a ciudadanía y empresas y procesos de decisión que pueden beneficiarse de mejores capacidades de búsqueda, clasificación, análisis y automatización.
La Comisión plantea una Administración más proactiva, capaz de utilizar información para anticipar necesidades y mejorar la prestación de servicios. Sin embargo, el contexto público exige cautelas adicionales: legalidad, igualdad, transparencia, protección de datos, seguridad y capacidad de explicar decisiones.
Por eso la conversación europea se está desplazando desde la pregunta «¿puede usarse IA?» hacia cuestiones de arquitectura, gobernanza, compras, evaluación y escalabilidad.
Interoperabilidad: una condición para evitar nuevas islas tecnológicas
Una Administración puede adoptar un asistente de IA en una unidad y otro distinto en un organismo vecino, pero si ninguno puede integrarse con sistemas, datos e identidades existentes el resultado puede ser otra capa de fragmentación.
La interoperabilidad es especialmente importante porque la IA necesita contexto. Un asistente que responde sobre procedimientos debe acceder a fuentes oficiales actualizadas, respetar permisos y distinguir versiones. Un sistema que ayuda a tramitar expedientes debe poder comunicarse con gestores, registros, archivos y servicios de identidad.
Si cada solución utiliza formatos y conectores cerrados, las integraciones se vuelven costosas y la Administración queda atada a decisiones iniciales. Por eso la Comisión vincula el despliegue de IA con soluciones interoperables y con la agenda europea de gobierno digital.
Por qué aparece el código abierto en la estrategia
El código abierto se relaciona con transparencia, reutilización y soberanía tecnológica, aunque no es una garantía automática de seguridad ni calidad. Una solución abierta permite inspeccionar componentes, reutilizar desarrollos y reducir determinadas dependencias de proveedor.
En el sector público, donde varias administraciones afrontan problemas similares, reutilizar puede tener mucho sentido. Si una entidad desarrolla un componente para clasificación documental, anonimización o consulta de normativa, otras pueden adaptar el trabajo en lugar de empezar desde cero.
El reto está en la sostenibilidad. Publicar código no basta: hacen falta mantenimiento, documentación, comunidad, gobierno de versiones y recursos para corregir vulnerabilidades.
La diferencia entre experimentar y desplegar
Un piloto de IA puede construirse en semanas con un conjunto limitado de datos. Convertirlo en servicio público requiere resolver identidad, seguridad, disponibilidad, soporte, registro de actividad, protección de datos, contratación y continuidad.
También hay que decidir qué ocurre cuando el sistema se equivoca. En un entorno experimental, una respuesta incorrecta puede detectarse fácilmente. En producción, un error puede afectar a muchas personas. Por eso deben existir límites claros sobre qué tareas puede ejecutar la IA y cuáles requieren validación humana.
La siguiente fase de adopción pública dependerá menos de demostraciones llamativas y más de la capacidad para integrar controles y responsabilidades en procesos normales.
Casos de uso donde la IA puede aportar valor
Entre los usos más razonables están la búsqueda sobre documentación interna, asistencia a empleados públicos, clasificación de escritos, extracción de información, apoyo a redacción, traducción, análisis de grandes conjuntos de documentos o detección de anomalías.
También puede utilizarse en atención ciudadana, siempre que las respuestas estén ancladas en fuentes oficiales y exista una vía clara de escalado a personal humano. Un chatbot que improvisa información administrativa puede generar confusión; uno conectado a bases verificadas y con controles puede reducir consultas repetitivas.
En procesos de decisión, la precaución debe ser mayor. Cuando una herramienta afecta a derechos, prestaciones o acceso a servicios, es imprescindible analizar el marco jurídico y garantizar supervisión y posibilidad de revisión.
Compra pública de IA: uno de los grandes retos
Las administraciones no solo necesitan saber utilizar IA; tienen que saber comprarla. Un pliego de inteligencia artificial debe definir datos, seguridad, rendimiento, niveles de servicio, propiedad intelectual, subprocesadores, modelos utilizados, localización, reversibilidad y condiciones de actualización.
