Aumento de la eficiencia de las administraciones públicas con agentes de IA
Reducción de costes y cumplimiento de los requisitos de eficiencia
Los organismos gubernamentales y otras organizaciones del sector público se encuentran bajo una enorme presión para mejorar la eficiencia y reducir los costes. Sin embargo, aún deben encontrar formas de gestionar una amplia gama de tareas críticas, desde la tramitación de solicitudes de pasaporte y el pago de prestaciones de la seguridad social hasta la traducción de documentos diplomáticos y la detección de comportamientos sospechosos en espacios públicos.
Mientras tanto, como ciudadanos, todos esperamos que los organismos gubernamentales y las organizaciones del sector público ofrezcan experiencias rápidas y cómodas. Queremos acceder a la información y enviar solicitudes las 24 horas del día, utilizando una variedad de dispositivos digitales.
Cuando hablo con líderes tecnológicos del sector público, a menudo me cuentan que están ansiosos por adoptar agentes de IA, o "IA agéntica", como una forma de abordar rápidamente los mandatos de eficiencia y mejorar los servicios. Sus homólogos en otros sectores reconocen de manera similar la promesa de los agentes de IA. En una encuesta reciente realizada por Boston Consulting Group, el 58 % de los compradores de TI en empresas comerciales declara que ya están implementando agentes de IA, y otro 35 % lo está considerando activamente. Estos compradores prevén un retorno de la inversión del 13,7 % de los agentes de IA, un retorno superior al esperado de las aplicaciones de IA generativa sin agentes. Las organizaciones del sector público, por su parte, podrían lograr importantes ahorros de costes.
Aun así, los agentes de IA conllevan riesgos. Proporcionar información inexacta o resultados incorrectos puede anular rápidamente las ventajas de eficiencia y ahorro de costes. A medida que las organizaciones planifican las implementaciones, la incorporación de medidas de seguridad y la creación de bucles para la mejora continua serán clave para maximizar los beneficios de los agentes de IA.
Casos de uso de agentes de IA en el sector público
Existen numerosos casos de uso potenciales para los agentes de IA en el sector público. En cada uno de ellos, los agentes pueden satisfacer la necesidad urgente de reducir o eliminar las tareas manuales de usuario. A continuación, se muestran cuatro ejemplos de casos de uso sencillos:
Soporte telefónico y web: un agente de IA podría gestionar las primeras consultas telefónicas y web de una agencia como la Administración de la Seguridad Social o el IRS, proporcionando información y recomendando medidas a los ciudadanos. Si alguien necesita ayuda adicional, el agente de IA podría transferir la llamada o la solicitud en línea a un humano.
Videovigilancia de seguridad pública: un organismo de transporte público podría utilizar un agente de IA para detectar anomalías en las transmisiones de vídeo en tiempo real de las paradas de autobús o estaciones de tren. El agente de IA estaría encendido continuamente. Podría identificar comportamientos inusuales y alertar al personal adecuado para realizar análisis humanos más exhaustivos.
Procesamiento de documentos: para los organismos que deben lidiar con varios idiomas y diversos tipos de documentación, los agentes de IA podrían traducir documentos, clasificar contenido y luego enviar información a personas específicas o almacenarla en una ubicación adecuada. Los agentes podrían reducir sustancialmente el tedioso trabajo administrativo para los humanos.
Búsqueda interna de organismos: los empleados de un organismo gubernamental podrían utilizar un chatbot basado en agentes para encontrar rápidamente las políticas aplicables a su departamento u organismo específico. Esta herramienta ayudaría a eliminar el costoso y laborioso trabajo de buscar manualmente en documentos de pólizas electrónicos o físicos.
Los desafíos de implementar agentes de IA
Aunque los agentes de IA tienen muchos casos de uso prometedores para todas las organizaciones del sector público, su implementación conlleva algunos desafíos.
