En el Perú, el verdadero problema no es el tamaño del Estado, sino su productividad. Mientras el gasto corriente absorbe hasta el 70% del presupuesto regional, la inversión real queda relegada, comprometiendo el desarrollo. Este reportaje plantea un giro técnico y urgente: utilizar IA para transformar la gestión pública sin recurrir a despidos masivos. A través del propuesto Sistema Nacional de Inteligencia Artificial Aplicada, se busca optimizar servicios críticos como salud, educación y seguridad, bajo principios de trazabilidad, control y soberanía de datos. La apuesta no es tecnológica, es estructural: hacer que cada hora del Estado genere valor público medible.
Inteligencia Artificial para un Estado peruano más eficiente: sectores críticos, brechas públicas y un modelo institucional basado en tokens, datos y trazabilidad
Frente al debate inercial sobre el tamaño de la planilla estatal, este artículo propone un giro estratégico: elevar la productividad pública mediante el Sistema Nacional de Inteligencia Artificial Aplicada (SINAIGP).
(americasistemas.pe. Lima, Perú – 24 de junio 2026). Perú enfrenta un desafío estructural crítico en materia de gestión pública: cómo mejorar la calidad, oportunidad y costo de los servicios estatales en un escenario donde el gasto corriente y la expansión inercial de las planillas públicas ejercen una presión insostenible sobre las finanzas del Estado. Este fenómeno es particularmente alarmante en el ámbito de la descentralización: los datos fiscales de los Gobiernos Regionales revelan que el gasto corriente y de personal devora hasta el 70% del presupuesto total disponible. Esto deja un margen marginal para inversiones reales de desarrollo y expone al sistema a una severa vulnerabilidad ante choques externos o fluctuaciones en los precios internacionales de commodities como el cobre.
Sabido que el despido masivo de servidores no constituye una solución viable, eficiente ni socialmente deseable, la discusión pública debe virar de forma urgente: el problema de fondo no es cuántos funcionarios existen, sino cuánto valor público produce cada hora de trabajo financiada por el contribuyente. La alternativa técnica radica en una reconversión laboral profunda potenciada por la tecnología: dotar al capital humano existente de capacidades aumentadas mediante el uso estratégico de la Inteligencia Artificial (IA) para maximizar la productividad y mitigar la rigidez del gasto público.
Diagnóstico del problema público
La gestión pública debe evaluarse desde tres criterios fundamentales: la eficiencia en el uso óptimo de recursos, la eficacia en el cumplimiento de objetivos institucionales y la economía en la adquisición de insumos al menor costo razonable sin sacrificar la legalidad. La baja productividad del aparato estatal peruano no responde exclusivamente a limitaciones presupuestales; se ve agudizada por procesos burocráticos mal diseñados, duplicidad de funciones, sistemas que no interoperan, dependencias de expedientes físicos o semidigitales y una débil capacidad analítica para transformar datos en decisiones oportunas.
Ante esta realidad, la incorporación estratégica de herramientas de IA bajo control público permite automatizar tareas repetitivas, clasificar documentación de manera inteligente, agilizar búsquedas normativas y generar análisis predictivos. Sin embargo, la migración digital del Estado bajo ninguna circunstancia debe basarse en la entrega de cuentas individuales o comerciales abiertas a cada servidor público, lo cual generaría riesgos inaceptables en protección de datos personales, seguridad de la información y opacidad administrativa. El despliegue de la IA en el Estado exige un entorno estrictamente institucional gobernado por reglas de supervisión humana obligatoria, trazabilidad absoluta, explicabilidad y responsabilidad funcional.
