La inteligencia artificial en el sector público ha dejado de ser una promesa para convertirse en proyectos concretos, contratados, ejecutados y auditados. En España, los fondos Next Generation EU y los PERTE han financiado desde 2022 cientos de proyectos de digitalización con componente de IA en administraciones de todos los tamaños. Estos son tres casos reales —que hemos implantado— para entender qué funciona y qué no. ## Por qué la IA llega ahora a la Administración Pública española Durante años, la IA era terreno de grandes corporaciones con presupuestos millonarios. Dos factores han cambiado el escenario en la Administración: **Los modelos de lenguaje (LLMs) se han abaratado radicalmente.** En 2023, desplegar un asistente conversacional de calidad requería un equipo de data scientists y una infraestructura propia. En 2025, los mismos resultados se consiguen mediante APIs de modelos fundacionales (GPT-4, Claude, Gemini) con infraestructura cloud estándar, a una fracción del coste. **Los fondos europeos exigen innovación medible.** Next Generation EU y los PERTE priorizan proyectos con componente tecnológica y con indicadores de impacto verificables. Esto ha empujado a muchas administraciones que nunca habrían aprobado un presupuesto propio de IA a incluirla en sus solicitudes de fondos. El resultado es un mercado activo pero exigente: las administraciones quieren IA que funcione, que sea auditable, que cumpla el RGPD y que pueda implantarse con proveedores certificados ENS. No quieren pilotos que no escalen. ## Proyecto 1: Asistente de IA conversacional para 33 municipios rurales de Extremadura **Contexto**: La Consejería de Digitalización de Extremadura financió con fondos Next Generation EU (425.283€) un proyecto para proporcionar atención ciudadana automatizada a municipios rurales con menos de 500 habitantes, muchos de ellos sin personal técnico de administración a tiempo completo. **El problema que resolvía**: Los ciudadanos de pequeños municipios tienen las mismas obligaciones administrativas que los de las ciudades —empadronamiento, solicitud de subvenciones, trámites urbanísticos— pero con acceso mucho más limitado a asesoramiento presencial. Un vecino de una pedanía de 80 habitantes puede tardar semanas en resolver una duda que en una capital se resuelve en el mostrador en diez minutos. **La solución implantada**: Un asistente conversacional disponible 24/7 a través de la web municipal y por WhatsApp, entrenado con la normativa local y autonómica de cada municipio. El sistema escala automáticamente las consultas complejas al técnico municipal, con toda la conversación transcrita y categorizada para facilitar la respuesta humana. **Resultados a 6 meses**: - 78% de las consultas resueltas sin intervención humana - Reducción del 60% en llamadas de consulta al ayuntamiento - Disponibilidad 24/7 para ciudadanos con horarios no laborales - Ahorro estimado de 3,2 horas semanales de trabajo administrativo por municipio **Clave técnica**: el sistema usa RAG (Retrieval-Augmented Generation) sobre la base documental de cada municipio, lo que garantiza que las respuestas están fundamentadas en documentos verificables y no en conocimiento genérico del modelo. Esto es fundamental para la responsabilidad administrativa. ## Proyecto 2: Modelos predictivos para gestión de redes de abastecimiento hídrico (PERTE Agua) **Contexto**: El Consorcio de Medio Ambiente de la provincia de Badajoz recibió financiación Next Generation EU (70.900€) para un proyecto de vigilancia ambiental con componente predictiva. **El problema**: Las redes de distribución de agua en zonas rurales tienen un índice elevado de fugas no detectadas que no se descubren hasta que provocan un fallo visible. Reparar una fuga avanzada es entre 5 y 10 veces más caro que detectarla en fase temprana. El mantenimiento reactivo —arreglar cuando se rompe— tiene un coste total muy superior al mantenimiento predictivo. **La solución**: Un sistema de sensores IoT en los puntos críticos de la red, conectados a un modelo de machine learning que analiza patrones de presión, caudal y consumo para detectar anomalías con hasta 72 horas de antelación. El modelo aprende del historial de incidencias