La Escola d’Administració Pública de Catalunya ha llevado la inteligencia artificial al terreno de la dirección estratégica. Su ciclo de seminarios «Intel·ligència artificial i direcció estratègica a l’Administració pública» entra en su recta final con nuevas sesiones orientadas a personal directivo y mandos de las administraciones catalanas y de su sector público.
La próxima sesión, prevista para el 30 de septiembre, abordará el impacto de la IA en la dirección de organizaciones y equipos. La formación será impartida por Ariadna Font, cofundadora y CEO de Alinia AI, y analizará tanto la gestión de equipos que incorporan estas tecnologías como su utilización como herramienta de apoyo al liderazgo y a la toma de decisiones.
La iniciativa es relevante porque desplaza la formación en IA desde el uso operativo de herramientas hacia la responsabilidad de quienes deciden dónde, cómo y con qué controles se incorporan.
La IA ya no es solo una cuestión del departamento TIC
Cuando una Administración empieza a utilizar modelos en atención, recursos humanos, análisis o gestión documental, las decisiones afectan a toda la organización.
Los directivos deben entender riesgos, impacto sobre procesos y responsabilidades, aunque no desarrollen modelos.
La gobernanza falla cuando la tecnología se trata como una compra puramente técnica.
Dirigir equipos que ya utilizan IA
Una parte del cambio ocurre incluso sin proyectos institucionales formales. Empleados pueden utilizar asistentes para redactar, resumir o analizar información.
Los responsables necesitan establecer reglas claras sobre herramientas autorizadas, datos que pueden introducirse y revisión de resultados.
El uso informal, a veces denominado «shadow AI», puede generar riesgos de privacidad y pérdida de trazabilidad.
La toma de decisiones necesita límites claros
Un directivo puede utilizar IA para explorar escenarios o sintetizar información, pero la responsabilidad sobre la decisión sigue siendo humana.
Las herramientas pueden presentar respuestas convincentes aunque estén incompletas o contengan errores.
La formación directiva debe enseñar a utilizar estos sistemas como apoyo y no como sustituto del juicio administrativo.
Gobernanza desde el nivel estratégico
Un marco de IA necesita definir qué casos requieren aprobación, qué controles se aplican y quién mantiene el inventario.
Estas decisiones no pueden recaer exclusivamente en técnicos. Afectan objetivos, riesgos, personal y relación con ciudadanía.
El Plan IA360 refuerza a escala estatal la importancia de una gobernanza responsable.
Gestionar expectativas dentro de los equipos
La llegada de IA puede generar entusiasmo y temor. Algunos empleados esperan grandes ahorros; otros interpretan la tecnología como una amenaza a sus funciones.
El liderazgo debe explicar qué problema se quiere resolver y cómo cambiarán las tareas.
Una comunicación basada en casos concretos reduce rumores y facilita participación.
Rediseñar procesos antes de automatizarlos
Un equipo directivo debe evitar que la IA se utilice para acelerar procesos innecesariamente complejos.
Antes de automatizar conviene revisar pasos, datos, controles y resultados.
Este principio coincide con enfoques como la simplificación administrativa que impulsa Canarias.
Responsabilidad cuando interviene un proveedor
Las Administraciones pueden contratar modelos o plataformas, pero no externalizan la responsabilidad institucional.
Los directivos deben exigir documentación, métricas y condiciones de salida.
La dependencia tecnológica debe evaluarse desde el inicio, como recuerda la CNMC en contratación cloud.
Equipos multidisciplinares
Los mejores proyectos públicos de IA necesitan conocimiento técnico, jurídico y funcional.
Un modelo puede ser preciso y aun así no encajar con el procedimiento. También puede cumplir objetivos funcionales pero crear riesgos de protección de datos.
La dirección debe asegurar que todas estas perspectivas estén representadas antes del despliegue.
Métricas que midan servicio, no novedad
La adopción debería medirse mediante tiempos, errores, satisfacción, costes y resultados.
Contar licencias o consultas a un chatbot ofrece información operativa, pero no demuestra mejora.
El liderazgo necesita indicadores comparables con la situación anterior.
Supervisión humana diseñada de verdad
Decir que existe supervisión humana no basta. Debe especificarse quién revisa, qué información recibe y qué margen tiene para corregir.
Una persona que confirma cientos de propuestas sin contexto puede convertirse en una validación formal.
La interfaz debe facilitar detectar excepciones y comprender por qué el sistema propone un resultado.