El Mapa de la Eficiencia: Sectores Críticos y Aplicaciones de la IA
El despliegue de la IA en la administración pública peruana debe rehuir de pilotos aislados y orientarse directamente a mitigar las brechas más severas en los servicios ciudadanos esenciales:
– Salud Pública (Brecha de acceso, oportunidad y gestión de demanda): La IA operará como un catalizador de eficiencia en la gestión de citas y listas de espera, procesando datos históricos para predecir la saturación administrativa por establecimiento y elaborando resúmenes automatizados no diagnósticos de historias clínicas. Esto optimizará la asignación de recursos médicos y reducirá drásticamente la carga burocrática, resguardando la privacidad de los datos clínicos y excluyendo por completo cualquier decisión diagnóstica automatizada sin intervención profesional.
– Educación (Brecha de aprendizaje, gestión docente y permanencia escolar): Mediante la implementación de tutores docentes asistidos por IA y sistemas analíticos de alerta temprana, el Estado podrá identificar y mitigar riesgos de deserción escolar. Asimismo, estas herramientas reducirán la sobrecarga administrativa de directores y maestros al agilizar la planificación escolar —integrando metodologías avanzadas de gestión como el modelado de información (BIM) para la infraestructura educativa— y facilitar la generación de materiales pedagógicos contextualizados a la realidad territorial, vigilando rigurosamente que los algoritmos no repliquen sesgos socioeconómicos.
– Seguridad Ciudadana (Brecha de prevención, respuesta y análisis criminal): La IA permitirá unificar e interoperar bases de datos actualmente dispersas, tales como denuncias penales, llamadas de emergencia y registros municipales de ocurrencias. A través del procesamiento inteligente de datos territoriales, se generarán mapas de calor dinámicos y modelos de predicción de patrones delictivos para optimizar el patrullaje policial focalizado, operando siempre bajo un estricto control judicial y administrativo que impida perfilamientos discriminatorios o vulneraciones a los derechos fundamentales.
Lecciones Globales para la Realidad Peruana
El diseño del modelo institucional peruano se nutre activamente de los estándares internacionales más rigurosos en gobernanza algorítmica. La Directiva de Decisiones Automatizadas de Canadá (2025) y las directrices de la OMB de los Estados Unidos (2025) aportan lineamientos clave para estructurar contratos públicos con cláusulas estrictas de soberanía y portabilidad de datos, previniendo la dependencia monopólica de proveedores privados y deslindando la promoción de la innovación de los mecanismos de fiscalización. Por su parte, el AI Act de la Unión Europea (2024) inspira la necesidad de clasificar los sistemas según sus niveles de riesgo para blindar sectores sensibles, mientras que la experiencia de la estrategia Bürokratt en Estonia demuestra la viabilidad técnica de implementar asistentes virtuales interoperables por sector en lugar de softwares fragmentados por entidad. Estos marcos internacionales, alineados con la Recomendación sobre la Ética de la IA de la UNESCO (2021), complementan el marco legal peruano vigente —constituido por la Ley N.° 31814 y su Reglamento aprobado mediante el Decreto Supremo N.° 115-2025-PCM—, exigiendo el paso definitivo de las declaraciones de principios hacia la construcción de una infraestructura tecnológica soberana y auditable.
Sistema Nacional de IA Aplicada a la Gestión Pública – SINAIGP
Se propone la creación del SINAIGP no como un programa de adquisición masiva de software, sino como una arquitectura pública, soberana y centralizada de productividad digital destinada a elevar el rendimiento del Estado y mitigar la rigidez fiscal de los gobiernos regionales y centrales. Sus componentes operan de forma sinérgica:
– Plataforma Centralizada e Interoperable: Infraestructura común regulada por una autoridad pública competente, encargada de dotar a las entidades de servicios de IA homogéneos bajo estrictas directrices de seguridad, privacidad y control presupuestal.
– Gobernanza de Créditos por Tokens: El Estado contratará bolsas institucionales de créditos de tokens que se asignarán de manera controlada según el sector, la entidad, el perfil del usuario y la criticidad del caso, garantizando que cada consulta registre una finalidad legítima y un funcionario responsable.
