La Inteligencia Artificial en el sector público lleva años atrapada en un bucle: pilotos prometedores que nunca escalan, pruebas de concepto que mueren en presentaciones de PowerPoint y una brecha abismal entre el "hype" y la realidad operativa. Para romper esa inercia nace AI4Gov, un proyecto editorial ambicioso que aspira a convertirse en la biblia de referencia para administraciones que quieren pasar de la experimentación a la producción sostenida.
Detrás de la iniciativa no hay consultoras vendiendo humo, sino profesionales que llevan años en las trincheras: CIOs de gobiernos municipales, estatales y federales, arquitectos de datos públicos y responsables de ética algorítmica. Su tesis central es incómoda pero necesaria: la tecnología ya no es el cuello de botella. Los modelos funcionan, la infraestructura cloud está madura y los casos de uso —desde triaje sanitario hasta optimización de tráfico— están validados. Lo que falla es la gobernanza, la adquisición (procurement) y la cultura organizativa.
El libro estructura su análisis en tres frentes críticos. Primero, el marco regulatorio y ético: cómo comprar IA sin caer en "vendor lock-in", cómo auditar algoritmos de alto riesgo bajo la futura AI Act europea o las órdenes ejecutivas estadounidenses, y cómo garantizar explicabilidad en decisiones que afectan a derechos fundamentales. Segundo, la gestión del talento: la administración no compite en salarios con Google o OpenAI, pero puede ganar en misión, estabilidad y acceso a datos únicos. AI4Gov propone carreras híbridas, "fellowships" tecnológicos y unidades de innovación con autonomía real. Tercero, la arquitectura de datos: sin datos limpios, interoperables y gobernados, cualquier modelo es basura. El texto detalla estrategias para romper silos departamentales y construir "data meshes" públicos.
Lo más valioso del proyecto es su honestidad brutal sobre el ciclo de vida del procurement público. Los pliegos actuales están diseñados para comprar licencias de software estático, no servicios de IA que aprenden, derivan y requieren reentrenamiento continuo. AI4Gov incluye cláusulas tipo, métricas de rendimiento en producción (no solo en validación) y modelos de contrato basados en resultados (outcome-based).
¿Por qué importa ahora? Porque la ventana de oportunidad se cierra. La presión ciudadana por servicios digitales al nivel del sector privado es máxima, y la brecha de productividad entre administraciones que operacionalizan IA y las que no, se ensancha mes a mes. Además, la regulación (AI Act en Europa, Executive Order 14110 en EE. UU.) deja de ser teórica para volverse exigible. Quien no tenga su "house in order" —inventario de modelos, evaluaciones de riesgo, mecanismos de reclamación— se enfrentará a sanciones y daño reputacional.
AI4Gov no es una varita mágica, pero sí el primer intento serio de codificar el saber hacer tácito de quienes ya han cruzado el valle de la muerte del piloto a la producción. Para los CTOs, CDOs y directores de innovación pública hispanohablantes, debería ser lectura obligada antes de firmar el próximo contrato de IA. La experimentación ya no es una opción; es un lujo que la administración no puede permitirse.
