La infraestructura pública digital (IPD) ya sustenta servicios en decenas de países, y la IA puede hacerlos mucho más accesibles y receptivos.
Lo inverso también importa, ya que los principios de la IPD, como la interoperabilidad y la confianza, son los cimientos que la IA necesita para funcionar de forma segura e inclusiva a escala.
Sin embargo, la convergencia entre IPD e IA no se producirá por defecto, y los gobiernos deben avanzar hacia su tratamiento como una agenda central de capacidad estatal.
Una madre llega a un centro de salud rural con un niño que tiene fiebre alta y una erupción. La enfermera necesita revisar el historial médico del niño, confirmar la elegibilidad para el programa sin copago del gobierno y decidir el tratamiento con rapidez. Con demasiada frecuencia, esto todavía implica largas colas, expedientes en papel y, lo que es peor, maltrato.
Con los cimientos digitales adecuados, la experiencia puede ser distinta. La identidad puede verificarse en segundos. Los registros pueden consultarse con consentimiento. Los pagos pueden realizarse de forma instantánea. Y un “agente” de IA sencillo y multilingüe puede guiar a la enfermera a través de los pasos clave.
Esta es la promesa práctica en la intersección entre la infraestructura pública digital (IPD) y la inteligencia artificial (IA).
Cómo la infraestructura pública digital presta servicios a gran escala
Durante la última década, muchos países han invertido en IPD: bloques digitales compartidos que permiten a los proveedores públicos y privados prestar servicios de forma segura a escala poblacional.
En la práctica, la IPD suele incluir identidad digital, pagos instantáneos, registros de confianza y mecanismos de intercambio de datos basados en el consentimiento, que permiten que la información circule de forma segura entre organismos y proveedores. Los ejemplos van desde Aadhaar, la Interfaz de Pagos Unificada (UPI) y DigiLocker en la India, hasta X-Road en Estonia y Pix en Brasil. Son diseños distintos, moldeados por el contexto, pero unidos por la interoperabilidad, la confianza y la inclusión.Aadhaar, Interfaz de Pagos Unificada (UPI) y DigiLocker en la India, hasta X-Road en Estonia y Pix en Brasil. Son diseños distintos, moldeados por el contexto, pero unidos por la interoperabilidad, la confianza y la inclusión.
Se está produciendo ahora un segundo cambio. La IA pasa de la experimentación al uso cotidiano, ayudándonos a buscar información más rápido, resumir casos, detectar patrones y respaldar decisiones. Los gobiernos están explorando cómo utilizar la IA para mejorar la prestación de servicios en salud, educación, formación profesional y una serie de servicios centrados en la ciudadanía.
La Cumbre Mundial sobre IPD, celebrada en Ciudad del Cabo en noviembre de 2025, y la recientemente concluida Cumbre de Impacto de la IA, celebrada en Nueva Delhi en febrero de 2026, renovaron el interés por la promesa y el potencial de estos dos paradigmas tecnológicos.
Sin embargo, la oportunidad más trascendental no reside en desplegar la infraestructura pública digital o la IA por separado. Reside en su convergencia.
Por un lado está la IA para la IPD: usar la IA para que los servicios habilitados por la IPD sean más accesibles, más receptivos y más fáciles de operar. Por otro lado está la IPD para la IA: usar los principios de la IPD para crear los cimientos que hacen que la IA sea más segura, más pertinente a nivel local y más inclusiva. Cada una refuerza a la otra.
Y, sin embargo, la IA×IPD no ha "despegado" a escala porque la convergencia solo funciona cuando la IA puede operar a través de vías de confianza. En muchos países, el tejido conector sigue siendo débil: los datos y los flujos de trabajo continúan fragmentados entre organismos, por lo que la IA no puede recurrir a ellos de forma fiable. Y, con demasiada frecuencia, la IA se financia como proyectos piloto en lugar de tratarse como infraestructura compartida: sin componentes reutilizables, un modelo operativo común y una responsabilidad clara sobre los riesgos y los resultados, las demostraciones prometedoras no escalan.
