Las empresas y los Estados ya usan la inteligencia artificial de manera cotidiana. Lo que no es cotidiano es que la usen bien. Los pocos casos exitosos no se deben a la tecnología en sí, sino a las decisiones que la rodean.
Algunos países ya aprendieron esa lección. En la India, la inteligencia artificial se utiliza para anticipar plagas y riesgos climáticos que afectan la productividad agrícola. En Estonia, la interoperabilidad de los datos permite que muchos trámites públicos se resuelvan casi automáticamente. En Singapur, la IA se integra a los procesos administrativos para agilizar licencias y servicios, reduciendo tiempos, errores y costos. En estos casos, la tecnología funciona porque cuenta con datos ordenados, infraestructura adecuada y una conducción clara.
En el Perú, ese impacto todavía no se ve. Si bien contamos con una ley, su reglamento y una Estrategia Nacional de Inteligencia Artificial (ENIA) al 2030, los resultados aún no llegan a la ciudadanía. Este ha sido un paso necesario, porque sin reglas claras la IA no genera confianza ni legitimidad. Lamentablemente, publicar una estrategia no es lo mismo que ejecutarla.
La ENIA presenta vacíos importantes. El primero es técnico y tiene que ver con los datos necesarios para entrenar modelos y mejorar sus decisiones. Aunque se reconoce su importancia, no se define cómo construir ‘datasets’ nacionales de calidad, compartidos e interoperables. Tampoco se asegura acceso real a capacidad de cómputo para proyectos de alcance nacional. En la práctica, cada entidad termina trabajando con sus propios datos y recursos limitados, lo que impide escalar soluciones.
A ello se suma una restricción técnica relevante. El marco normativo exige que los sistemas de inteligencia artificial sean explicables. Si bien este principio es razonable en decisiones críticas, puede limitar la adopción de soluciones de IA generativa, cuyos modelos operan como “cajas negras” y no permiten explicaciones causales simples. Un enfoque más adecuado sería priorizar criterios como auditabilidad, trazabilidad y supervisión humana, para no frenar la innovación.
La falta de indicadores claros agrava el problema. La estrategia enuncia objetivos, pero no establece KPI que permitan gestionarla. Métricas como la reducción de tiempos de atención, la interoperabilidad de datos, la calidad del servicio o el impacto en costos son indispensables para evaluar avances y corregir desvíos.
En el ámbito formativo ocurre algo similar. Proliferan carreras y programas en inteligencia artificial sin una base sólida en matemáticas, estadística o ciencia de la computación. Esta oferta debe ser regulada por la Sunedu para evitar que se debilite la capacidad de investigación y desarrollo científico del país justo cuando más se necesita.
Finalmente, aparece un problema crítico. El reglamento establece que cada entidad debe financiar sus desarrollos con su propio presupuesto, lo que profundiza brechas institucionales y territoriales. El “Catálogo de aplicaciones con inteligencia artificial en el Estado Peruano” muestra más de veinte buenas intenciones que avanzan de manera aislada. Sin una rectoría fuerte, sin datos compartidos y sin financiamiento coherente, el país corre el riesgo de volver a perder una oportunidad clave para convertir la inteligencia artificial en una herramienta real de desarrollo.
*El Comercio abre sus páginas al intercambio de ideas y reflexiones. En este marco plural, el Diario no necesariamente coincide con las opiniones de los articulistas que las firman, aunque siempre las respeta.
WUF
