Intelixencia Artificial aplicada ao sector público: tres proxectos reais en España

A intelixencia artificial no sector público deixou de ser unha promesa para converterse en proxectos concretos, contratados, executados e auditados. En España, os fondos Next Generation EU e os PERTE financiaron desde 2022 centos de proxectos de dixitalización con compoñente de IA en administracións de todos os tamaños. Estes son tres casos reais —que implantamos nós— para entender que funciona e que non.

Por que a IA chega agora á Administración pública española

Durante anos, a IA era terreo de grandes corporacións con orzamentos millonarios. Dous factores cambiaron o escenario na Administración:

Os modelos de linguaxe (LLM) abaratáronse radicalmente. En 2023, despregar un asistente conversacional de calidade requiría un equipo de data scientists e unha infraestrutura propia. En 2025, os mesmos resultados conséguense mediante as API de modelos fundacionais (GPT-4, Claude, Gemini) con infraestrutura cloud estándar, por unha fracción do custo.

Os fondos europeos esixen innovación medible. Next Generation EU e os PERTE priorizan os proxectos con compoñente tecnolóxico e con indicadores de impacto verificables. Isto empurrou moitas administracións que nunca aprobarían un orzamento propio de IA a incluíla nas súas solicitudes de fondos.

O resultado é un mercado activo pero esixente: as administracións queren unha IA que funcione, que sexa auditable, que cumpra o RXPD e que se poida implantar con provedores certificados en ENS. Non queren pilotos que non escalen.

Proxecto 1: Asistente de IA conversacional para 33 municipios rurais de Extremadura

Contexto: A Consellería de Dixitalización de Extremadura financiou con fondos Next Generation EU (425.283 €) un proxecto para proporcionarlles atención cidadá automatizada a municipios rurais de menos de 500 habitantes, moitos deles sen persoal técnico de administración a tempo completo.

O problema que resolvía: Os cidadáns dos pequenos municipios teñen as mesmas obrigas administrativas cós das cidades —empadroamento, solicitude de subvencións, trámites urbanísticos—, pero cun acceso moito máis limitado ao asesoramento presencial. Un veciño dunha aldea de 80 habitantes pode tardar semanas en resolver unha dúbida que nunha capital se resolve no mostrador en dez minutos.

A solución implantada: Un asistente conversacional dispoñible 24/7 a través da web municipal e por WhatsApp, adestrado coa normativa local e autonómica de cada municipio. O sistema escala automaticamente as consultas complexas ao técnico municipal, con toda a conversa transcrita e categorizada para facilitar a resposta humana.

Resultados aos 6 meses:

• 78% das consultas resoltas sen intervención humana
• Redución do 60% nas chamadas de consulta ao concello
• Dispoñibilidade 24/7 para cidadáns con horarios non laborais
• Aforro estimado de 3,2 horas semanais de traballo administrativo por municipio

Clave técnica: o sistema usa RAG (Retrieval-Augmented Generation) sobre a base documental de cada municipio, o que garante que as respostas están fundamentadas en documentos verificables e non no coñecemento xenérico do modelo. Isto é fundamental para a responsabilidade administrativa.

Proxecto 2: Modelos preditivos para a xestión de redes de abastecemento hídrico (PERTE Auga)

Contexto: O Consorcio de Medio Ambiente da provincia de Badajoz recibiu financiamento Next Generation EU (70.900 €) para un proxecto de vixilancia ambiental con compoñente preditivo.

O problema: As redes de distribución de auga nas zonas rurais teñen un índice elevado de fugas non detectadas que non se descobren ata que provocan un fallo visible. Reparar unha fuga avanzada é entre 5 e 10 veces máis caro ca detectala en fase temperá. O mantemento reactivo —arranxar cando rompe— ten un custo total moi superior ao do mantemento preditivo.

A solución: Un sistema de sensores IoT nos puntos críticos da rede, conectados a un modelo de machine learning que analiza patróns de presión, caudal e consumo para detectar anomalías con ata 72 horas de antelación. O modelo aprende do historial de incidencias de cada tramo da rede.