Además, el mercado cambia muy rápido. Un contrato excesivamente ligado a un modelo concreto puede quedar obsoleto antes de finalizar. Una arquitectura modular permite sustituir componentes sin reconstruir todo el servicio.
También conviene exigir mecanismos de evaluación. No basta con medir disponibilidad: hay que definir calidad de respuestas, tasa de errores, cobertura de fuentes y comportamiento ante consultas fuera de alcance.
Soberanía digital sin convertirla en aislamiento
La Comisión vincula la adopción de soluciones europeas con la soberanía digital. El concepto no implica que todas las tecnologías deban desarrollarse dentro de una única organización, sino mantener capacidad de elección, control sobre datos y posibilidad de cambiar componentes.
La interoperabilidad y el código abierto pueden contribuir a esa capacidad si se utilizan con una arquitectura adecuada. También lo hacen los estándares, los contratos con reversibilidad y la separación entre datos, lógica de negocio y proveedor de modelo.
Qué deben preparar ahora las Administraciones
Antes de desplegar IA de forma generalizada conviene crear un inventario de casos de uso existentes, incluso aquellos que han surgido informalmente mediante herramientas externas. Después debe clasificarse el nivel de riesgo, las fuentes de datos y el impacto sobre personas.
La organización necesita políticas sobre uso de información sensible, validación de respuestas, registro, propiedad intelectual y proveedores autorizados. También requiere formación: muchos incidentes no provienen de un algoritmo defectuoso, sino de usuarios que introducen información inadecuada o confían demasiado en resultados automáticos.
El papel de los empleados públicos
La automatización no elimina la necesidad de conocimiento interno. Al contrario, los sistemas de IA necesitan personas capaces de evaluar las respuestas y detectar errores. Si una organización pierde conocimiento porque delega tareas demasiado pronto, puede hacerse más dependiente de sus herramientas.
La formación debe centrarse en comprender límites, no solo en aprender prompts. Un empleado debe saber qué información puede utilizar, cuándo verificar, qué fuentes consultar y cómo documentar decisiones.
Checklist para un proyecto de IA pública
- Definir un problema concreto y métricas de éxito.
- Clasificar riesgo e impacto sobre ciudadanía o empleados.
- Inventariar datos y comprobar su calidad.
- Determinar qué información puede procesarse.
- Diseñar supervisión humana y escalado.
- Exigir trazabilidad y registro.
- Evitar dependencias innecesarias mediante APIs y formatos abiertos.
- Planificar reversibilidad y sustitución de modelos.
- Evaluar rendimiento con datos reales antes de producción.
- Formar a usuarios y responsables del servicio.
Preguntas frecuentes
¿Cuándo se celebra la sesión europea?
La Comisión ha anunciado el webinar sectorial para el 30 de septiembre de 2026.
¿Qué enfoque tendrá?
Se centrará en oportunidades y retos de la adopción de IA en la Administración y en el apoyo a soluciones europeas, interoperables y de código abierto.
¿La Comisión propone automatizar decisiones públicas?
La convocatoria habla de adopción estratégica y evaluación cuidadosa de beneficios y riesgos. El grado de automatización debe analizarse según el caso de uso y el marco jurídico aplicable.
¿Por qué importa la interoperabilidad?
Porque permite integrar la IA con sistemas y datos existentes, facilita sustituir componentes y reduce el riesgo de crear nuevas dependencias tecnológicas.
Fuente oficial
La información se basa en la convocatoria de la Comisión Europea para el webinar sectorial Apply AI dedicado al sector público.
En Digitalización Pública News seguiremos la evolución de estas iniciativas y sus implicaciones para contratación, arquitectura y gobierno de la inteligencia artificial en las Administraciones Públicas.
Gobernanza antes de tecnología
Una Administración que quiera extender el uso de IA necesita decidir primero quién puede autorizar casos de uso, cómo se clasifican y qué documentación debe conservarse. Un inventario central evita que distintas unidades contraten o utilicen soluciones similares sin conocer las dependencias creadas. También facilita detectar casos de mayor riesgo y aplicarles controles adicionales.