IA para la IPD: convertir las vías digitales en servicios centrados en la ciudadanía
Hoy, la capacidad de la IA avanza rápidamente, pero su impacto avanza mucho más lentamente. Celebramos nuevas versiones de modelos más inteligentes casi cada mes, pero ¿de qué sirve eso a un agricultor, a un niño enfermo o a un estudiante de un distrito rural que busca orientación?
La IA para la IPD consiste en escalar la IA a escala poblacional, mejorando los resultados y la experiencia sobre las vías que ya existen. Se manifiesta de dos formas prácticas.
En primer lugar, existen capacidades transversales de IA que pueden mejorar los servicios públicos que dependen de la IPD: servicios basados en identidad, pagos o intercambio de datos.
Por ejemplo, la iniciativa Bhashini de la India ofrece apoyo multilingüe y de voz habilitado por IA, y se integra con las principales vías nacionales (Aadhaar, UPI y DigiLocker), lo que ilustra cómo la IA lingüística puede ampliar el alcance y la usabilidad de las IPD básicas.
De forma similar, el proyecto African Next Voices ha registrado 9.000 horas de habla en 18 idiomas en Nigeria, Kenia y Sudáfrica, creando conjuntos de datos listos para la IA. Aplicar los principios de la IPD a los datos lingüísticos (normas comunes, formatos interoperables, metadatos claros e intercambio gobernado) hace posible reunir conjuntos de datos de habla dispares de distintas instituciones y países en activos de datos reutilizables y “listos para el intercambio”.
También surgen pruebas de que la IA puede complementar a los docentes, sin reemplazarlos. Una evaluación aleatorizada realizada en Brasil de un corrector de redacciones basado en IA, diseñado para ofrecer retroalimentación inmediata, mostró que los estudiantes mejoraron gracias a comentarios personalizados, mientras que los docentes pudieron dedicar más tiempo a la instrucción individual. La IPD puede permitir que esto se escale en los sistemas públicos mediante registros de aprendizaje interoperables y estándares de aprendizaje comunes, intercambio de datos basado en el consentimiento y la capacidad de volcar el progreso en registros de confianza, de modo que el apoyo sea específico y tenga seguimiento.
IPD para la IA: crear cimientos para una IA soberana
La IPD para la IA es más difícil y menos visible, pero igual de importante. Proporciona los cimientos habilitadores que la IA necesita en un contexto público, y tres de ellos son clave.
1. Una base de datos de confianza
Un enfoque basado en la IPD (por ejemplo, el intercambio de datos basado en API abiertas) puede reducir la fricción para obtener conjuntos de datos locales específicos del contexto con fines públicos, generando datos de alta calidad y “listos para la IA” que reflejan las realidades lingüísticas, culturales y demográficas locales. Esto es importante en muchos entornos de países de ingresos bajos y medianos, donde los datos locales pueden ser limitados.
Además, la investigación de la Universidad de Harvard muestra que muchos modelos de IA de uso generalizado presentan un sesgo cultural, que refleja los valores de un subconjunto reducido de la población mundial. Al compararse con datos de encuestas de 65 países, los valores y los patrones de razonamiento de los principales modelos de IA se agrupan con los de las democracias occidentales, un ajuste deficiente para las diversas poblaciones a las que están diseñados para servir la mayoría de los sistemas de IPD.
En ausencia de sólidas bases de datos locales, desplegar estos modelos corre el riesgo de trasladar supuestos desalineados a los servicios públicos, la educación y la gobernanza, lo que podría derivar en decisiones sesgadas sobre prestaciones, crédito o atención. Iniciativas como AIKosh de la India utilizan un enfoque de IPD para obtener conjuntos de datos contextuales locales con los que entrenar modelos de IA que respalden casos de uso locales.
