La relación entre la ciudadanía y la Administración pública se enfrenta desde hace años a retos recurrentes vinculados a la carga administrativa y los plazos de respuesta. Detrás de una ventanilla o un portal telemático, el personal público debe dedicar tiempo a revisar normativas, examinar expedientes y redactar respuestas comprensibles y precisas. En muchas fases de la digitalización, procedimientos y formularios en papel se trasladaron a entornos electrónicos, un avance valioso pero que, por sí solo, no equivale a una transformación digital completa, que también exige rediseñar servicios, integrar datos y mejorar procesos.
La carga documental y la complejidad de los procedimientos consumen una parte significativa del tiempo del personal público. La inteligencia artificial puede ayudar a agilizar tareas de búsqueda, revisión y redacción, manteniendo el criterio y la validación final en manos del funcionario. Imagen generada con inteligencia artificial / OpenAI.
En este contexto, la inteligencia artificial puede emplearse como herramienta de apoyo al empleado público, sin sustituir automáticamente el juicio humano. En el enfoque que aquí se describe, la IA no adopta por sí sola la decisión final sobre los derechos de la ciudadanía: asiste al personal, que conserva la validación y la responsabilidad. La solución consiste en integrar tres funciones complementarias: la recuperación de información, la generación lingüística y la validación humana.
El sistema de recuperación localiza, dentro de un conjunto controlado de documentos oficiales, los fragmentos relevantes para cada consulta. Esos fragmentos se incorporan al contexto que recibe el modelo de lenguaje, que puede sintetizar la información y elaborar un borrador. Esta combinación de recuperación documental y generación constituye una arquitectura RAG. Finalmente, el empleado público contrasta las fuentes, interpreta las circunstancias particulares y valida la respuesta o decisión. Ninguno de estos componentes garantiza por sí solo el rigor jurídico: la fiabilidad depende de la calidad y actualización de las fuentes, del diseño y la evaluación del sistema y de una supervisión humana efectiva.
Un ejemplo real de este modelo colaborativo es la iniciativa Services Publics+ en Francia. Su plataforma utiliza un asistente de redacción que propone respuestas que el agente puede modificar, ajustar o reescribir antes de validarlas, y su ficha técnica identifica el uso de RAG. Según la información oficial publicada actualmente, el tiempo medio de respuesta a los avisos de los usuarios pasó de 19 a 3 días, una reducción del 84 %. Este dato se refiere específicamente a las respuestas a esos avisos dentro de Services Publics+, no al tiempo general de tramitación de expedientes administrativos.
Modelos de Lenguaje Abiertos y Eficientes
Para comprender el motor de esta transformación, es necesario analizar el papel de los modelos de lenguaje de gran tamaño (Large Language Models o LLM), en particular aquellos de pesos abiertos y tamaño relativamente contenido, como la familia Mistral 7B —retirada en 2025, pero relevante como antecedente— y sus variantes instruccionales. A diferencia de los sistemas tradicionales basados en reglas rígidas o árboles de decisión programados manualmente, estos modelos se basan en redes neuronales profundas con mecanismos de atención que aprenden patrones estadísticos y relaciones lingüísticas a partir de grandes conjuntos de datos.
Los modelos de lenguaje pueden resumir, clasificar y redactar textos, y, en el caso de modelos de pesos abiertos y tamaño contenido, desplegarse en infraestructuras controladas. Sus resultados, sin embargo, pueden contener errores y requieren supervisión humana. Elaboración propia. Imagen generada con inteligencia artificial mediante OpenAI.
Por sí sola, esta tecnología posee una notable capacidad para procesar el lenguaje natural: puede resumir documentos, reformular términos técnicos en un registro más accesible, clasificar textos o solicitudes en categorías definidas y redactar borradores con fluidez sintáctica. Al tratarse, en casos como Mistral 7B, de modelos de tamaño relativamente contenido y pesos abiertos, pueden desplegarse en infraestructura propia o en entornos de nube controlados por la organización, lo que permite un mayor control sobre dónde se procesan los datos. Frente a modelos de mayor tamaño y en condiciones comparables, también pueden requerir menos recursos computacionales y energéticos, aunque el consumo y el coste reales dependen del hardware, la configuración y la carga de trabajo.
Sin embargo, utilizados de forma aislada, los LLM presentan limitaciones relevantes para la función administrativa. Al generar respuestas mediante predicciones estadísticas sin garantizar su veracidad factual, son susceptibles a las denominadas «alucinaciones» —la generación de contenido erróneo o falso presentado de forma plausible— y no disponen por sí solos de acceso dinámico a normativas o información publicada después de su fecha de corte de conocimiento. Además, el uso de sus resultados en procedimientos administrativos requiere que las personas y organizaciones responsables mantengan las funciones de validación y supervisión que correspondan. Por ello, su utilización en este ámbito requiere un marco metodológico complementario que canalice y acote su potencial.
