Tres errores al implantar IA en la gestión municipal (y cómo evitarlos)

1. Creer que implantar IA es un asunto técnico

En muchos ayuntamientos, los proyectos de IA se lanzan desde el área TIC o Innovación, con buena intención, pero sin gestión del cambio. Se presentan como una modernización “necesaria”, sin explicar el porqué ni el para qué. El resultado es previsible: confusión, miedo y rechazo interno.

En la administración pública, los equipos funcionan con altos niveles de responsabilidad, carga administrativa y normas estrictas. Un cambio en los sistemas —por pequeño que sea— afecta al trabajo diario de decenas de personas. Cuando no se explica bien el impacto, el efecto inmediato es estrés, ansiedad y desconfianza.

Imagina un escenario realista: un ayuntamiento renueva su sistema de gestión de expedientes para ganar trazabilidad y conectar varias plataformas. En la segunda semana de implantación, con total probabilidad, aparecerían quejas, errores de uso, e incluso bajas por ansiedad. Los sindicatos podrían reclamar que se paralice el proyecto “hasta garantizar la estabilidad laboral”, y los técnicos volverían al sistema antiguo por inercia.

Cómo evitarlo

• Comunicar desde el inicio qué mejora concreta aporta el cambio: menos tareas repetitivas, más tiempo operativo.
• Involucrar a representantes del personal en las pruebas piloto.
• Formar de manera práctica, no teórica: cómo ayuda al día a día, no cómo funciona el algoritmo.
• Celebrar resultados visibles: informes redactados en menos tiempo, menos errores en expedientes, mejor trazabilidad.

2. Confundir digitalización con inteligencia

Muchos municipios han hecho un esfuerzo enorme en digitalizar procesos. Pero digitalizar no es lo mismo que automatizar, y automatizar no es lo mismo que aplicar inteligencia artificial. La confusión entre estos tres niveles explica buena parte de los fracasos institucionales.

Como recuerda la OCDE en su informe sobre IA en el sector público, digitalizar no equivale a inteligentizar: sin análisis, gobernanza ni supervisión humana, los sistemas acaban generando más carga que eficiencia.

Un ejemplo habitual: se adquiere una herramienta de IA para atención ciudadana con la esperanza de reducir carga de trabajo. El sistema contesta correctamente a preguntas básicas, pero no entiende el lenguaje administrativo ni las excepciones normativas. A los pocos días, los ciudadanos desconfían y el personal tiene que revisar manualmente cada respuesta. La carga no disminuye: aumenta.

Cómo evitarlo

• Definir procesos donde la IA tenga sentido: redactar borradores, clasificar documentos, resumir actas.
• Crear un inventario de datos y flujos internos antes de licitar.
• Medir con claridad qué ahorro de tiempo o calidad se busca.
• Empezar con pilotos acotados, con objetivos medibles y supervisión técnica.

3. No preparar estructura ni roles de control

Otro error común es implantar proyectos de IA sin una estructura institucional que los gobierne. Cada departamento actúa por su cuenta: comunicación usa una herramienta para redactar notas, TIC prueba un modelo de clasificación documental y medio ambiente experimenta con análisis predictivo. Nadie coordina ni valida los resultados.

Los proyectos de IA necesitan una estructura de gobernanza transversal, aunque sea mínima: una mesa técnica, una comisión o una figura responsable que asegure coherencia y validación.

Cómo evitarlo

• Crear una mesa de gobernanza de IA con perfiles TIC, Secretaría, Comunicación y áreas de servicio.
• Establecer roles claros: quién diseña, quién valida y quién mantiene.
• Documentar flujos y resultados desde el inicio.
• Formar a mandos intermedios en evaluación y trazabilidad de IA.

4. Delegar la inteligencia al proveedor

En muchos casos, la administración “compra IA llave en mano” confiando en que el proveedor resolverá la complejidad técnica. Pero sin conocimiento interno, el control se diluye. Los modelos se entrenan con datos desconocidos, las versiones cambian sin aviso y las decisiones se basan en reglas opacas.

Ceder el control de la IA es ceder soberanía institucional.

5. Caso práctico

Supongamos un municipio medio que decide automatizar parte del registro de licencias urbanísticas mediante IA. El sistema, bien intencionado, se lanza de forma rápida, sin comité técnico ni formación al personal.

En esta situación, con total probabilidad, en dos semanas habría quejas de los técnicos, errores en las clasificaciones y un clima de desconfianza generalizada. Los sindicatos reclamarían parar el proyecto hasta “garantizar la fiabilidad”, y la ciudadanía recibiría respuestas incoherentes.

El problema no sería la tecnología, sino la forma de introducirla. Con un enfoque diferente —una mesa de coordinación, validaciones humanas y acompañamiento continuo—, ese mismo sistema podría convertirse en una herramienta eficaz. Liberaría tiempo en tareas repetitivas, garantizaría trazabilidad y aumentaría la calidad del servicio.

6. Checklist de madurez institucional en IA

• ¿El personal entiende por qué se aplica IA y cómo le beneficia?
• ¿Existe una estrategia o sólo proyectos aislados?
• ¿Hay una figura responsable o comité transversal?
• ¿Los datos y modelos son controlados por la administración?
• ¿Se ofrece formación y comunicación continua durante la implantación?

Si tres o más respuestas son “no”, la prioridad no es más tecnología, sino más estructura.

7. Nuestras conclusiones

Los proyectos de inteligencia artificial en la administración pública no suelen fracasar por la tecnología. Fracasan porque no se acompañan de gestión del cambio, estructura y gobernanza real. Los algoritmos son la parte sencilla; lo complejo es alinear personas, procesos y responsabilidades.

La buena noticia es que esos errores son evitables. Con una estrategia clara, acompañamiento técnico y comunicación constante, la IA puede liberar tiempo, mejorar la trazabilidad y reforzar la confianza institucional.