Por que isto é diferente de «instalar sensores»: Os datos dos sensores por si sós non serven sen o modelo que os interpreta. O valor está na capacidade do sistema para distinguir entre unha anomalía que require intervención inmediata, unha variación estacional normal e un falso positivo. Un modelo mal calibrado xera máis traballo do que aforra.

Resultado principal: redución do 35% no tempo de detección de fugas e diminución do 28% no custo das reparacións urxentes no primeiro ano de operación.

Proxecto 3: Etiquetaxe NFC intelixente para a rastrexabilidade na cadea agroalimentaria

Contexto: Proxecto implantado para un cliente do sector agroalimentario con esixencias de rastrexabilidade IFS e coa necesidade de dixitalizar o control de lotes en produción e distribución.

O problema: Os sistemas de rastrexabilidade tradicionais dependen da introdución manual de datos en distintos puntos da cadea, o que xera erros, atrasos e unha documentación inconsistente que non supera as auditorías IFS/BRC sen correccións manuais.

A solución: Etiquetas NFC integradas no envase que rexistran automaticamente cada movemento do produto —entrada en produción, controis de temperatura, saída do almacén, recepción no destino— sen intervención humana. O lector NFC intégrase co ERP de rastrexabilidade e xera automaticamente o informe de auditoría IFS.

O compoñente de IA entra na detección de anomalías: o sistema aprende os patróns normais de temperatura, tempo de tránsito e manipulación para cada tipo de produto, e alerta en tempo real cando un lote está fóra dos valores normais antes de que chegue ao destino.

Resultado: cero non conformidades na última auditoría IFS do cliente. O informe de rastrexabilidade completo, que antes levaba 4 horas de traballo manual, xérase en menos de 3 minutos.

Que necesita unha Administración antes de implantar IA

Estes tres proxectos comparten un patrón de éxito que é útil coñecer antes de lanzar calquera iniciativa de IA pública:

1. Un problema real e medible, non «queremos facer IA» Os proxectos que fracasan adoitan empezar pola tecnoloxía e buscar un problema que resolver. Os que funcionan empezan por un proceso concreto, un custo real ou un tempo de resposta inaceptable, e avalían se a IA é a mellor ferramenta para melloralos.

2. Datos existentes e accesibles A IA non crea datos da nada. Se os procesos actuais non xeran datos dixitalizados, o primeiro paso é dixitalizalos —e iso require tempo e recursos antes de poder adestrar calquera modelo.

3. Un provedor que coñece o contexto normativo público Implantar IA na Administración implica cumprir o ENS, o RXPD, a Lei de transparencia e, en moitos casos, as Guías de uso ético da IA da Axencia Española de Supervisión da Intelixencia Artificial (AESIA). Traballar cun provedor sen experiencia neste contexto é garantía de problemas na auditoría.

Os tres proxectos deste artigo están documentados na páxina de innovación de CEDESA, xunto co resto dos proxectos PERTE e Next Generation EU executados, e abordáronse co marco de traballo do servizo para o sector público: ENS desde o deseño, interoperabilidade coa AXE e xustificación de fondos europeos incluída.

Preguntas frecuentes sobre a IA no sector público

Que fondos europeos poden financiar proxectos de IA nunha Administración local?

Os principais son o Compoñente 11 do PRTR (Plan de Recuperación, Transformación e Resiliencia) e os PERTE. Para concellos e deputacións, os fondos adoitan chegar a través de programas autonómicos ou do FEDER. O proceso de solicitude require un proxecto técnico detallado e un plan de indicadores de impacto verificables.

A IA na Administración debe cumprir o Regulamento europeo de IA?

Si. O AI Act da UE (en vigor desde agosto de 2024) clasifica moitos sistemas de IA da Administración pública como de «alto risco», o que implica obrigas adicionais de transparencia, supervisión humana e documentación técnica. Os provedores destes sistemas deben estar preparados para cumprir estes requisitos.

Pode unha Administración pequena permitirse a IA?

Si, se o proxecto ten a dimensión axeitada e está financiado con fondos europeos. O custo dos proxectos descritos está entre 70.000 € e 425.000 €, unha franxa accesible para deputacións e comunidades autónomas mediante PERTE ou PRTR. O ROI, cando o problema é real, adoita recuperarse en 12-24 meses.