Inteligencia artificial en los gobiernos locales

Inteligencia artificial en los gobiernos locales

Lo que revela el nuevo mapa de capacidades en Argentina

La inteligencia artificial ya no es una promesa del futuro: forma parte del presente de la gestión pública. Un nuevo relevamiento realizado por la Universidad de los Andes —titulado “Sistemas de IA en el sector público de América Latina y el Caribe” (Muñoz-Cadena et al., 2025)— ofrece una radiografía sobre cómo los gobiernos subnacionales de Argentina están usando IA para mejorar la vida de las personas. Y lo que muestra es tan alentador como desafiante.

El estudio identifica más de 30 iniciativas en provincias y municipios argentinos que están incorporando herramientas de IA en áreas tan diversas como educación, salud, seguridad, servicios ciudadanos y justicia. Desde Salta hasta Mendoza, desde Córdoba hasta Lomas de Zamora, los gobiernos locales están probando —con mayor o menor profundidad— nuevas formas de anticipar problemas, optimizar recursos y responder de forma más ágil a las necesidades de sus comunidades.

Entre las experiencias más destacadas se encuentran los Sistemas de Alerta Temprana para prevenir el abandono escolar en Mendoza, Entre Ríos y Salta, que analizan datos sobre trayectorias educativas y contextos familiares para identificar a tiempo a estudiantes en riesgo. En salud, hospitales como el San Bernardo (Salta) y el Central (San Isidro) usan IA para mejorar el diagnóstico por imágenes. Y en Justicia, herramientas como PROMETEA (CABA) y DACIA (Córdoba) permiten automatizar la elaboración de dictámenes judiciales y reducir significativamente los tiempos procesales.

Otra tendencia creciente es el uso de chatbots en más de una docena de municipios —BOTI en Buenos Aires, Flora en Escobar, CiDi en San Juan, entre otros— que funcionan como asistentes virtuales para responder consultas, gestionar trámites o coordinar turnos. También hay un uso intensivo de IA en sistemas de videovigilancia y reconocimiento facial en ciudades como Tigre, Rosario o Salta, lo que plantea no sólo preguntas sobre eficiencia, sino también sobre ética y protección de derechos.

Aunque el ecosistema es vibrante y diverso, también presenta áreas con potencial de mejora. La consolidación de estas iniciativas requiere avanzar hacia una mayor articulación y sostenibilidad en el tiempo, así como generar capacidades compartidas entre los distintos niveles del Estado.

En primer lugar, existe espacio para profundizar la coordinación interjurisdiccional. Muchos de los desarrollos actuales surgen de iniciativas locales innovadoras, que podrían potenciarse aún más mediante estrategias nacionales que integren esfuerzos, escalen buenas prácticas y promuevan estándares comunes.

En segundo lugar, el desarrollo de talento público especializado aparece como una prioridad compartida. La demanda de habilidades técnicas, legales y éticas vinculadas al uso de IA va en aumento, y ofrecer oportunidades de formación continua será clave para acompañar esta transformación.

En tercer lugar, a medida que estas tecnologías ganan protagonismo, cobra relevancia el diseño de mecanismos de evaluación, monitoreo y gobernanza que aseguren el uso transparente, seguro y centrado en las personas. Algunas jurisdicciones ya están explorando estos caminos, y fortalecer este enfoque contribuirá a reforzar la confianza ciudadana en las innovaciones digitales.

A partir del análisis del relevamiento, surgen varias líneas de acción que pueden fortalecer y escalar los esfuerzos ya iniciados en el ámbito subnacional. La primera es la necesidad de diseñar una estrategia nacional de inteligencia artificial para el sector público, que establezca estándares comunes, protocolos éticos y mecanismos de cooperación entre niveles de gobierno. Muchas de las iniciativas actuales surgen de forma descentralizada y sin una articulación clara con políticas nacionales, lo que puede generar duplicaciones, desigualdades o incluso riesgos. Una estrategia nacional permitiría, por ejemplo, que los Sistemas de Alerta Temprana implementados en Mendoza, Salta y Entre Ríos compartan metodologías, interoperen con registros educativos nacionales y se retroalimenten con evidencia común. También permitiría establecer criterios para el uso de tecnologías sensibles, como el reconocimiento facial, cuyo despliegue ha sido desigual y en algunos casos cuestionado por falta de mecanismos de auditoría o supervisión independiente.

