¿Cómo pasar de la experimentación con inteligencia artificial agéntica a mejoras concretas en una institución? Esa pregunta guió una mesa redonda organizada por Deloitte con expertos del sector público estadounidense. Los resultados se plasmaron en un informe del Centro de Investigación Académica de Tecnología Avanzada (ATARC), una organización sin fines de lucro que conecta gobierno federal, industria y academia para abordar desafíos de TI emergentes.
Por Mariano Garza-Cantú
Octubre,2026
Del documento generado por ATARC (https://atarc.org/) se desprenden ocho conclusiones que vale la pena considerar al evaluar la adopción de IA agéntica en el sector público.
1. Resolver necesidades concretas
Los participantes identificaron oportunidades para usar la IA agéntica en actividades que consumen tiempo y obligan a consultar numerosas fuentes de información.
Para apoyar decisiones, la IA puede reunir datos de distintos sistemas, resumirlos, detectar anomalías y sugerir acciones. Eso puede ayudar a supervisores que coordinan grandes equipos u operaciones complejas, aunque la responsabilidad de decidir sigue en manos del personal.
En atención ciudadana, los agentes de IA pueden responder preguntas frecuentes, orientar sobre trámites, completar formularios y automatizar solicitudes;
En gestión del conocimiento, pueden facilitar la búsqueda de informes, políticas y registros históricos. Los participantes señalaron también el desarrollo de software, donde la IA puede asistir en la generación de código, documentación y pruebas.
Lo que comparten estas aplicaciones es el propósito de ampliar las capacidades de los empleados y reducir su carga administrativa.
2. Ajustar las expectativas a la madurez tecnológica
Los participantes consideraron que la tecnología ya puede atender diversos usos operativos, pero advirtieron que no conviene esperar demasiado de ella.
El resultado depende de la calidad de los datos, de la integración con otros sistemas, del diseño de los procesos y de la preparación del personal. El informe recomienda comenzar con problemas delimitados y resultados medibles, y recoge reservas sobre la capacidad de los sistemas completamente autónomos para desempeñar, sin supervisión humana efectiva, funciones gubernamentales de consecuencias importantes.
3. Medir todos los costos y los beneficios
Ahorrar tiempo importa, pero no basta para saber si una inversión funciona.
La evaluación debe sumar los costos de implementación, infraestructura, consumo de los servicios de IA, seguridad, capacitación, supervisión y soporte continuo.
Los participantes recomendaron medir el desempeño antes de introducir una herramienta: sin ese punto de partida, cuesta demostrar cuánto mejoró un proceso.
También señalaron que una atención más rápida, una menor carga administrativa o una mayor productividad pueden aportar valor sin traducirse de inmediato en recortes presupuestarios.
El financiamiento debe tratar la IA como un gasto operativo recurrente, y la mesa redonda expresó preocupación por posibles aumentos futuros en los precios de uso de la IA.
4. Preparar los datos antes de ampliar el uso
La calidad y la disponibilidad de los datos fueron el tema más recurrente de la discusión.
Los participantes describieron instituciones con sistemas fragmentados, estándares inconsistentes y aplicaciones antiguas, donde recursos humanos, finanzas, logística y operaciones suelen guardar su información en repositorios separados que no se diseñaron para funcionar en conjunto.
Prepararse para el uso de la IA exige mejorar la calidad de la información, su organización y la capacidad de intercambiarla entre sistemas, y también definir qué datos pueden consultarse, para qué pueden utilizarse y qué medidas de protección necesitan. Incluso los modelos avanzados pueden producir resultados poco confiables si trabajan sobre bases de información débiles.
5. Definir quién responde por cada parte
Los desarrolladores necesitan reglas sobre herramientas autorizadas, usos aceptables y seguridad. A los administradores de las plataformas les toca vigilar su desempeño, las integraciones y los riesgos operativos, y las áreas usuarias deben establecer los usos adecuados y responder por los resultados. Los proveedores, por su parte, responden por el mantenimiento, la corrección de vulnerabilidades y la actualización de sus tecnologías.
Para sostener la confianza, empleados y directivos deben comprender de dónde provienen las respuestas y cómo influyen en las decisiones. Las reglas deben revisarse conforme cambian las capacidades y los riesgos.
6. Convertir un piloto en una capacidad permanente
Una prueba exitosa no garantiza que el sistema funcione a escala institucional.
Los pilotos suelen tener pocos usuarios, fuentes de datos delimitadas y riesgos manejables; al expandirse, suman revisiones de seguridad, requisitos de cumplimiento, capacitación, soporte, vigilancia e integración con los sistemas existentes.
También exige responsables definidos, tanto de la plataforma como de los resultados operativos. Según el informe, la falta de claridad en la responsabilidad puede detener iniciativas prometedoras.
Hay que gestionar la IA como una capacidad permanente: requiere mantenimiento y mejora continua, con recursos y procesos que la sostengan.
7. Preparar al personal para colaborar con la IA
Los participantes rechazaron la idea de que la IA sustituirá a grandes proporciones del personal y describieron, en cambio, una colaboración en la que los sistemas asumen las tareas rutinarias y las personas conservan el juicio y la responsabilidad.
Para lograrlo, el personal necesita capacitación que le permita comprender las capacidades y limitaciones de las herramientas, validar sus respuestas y supervisar su funcionamiento.
8. Vincular la tecnología con los objetivos institucionales
La visión que surgió de la mesa redonda es la de una IA integrada poco a poco al trabajo cotidiano: buscar información, coordinar actividades, apoyar decisiones y ejecutar tareas.
Ese cambio exige datos confiables, seguridad, evaluación del desempeño, colaboración entre áreas y financiamiento sostenible.
El liderazgo debe establecer prioridades, ajustar expectativas y vincular cada iniciativa con los objetivos de la institución. Según el informe, los mejores resultados dependerán de esas condiciones y de la capacidad de adaptarse conforme evolucione la tecnología.
La IA agéntica ya puede aliviar tareas concretas del sector público; que ese avance perdure depende de los datos, las reglas, el personal y los recursos con que cada institución lo respalde.