– Repositorios Oficiales y Arquitectura RAG: Para evitar «alucinaciones» conceptuales o respuestas basadas en fuentes informales, los motores de búsqueda semántica operarán bajo la técnica de Recuperación Aumentada por Generación (RAG), restringiendo las consultas exclusivamente a repositorios oficiales indexados y validados (normas, directivas sectoriales, jurisprudencia administrativa y bases estandarizadas del Organismo Supervisor de las Contrataciones del Estado – OSCE).
– Aplicaciones Especializadas y Parámetros Legales: Módulos informáticos sectoriales que integran de forma nativa los límites normativos, técnicos y reglamentarios vigentes de cada materia de gestión.
– Trazabilidad de Extremo a Extremo y Supervisión Humana: Registro inalterable de cada interacción algorítmica (quién consultó, qué fuente usó, qué recomendación arrojó y qué decisión adoptó el funcionario). La IA actúa estrictamente como un copiloto de productividad; la resolución final en actos administrativos que afecten derechos, aplique sanciones o definan el acceso a servicios esenciales será siempre humana e indelegable.
Principios Rectores del Modelo
El despliegue y operación del SINAIGP se rige por un marco de principios transversales obligatorios:
– Legalidad: Actuar rigurosamente dentro del bloque constitucional y normativo vigente.
– Transparencia: Asegurar el derecho ciudadano a conocer cuándo y cómo se emplean algoritmos asistenciales.
– Supervisión Humana y Rendición de Cuentas: Mantener inalterable la responsabilidad funcional del servidor público en la decisión final.
– Protección de Datos Personales: Aplicar criterios estrictos de minimización, finalidad y proporcionalidad de la información.
– No Discriminación: Evaluar continuamente los modelos para detectar y mitigar sesgos algorítmicos.
– Seguridad de la Información: Implementar esquemas robustos de cifrado y segregación avanzada de accesos.
– Trazabilidad: Garantizar que cada recomendación u operación sea plenamente auditable de extremo a extremo.
– Interoperabilidad y Valor Público Medible: Permitir el acoplamiento fluido con las plataformas estatales preexistentes para asegurar la optimización demostrable de costos, plazos y calidad del servicio al ciudadano.
Impacto, Riesgos y Salvaguardas: Una Visión de Valor Público
La introducción de la IA en el Estado no debe responder a una moda tecnológica, sino a una estrategia evaluada bajo indicadores estrictos de valor público: reducción del tiempo de atención de expedientes, mitigación de la carga acumulada de trámites, horas-hombre liberadas mediante automatización inteligente y disminución sistemática de errores procedimentales u observaciones de los órganos de control. No obstante, acelerar la eficiencia pública sin controles adecuados puede amplificar riesgos críticos como el sesgo algorítmico, el uso indebido de datos ciudadanos, la dependencia tecnológica y contractual de proveedores privados, la opacidad en la toma de decisiones y la pérdida de confianza ciudadana.
Para neutralizar estas amenazas de forma pragmática, el SINAIGP establece un conjunto rígido de salvaguardas institucionales: la ejecución obligatoria de Evaluaciones de Impacto Algorítmico antes de implementar sistemas en sectores sensibles; auditorías externas periódicas de modelos y datos; y la prohibición taxativa de algoritmos de caja negra que impidan la explicabilidad técnica. Asimismo, se implementará un Registro Público de Sistemas de IA del Estado y un Comité Intersectorial de IA Pública (con participación de la PCM, entes rectores, academia y sociedad civil), complementados con contratos públicos con cláusulas estrictas de soberanía de datos, portabilidad tecnológica y programas de capacitación obligatoria diferenciada para los servidores públicos.
Hoja de ruta para implementar el SINAIGP
– Fase 1 (Preparación Normativa e Institucional): Habilitación formal de la entidad pública rectora, definición legal de las clasificaciones de riesgo algorítmico, estructuración del Registro Nacional de Sistemas de IA Pública y fijación de los estándares mínimos obligatorios de seguridad, datos y auditoría.