En segundo lugar, es urgente invertir de manera sostenida en la formación y el desarrollo de capacidades técnicas, éticas y de gestión de datos en el sector público. La implementación de herramientas de IA no puede depender exclusivamente de proveedores externos ni de equipos ad honorem: requiere talento público con conocimiento del contexto institucional, competencias técnicas y visión estratégica. Existen cursos y programas puntuales ofrecidos por el INAP y universidades públicas, pero aún no hay un plan sistemático y obligatorio que prepare a los equipos estatales para trabajar con algoritmos, evaluar riesgos o interpretar salidas automatizadas. Casos como los sistemas judiciales de PROMETEA (Ciudad de Buenos Aires) o DACIA (Córdoba) muestran que, cuando hay equipos públicos formados, es posible desarrollar herramientas locales, ajustadas a las necesidades reales y sostenibles en el tiempo.

Asimismo, es clave fomentar una gobernanza colaborativa que promueva alianzas con universidades, centros de investigación y organizaciones de la sociedad civil. El desarrollo de IA en el sector público no debe ser una tarea exclusivamente técnica ni cerrada sobre sí misma: requiere una mirada plural y participativa. Ejemplos como el sistema SIAVIGia, que articula múltiples organismos municipales para atender integralmente a víctimas de violencia de género, demuestran que la colaboración intersectorial puede generar soluciones más robustas, legítimas y adaptadas al territorio. Un enfoque colaborativo también puede ayudar a diseñar herramientas más transparentes y evitar sesgos o usos no deseados en los algoritmos.

En este sentido, la promoción de la transparencia y la evaluación continua es otro pilar fundamental. Especialmente en áreas sensibles como la seguridad, la salud o la protección social, los sistemas automatizados deben ser auditables, explicables y sujetos a revisión. Algunas iniciativas avanzadas, como la integración de IA en el análisis de llamados a la línea 144 (Ciudad de Buenos Aires), incorporan transcripción automática y seguimiento del riesgo, pero todavía no está claro cómo se monitorea la calidad de las predicciones ni qué mecanismos existen para corregir errores. La institucionalización de marcos de evaluación de impacto algorítmico (como ya ocurre en otras jurisdicciones del mundo) puede aportar claridad, proteger derechos y fortalecer la confianza ciudadana en el uso de estas tecnologías.

Finalmente, ampliar la infraestructura digital pública es condición necesaria para garantizar equidad territorial en la adopción de IA. Muchas de las experiencias más sofisticadas se concentran en grandes centros urbanos, donde existe conectividad, disponibilidad de datos y capacidad técnica. Sin embargo, los desafíos más urgentes suelen estar en localidades con menor infraestructura o escaso acceso a herramientas digitales. Programas como País Digital o la red de Puntos Digitales ya han contribuido a reducir esa brecha, y pueden ser fortalecidos con una visión más específica sobre IA. La implementación de chatbots municipales en ciudades como Guaymallén, Gualeguaychú o Tandil muestra que, con apoyo adecuado, los gobiernos locales pueden desarrollar soluciones eficaces y cercanas a la comunidad.

Argentina cuenta con gobiernos locales con gran vocación innovadora. El desafío es acompañar estos esfuerzos con políticas públicas que garanticen sostenibilidad, equidad y confianza. La inteligencia artificial puede ser una gran aliada del Estado, siempre que esté al servicio de las personas. La oportunidad no es menor: construir desde lo local una agenda nacional de innovación pública que sea tecnológicamente potente, éticamente responsable y socialmente transformadora.