Los estudios de IA en el sector público deberían inclinarse hacia nuevas taxonomías que ayuden a agregar valor estridente.
getty
En la columna de hoy, examino la importante premisa de que no toda la IA es igual. El problema es que la mayoría de los indicios de cómo la IA hace esto o aquello se presentan como si todas las IA fueran fundamentalmente iguales. Pero no toda la IA es igual. Hay diferencias y diferencias importantes.
La aparición de la IA generativa y los grandes modelos de lenguaje (LLM) se ha convertido en una forma popular de IA en la que muchos tienden a pensar cuando alguien dice que la IA se ha utilizado para lograr logros sorprendentes. Hay otros tipos de IA. Es importante reconocer esto, porque cualquier lección aprendida o intento de utilizar la IA en una tarea similar dependerá de conocer el tipo de IA utilizada para un entorno específico. Hasta cierto punto, a menudo nos equivocamos al comparar manzanas y naranjas, es decir, al tratar la IA que funciona de manera diferente a otras IA. Afortunadamente, una nueva taxonomía de la IA en el sector público proporciona información útil para diferenciar entre tipos de IA.
Hablemos de ello. Este análisis de los avances en IA es parte de mi reciente columna de Forbes sobre IA, que incluye la identificación y explicación de las diversas complejidades que afectan a la IA (ver enlace aquí).
IA metida en un cubo
Primero, vayamos al pasado reciente. Quizás recuerde que antes de la IA generativa, las formas populares de IA se conocían como sistemas expertos o sistemas basados en el conocimiento. Todavía existe, aunque con menos moda y sin el dinamismo de los LLM. Un giro es la creciente marea de IA híbrida, también conocida como IA neurosimbólica, que resucita los mejores sistemas basados en reglas y los combina con LLM; Vea mi análisis en profundidad en el enlace aquí.
Probablemente no verás a nadie distinguiendo la IA en estos días. Toda la apariencia de la IA se ha convertido en una masa amorfa, y casi todo el mundo afirma que la utiliza. No importa si la IA es realmente IA. Simplemente diga que está usando IA: el mundo estará ansioso por escuchar lo que tiene que decir. Los precios de las acciones subieron cuando las empresas anunciaron que se apoyaban en gran medida en la IA, a pesar de que nadie sabía qué tipo de IA estaban usando y cómo la estaban usando.
Anteriormente he expuesto muchas y variadas definiciones de IA; vea el enlace aquí. Quizás le sorprenda saber que no existe una definición única de IA aceptada a nivel mundial. Por lo tanto, generalmente puede salirse con la suya llamando a cualquier cosa AI y probablemente encuentre una definición que respalde su afirmación. Parece inconcebible que todos hablemos y nos preocupemos por la IA, pero no existe una definición comúnmente aceptada de IA. Haz que tu cabeza dé vueltas.
La gobernanza de la IA es crucial
No importa qué tipo de IA elija alguien, debe pensar detenidamente sobre el importante papel de la gobernanza de la IA. Se debe monitorear la IA adoptada en las organizaciones. Apresurarse hacia la IA puede parecer apropiado, pero si los elementos de su gobernanza no se planifican ni se implementan, es probable que la IA cree más problemas de los que resuelve.
La gobernanza de la IA se aplica tanto al sector privado como al sector público. Los lectores recordarán que he cubierto la gobernanza de la IA para empresas comerciales y organismos gubernamentales. La naturaleza de la gobernanza de la IA en el sector público tiene muchas similitudes con la del sector privado, pero, al mismo tiempo, existen diferencias muy importantes. Una forma de conceptualizar la diferencia es que la gobernanza de la IA comercial busca principalmente regular las organizaciones que crean o implementan IA en pos de objetivos comerciales, mientras que la gobernanza de la IA del sector público generalmente busca regular el ejercicio de la autoridad gubernamental a través de la IA, manteniendo al mismo tiempo obedientemente los valores democráticos y el estado de derecho.
Anteriormente hablé de la gobernanza de la IA en el sector público; vea el enlace aquí, que incluye esta breve descripción:
- Gobernanza de la IA en el sector público: “La gobernanza de la IA en el sector público incluye principios, estructuras, prácticas y administración a través de los cuales una entidad del sector público garantiza que el desarrollo o la adquisición de sistemas de IA, y el despliegue, uso y eventual retiro de los sistemas de IA, se lleven a cabo de manera documentada y efectiva, manteniendo al mismo tiempo los valores democráticos, los derechos individuales, la confianza pública y las reglas.