La gobernanza puede incluir un comité técnico y jurídico, pero no debería convertirse en un cuello de botella. Resulta más útil definir categorías de uso con requisitos proporcionales: herramientas internas de productividad, asistentes sobre información pública, sistemas que procesan datos personales y aplicaciones que influyen en decisiones.
Arquitectura modular para un mercado que cambia rápido
Los modelos evolucionan a gran velocidad. Diseñar una aplicación inseparable de un único proveedor puede convertir una innovación temprana en una dependencia costosa. Una capa de abstracción permite sustituir modelos, comparar rendimiento y mantener el resto del sistema.
Los datos, los permisos, la lógica de negocio y las fuentes deberían mantenerse bajo control de la Administración. El modelo de IA puede ser un componente reemplazable. Esta separación es especialmente útil cuando cambian precios, condiciones o capacidades.
Cómo medir el valor público de un proyecto de IA
El éxito no debería medirse por número de consultas o por el uso de una tecnología novedosa. Las métricas deben estar vinculadas al servicio: reducción de tiempos, menor carga repetitiva, calidad de respuestas, satisfacción, accesibilidad o disminución de errores.
También hay que medir los fallos. Un sistema que ahorra tiempo pero genera un porcentaje elevado de respuestas incorrectas puede trasladar trabajo desde la redacción hacia la revisión. La evaluación debe considerar el ciclo completo.
Protección frente a automatización excesiva
La presión por obtener productividad puede llevar a automatizar tareas que contienen juicio profesional. Conviene separar claramente recomendaciones de decisiones y conservar vías de revisión. La IA puede preparar información, detectar patrones o proponer opciones, pero el diseño debe respetar las responsabilidades legales y organizativas existentes.
Los registros de uso ayudan a auditar resultados y detectar problemas. Deben diseñarse respetando protección de datos y minimización, evitando registrar información innecesaria.
Capacitación y cambio cultural
Los empleados necesitan formación para comprender limitaciones, verificar resultados y proteger información. La adopción responsable no consiste solo en aprender a escribir instrucciones para un modelo. Debe incluir criterios de seguridad, privacidad, propiedad intelectual y trazabilidad.
Los equipos que conocen bien los procesos son esenciales para detectar dónde la IA aporta valor y dónde introduce complejidad innecesaria.
Lecturas relacionadas
Para ampliar el contexto, consulta los tres pilotos europeos de GenAI, la experiencia de Impulsa DATA, la estrategia de código abierto para Administraciones y el caso de LEOS y EdiT en redacción legislativa.
Qué debería contener una política interna de IA pública
Una política operativa debería indicar qué herramientas están autorizadas, qué tipos de información pueden procesarse y qué usos necesitan una evaluación específica. También debe explicar cómo se validan respuestas y quién responde por el resultado final. En entornos donde se manejan datos personales, información reservada o expedientes, estas reglas deben ser especialmente claras.
La política puede diferenciar entre herramientas de productividad individual y sistemas integrados en servicios públicos. Las primeras pueden tener requisitos sencillos, como no introducir datos sensibles y verificar resultados. Las segundas necesitan análisis de seguridad, protección de datos, arquitectura, contratación y continuidad.
Evitar proyectos sin responsable operativo
Una causa frecuente de fracaso es que la iniciativa dependa únicamente de un equipo de innovación. Cuando el piloto termina, nadie asume presupuesto, soporte o mantenimiento. Antes de desplegar, debe existir un responsable de servicio con autoridad para decidir cambios y recursos.
Ese responsable necesita indicadores claros. Tiempo ahorrado, calidad, coste por interacción, incidentes y satisfacción son ejemplos de métricas que permiten decidir si el sistema merece continuar.
Documentar modelos y versiones
Los modelos cambian y una misma aplicación puede comportarse de forma distinta tras una actualización. La Administración debería registrar qué modelo y configuración utiliza cada servicio y mantener pruebas antes de aceptar cambios relevantes.
Esta disciplina facilita auditorías, comparación de proveedores y detección de regresiones. También evita que un sistema crítico evolucione sin conocimiento de sus responsables.
Fotografía: igovar igovar / Pexels.