Repensar la IA en el sector público: 5 cambios que impulsan tu misión

Las agencias del sector público están comprometiendo gran parte de sus presupuestos operativos para garantizar que estas capacidades produzcan resultados tangibles.

Según Massimiliano Claps, director de investigación de la International Data Corporation (IDC), las agencias están reasignando importantes fondos de innovación hacia la IA. "Recopilamos datos de encuestas de más de 600 entidades del sector público en todo Estados Unidos, y 152 de ellas eran del gobierno federal. Según estos datos, el 65% de las agencias que entrevistamos planean asignar el 11% o más de su presupuesto de TI a la IA en 2026 y en el futuro", dijo Claps. ¹ Como resultado, las agencias gubernamentales deben vincular sus inversiones en tecnología directamente a una mejor prestación de servicios y continuidad operativa.

Además, aproximadamente el 80% de estas agencias esperan un valor medible dentro de 12 meses, y anticipan un retorno del doble dentro de dos años.¹ Estas exigentes líneas de tiempo no dejan espacio para silos de datos aislados. Los líderes de TI necesitan una plataforma unificada que ofrezca visibilidad inmediata en toda su huella operativa.

Es fácil probar la IA arrastrando manualmente algunos archivos PDF a una interfaz de chat. Pero ¿cómo escalás eso a los datos históricos de toda una organización?

La transformación de datos fragmentados en una base preparada para la IA requiere una arquitectura abierta y flexible que conecte la información en todos los entornos. Como señaló Dave Erickson, distinguido arquitecto del sector público en Elastic: “Muchas organizaciones están pensando en cómo garantizar una arquitectura abierta, por lo que no han creado un nuevo silo de datos orientado a una sola cloud o un solo proveedor”. Y continuó: “Hay que pensar en eso y mantenerlo modular y abierto. OpenTelemetry es importante porque da un nivel de agnosticismo”.

Esta necesidad de apertura se extiende más allá de la arquitectura y abarca la forma en que se almacenan los datos y se accede a ellos. “No se puede simplemente almacenar datos en cubetas de almacenamiento estáticas y esperar que la IA extraiga información por arte de magia”, agregó James Garside, especialista sénior en clientes empresariales de Elastic.

Este cambio arquitectónico requiere tiempo y disciplina. En una reflexión sobre el recorrido de Reino Unido, Garside agregó: “Definitivamente nos tomó un poco más de tiempo implementar... solo para asegurarnos de hacerlo bien.”

Para sacar el máximo provecho de esos datos, necesitas buscar instantáneamente y con precisión en petabytes de información. Este nivel de rendimiento exige que cuentes con una arquitectura diseñada para búsquedas y recuperación a alta velocidad y a gran escala.

“De nuestra reciente encuesta en EE. UU. a 152 ejecutivos federales de TI y de misión, el 0 % nos dijo que no quieren supervisión humana”, señala Claps.¹ “Esa es una historia muy reveladora”.

A medida que la automatización se encarga de procesos más complejos, el papel del operador humano va cambiando. El modelo de "human in the loop" o con supervisión humana, donde un analista simplemente hace clic en un botón de aprobación, está dando paso a un enfoque de "human in the lead" o con liderazgo humano. En este modelo, la IA actúa como un asistente especializado que procesa datos a gran escala, mientras que la persona establece la estrategia y toma la decisión final.

Erickson estuvo de acuerdo. "Hay mucho contexto y conocimiento institucional que proviene de las personas. El rol de la IA es ayudar a automatizar algo que ya sabemos hacer correctamente", señala. Esto mantiene a las personas en control, lo que les permite guiar y refinar los resultados a la vez que se asegura que el conocimiento institucional crítico siga siendo la fuerza impulsora detrás de cada decisión.

A medida que los datos se convierten en el combustible crítico para los flujos de trabajo de los agentes, controlar dónde residen esos datos y quién tiene acceso a ellos es primordial. La IA soberana se ha convertido en una prioridad global para las organizaciones que manejan información confidencial o clasificada.

Según la IDC, el 46% de las entidades federales encuestadas actualmente utilizan alguna forma de IA soberana, y otro 38% planea hacerlo dentro de los próximos 12 meses.¹ Esto refleja un creciente reconocimiento de que la IA soberana es muy diferente de la autosuficiencia. No se trata de aislamiento; se trata de controlar dónde se encuentran los datos, cómo se intercambian y quién tiene acceso con qué derechos. Para mantener la independencia en su arquitectura técnica, los líderes de TI deben asegurarse de controlar su stack tecnológico comenzando con la capa de datos fundamental.

El cambio de la productividad individual al impacto de la misión ya está en marcha. Para mantener el ritmo, las organizaciones deben ir más allá de los experimentos aislados y concentrarse en los cimientos arquitectónicos que apoyan la IA a gran escala.

Comienza por realizar una auditoría de tu panorama de datos actual para identificar silos que obstaculicen el acceso en tiempo real. Establece marcos de trabajo de gobernanza que prioricen un modelo operativo con humanos a la cabeza, que garantice que tus equipos mantengan el control final sobre las decisiones críticas. Finalmente, invierte en una plataforma flexible que permita visibilidad y mantenga la autonomía estratégica sobre tu información más sensible.

Conectar tus datos distribuidos con los expertos que dependen de ellos cada día es clave para desbloquear el verdadero valor de la IA. Descubre cómo sentar las bases para el éxito de tu misión participando en nuestro seminario web.

Ver a petición