Datos de calidad antes de modelos avanzados
Muchos proyectos fracasan por problemas de datos. Duplicidades, definiciones diferentes y falta de actualización limitan cualquier herramienta.
La dirección debe tratar el gobierno del dato como parte de la estrategia de IA.
Proyectos como HAL en Aragón muestran la infraestructura organizativa necesaria para reutilizar información con garantías.
Formación diferenciada por responsabilidad
Un directivo no necesita el mismo curso que un desarrollador. Su formación debe centrarse en riesgos, contratación, decisiones y cambio organizativo.
Los empleados operativos necesitan ejemplos de uso y reglas prácticas.
Diseñar itinerarios diferentes evita formaciones demasiado genéricas.
IA y recursos humanos
La tecnología puede utilizarse para analizar cargas de trabajo, apoyar formación o gestionar conocimiento.
Cuando interviene en selección, evaluación o promoción, el riesgo aumenta.
Los directivos deben identificar usos de alto impacto y exigir controles más estrictos.
El liderazgo debe preparar escenarios de fallo
Un sistema de IA puede degradarse, cambiar de versión o dejar de estar disponible.
Los servicios públicos necesitan continuidad y alternativas manuales.
La planificación debe incluir qué ocurre cuando la herramienta falla y quién decide suspenderla.
Transparencia hacia la ciudadanía
Cuando la IA afecta a un servicio, los usuarios deben recibir información adecuada sobre su función.
La transparencia debe ser comprensible y proporcional.
Las nuevas pautas europeas sobre contenido generado por IA muestran cómo estos principios se convierten en procedimientos.
Gestionar conocimiento institucional
Los asistentes pueden ayudar a buscar normativa, manuales y expedientes, pero requieren fuentes controladas.
Una respuesta generada sobre documentos desactualizados puede ser más peligrosa que una búsqueda tradicional.
Los directivos deben asegurar responsables de contenido y ciclos de revisión.
El valor de compartir casos entre administraciones
El ciclo de la EAPC crea un espacio común para mandos de diferentes organismos.
Compartir experiencias reduce duplicaciones y permite conocer fallos antes de repetirlos.
La formación pública puede actuar como red de transferencia de prácticas, no solo como actividad individual.
Dirección estratégica en un contexto regulatorio cambiante
El AI Act y sus normas asociadas se despliegan por fases. Los responsables deben seguir cambios sin bloquear innovación.
Una arquitectura de gobernanza adaptable resulta más útil que una política rígida ligada a una única versión normativa.
El inventario de casos permite actualizar controles según riesgo.
Evitar la adopción por presión de mercado
La disponibilidad de herramientas no obliga a utilizarlas. Una Administración debe justificar cada caso por su valor público.
El liderazgo debe resistir decisiones basadas únicamente en tendencias o demostraciones comerciales.
Probar con objetivos y métricas claras permite decidir con evidencia.
La IA como cambio organizativo
La principal consecuencia puede no ser tecnológica. Automatizar determinadas tareas redistribuye trabajo y modifica roles.
Los equipos necesitan participar en el rediseño para que el cambio sea sostenible.
La dirección debe anticipar formación, nuevas responsabilidades y necesidades de soporte.
Qué no implica este ciclo
La EAPC no está anunciando una plataforma obligatoria ni un despliegue común de IA para todas las administraciones catalanas.
La iniciativa es formativa y está dirigida al nivel directivo.
Su valor reside en preparar capacidad de decisión antes de que los sistemas se generalicen.
Fuente oficial
La Escola d’Administració Pública de Catalunya publicó el 15 de septiembre la actualización sobre la recta final del ciclo de IA y dirección estratégica.
La formación de directivos puede ser una de las piezas menos visibles y más determinantes de la adopción pública de IA. Las herramientas cambian rápidamente, pero las preguntas de gobernanza permanecen: para qué se usa, quién responde, cómo se mide y qué ocurre cuando falla. Llevar esas cuestiones al nivel de dirección ayuda a evitar que la estrategia tecnológica avance desconectada de la responsabilidad institucional.
Un comité de IA para ordenar el portfolio
Cuando aparecen múltiples propuestas, la dirección necesita compararlas con criterios comunes. Un comité transversal puede revisar finalidad, riesgo, coste, disponibilidad de datos y capacidad de mantenimiento antes de aprobar nuevos proyectos.
El objetivo no debería ser centralizar cada decisión pequeña, sino evitar que usos sensibles avancen sin coordinación. Un portfolio común permite además detectar proyectos similares y reutilizar componentes.
