Resumen ejecutivo

La inteligencia artificial ya no es una tendencia lejana ni una promesa abstracta: se ha convertido en infraestructura cognitiva para escribir, analizar, programar, automatizar, asistir decisiones y operar servicios. El cambio, además, se ha acelerado de forma visible. Entre 2023 y 2025 la adopción empresarial de IA en países OCDE pasó del 8,7% al 20,2%, más del doble en dos años, mientras la frontera técnica avanzó desde modelos multimodales iniciales a sistemas con voz, visión, vídeo, razonamiento mejorado y ventanas de contexto de hasta 1 millón de tokens. En paralelo, la administración pública empezó a probar asistentes y copilotos para atención, búsqueda normativa y apoyo al personal, pero con una advertencia clara: sin alfabetización, gobernanza y evaluación, la velocidad tecnológica puede superar la capacidad institucional.

La tesis de este artículo es simple: la IA no debe tratarse como un tabú ni como un permiso sin condiciones. No se trata de limitar el acceso o prohibir su uso; se trata de enseñar a usarla bien, con criterios técnicos, responsabilidad pública, privacidad, seguridad, explicabilidad y propósito. Ese enfoque está alineado con la Recomendación de la UNESCO sobre ética de la IA, con el marco de IA confiable de la OCDE, con la Ley de IA de la Unión Europea y con los marcos de gestión de riesgos del NIST.

Durante demasiado tiempo, el debate sobre la inteligencia artificial se ha movido entre dos extremos igual de improductivos: la fascinación acrítica y el miedo paralizante. En muchas organizaciones, y también en no pocas entidades públicas, usar IA todavía se percibe como un atajo dudoso, casi como un tema tabú. Mi posición, desde la experiencia en IA aplicada a la ingeniería de sistemas y telecomunicaciones y en el trabajo con entidades del Estado, es clara: la IA no debe prohibirse ni estigmatizarse; debe comprenderse, gobernarse y utilizarse mejor.

La razón es sencilla. La revolución tecnológica ya no avanza al ritmo al que la medíamos hace años. Si antes hablábamos de cambios que maduraban en quince o veinte años, hoy asistimos a ciclos que se comprimen en meses, e incluso en semanas cuando hablamos de productos, capacidades y casos de uso. No es una exageración: la OCDE constata que la adopción empresarial de IA se ha más que duplicado entre 2023 y 2025, y los grandes laboratorios han pasado en muy poco tiempo de modelos multimodales iniciales a sistemas con visión, voz, vídeo, razonamiento, largo contexto y versiones “mini”, “flash” o “nano” para usos masivos y de baja latencia. Lo que hoy parece novedoso, en pocas semanas deja de ser diferencial y pasa a ser el nuevo estándar.

Por eso, el verdadero debate ya no es si debemos usar IA, sino para qué, con qué límites operativos y bajo qué controles. En ingeniería de sistemas, la IA está transformando el ciclo de desarrollo, la observabilidad, el soporte al código, el análisis documental y la explotación de conocimiento en repositorios complejos. En telecomunicaciones, la convergencia entre IA, automatización de red y arquitecturas AI-native está llevando las operaciones desde un enfoque reactivo hacia redes cognitivas capaces de auto-configurarse, auto-optimizarse y aprender sobre la marcha. La propia ITU ya sitúa “AI and communication” como uno de los escenarios de uso de IMT-2030, la base de 6G, y ETSI describe esta evolución como un salto estructural en la gestión de redes.

En el sector público, el cambio es igual de profundo. No porque la IA vaya a sustituir la función pública, sino porque puede ampliar su capacidad. La OCDE documenta asistentes como el gov.pt en Portugal, Albert en Francia o mAigov en Grecia para agilizar información, búsqueda normativa y atención a la ciudadanía; UNESCO, por su parte, insiste en que el futuro de la gobernanza digital depende de capacitar a los empleados públicos para usar IA de forma inclusiva y responsable. Es decir, la oportunidad no está en automatizar sin criterio, sino en liberar tiempo, reducir fricción, mejorar calidad y reforzar la rendición de cuentas sin sacar a la persona del centro.

Ahora bien, aceptar la IA no significa aceptar cualquier uso de la IA. Hoy disponemos de avances muy valiosos: modelos multimodales como GPT‑4o o Gemini, contextos de hasta 1 millón de tokens, técnicas de eficiencia como QLoRA o arquitecturas como Mamba, aprendizaje federado para colaborar sin centralizar todos los datos, privacidad diferencial para proteger información sensible, y nuevas prácticas de evaluación de seguridad y auditoría externa. Todo eso abre posibilidades enormes para sistemas críticos, telecomunicaciones, edge AI y gestión pública. Pero también nos recuerda algo esencial: cuanto más poderosa es la herramienta, más importante es la disciplina institucional con la que se implanta.

Por eso no comparto la idea de cerrar puertas. Limitar el acceso por miedo suele empujar a las organizaciones a la improvisación, al uso clandestino o al rezago. La respuesta correcta es otra: formar, definir políticas, clasificar riesgos, proteger datos, exigir trazabilidad, someter los sistemas a pruebas, establecer supervisión humana real y pedir explicaciones comprensibles cuando la IA apoye decisiones relevantes. Ese es, de hecho, el sentido convergente de la UNESCO, la OCDE, el NIST y la Ley de IA europea: alfabetización, gestión del riesgo, transparencia, seguridad, privacidad y responsabilidad compartida.