Arquitectura RAG y Supervisión Humana (Human-in-the-Loop)
Si el modelo de lenguaje actúa como el motor de redacción, la Generación Aumentada por Recuperación (RAG) proporciona información externa relevante antes de generar la respuesta. No es un segundo modelo independiente ni un mecanismo que garantice la veracidad, sino una forma de combinar un sistema de recuperación documental con un modelo generativo. En el enfoque aquí descrito, los resultados que proporciona deberán contar con la supervisión activa del funcionario público.
La arquitectura RAG combina la recuperación de información procedente de fuentes oficiales con la generación de un borrador por parte del modelo de lenguaje. El funcionario revisa las referencias, corrige la propuesta y valida la respuesta final, manteniendo la supervisión humana en el proceso de decisión. Elaboración propia. Imagen generada con inteligencia artificial mediante OpenAI.
De forma sencilla, el RAG puede entenderse como un examen «a libro abierto»: en una implementación orientada al ámbito administrativo, puede conectarse el modelo de IA a una base de datos con normativas y guías oficiales actualizadas y hacer que busque primero los artículos legales pertinentes para elaborar su respuesta. En lugar de depender únicamente de la información aprendida durante su entrenamiento, el sistema puede recuperar fragmentos normativos específicos y redactar un borrador incorporando referencias a las fuentes oficiales utilizadas, lo que puede reducir las imprecisiones o invenciones.
No obstante, esta arquitectura puede reducir las alucinaciones y mejorar la trazabilidad de las respuestas, pero no elimina el riesgo de error. El recuperador puede omitir una excepción relevante, seleccionar una norma desactualizada o recuperar documentos insuficientes; el modelo, por su parte, puede interpretar mal los fragmentos, combinarlos incorrectamente o generar una afirmación que no esté respaldada por las fuentes. La inclusión de referencias tampoco es automática: debe diseñarse y comprobarse expresamente.
Sobre esta base tecnológica, en el enfoque aquí descrito se adopta el control humano en el bucle de decisión (Human-in-the-loop) como principio metodológico. La herramienta se configura para no enviar comunicaciones ni dictar resoluciones de forma autónoma. El empleado público recibe una propuesta estructurada, contrasta las referencias aportadas, corrige matices y decide la pertinencia final del mensaje.
Esta combinación de RAG y supervisión humana puede aportar ventajas relevantes. En este modelo no se delega la decisión administrativa en el sistema de IA, sino que se dota al profesional de un asistente capaz de ayudarle a gestionar la complejidad documental, permitiéndole aplicar su juicio profesional, interpretar situaciones singulares y mantener la responsabilidad que le corresponda sobre la decisión final.
Services Publics+ en Francia y la Reducción de Tiempos Administrativos
El potencial de esta sinergia tecnológica encuentra un ejemplo documentado en el programa Services Publics+, pilotado por la Dirección Interministerial de Transformación Pública (DITP) en Francia. El desafío radicaba en gestionar más de 140.000 testimonios y experiencias ciudadanas compartidos a través de la plataforma, utilizada por 40 servicios públicos —entre ellos la Gendarmería Nacional y organismos vinculados a pensiones y prestaciones familiares—, en un contexto en el que el tiempo medio de respuesta a estos avisos había llegado a alcanzar los 19 días.
Para reducir este cuello de botella, se implementaron funcionalidades basadas en OpenHermes, una adaptación de Mistral 7B ajustada para el proyecto por la firma Allobrain, e integradas con una arquitectura RAG. El sistema utiliza como fuentes, entre otras, fichas de la DILA, contenidos del foro Ameli y datos de Services Publics+. Cuando un ciudadano envía un testimonio —también puede hacerlo mediante una función de transcripción de voz—, el sistema puede utilizar estas fuentes para generar una propuesta de respuesta que sirva de apoyo al agente público.
El funcionario revisa el borrador, puede modificarlo, ajustarlo o reescribirlo y valida la respuesta final. Además, las respuestas asistidas por IA se identifican como tales para informar al ciudadano. Los resultados cuantitativos comunicados han sido notables:
• El plazo medio de respuesta a los avisos pasó de 19 a 3 días, una reducción del 84 %.
