La mayoría de los gobiernos ya usa inteligencia artificial en algún proceso. Muy pocos obtienen resultados que el ciudadano perciba. La razón casi nunca es el modelo: es que los datos que la IA necesita viven en sistemas que no se hablan entre sí. La interoperabilidad de datos en el gobierno digital es la base invisible que decide si un proyecto de IA resuelve trámites o se queda en un piloto vistoso. En este artículo explico qué significa en la práctica, por qué se volvió urgente en 2026 y cómo construirla sin esperar a una reforma de todo el Estado.
Contexto del problema: sistemas que no se hablan
Una dependencia pública típica acumula décadas de sistemas: un padrón en una base de datos antigua, un gestor de expedientes contratado a un proveedor, hojas de cálculo en áreas operativas y un portal ciudadano que solo muestra una parte de todo eso. Cada uno guarda la misma información con nombres, formatos y reglas distintas.
Cuando llega un proyecto de IA, el equipo descubre que «el dato» no existe como una sola cosa. Existe cinco veces, con contradicciones. El asistente virtual que debía responder sobre el estado de un trámite no puede hacerlo porque el expediente está en un sistema y el pago en otro, sin una llave común que los relacione.
El Digital Government Outlook 2026 de la OCDE lo describe con claridad: los habilitadores clave para adoptar IA en gobierno están madurando, pero la capacidad de entrega sigue siendo desigual. El mismo informe señala que, en promedio, solo el 63% de las instituciones públicas de los países miembros está conectada al sistema nacional de interoperabilidad de datos. Es decir, más de un tercio de las entidades opera fuera del tejido que permitiría compartir información de forma segura.
Por qué la interoperabilidad de datos importa ahora
Durante años, la interoperabilidad fue un tema de arquitectos y áreas de sistemas. Lo que cambió en 2026 es que la IA generativa y los agentes hicieron visible su ausencia para directivos, alcaldes y ministros.
Un modelo de lenguaje es tan útil como el acceso que tiene a información confiable. Si un agente de IA debe verificar un requisito, calcular un plazo o preparar una resolución, necesita dos cosas: acceder a los datos de forma segura (interoperabilidad técnica) y entender qué significan (interoperabilidad semántica). Sin la primera, el agente no ve nada. Sin la segunda, ve datos y los interpreta mal.
A esto se suma la presión por la soberanía digital. Estrategias nacionales de nube en Europa y debates similares en América Latina insisten en que no puede haber IA pública confiable sin datos bien gobernados. Interoperabilidad y soberanía dejaron de ser temas separados: ambas dependen de que el Estado sepa qué datos tiene, dónde están y bajo qué reglas se comparten.
Hay además un argumento económico simple. Cada vez que dos sistemas no se conectan, alguien lo compensa a mano: un servidor público que copia información de una pantalla a otra, o un ciudadano que entrega por tercera vez un documento que el propio Estado ya tiene. Ese costo se repite todos los días y no aparece en ningún presupuesto.
Cómo aplicarlo en el gobierno: de la teoría a la arquitectura
La interoperabilidad no se compra en una licitación. Se construye por capas. Desde mi experiencia en desarrollo de sistemas y transformación digital institucional, estas son las capas que realmente destraban proyectos de IA.
1. Inventario de datos y sistemas de registro
Antes de conectar nada, hay que saber qué existe. Un inventario básico responde tres preguntas por cada conjunto de datos: quién es el dueño, en qué sistema vive la versión oficial y quién más lo consume. Este paso suele revelar que varios sistemas creen ser la «fuente de verdad» del mismo dato.
2. Identificadores comunes
La llave que relaciona un expediente, un pago y una persona es un identificador único y estable. Sin identificadores compartidos, cualquier integración se convierte en un cruce por nombre y fecha de nacimiento, con errores garantizados. Definir y proteger esos identificadores es la decisión técnica más rentable que puede tomar una institución.
3. Interfaces estandarizadas (APIs)
Cada sistema de registro debe exponer sus datos a través de interfaces documentadas, con control de acceso y trazabilidad. Esto permite que un nuevo servicio —incluido un agente de IA— consulte información sin duplicarla ni tocar la base original. Marcos como el Ena de Suecia funcionan justamente así: componentes digitales compartidos para intercambio seguro de datos e interfaces comunes que todas las entidades reutilizan.
4. Vocabulario compartido
Aquí entra la interoperabilidad semántica. «Estado del trámite» puede significar cosas distintas en dos dependencias. Un catálogo de conceptos y definiciones acordadas, aunque sea pequeño al principio, evita que la IA combine información incompatible y produzca respuestas incorrectas con total seguridad.
