.webp?width=1200&height=800&name=ChatGPT%20Image%2020%20jul%202026%2c%2013_11_01%20(1).webp "ChatGPT Image 20 jul 2026, 13_11_01 (1)")
La inteligencia artificial puede ayudar a modernizar la operación gubernamental, mejorar la atención ciudadana y aprovechar mejor la información institucional, siempre que opere con privacidad, seguridad, supervisión humana, trazabilidad y rendición de cuentas.
La tecnología puede proponer, analizar y asistir. La institución debe validar, decidir, documentar y responder.
Las instituciones administran grandes volúmenes de documentos, expedientes, normatividad, datos y servicios ciudadanos. La IA puede reducir cargas operativas y mejorar la atención, pero una implementación inadecuada también puede generar filtraciones, respuestas incorrectas, discriminación y decisiones difíciles de explicar.
La IA puede apoyar distintas actividades gubernamentales siempre que cada uso tenga límites, controles y responsables claramente definidos.
Puede identificar tipos de documento, extraer datos, asignar categorías, proponer áreas responsables, detectar faltantes e incorporar metadatos.
Clasificar un oficio por dependencia remitente, asunto, prioridad, fecha, unidad competente y tipo de trámite.
Los asistentes pueden responder sobre requisitos, horarios, ubicaciones, etapas de trámites, documentos, servicios y preguntas frecuentes.
Puede revisar solicitudes, licencias, permisos, becas, subsidios, quejas y expedientes para detectar campos faltantes, duplicados o inconsistencias.
Facilita la consulta de leyes, reglamentos, manuales, lineamientos, circulares, reglas de operación y políticas internas mediante lenguaje natural.
Documento, apartado, artículo o numeral, versión, fecha de vigencia y enlace a la fuente.
Puede comparar formatos, contratos, facturas, expedientes, padrones, inventarios y reportes para detectar diferencias, duplicados y patrones atípicos.
Apoya en resúmenes ejecutivos, informes mensuales, minutas, análisis de indicadores, tableros y borradores de comunicaciones.
Puede identificar tendencias, pronosticar demanda, analizar tiempos de respuesta, anticipar cargas y comparar indicadores.
Puede resumir expedientes, preparar reuniones, consultar procedimientos, comparar documentos, organizar pendientes y elaborar minutas.
Los riesgos deben analizarse durante todo el ciclo de vida del sistema, no únicamente antes de su implementación.
Debe definirse qué datos se utilizan, con qué finalidad, quién accede, dónde se almacenan, cuánto tiempo se conservan y si el proveedor los utiliza para entrenamiento.
La persona revisora debe tener autoridad, capacitación, tiempo, acceso a fuentes y capacidad real para rechazar o escalar el resultado.
Debe ser posible reconstruir el sistema, versión, datos, fuentes, respuesta, revisión, cambios y decisión tomada.
Los modelos pueden reproducir desigualdades por datos históricos incompletos, variables indirectas, muestras no representativas o reglas inadecuadas.
Deben contemplarse robo de credenciales, accesos indebidos, filtración de prompts, manipulación, modelos no autorizados y exposición de secretos.
Los modelos generativos pueden producir contenido convincente pero incorrecto. Se requieren fuentes, citas, umbrales de confianza y validación humana.
Debe responder por finalidad, resultados, presupuesto, riesgos, autorización y seguimiento.
Herramientas, responsables, datos procesados, proveedor, ubicación, decisiones apoyadas y fecha de evaluación.
A mayor riesgo, mayores deben ser la supervisión, documentación, pruebas y autorización.
Finalidad, proporcionalidad, datos, conservación, transferencias, proveedores, derechos y medidas de seguridad.
Casos normales, límite, información incompleta, manipulación, lenguaje ambiguo y consultas fuera de alcance.
Definir qué se revisa, quién lo hace, qué evidencia consulta y cómo se registra la decisión.
Medir precisión, errores, quejas, tiempos, incidentes, respuestas sin fuente y uso no autorizado.
Debe ser posible desactivar el sistema ante daño, filtración, pérdida de precisión o incumplimiento de controles.
La mejor estrategia es comenzar con un caso de uso delimitado, medible, controlado y con revisión humana.
Debe resolver un problema concreto y medible, por ejemplo reducir el tiempo de clasificación de oficios sin automatizar la decisión administrativa.
Definir qué información utilizará el sistema y qué personas podrían verse afectadas por su operación.
Analizar privacidad, seguridad, sesgos, trazabilidad, supervisión, calidad, proveedores y derechos.
Cada riesgo debe tener responsable, acción, evidencia, fecha, indicador y criterio de cierre.
Trabajar con alcance limitado, datos controlados, usuarios capacitados, revisión humana, métricas y registro de incidentes.
La autorización debe integrar resultados técnicos, jurídicos, operativos, de privacidad y de seguridad.
Repetir la evaluación cuando cambien el modelo, los datos, el proveedor, la finalidad, la población atendida, el proceso o el nivel de impacto.
Una institución pública no puede transferir su responsabilidad a un algoritmo o a un proveedor. Sigue siendo responsable de justificar sus actuaciones, proteger la información, atender errores, explicar decisiones, garantizar derechos, corregir afectaciones, responder ante auditorías y conservar evidencia.
Una herramienta para identificar, documentar y tratar riesgos antes de liberar un proyecto de inteligencia artificial.
Incluye evidencias esperadas, probabilidad, impacto, nivel de control, responsable, fecha compromiso y estado de avance.
Descargar matrizPodemos apoyar en evaluación de casos de uso, diagnóstico de madurez, arquitectura, gobierno de datos, seguridad, automatización documental, asistentes institucionales, agentes de IA, integración, modernización y operación.
Solicitar una sesión de evaluación