2. Una vía compartida hacia la computación
Un elemento central del enfoque de la IPD es la federación, la interoperabilidad y la capacidad de compartir. La misma idea puede aplicarse a la computación en IA: las plataformas de computación compartida, los entornos de prueba y los repositorios de modelos pueden permitir que los innovadores y las instituciones públicas accedan a computación asequible y escalable sin centralizar el control. Open Cloud Compute (OCC) de la India y el suministro de unidades de procesamiento gráfico para startups e instituciones de investigación en el marco de la misión IndiaAI son ejemplos de un enfoque de infraestructura de computación alineado con la IPD.
3. Gobernanza integrada en el funcionamiento de los servicios de IA
La IPD es confiable porque principios como la privacidad y la seguridad desde el diseño, la interoperabilidad y la rendición de cuentas claras están integrados en el sistema. Estos mismos principios son clave en el uso de la IA. El consentimiento, la transparencia, la auditabilidad y la rendición de cuentas deben integrarse en la forma en que se accede a los datos y en que se entrenan y despliegan los modelos. Esto permite sistemas de IA seguros, inclusivos y confiables a escala nacional, al tiempo que dota a los gobiernos de herramientas para orientar y supervisar el desarrollo de la IA.
En conjunto, estos tres cimientos sitúan a la IPD como la columna vertebral de una IA centrada en lo público, lo que permite sistemas de IA representativos, resilientes y alineados con los valores públicos.
Una agenda pragmática para los líderes de gobierno
Para los líderes públicos, la convergencia entre la IPD y la IA representa un punto de inflexión: un cambio fundamental en la forma en que los Estados pueden prestar servicios y generar valor público. Estas son las áreas en las que deberían centrarse los líderes del sector público.
Lo que debe ser diferente esta vez es la orquestación. Las oleadas anteriores produjeron aplicaciones aisladas y proyectos piloto de IA puntuales que tuvieron dificultades para escalar. La IPD×IA solo dará resultados si se trata como una agenda concertada de capacidad estatal que abarque varios ministerios, con resultados prioritarios claros, responsabilidad clara sobre las operaciones y los riesgos, y bloques compartidos que puedan reutilizarse en todos los servicios.
Empiece donde la IPD ya genera confianza y utilice la IA para eliminar las fricciones cotidianas. Elija algunos recorridos de usuario de alto volumen que ya utilicen bloques de la IPD, como la identidad, los pagos, los documentos de confianza, los registros o el intercambio de datos con permiso. Aplique la IA de forma práctica para que esas vías sean más fáciles de usar para la ciudadanía y el personal de primera línea.
En la atención primaria de salud, por ejemplo, la identidad verificada y el acceso consentido a los historiales médicos pueden reducir las preguntas repetidas; la IA puede aprovechar estas IPD para encontrar rápidamente información relevante y completar los procesos de forma más rápida y precisa.
Desarrolle un conjunto reducido de capacidades de IA compartidas sobre la IPD y reutilícelas en todos los servicios. Invierta en unas pocas capacidades que fortalezcan muchos servicios habilitados por la IPD a la vez, por ejemplo, interfaces multilingües y de voz, asistencia con documentos y formularios que reduzca las solicitudes incompletas, y detección de anomalías que proteja los pagos y las prestaciones.
Cree los cimientos para una IA soberana. Invierta en la creación de una columna vertebral de IA pública compartida y escalable que reduzca la dependencia de modelos importados y disminuya las barreras a la innovación para las startups locales, los investigadores y las pymes, mediante intercambios de datos compartidos y computación federada.
La oportunidad que tienen ante sí los gobiernos es clara: tratar la IPD×IA como una agenda central de capacidad estatal. Quienes actúen con decisión no solo darán forma a sistemas inteligentes alineados con cada país, sino que también ofrecerán mejores servicios centrados en la ciudadanía.
En definitiva, cuando esa madre regrese al centro de salud, la enfermera debería dedicar menos tiempo a navegar por sistemas tecnológicos y más a prestar atención, porque la identidad y los registros pueden verificarse con consentimiento, la ayuda puede prestarse con rapidez y la asistencia de IA está integrada en el servicio de una forma clara y responsable.
Los autores desean agradecer a Aditya Sharma, Project Leader de BCG, su contribución sustancial a este artículo.
