En muchas entidades públicas con actividad técnica, científica o especializada, la innovación no empieza necesariamente en grandes sistemas ni en proyectos complejos. A veces empieza en una pregunta mucho más sencilla: qué tareas se repiten cada semana, consumen tiempo y obligan a los equipos a manejar muchas variables.
Gestión de personal, expedientes económicos, compras, seguimiento de proyectos, vacaciones, bajas, altas, convocatorias, justificaciones, documentación interna o preparación de informes son ejemplos habituales. No son tareas menores. Sostienen el funcionamiento diario de la organización y, cuando se acumulan, pueden convertirse en cuellos de botella.
La inteligencia artificial puede aportar valor en ese terreno porque muchas de esas tareas combinan información dispersa, reglas conocidas, documentos similares y necesidad de revisión. Es decir, no se trata de decisiones automáticas, sino de ayudar a preparar mejor el trabajo para que las personas puedan supervisar, decidir y cerrar con más seguridad.
El valor está en mirar el día a día
Una buena estrategia de IA no debería empezar preguntando qué herramienta comprar. Debería empezar observando cómo se trabaja. Qué documentos se repiten. Qué solicitudes llegan de forma recurrente. Qué procedimientos generan más interrupciones. Qué épocas del año concentran más carga. Qué tareas requieren buscar información en varias fuentes antes de poder responder.
Ese análisis cotidiano permite detectar candidatos reales para un primer prototipo. Por ejemplo, un asistente que ayude a preparar borradores de respuesta a consultas internas, una herramienta que convierta una convocatoria en una lista de obligaciones, un sistema que organice documentación para justificar gastos o un apoyo que anticipe picos de trabajo administrativo.
El objetivo no es sustituir a los equipos. Es reducir fricción. Si una persona dedica demasiadas horas a localizar antecedentes, revisar versiones, comparar requisitos o recopilar evidencias, la IA puede ayudar a que ese trabajo previo sea más rápido y ordenado.
Grupo ICC y Fundación Emprende trabajan esta aproximación desde una lógica práctica: acompañar a los equipos para identificar procesos reales, seleccionar usos de IA con sentido y probar mejoras acotadas antes de escalar.
Menos demostraciones, más prototipos útiles
Uno de los riesgos de la inteligencia artificial en las organizaciones es quedarse en demostraciones llamativas que no cambian el trabajo real. Una herramienta puede parecer sorprendente en una presentación y, sin embargo, no resolver ningún problema operativo relevante.
Por eso los procesos repetitivos son un buen punto de partida. Permiten medir mejor el impacto: tiempo ahorrado, errores evitados, documentación mejor ordenada, respuestas más consistentes, mayor trazabilidad o menos dependencia de recuerdos individuales.
También permiten trabajar con mayor seguridad. Un prototipo puede limitarse a preparar, resumir, clasificar o proponer, dejando siempre la validación final en manos de los profesionales responsables. Ese equilibrio es especialmente importante en el sector público, donde la eficiencia no puede separarse de la garantía, la trazabilidad y la responsabilidad.
La IA no convierte por sí sola una organización en innovadora. Pero puede ayudar a que muchos procesos cotidianos sean más manejables. Y cuando eso ocurre, la innovación deja de ser una idea abstracta y empieza a notarse en algo muy concreto: equipos con más tiempo, menos carga repetitiva y mejores condiciones para hacer bien su trabajo.