En primer lugar, los modelos de lenguaje de gran tamaño (LLM) que sirven como cerebro de los agentes de IA no son deterministas. En otras palabras, si das exactamente la misma instrucción a un LLM cinco veces, es posible que obtengas cinco respuestas ligeramente diferentes, y el modelo no te dirá por qué las respuestas varían. Esta incoherencia puede causar problemas importantes, especialmente cuando se cuenta con el agente de IA para tomar decisiones relacionadas con la seguridad pública o para gestionar la información personal de los ciudadanos.
Un segundo desafío relacionado es la falta de medidas de protección. Para detectar resultados incoherentes o erróneos antes de que causen daños, debes tener visibilidad y control sobre los flujos de agentes de IA. Al mismo tiempo, debes mantener el control sobre los datos que utilizas para entrenar los LLM. La precisión de los resultados depende en gran medida del suministro de datos precisos, coherentes y de alta calidad a los modelos.
Están apareciendo herramientas en el mercado para abordar algunas de estas preocupaciones sobre la falta de medidas de seguridad. Por lo tanto, es fundamental mantenerse al día sobre las soluciones de seguridad de la IA.
Cinco consideraciones para desarrollar flujos de trabajo de agentes de IA
La implementación exitosa de agentes de IA requiere una planificación cuidadosa, trabajo técnico y cambios en los procesos. Después de definir primero la funcionalidad de un agente, debes crear el sistema y el flujo de trabajo. Y desde el principio, debes incorporar medidas de seguridad y crear un medio para mejorar continuamente los resultados.
Define lo que quieres que haga el agente. Suena sencillo, pero definir claramente tu objetivo es un primer paso fundamental, porque entonces puedes determinar si realmente necesitas un agente de IA para lograrlo. Algunas organizaciones se apresuran a implementar agentes de IA cuando una simple herramienta de flujo de trabajo estaría bien. La IA solo es necesaria cuando el flujo de trabajo es más dinámico. Si puedes automatizar una tarea sin un agente de IA, podrías ahorrar mucho tiempo y esfuerzo.
Elige el LLM adecuado. Si determinas que un agente de IA es necesario para automatizar una tarea concreta, debes establecer sus mecanismos de razonamiento y planificación. En la mayoría de los casos, eso implica elegir un LLM, ya sea un LLM de código abierto o comercial. A continuación, puedes utilizar la generación aumentada por recuperación (RAG) para recuperar datos específicos del organismo, lo que ayudará a garantizar respuestas precisas y personalizadas.
Prepárate para las integraciones técnicas. El propósito de un agente de IA es aprovechar un LLM para comprender una tarea u objetivo, y luego ejecutar esa tarea o lograr ese objetivo. Para que todo esto sea posible, necesitas tener acceso a herramientas, herramientas que puedan abrir un navegador o escribir en una base de datos. Y para facilitar esas interacciones entre el LLM y la herramienta, necesitas los protocolos de comunicación adecuados.
Hasta hace poco, los desarrolladores utilizaban principalmente las API para integrar herramientas y LLM. Sin embargo, un nuevo protocolo de control de modelos (MCP) se está convirtiendo en el estándar de facto para conectar los sistemas de IA con aplicaciones externas. MCP ha sido ampliamente aceptado e impulsará la innovación al proporcionar una integración sencilla para que todos los modelos y herramientas de IA trabajen juntos.Establece medidas de seguridad. Los agentes de IA prometen realizar tareas de forma autónoma, pero controlar a esos agentes a menudo requiere cierta intervención humana. En concreto, es posible que tengas que mantener a un usuario al corriente para que revise y confirme algunas acciones antes de que el agente las lleve a cabo.
Tomemos el ejemplo de los agentes de IA empleados para los centros de contacto telefónicos, que utilizan muchos organismos. Podrías hacer que un humano valide las respuestas proporcionadas por el agente para ayudar a garantizar la precisión. Si una persona se pone en contacto con la oficina para preguntar por un cheque que no ha recibido, el agente de IA puede investigar el problema y proponer una respuesta como: "El cheque no se ha enviado debido a un error del sistema". Luego, el humano revisaría esa respuesta generada por la IA y se aseguraría de que sea correcta antes de responder al ciudadano y luego enviar el cheque.