de cada tramo de red. **Por qué esto es diferente a "instalar sensores"**: Los datos de los sensores solos no sirven sin el modelo que los interpreta. El valor está en la capacidad del sistema de distinguir entre una anomalía que requiere intervención inmediata, una variación estacional normal y un falso positivo. Un modelo mal calibrado genera más trabajo del que ahorra. **Resultado principal**: reducción del 35% en el tiempo de detección de fugas y disminución del 28% en el coste de reparaciones urgentes en el primer año de operación. ## Proyecto 3: Etiquetado NFC inteligente para trazabilidad en cadena agroalimentaria **Contexto**: Proyecto implantado para un cliente del sector agroalimentario con exigencias de trazabilidad IFS y necesidad de digitalizar el control de lotes en producción y distribución. **El problema**: Los sistemas de trazabilidad tradicionales dependen de la introducción manual de datos en distintos puntos de la cadena, lo que genera errores, retrasos y documentación inconsistente que no supera las auditorías IFS/BRC sin correcciones manuales. **La solución**: Etiquetas NFC embebidas en el envase que registran automáticamente cada movimiento del producto —entrada a producción, controles de temperatura, salida de almacén, recepción en destino— sin intervención humana. El lector NFC se integra con el ERP de trazabilidad y genera automáticamente el informe de auditoría IFS. La componente de IA entra en la detección de anomalías: el sistema aprende los patrones normales de temperatura, tiempo de tránsito y manipulación para cada tipo de producto, y alerta en tiempo real cuando un lote está fuera de rango antes de que llegue al destino. **Resultado**: cero no conformidades en la última auditoría IFS del cliente. El informe de trazabilidad completo, que antes tomaba 4 horas de trabajo manual, se genera en menos de 3 minutos. ## Qué necesita una Administración antes de implantar IA Estos tres proyectos comparten un patrón de éxito que es útil conocer antes de lanzar cualquier iniciativa de IA pública: **1. Un problema real y medible, no "queremos hacer IA"** Los proyectos que fracasan suelen empezar con la tecnología y buscar un problema que resolver. Los que funcionan empezar con un proceso concreto, un coste real o un tiempo de respuesta inaceptable, y evalúan si la IA es la mejor herramienta para mejorarlos. **2. Datos existentes y accesibles** La IA no crea datos de la nada. Si los procesos actuales no generan datos digitalizados, el primer paso es digitalizarlos —y eso requiere tiempo y recursos antes de poder entrenar cualquier modelo. **3. Un proveedor que conoce el contexto normativo público** Implantar IA en la Administración implica cumplir con el ENS, el RGPD, la Ley de Transparencia y, en muchos casos, las Guías de Uso Ético de la IA de la Agencia Española de Supervisión de la Inteligencia Artificial (AESIA). Trabajar con un proveedor sin experiencia en este contexto es garantía de problemas en la auditoría. ## Preguntas frecuentes sobre IA en el sector público **¿Qué fondos europeos pueden financiar proyectos de IA en una Administración Local?** Los principales son el Componente 11 del PRTR (Plan de Recuperación, Transformación y Resiliencia) y los PERTE. Para ayuntamientos y diputaciones, los fondos suelen llegar a través de programas autonómicos o del FEDER. El proceso de solicitud requiere un proyecto técnico detallado y un plan de indicadores de impacto verificables. **¿La IA en la Administración debe cumplir el Reglamento de IA europeo?** Sí. El AI Act de la UE (en vigor desde agosto de 2024) clasifica muchos sistemas de IA en administración pública como de "alto riesgo", lo que implica obligaciones adicionales de transparencia, supervisión humana y documentación técnica. Los proveedores de estos sistemas deben estar preparados para cumplir estos requisitos. **¿Puede una Administración pequeña permitirse IA?** Sí, si el proyecto está bien dimensionado y financiado con fondos europeos. El coste de los proyectos descritos está entre 70.000€ y 425.000€, rangos accesibles para diputaciones y comunidades autónomas mediante PERTE o PRTR. El ROI, cuando el problema es real, suele recuperarse en 12-24 meses.