– Fase 2 (Pilotos Sectoriales Controlados): Despliegue de herramientas experimentales en entornos de baja criticidad o alta repetitividad: optimización de flujos de gestión documental, motores de búsqueda normativa interna, sistemas de atención ciudadana primaria, monitoreo automatizado de inversiones públicas bajo el marco de Invierte.pe y depuración analítica de padrones estatales.
– Fase 3 (Plataforma Común y Créditos de Tokens): Despliegue de la infraestructura centralizada común, configuración de perfiles de acceso con límites presupuestales por usuario/entidad, e integración de los primeros repositorios de datos documentales validados por sector.
– Fase 4 (Escalamiento Sectorial): Desarrollo e implementación de las aplicaciones especializadas de alta complejidad para salud, educación y seguridad ciudadana, acompañadas de la medición continua de indicadores de productividad pública y la ejecución de auditorías externas de sesgos.
– Fase 5 (Consolidación y Mejora Continua): Integración progresiva de la totalidad de los Gobiernos Regionales y Locales, actualización dinámica de las bases de conocimientos, evaluación del impacto presupuestal neto y fortalecimiento de la confianza ciudadana mediante políticas activas de transparencia algorítmica.
Conclusiones: El Futuro de la Gestión Pública
El Perú se encuentra ante un punto de inflexión histórica donde el agotamiento del modelo de descentralización inercial y la rigidez del gasto fiscal exigen transitar de forma inapelable hacia una lógica de productividad estatal medible. El verdadero valor de la inteligencia artificial en el sector público no radica en la sustitución del factor humano, sino en la amplificación de sus capacidades operativas y en la dignificación del servicio civil.
El modelo propuesto para el SINAIGP demuestra que es técnica y económicamente viable elevar sustancialmente el rendimiento de la administración estatal y mitigar las brechas de servicio sin recurrir a despidos masivos ni comprometer la soberanía de los datos públicos.
El éxito de esta transformación estructural no dependerá del volumen de software adquirido, sino de la firmeza política e institucional con la que el Estado adopte un modelo sólidamente gobernado por la legalidad, la trazabilidad, el control ético y la creación permanente de valor público para cada ciudadano peruano.
Referencias Bibliográficas
– European Union. (2024). Regulation (EU) 2024/1689: Artificial Intelligence Act. Official Journal of the European Union. – Referencia matriz global para la clasificación de sistemas públicos según niveles de riesgo y exigencia de controles y auditorías. https://eur-lex.europa.eu/eli/reg/2024/1689/oj.
– United States Office of Management and Budget. (2025). M-25-22: Driving Efficient Acquisition of Artificial Intelligence in Government. The White House. – Directriz de referencia para el diseño estratégico de contratos públicos de IA que impidan la dependencia tecnológica y aseguren la portabilidad de datos. https://www.whitehouse.gov/wp-content/uploads/2025/02/M-25-22-Driving-Efficient-Acquisition-of-Artificial-Intelligence-in-Government.pdf
– Organisation for Economic Co-operation and Development. (2025). Governing with Artificial Intelligence. OECD Publishing. – Marco conceptual central que fundamenta la tesis del artículo: integrar la IA directamente en el rediseño y productividad de los procesos públicos permanentes. https://www.oecd.org/en/publications/2025/06/governing-with-artificial-intelligence_398fa287.html.
– Presidencia del Consejo de Ministros. (2025). Decreto Supremo N.° 115-2025-PCM: Reglamento de la Ley N.° 31814, – Ley que promueve el uso de la inteligencia artificial. Gobierno del Perú. Anclaje normativo e institucional peruano vigente indispensable para habilitar legalmente el diseño y despliegue del SINAIGP. https://www.gob.pe/institucion/pcm/normas-legales/7133522-115-2025-pcm