Un resultado notable es que si queremos identificar de manera perspicaz las mejores prácticas asociadas con la IA en el sector público, debemos tener claro qué tipo de IA se está considerando. Este es otro enigma de manzanas versus naranjas.
Investigación de la Administración Pública
Los estudios contemporáneos realizados por académicos e investigadores de la administración pública tienden a explorar cómo se utiliza la IA y cómo afecta al sector público, pero esos estudios normalmente no distinguen suficientemente los tipos de IA utilizados. En otras palabras, los estudios de casos citados o incluso las encuestas a gran escala dicen que la IA es útil de muchas maneras y que hay desventajas que deben abordarse, pero esto se hace sin articular para qué se utiliza realmente la IA.
Artículo reciente titulado “Tipología técnica de los sistemas de IA en la administración pública” de Jonathan Rystrøma, Chris Schmitzb, Nathan Daviesa, Gerhard Hammerschmid, Albert Meijer, Chris Russell, arXiv30 de junio de 2026, resalte estos puntos importantes (extractos).
- “La investigación sobre inteligencia artificial (IA) en el sector público a menudo considera la ‘IA’ como una categoría única, descuidando las diferencias técnicas entre los diferentes sistemas de IA. Pero estas diferencias afectan cómo los diferentes sistemas afectan los valores públicos fundamentales como la rendición de cuentas, la justicia procesal y la no discriminación”.
- “Nuestro análisis extrae ejemplos específicos de los artículos más citados que dan forma a la administración pública y los estudios de gobierno digital sobre IA (2019-2025)”.
- “Actualmente, los investigadores corren el riesgo de no especificar su alcance al no utilizar ninguna taxonomía (invocando ‘IA’, ‘algoritmo’ o ‘toma de decisiones automática’ en general) o confiar en taxonomías existentes que no son adecuadas, que no rastrean claramente tales propiedades.
- “Existe una clara necesidad de una tipología de sistemas de IA destinada a explicar sus implicaciones de valor general”.
- “Presentamos una tipología de cinco categorías de sistemas de IA: código manual, caja de cristal, caja negra, propósito general y sistemas de agentes”.
Como se señaló anteriormente, el artículo analiza los trabajos de investigación más citados en administración pública e inteligencia artificial durante el período de 2019 a 2025. Las descripciones de la inteligencia artificial suelen ser amplias e insulsas. Es un desafío reutilizar los resultados de esas investigaciones cuando no se puede distinguir qué IA es manzana y cuál es naranja. Puedes obedecer la recomendación de las naranjas cuando estés ávidamente involucrado en la adopción de manzanas en tu entidad.
Tipología de IA
El último punto de los extractos anteriores establece que el autor había derivado una tipología de IA que consta de cinco categorías. Sugieren que, de cara al futuro, la investigación sobre administración pública debería incluir esas cinco categorías. Por ejemplo, el estudio de caso del sector público debería profundizar lo suficiente en la IA adoptada para que se puedan ver categorías específicas. De manera similar, una encuesta sobre el uso generalizado de la IA en el sector público puede querer mostrar cinco categorías y recopilar datos sobre el uso en cada categoría en consecuencia.
El autor describe cinco categorías y le recomendamos que lea el artículo para comprender el meollo de la cuestión. Aquí hay algunas frases breves del artículo que pueden abrirle el apetito y brindarle claridad inicial sobre cada categoría:
- 1. “Sistemas codificados a mano. La primera capa son los sistemas codificados a mano: sistemas en los que las reglas de decisión se escriben en código en lugar de aprenderse de los datos”.
- 2. “El sistema de la caja de cristal. La segunda capa del sistema de la caja de cristal: un sistema en el que las reglas de decisión se aprenden a partir de los datos, pero la lógica del aprendizaje sigue siendo inspeccionable, al menos por los expertos”.
- 3. “Sistema de caja negra. La tercera capa es el sistema de caja negra: un sistema cuya lógica ha aprendido a resistir el examen crítico, incluso por parte de expertos.
- 4. “Sistemas de propósito general. La cuarta capa es un sistema de propósito general: un sistema entrenado para tareas generales, como predecir el siguiente token, que puede adaptarse a una variedad de aplicaciones posteriores a través de mecanismos como el aprendizaje por transferencia o la instrucción en lenguaje natural”.