5. Gobernanza del intercambio
Quién puede pedir qué dato, con qué finalidad y con qué registro de auditoría. Esta capa convierte la interoperabilidad en algo legal y confiable, y es la que permite defender el proyecto ante órganos de control y ante la ciudadanía.
Riesgos y errores comunes
Empezar por el modelo de IA y no por los datos. Es el error más frecuente. Se contrata una plataforma de agentes y luego se descubre que no hay nada limpio que conectarle. El resultado es un piloto con datos de prueba que nunca escala.
Construir un «lago de datos» central como atajo. Copiar todo a un repositorio único parece resolver la interoperabilidad, pero crea una nueva fuente de verdad desincronizada, concentra riesgos de seguridad y no arregla las diferencias de significado entre sistemas.
Dejar la interoperabilidad en manos del proveedor. Si las interfaces y los identificadores pertenecen a una empresa externa, la institución pierde la capacidad de cambiar de proveedor o de conectar nuevos servicios. Es el punto donde la interoperabilidad se cruza con la soberanía tecnológica.
Ignorar la calidad del dato. Conectar sistemas con datos incompletos o desactualizados solo propaga el error más rápido. La IA amplifica lo que recibe.
Tratar el tema como un proyecto con fecha de fin. La interoperabilidad es una capacidad permanente que necesita equipo, presupuesto y mantenimiento, igual que una carretera.
Recomendaciones prácticas para directivos públicos
Elija un servicio ciudadano concreto y de alto volumen, y trace el recorrido completo de sus datos: qué sistemas toca, dónde se rompe la cadena y cuántas veces se vuelve a pedir la misma información. Ese mapa es su primer caso de negocio.
Exija que cualquier nuevo sistema o contrato incluya interfaces abiertas y documentadas, con los datos y sus definiciones como propiedad de la institución. Es más barato ponerlo en el contrato que negociarlo después.
Cree un equipo pequeño y permanente de datos e integración, con autoridad para definir identificadores y vocabularios. Sin un dueño claro, cada área seguirá resolviendo por su cuenta.
Mida la interoperabilidad con indicadores simples: número de sistemas conectados al bus de datos, porcentaje de trámites que no piden documentos que el Estado ya posee, tiempo de integración de un servicio nuevo. Lo que se mide, se prioriza.
Alinee el esfuerzo con el marco nacional de interoperabilidad si existe. Conectarse a él evita reinventar estándares y facilita que la IA de una dependencia use datos de otra sin negociaciones bilaterales interminables.
Conclusión
La conversación pública sobre IA en el gobierno se centra en modelos, chatbots y agentes. La conversación que decide los resultados ocurre una capa más abajo: en si los datos del Estado pueden encontrarse, entenderse y compartirse con reglas claras. La interoperabilidad de datos en el gobierno digital no es un tema técnico secundario; es la infraestructura sobre la que cualquier inteligencia artificial pública se sostiene o se cae. Las instituciones que la construyan ahora podrán adoptar cada nueva generación de IA con rapidez. Las que no, seguirán acumulando pilotos que nunca llegan al ciudadano.
Preguntas frecuentes
¿Qué diferencia hay entre interoperabilidad técnica y semántica?
La técnica permite que dos sistemas intercambien datos de forma segura mediante interfaces y formatos compatibles. La semántica garantiza que ambos entiendan lo mismo por cada dato. Un sistema de IA necesita las dos: acceder a la información y no malinterpretarla.
¿Se puede usar IA en el gobierno sin resolver primero la interoperabilidad?
Sí, pero de forma limitada: asistentes que responden con información pública estática, resúmenes de documentos o apoyo a redacción. Cualquier caso que requiera consultar el estado real de un trámite, cruzar registros o automatizar una decisión depende de datos conectados y confiables.
¿Por dónde debe empezar una dependencia con pocos recursos?
Por el inventario de datos y por un solo servicio prioritario. Identificar la fuente oficial de cada dato, definir un identificador común y exponerlo mediante una interfaz documentada es un trabajo acotado que ya habilita casos de uso de IA concretos, sin necesidad de rediseñar toda la arquitectura institucional.
¿La interoperabilidad compromete la privacidad de los ciudadanos?
Al contrario, bien diseñada la protege. Compartir datos mediante interfaces con control de acceso, finalidad declarada y registro de auditoría es más seguro que el envío de archivos por correo o las copias manuales que hoy sustituyen a la integración. La gobernanza del intercambio es parte inseparable de la interoperabilidad.
Deja una respuesta