Una institución pública trabaja bajo una doble presión. El volumen de expedientes, solicitudes y consultas no para de crecer, mientras que los ciudadanos se han acostumbrado al estándar de servicio que conocen de la banca o del e-commerce y ahora esperan lo mismo de una oficina pública. En medio está el funcionario, que dedica la mayor parte del día a trabajo repetitivo: copiar datos de formularios, clasificar documentos, responder una y otra vez a las mismas preguntas. Ahí es justo donde la automatización en el sector público devuelve valor más rápido, porque no toca el fondo de la decisión, sino que libera el tiempo que la rodea.
Por nuestra experiencia, la clave está en separar lo que se puede automatizar con seguridad de lo que debe quedar en manos humanas. No tenemos la ambición de sustituir al funcionario que dicta una resolución administrativa. Lo que construimos es la capa que prepara el expediente, ordena los datos y propone sugerencias, para que la decisión llegue antes y con una base más completa.
¿Dónde pierde el tiempo realmente la administración?
Antes de echar mano de cualquier herramienta, mapeamos por dónde se escapan las horas. Normalmente el problema no está en la decisión en sí, sino en todo lo que la rodea. Un documento entra por varios canales a la vez, aterriza en el departamento equivocado, espera a que alguien lo copie en el sistema y, mientras tanto, el ciudadano llama para preguntar por el estado y ocupa a otra persona.
Entonces se ven con claridad tres fuentes de desperdicio: el traspaso manual de datos entre el canal y el sistema, el enrutado incorrecto de los expedientes y la atención de consultas cuya respuesta es siempre la misma. Cada una se puede reducir por separado, sin una revolución informática de golpe, lo que para un organismo público suele ser una condición difícil de salvar.
¿Cómo clasifica y extrae datos de los documentos la IA (OCR, IDP)?
La primera área por la que solemos empezar son los documentos. El procesamiento inteligente de documentos (IDP) combina OCR con modelos que entienden el contenido, no solo leen los caracteres. Un mecanismo así reconoce el tipo de escrito, saca los campos y los asigna a los huecos correctos del sistema.
En la práctica construimos un pipeline que:
- reconoce el tipo de documento (solicitud, recurso, certificado, factura) y lo encamina,
- extrae los campos clave (datos del solicitante, fechas, importes, números de expediente) de archivos de calidad dispar,
- valida los datos contra los registros y marca los casos dudosos para revisión manual,
- entrega un resultado estructurado al sistema de negocio en lugar de obligar a copiarlo a mano.
Y algo esencial: el modelo no «adivina a ciegas». Cada campo que lee lleva una puntuación de confianza, así que todo lo que queda por debajo del umbral aterriza en manos de una persona, no en la base de datos.
¿Cómo puede un agente de IA apoyar al ciudadano en la primera línea?
La segunda capa es el contacto con el ciudadano. Un agente de IA en primera línea (L1) responde a las preguntas típicas sobre trámites, documentos necesarios, plazos y estado de los expedientes sencillos. No se inventa el contenido, porque lo apoyamos en una arquitectura RAG (retrieval-augmented generation): el modelo responde únicamente a partir de la base de conocimiento verificada de la oficina y puede señalar la fuente de su respuesta.
Un asistente así funciona en los canales que los ciudadanos ya usan y descarga a la línea de atención de preguntas repetitivas. Lo más importante, sin embargo, es el mecanismo de escalado: cuando una pregunta se sale de la base de conocimiento, afecta a un expediente concreto o exige una resolución, el agente pasa el contacto a un funcionario junto con el contexto de la conversación. Es una competencia que desarrollamos de verdad dentro de RITS Group: ya hemos construido un asistente de conocimiento basado en IA para un cliente del sector asegurador, así que el patrón «RAG más escalado a una persona» lo conocemos bien.
¿En qué consiste el triaje automatizado de expedientes?
El triaje es una primera lectura del expediente y su encaminamiento al sitio correcto. El modelo lee la entrada, reconoce su categoría y propone un departamento, una prioridad y un plazo. Los asuntos urgentes no esperan en la cola general y los incompletos disparan de inmediato un aviso por un anexo que falta.
Tratamos el triaje como una recomendación, no como un veredicto. La automatización ordena la entrada y propone una asignación, pero la última palabra la tiene un coordinador que puede cambiarla con un clic. Ese planteamiento combina el ritmo de una máquina con la responsabilidad humana.
