Durante años, la excusa favorita para no desplegar inteligencia artificial en el sector público fue que la ciudadanía no estaba lista. En 2026 ese argumento ya no se sostiene: quien tramita una licencia usa asistentes de IA todos los días en su trabajo y en su teléfono. La confianza ciudadana en la IA del gobierno sigue siendo baja, pero no por desconocimiento tecnológico, sino por algo mucho más incómodo de resolver: la falta de salvaguardas visibles.
El contexto del problema
Los datos disponibles apuntan en dos direcciones que, leídas juntas, cambian el diagnóstico. Por un lado, la encuesta ciudadana de gobierno digital de BCG publicada en 2026 indica que cerca de dos tercios de las personas usan herramientas de IA al menos una vez por semana y que la mayoría mantiene una percepción neutral o positiva sobre la tecnología. Por otro, la encuesta de la OCDE sobre confianza en instituciones públicas muestra que alrededor del 60% de los encuestados sigue mostrándose escéptico ante el uso de IA por parte de organismos públicos.
No es una contradicción. Es una distinción que el sector público suele pasar por alto: la gente confía en la herramienta y desconfía del uso institucional de la herramienta. Son dos juicios distintos, y solo el segundo determina si un servicio público con IA será aceptado o rechazado.
Por qué importa ahora
Importa porque la ventana de oportunidad es real y tiene fecha. El mismo estudio de BCG señala que la satisfacción con los servicios digitales de gobierno ha caído de forma sostenida durante la última década. Hay una brecha entre lo que la ciudadanía experimenta en el sector privado y lo que recibe en una ventanilla pública, y esa brecha se ensancha cada año.
Importa también porque el escepticismo documentado por la OCDE no es difuso: está alimentado por fallas concretas y públicas en decisiones automatizadas. Casos de sistemas de detección de fraude que señalaron erróneamente a miles de familias dejaron una huella duradera. Cada institución que despliega IA sin salvaguardas visibles no solo arriesga su propio proyecto; alimenta el escepticismo que encarece el siguiente despliegue de todas las demás.
Y hay un tercer motivo, menos discutido: los países cuya ciudadanía percibe que el gobierno adopta IA a un ritmo adecuado reportan mayor satisfacción con los servicios digitales que aquellos donde se percibe rezago. La cautela excesiva también tiene un costo político, no solo la prisa.
Cómo aplicarlo en el sector público
El hallazgo más accionable de 2026 es que la preocupación ciudadana se ha desplazado desde la ética abstracta hacia lo operativo. Ya no se pregunta tanto «¿es ético que un algoritmo decida?» como «¿qué pasa si se equivoca conmigo?». Esa es una pregunta que una institución sí puede responder con diseño.
- Vía de apelación explícita: un canal formal, visible dentro del propio trámite, para pedir revisión humana de cualquier decisión apoyada en IA. Debe ser tan fácil de encontrar como el botón de «enviar».
- Reporte público de desempeño: publicar periódicamente cuántas decisiones se apoyaron en IA, cuántas fueron impugnadas y cuántas se revirtieron. La confianza se construye con números incómodos publicados voluntariamente, no con garantías internas.
- Declaración del nivel de automatización: distinguir con claridad entre un sistema que sugiere y uno que resuelve, y decirlo en el trámite, no en un anexo técnico.
- Supervisión humana con autoridad real: una persona con tiempo, criterio y capacidad de revertir la decisión. Cerca de dos tercios de la ciudadanía quiere supervisión humana incorporada al servicio, no añadida después.
- Servicio de alta frecuencia primero: empezar por trámites repetitivos y de bajo riesgo (citas, consultas de estado, documentación) antes que por decisiones sobre derechos o recursos.
Riesgos y errores comunes
El error más costoso es tratar la confianza como un problema de comunicación. Una campaña que explica lo moderno que es el nuevo sistema no mueve la aguja si el ciudadano no ve qué le ocurre cuando el sistema falla. Las garantías de back-office (comités internos, auditorías no publicadas, políticas en PDF) no generan confianza porque nadie externo las percibe.
El segundo error es asumir homogeneidad. Las diferencias regionales son considerables: en algunas regiones la mayoría está cómoda con una intervención directa de la IA en la prestación del servicio, mientras que en Europa una proporción importante prefiere servicios liderados por personas con la IA en un papel de apoyo. Copiar el diseño de otro país sin ajustar el nivel de automatización esperado es una fuente predecible de rechazo.
El tercer error es desplegar primero en los servicios de mayor impacto sobre derechos. Es exactamente donde el escepticismo es más alto y donde un solo caso mal resuelto genera un titular que contamina todo el programa durante años.
Recomendaciones prácticas
Para un responsable de transformación digital, la secuencia práctica es corta. Primero, inventariar qué decisiones ya están apoyadas en IA y clasificarlas por impacto sobre derechos y recursos. Segundo, exigir que ningún sistema entre en producción sin vía de apelación operativa desde el día uno: no es una fase posterior, es un requisito de lanzamiento.
Tercero, definir desde el inicio qué se va a publicar y con qué frecuencia, y comprometerlo públicamente antes de tener los resultados. Cuarto, medir confianza como métrica del proyecto, junto al tiempo de resolución y al ahorro: si la satisfacción cae mientras la eficiencia sube, el proyecto está fallando aunque el tablero diga lo contrario.
Y quinto, invertir en la capacidad del personal para intervenir. Una supervisión humana sin formación ni tiempo asignado es un formalismo que se descubre en la primera crisis.
Conclusión
La confianza ciudadana en la IA del gobierno dejó de ser un problema de adopción tecnológica para convertirse en un problema de diseño institucional. La ciudadanía ya cruzó su curva de aprendizaje; la administración, en muchos casos, no ha cruzado la suya. La diferencia entre un programa de IA pública que escala y uno que se detiene tras el piloto rara vez está en el modelo: está en si el ciudadano puede ver, usar y comprobar las salvaguardas que lo protegen cuando el sistema se equivoca.
Preguntas frecuentes
¿Si la ciudadanía usa IA a diario, por qué desconfía de la IA del gobierno?
Porque son dos juicios distintos. Usar una herramienta de forma voluntaria y reversible no es lo mismo que someterse a una decisión institucional que afecta derechos o recursos y que no se puede deshacer fácilmente.
¿Qué salvaguarda genera más confianza con menos esfuerzo?
La vía de apelación visible dentro del propio trámite. Es concreta, verificable por el ciudadano y responde directamente a la pregunta operativa que hoy más pesa: qué ocurre si el sistema se equivoca conmigo.
¿Conviene esperar a que la ciudadanía esté más preparada antes de desplegar IA?
No necesariamente. La evidencia de 2026 sugiere que percibir rezago en la adopción también reduce la satisfacción con los servicios digitales. El factor decisivo no es el ritmo, sino si el despliegue incluye salvaguardas visibles desde el inicio.
Deja una respuesta