• El porcentaje de usuarios que consideró útil la respuesta fue del 68 % en las respuestas asistidas por IA, frente al 57 % en las respuestas tradicionales.
• El 78 % de los agentes consideró útiles las sugerencias de la IA y aproximadamente el 70 % de los elementos propuestos fueron validados por los empleados públicos.
La experiencia muestra que el sistema puede reducir el tiempo dedicado a preparar respuestas y proporcionar al personal una primera propuesta que puede revisar y adaptar, manteniendo al agente público en el proceso de validación final.
El programa francés Services Publics+ combina inteligencia artificial generativa y arquitectura RAG para elaborar propuestas de respuesta a partir de fuentes oficiales. El agente público revisa, modifica y valida el resultado antes de enviarlo al ciudadano. Según los datos comunicados, el plazo medio de respuesta pasó de 19 a 3 días, una reducción del 84 %. Elaboración propia a partir de datos de Services Publics+. Imagen generada con inteligencia artificial mediante OpenAI.
Implicaciones Amplias y Contexto Europeo
La experiencia de la Administración francesa no es una iniciativa aislada, sino el reflejo de una tendencia emergente en el sector público internacional. Los modelos de lenguaje y, en determinados casos, su combinación con sistemas de recuperación contextualizada (RAG) presentan un amplio abanico de aplicaciones: desde la clasificación automatizada de documentos y el apoyo al análisis normativo hasta la elaboración de resúmenes de reuniones y la atención asistida a la ciudadanía. Experiencias comparables en otros países, como el ensayo realizado por el Gobierno británico con unos 20.000 empleados públicos de 12 organizaciones, reflejaron un ahorro medio autodeclarado de 26 minutos diarios por trabajador en determinadas tareas administrativas.
En el contexto europeo, y particularmente en España, este enfoque adquiere una relevancia estratégica creciente. El marco regulatorio comunitario, articulado en torno al Reglamento de Inteligencia Artificial (AI Act), establece requisitos específicos de transparencia, gobernanza de datos y supervisión humana para determinadas categorías de sistemas de IA, especialmente los considerados de alto riesgo, con un calendario de aplicación progresivo. Proyectos como la plataforma pública francesa Albert demuestran la viabilidad de desarrollar infraestructuras de IA generativa bajo control de la Administración, con mecanismos destinados a reforzar la seguridad y el control sobre el tratamiento de los datos, aunque puedan integrar tanto modelos de pesos abiertos como modelos propietarios.
En España, donde administraciones estatales y autonómicas están impulsando distintas iniciativas de modernización y adopción de inteligencia artificial, la incorporación de estas tecnologías debe acompañarse de planes formativos específicos para los empleados públicos. Además de la capacidad computacional, su utilización responsable requiere mecanismos de evaluación y control, medidas adecuadas de seguridad y protección de datos y competencias que permitan al personal comprender las limitaciones de los sistemas y supervisar críticamente sus resultados.
Hacia una Administración Eficiente Centrada en las Personas
La integración de la inteligencia artificial en la función pública puede entenderse no como una sustitución del empleado, sino como una ampliación de sus capacidades. La combinación de modelos lingüísticos y arquitecturas de recuperación contextualizada (RAG) permite procesar grandes volúmenes de información y solicitudes con mayor rapidez, siempre que se acompañe de mecanismos adecuados de validación, seguridad y protección de datos. Como ilustran los resultados de Services Publics+, la tecnología puede asumir parte del trabajo de recopilación, síntesis y elaboración de borradores, permitiendo que el funcionario disponga de más tiempo para tareas que requieren atención específica, criterio y deliberación profesional.
No obstante, esta evolución plantea exigencias éticas y operativas que no admiten atajos. La adopción de la IA en los servicios públicos requiere invertir en la capacitación del personal para que la supervisión humana, cuando corresponda, sea efectiva y no un mero trámite formal. Del mismo modo, es necesario establecer niveles adecuados de transparencia, evaluar periódicamente el funcionamiento y las fuentes de los sistemas y aplicar medidas de seguridad y protección de los datos de la ciudadanía.
El desarrollo futuro del sector público puede orientarse no a eliminar a quien atiende tras el mostrador o gestiona el expediente, sino a dotarlo de herramientas digitales fiables que permitan agilizar determinadas tareas administrativas. La tecnología puede aportar velocidad de procesamiento y capacidad para manejar grandes volúmenes documentales; el ser humano mantiene las funciones de juicio profesional, responsabilidad y atención a las circunstancias particulares. Una cooperación equilibrada entre ambos puede contribuir a construir una Administración más ágil, transparente y orientada al servicio de la sociedad.