Estamos entrando en una era en la que pensar mejor será tan importante como hacer más. La IA no debería rebajar el criterio profesional; debería elevarlo. No debería reemplazar la reflexión; debería ampliarla. No debería banalizar la innovación; debería acelerar soluciones más útiles, más rápidas y de mayor calidad. En entidades del Estado, esto significa servicios más comprensibles, procesos más eficientes y decisiones mejor informadas. En ingeniería y telecomunicaciones, significa sistemas más resilientes, operaciones más inteligentes y una capacidad inédita para diseñar y escalar.

Mi llamada a la acción es directa: abandonemos el tabú y abracemos la responsabilidad. Enseñemos a usar la IA, exijamos gobernanza seria, midamos sus resultados y pongámosla al servicio del bien público y de la excelencia técnica. Porque esta no es solo la era de automatizar. Es la era de pensar, innovar y hacer mejor.

NUESTRO LÍMITE ES LA IMAGINACIÓN.
Mapa mental: IA sin tabú — velocidad del cambio, no prohibir, sí educar, uso responsable, innovación real, Estado y servicio público, talento humano y el límite es la imaginación
Las ideas del artículo, en un vistazo: de la velocidad del cambio al uso responsable en el Estado.

Tecnologías y evidencias que sostienen el argumento

La aceleración que subyace al texto anterior no es retórica vacía; está respaldada por avances técnicos y regulatorios muy concretos. La siguiente síntesis recoge las familias tecnológicas más relevantes para ingeniería de sistemas, telecomunicaciones y gestión pública entre 2023 y 2026.

En telecomunicaciones, el movimiento más interesante es que la IA ya no se concibe solo como una capa de apoyo: ITU y ETSI hablan cada vez más de redes “AI-native”, con inteligencia distribuida, automatización y decisión embebidas en la arquitectura. En el sector público, la OCDE insiste en que la promesa de la IA se concentra en productividad, capacidad de respuesta y rendición de cuentas, siempre que existan habilitadores, salvaguardas y participación.

Recomendaciones prácticas para entidades del Estado y profesionales

La adopción responsable empieza por la alfabetización en IA. La Comisión Europea ya vinculó la alfabetización a la aplicación temprana de la Ley de IA, y UNESCO ha convertido la capacitación de empleados públicos en un frente prioritario. Ninguna política interna será efectiva si directivos, responsables jurídicos, técnicos y usuarios finales no comparten un vocabulario mínimo sobre capacidades, límites, sesgos, privacidad y seguridad.

Después viene la gobernanza. Para una entidad pública o un operador tecnológico maduro, eso significa inventariar casos de uso, clasificar riesgos, definir responsables, documentar fuentes de datos, registrar prompts y salidas cuando proceda, y fijar cuándo la decisión final debe permanecer en manos humanas. La OCDE resume bien este enfoque con tres pilares: habilitadores, salvaguardas y participación. El NIST añade una lógica operativa útil: gobernar, mapear, medir y gestionar.

La tercera capa es privacidad y seguridad desde el diseño. Si el caso de uso toca datos personales, sensibles o estratégicos, no basta con anonimizar “a ojo”. Conviene evaluar técnicas como aprendizaje federado, despliegues locales y privacidad diferencial, entendiendo que siempre existe una tensión entre utilidad y protección. A la vez, deben incorporarse pruebas de seguridad, red teaming, revisiones independientes y auditoría continua, especialmente en sistemas dinámicos y de alto impacto.

La cuarta capa es prueba controlada antes de escalar. En vez de lanzar proyectos grandilocuentes, funcionan mejor los pilotos con métricas concretas: tiempo ahorrado, errores evitados, calidad documental, satisfacción de usuario, trazabilidad y coste por tarea. La experiencia acumulada en servicios públicos muestra precisamente eso: muchos casos empiezan como piloto o prueba de concepto y requieren seguimiento serio para no quedarse en simple demostración.

La quinta capa es compra pública y contratación inteligente. Si una entidad del Estado adquiere IA, debería exigir cláusulas sobre localización y tratamiento de datos, explicabilidad proporcional, controles de acceso, registros, actualización de modelos, gestión de incidentes, derechos de auditoría y evidencia de evaluaciones de seguridad. La preparación para el cumplimiento temprano que promueve el Pacto por la IA europeo va en esa dirección.

Un esquema mínimo de gobernanza responsable puede entenderse así: el Estado marca reglas, compra con criterio y rinde cuentas; la industria desarrolla y documenta; la academia evalúa y forma; y la ciudadanía aporta control democrático, expectativas de servicio y retroalimentación de impacto. Ese reparto de funciones encaja con los marcos de UNESCO, OCDE y la Unión Europea.

Esquema de gobernanza responsable de la IA: Estado, Academia, Industria y Ciudadanía con sus flujos de capacitación, evaluación, soluciones, control democrático y rendición de cuentas
Reparto de funciones para una gobernanza responsable de la IA entre Estado, academia, industria y ciudadanía.

Referencias