Más allá de mantener al usuario informado, las capacidades de seguridad y las políticas de gobernanza de datos son esenciales para minimizar los riesgos asociados a los agentes de IA.Crea un bucle cerrado. Además de supervisar las entradas y salidas, necesitas una forma de mejorar continuamente la precisión de los resultados, para que el agente sea más inteligente y eficaz con el tiempo. Para ello, debes crear un bucle cerrado. A través de ese bucle, puedes realizar ajustes en las instrucciones, el flujo de la información o el conjunto de datos en el sistema RAG.
Otras técnicas pueden ayudar a mejorar aún más la precisión. En concreto, la incorporación de más datos en los modelos y la incorporación de un mayor contexto a las instrucciones te permitirán mejorar la precisión de los resultados.
Empieza a desarrollar e implementar agentes de IA ahora
Algunas organizaciones comerciales (como Salesforce y Microsoft) ya están implementando agentes de IA en los flujos de trabajo. Estas organizaciones están empezando con entornos cerrados, aprovechando los agentes de IA para ofrecer a sus usuarios experiencias nuevas o mejores. Por ejemplo, un usuario de Microsoft puede pedir a un agente de IA que resuma los correos electrónicos que le ha enviado una persona concreta, aceptar todas las invitaciones de su jefe y reprogramar las solicitudes que se superpongan con las solicitudes de su jefe.
Las organizaciones del sector público, sometidas a una presión extrema para mejorar la eficiencia y reducir los costes, están preparadas para la adopción de agentes de IA. Tu organización podría empezar a implementar agentes para flujos de trabajo sencillos a fin de ahorrar tiempo y reducir la necesidad de trabajo manual.
Sin embargo, en un futuro próximo, es posible que puedas utilizar agentes de IA en entornos abiertos más complicados. La combinación de agentes de IA con IoT, por ejemplo, creará nuevas e importantes posibilidades, como el uso de agentes de IA con herramientas o vehículos autónomos. Estos casos de uso pueden seguir mejorando la calidad de los servicios prestados a los ciudadanos, al tiempo que mejoran drásticamente la eficiencia operativa, que seguirá siendo un objetivo fundamental para los organismos gubernamentales.
Cloudflare puede ayudar a tu organización a crear agentes de IA y establecer las medidas de seguridad necesarias. La plataforma Cloudflare Workers AI permite a las organizaciones crear y ejecutar agentes y aplicaciones de IA en la red global de Cloudflare, lo que ayuda a maximizar el rendimiento y mejorar la escalabilidad de los modelos, al tiempo que agiliza el desarrollo y reduce los costes. Mientras tanto, Cloudflare puede acelerar la implementación de un modelo de seguridad Zero Trust que mejora la precisión de los resultados de los agentes de IA controlando el acceso a los datos y modelos utilizados por los agentes. Con Cloudflare, los organismos gubernamentales y otras organizaciones del sector público pueden aprovechar la eficacia de los agentes de IA para mejorar los servicios y reducir los costes, al tiempo que refuerzan las medidas de protección para su uso.
Este artículo forma parte de un conjunto de publicaciones sobre las últimas tendencias y temas que afectan a los responsables de la toma de decisiones sobre tecnología en la actualidad.
Más información sobre este tema
Para más información sobre cómo implementar medidas de seguridad para el uso de agentes de IA en tu organización, consulta la guía para el CISO: Cómo garantizar prácticas seguras de IA.
Autor
Dan Kent — @danielkent1
Director técnico para el sector público, Cloudflare
CONCLUSIONES CLAVE
Después de leer este artículo podrás entender:
4 casos de uso clave para los agentes de IA en el sector público
Los principales desafíos a los que se enfrentan las organizaciones con la implementación
5 consideraciones para que las organizaciones desarrollen un plan wireframe para empezar
Recursos relacionados
Implementación segura de la IA para gobiernos estatales y locales
Aprende a prepararte para el futuro de la IA en el ámbito de la ciberseguridad