¿Cómo se automatizan los procesos de back office (workflow, RPA)?
En el back office, el mayor valor llega al combinar dos enfoques. Un motor de workflow mueve el expediente por las sucesivas etapas y vigila los plazos, mientras que RPA (robotic process automation) se hace cargo de las operaciones tediosas en sistemas que no tienen una API cómoda.
Aquí automatizamos sobre todo las tareas aburridas y propensas al error:
- traspasar datos entre aplicaciones que no se hablan entre sí,
- generar escritos repetitivos y confirmaciones a partir de plantillas,
- actualizar estados y notificaciones para el ciudadano,
- componer el expediente desde distintos registros en una única vista.
Esos robots funcionan en segundo plano, las 24 horas, y no se cansan en la solicitud número mil. Además dejan un rastro claro de cada operación, así que nada ocurre fuera de registro.
¿Cómo se garantizan la persona en el circuito, la transparencia y el cumplimiento?
Esta es la sección que en el sector público ponemos por encima de la pura eficacia. Una decisión administrativa afecta a los derechos y obligaciones de un ciudadano, así que no se la entregamos al modelo. La IA prepara el material, propone y sugiere, pero quien resuelve es una persona.
Diseñamos estas soluciones en torno a unos cuantos principios. Cada acción de la automatización queda registrada y es reproducible, de modo que puedes demostrar cuándo y sobre qué base ocurrió algo. Las respuestas del agente están ancladas en fuentes, no en la opaca «intuición» del modelo. Tratamos los datos conforme a los requisitos de protección de datos personales y a la normativa sectorial. Esa transparencia no es un extra, sino la condición previa para poder siquiera hablar de IA en una oficina pública.
¿Qué competencias de IA y datos aportamos?
No vendemos una caja con la etiqueta «IA». Aportamos a las personas capaces de construir una solución así y de mantenerla viva después del arranque. En RITS Group combinamos la ingeniería de software con práctica real de IA y datos (incluidos nuestros equipos de IA/LLM/datos) y ya hemos entregado proyectos de GenAI, RAG y LLM para clientes comerciales.
En un proyecto para una institución pública solemos cubrir estos perfiles:
- ingenieros de IA/ML y NLP que diseñan la clasificación de documentos y la capa RAG,
- ingenieros de datos que limpian e integran las fuentes en las que se va a apoyar el modelo,
- especialistas en automatización de procesos (workflow, RPA) que cablean el back office,
- un arquitecto y desarrolladores backend que lo conectan con los sistemas de negocio.
Lo decimos con honestidad: todavía no tenemos un despliegue de IA en la administración pública. Sí tenemos, en cambio, experiencia análoga en sectores con exigencias parecidas en documentos, cumplimiento y atención al cliente.
¿Cómo lo hacemos en RITS?
Trabajamos como partner nearshore desde Polonia, así que operamos en la misma franja horaria y entendemos el contexto regulatorio local. Empezamos por un taller en el que, junto al equipo de la institución, elegimos un proceso de alto volumen y bajo riesgo y demostramos el valor antes de escalar nada.
A partir de ahí avanzamos por etapas: de un piloto sobre un proceso acotado, pasando por la medición del efecto, hasta un despliegue gradual. Damos forma al equipo en torno al alcance concreto y mantenemos la colaboración flexible, desde reforzar un equipo de TI existente hasta un equipo dedicado que lleve el tema de principio a fin. Explicamos las diferencias entre estos enfoques en nuestro artículo sobre modelos de colaboración en TI.
¿Por dónde empezar con la automatización y la IA en el sector público?
Empieza por el proceso que más duele, no por una gran estrategia. El mejor candidato tiene volumen alto, un flujo repetible y bajo riesgo de error, por ejemplo la clasificación inicial de solicitudes o la respuesta a consultas típicas. Eso define el alcance del piloto, los datos necesarios y los roles del equipo.
Fija también de entrada las reglas sobre la persona en el circuito y el cumplimiento, porque en la administración son ellas las que deciden el éxito, no la tecnología en sí. Todo lo demás encaja alrededor de esas dos decisiones.
¿Estás pensando en automatización e IA en la atención de los servicios públicos? Hablemos - elegimos el primer proceso y ajustamos un equipo a tu institución.
Lleva con nosotros la automatización y la IA a la atención pública