- 5. “Sistemas de agentes. La capa final de la tipología son los sistemas de agentes: sistemas de IA que pueden perseguir objetivos complejos y generales, ejercer autonomía e influir en su entorno”.
Como veremos en un momento, las personas que tienen mucha experiencia en IA pueden preguntarse acerca de las cinco categorías y preguntarse si es posible agrupar una IA compleja en ciertas categorías. No te preocupes, abordaré esto en un momento.
Ejemplos de valor agregado
Para darle una idea de cómo el uso de tipologías puede aumentar materialmente el valor del análisis del sector público centrado en la IA, considere que el estudio llega a las siguientes conclusiones:
- Hallazgos del estudio: “Las agencias gubernamentales utilizan cada vez más la IA”.
Es interesante pero un poco incierto. Si la investigación utiliza una tipología, quizás su conclusión pueda expresarse de la siguiente manera:
- Hallazgos del estudio: “Las agencias gubernamentales están implementando cada vez más modelos de predicción de cajas de cristal, más que cualquier otra categoría de IA. Mientras tanto, los pilotos o experimentos con AI LLM son el próximo propósito general y probablemente aparecerán en el próximo año”.
Yo diría que la segunda descripción proporciona más valor. Al aprovechar la topología, los hallazgos son más explícitos y fáciles de usar. El enfoque inicial no basado en tipologías era bastante vago y simplemente afirmaba que la IA se utiliza cada vez más. Es marginalmente útil. Una vez que se ha utilizado la tipología, los hallazgos se vuelven más ilustrativos, revelando que los modelos de predicción de cajas de vidrio dominan y se anticipa que la IA de LLM de propósito general será la próxima ola de adopción.
La complejidad de la IA puede nublar las cosas
La tipología no es un almuerzo gratis. Una de las dificultades importantes en el uso de tipologías de IA es que el campo de la IA está creciendo rápidamente y tiende a avanzar hacia la combinación de tipos de IA. Es un dolor de cabeza poner la IA compleja en una sola categoría. Esto plantea la espinosa cuestión de si se deben enumerar ejemplos específicos en dos o más categorías, o si es necesario establecer un umbral para hacerlo de manera adecuada.
Por ejemplo, supongamos que una IA está codificada a mano en un 10% y en una caja de cristal en un 90%. ¿Esta IA cae en ambas categorías o solo en una categoría? Te daré un momento para reflexionar sobre esto. Sólo relájate. Bien, se puede afirmar que la IA debería figurar como un tipo de caja de cristal porque conduce a una superioridad de la IA del 90%. Un contraargumento es que esto deja fuera injustamente el 10% que fue codificado a mano. Se podría suponer con razón que la IA es 100% del tipo caja de cristal si no la incluye en ninguna de las categorías. ¿Qué hacer?
Bueno, si enumeras la IA en dos categorías, algunos podrían pensar que es una división 50/50. Sabemos que ese no es el caso. La caja de cristal está al 90%, mientras que el código manual está sólo al 10%. Por tanto, ambas categorías pueden resultar engañosas.
Continúe así. No hay respuestas fáciles y la clave es que cualquier uso de la tipología debe hacerse con cuidado. Quienes utilizan la tipología deben explicar qué supuestos hacen y qué parámetros eligen utilizar.
Nuestro mundo está ahí
Realmente aprecio el esfuerzo por formular una taxonomía y una tipología sobre la IA. Sigan con el buen trabajo.
Mi más sincera esperanza es que el debate sobre la gobernanza de la IA, especialmente en el sector público, se aleje gradualmente de la regulación de la IA como un monolito y avance hacia la gestión de diferentes clases de IA en función de las capacidades, los niveles de autonomía y el impacto en el valor público. Esto refleja el progreso en otros ámbitos, como la Ley de IA de la UE, donde las obligaciones regulatorias dependen cada vez más de la naturaleza y el perfil de riesgo del sistema de IA en lugar de solo de si está etiquetado como “IA”. Para ver mi análisis de los aspectos legales de la IA, incluida la Ley de IA de la UE, consulte el enlace aquí.
Un último pensamiento por ahora. El famoso filósofo y crítico literario George Henry Lewes dijo lo siguiente: “La ciencia es la clasificación sistemática de la experiencia”. El campo de la IA necesita madurar y establecer definiciones y clasificaciones universales útiles. Esto es por el bien de la ciencia y el bien de la humanidad.