La dirección estratégica gana así una visión de conjunto sobre dónde está realmente entrando la IA en la organización.
Presupuesto y beneficios esperados
Los proyectos deben incluir costes de integración, licencias, soporte, evaluación y operación, no solo el precio inicial. También necesitan una hipótesis clara de beneficio.
El ahorro puede medirse en tiempo, reducción de errores o capacidad de atender más volumen. En otros casos, el valor estará en mejorar calidad o accesibilidad aunque no reduzca gasto.
Comparar beneficios previstos con resultados reales ayuda a decidir qué sistemas ampliar y cuáles detener.
Mapa de competencias del equipo
La adopción cambia perfiles necesarios. Algunos equipos necesitarán conocimientos de datos, otros capacidad para validar resultados, gestionar proveedores o diseñar controles.
Un mapa de competencias permite identificar carencias antes de contratar tecnología. También ayuda a distinguir qué capacidades deben permanecer internas y cuáles pueden externalizarse.
La dependencia más difícil de revertir no siempre es tecnológica; a veces es la pérdida de conocimiento para gobernar el servicio.
Protocolo para shadow AI
Prohibir sin ofrecer alternativas puede empujar el uso fuera de los canales corporativos. Una política más efectiva identifica tareas frecuentes, ofrece herramientas aprobadas y explica límites de forma sencilla.
También conviene disponer de un canal para declarar nuevos usos y resolver dudas. La dirección puede utilizar esa información para descubrir necesidades que no estaban cubiertas.
El objetivo es hacer visible la adopción informal y convertirla en una práctica gobernada.
Escalado de incidentes de IA
Los organismos necesitan decidir qué se considera un incidente: una filtración de datos, una respuesta discriminatoria, una acción automatizada incorrecta o una degradación sostenida del modelo.
Cada categoría puede requerir responsables distintos. El protocolo debe indicar cuándo suspender un sistema, cómo preservar evidencias y quién informa a usuarios afectados.
Preparar estos escenarios antes de producción evita improvisación cuando aparece un problema real.
Cuadro de mando para directivos
La dirección no necesita revisar cada interacción del modelo, pero sí disponer de indicadores sobre uso, errores, costes, reclamaciones, disponibilidad y cambios de versión.
Un cuadro de mando facilita detectar desviaciones y relacionar la tecnología con objetivos de servicio. También hace visible si un proyecto piloto sigue consumiendo recursos sin avanzar hacia producción.
La gobernanza madura combina métricas operativas con indicadores de impacto público.
Revisión periódica del portfolio
Los casos de uso deberían revisarse al menos cuando cambia la normativa, el proveedor, la versión del modelo o la finalidad. Un sistema que era adecuado al inicio puede dejar de serlo.
La revisión también permite retirar proyectos que ya no aportan valor y liberar presupuesto. Mantener todo indefinidamente genera deuda tecnológica y documental.
La dirección estratégica consiste tanto en saber qué adoptar como en decidir qué dejar de utilizar.
Una cultura donde experimentar y parar sean compatibles
La innovación necesita espacio para probar, pero un piloto no debería considerarse exitoso por el mero hecho de completarse. Definir criterios de éxito y de abandono desde el inicio protege recursos públicos.
Los equipos pueden experimentar en entornos controlados y documentar resultados negativos sin penalización. Esa información reduce el riesgo de repetir proyectos fallidos en otras unidades.
El liderazgo público tiene un papel clave para convertir la experimentación en aprendizaje institucional y no en una sucesión de demostraciones.
Decidir quién puede autorizar excepciones
Un marco de gobernanza necesita prever excepciones: un equipo puede necesitar temporalmente una herramienta no incluida en el catálogo o un uso experimental con condiciones especiales.
La dirección debe definir quién puede autorizarlo, durante cuánto tiempo y qué evidencias se requieren. Una excepción sin fecha de revisión corre el riesgo de convertirse en una regla permanente sin evaluación.
Gestionar estas situaciones de forma transparente permite mantener agilidad sin perder control institucional.
Una agenda anual de prioridades
La dirección puede convertir el inventario de casos en una agenda anual que relacione proyectos con objetivos de servicio, presupuesto y capacidad de los equipos. Esta planificación evita lanzar más iniciativas de las que la organización puede mantener.
También facilita coordinar contratación, formación y disponibilidad de datos. La IA deja así de tratarse como una sucesión de oportunidades aisladas y pasa a integrarse en la planificación ordinaria de la Administración.
Fotografía: Christina Morillo / Pexels.