Chile reescribe las reglas del juego para contratar inteligencia artificial en el Estado

Mientras gobiernos de todo el mundo luchan por regular la inteligencia artificial antes de que esta transforme irreversiblemente sus estructuras, Chile acaba de dar un paso que podría marcar la diferencia entre el caos tecnológico y la adopción responsable: ChileCompra, la plataforma central de compras públicas del país, ha actualizado su directiva para la contratación de proyectos de ciencia de datos e inteligencia artificial. No se trata de un simple ajuste burocrático. Esta actualización representa el reconocimiento explícito de que contratar IA no es como comprar equipos informáticos convencionales, y que el Estado necesita herramientas específicas para navegar un mercado donde los riesgos van desde sesgos algorítmicos hasta dependencia tecnológica crítica.

Un marco regulatorio que llega en el momento preciso

La actualización de la directiva de ChileCompra no surge en el vacío. En los últimos tres años, organismos públicos chilenos han experimentado con proyectos de inteligencia artificial que van desde sistemas de detección de fraude hasta modelos predictivos para la asignación de recursos sanitarios. Sin embargo, muchos de estos proyectos se contrataron bajo marcos diseñados para software tradicional, generando fricciones entre las expectativas de los organismos públicos y las capacidades reales de los proveedores tecnológicos. La brecha entre lo prometido y lo entregado ha sido, en varios casos, considerable.

Lo que distingue a esta actualización es su enfoque preventivo. En lugar de esperar a que los problemas se acumulen, ChileCompra está estableciendo criterios claros antes de que el mercado de IA pública alcance su punto de saturación. La directiva actualizada contempla aspectos que van desde la definición precisa de entregables hasta la evaluación de capacidades técnicas de los proveedores, pasando por requisitos específicos de transparencia algorítmica y auditoría de modelos. Es un reconocimiento de que la IA no es una caja negra que el Estado puede simplemente adquirir y operar sin comprender sus fundamentos.

El timing es estratégico. Chile se encuentra en medio de un proceso de transformación digital del Estado que ha acelerado la demanda de soluciones basadas en datos. Desde el Ministerio de Hacienda hasta el Servicio de Impuestos Internos, las instituciones públicas están explorando cómo la inteligencia artificial puede optimizar procesos, reducir costos y mejorar la entrega de servicios ciudadanos. Pero sin un marco claro para la contratación, estos proyectos corren el riesgo de convertirse en inversiones fallidas que erosionan la confianza pública en la tecnología.

Los puntos críticos de la nueva directiva

Aunque los detalles específicos de la directiva actualizada requieren un análisis pormenorizado, el simple hecho de que exista una normativa específica para ciencia de datos e IA marca una diferenciación crucial. Las contrataciones públicas tradicionales se centran en especificaciones técnicas predefinidas y entregables tangibles. Pero un proyecto de inteligencia artificial es fundamentalmente diferente: su éxito depende de la calidad de los datos, la idoneidad de los algoritmos seleccionados, y la capacidad de iterar sobre modelos que inicialmente pueden no cumplir los objetivos esperados.

La directiva actualizada probablemente aborda aspectos como la propiedad de los modelos desarrollados, los derechos sobre los datos utilizados para entrenarlos, y los mecanismos de evaluación de desempeño que van más allá de métricas técnicas abstractas. En el contexto de la administración pública, estos elementos no son detalles menores: determinan si un organismo podrá mantener y mejorar un sistema de IA una vez que el contrato con el proveedor original haya finalizado, o si quedará atrapado en una dependencia perpetua.

La diferencia entre comprar software convencional y contratar un proyecto de inteligencia artificial es la diferencia entre adquirir una herramienta terminada y embarcarse en un proceso de desarrollo continuo que requiere expertise técnico, datos de calidad y capacidad de adaptación constante.

Otro aspecto crucial es la evaluación de proveedores. El mercado de IA está saturado de empresas que prometen capacidades que no siempre pueden demostrar. La directiva actualizada probablemente establece criterios para verificar experiencia previa, capacidad técnica real del equipo, y metodologías de trabajo que garanticen transparencia y trazabilidad. En un campo donde el hype supera frecuentemente a la realidad, estos filtros son esenciales para proteger los recursos públicos.

Chile en el contexto latinoamericano de regulación de IA

La actualización de ChileCompra posiciona a Chile como uno de los países latinoamericanos más proactivos en la regulación de la inteligencia artificial en el sector público. Mientras que naciones como Argentina, Colombia y Brasil han desarrollado estrategias nacionales de IA, la traducción de estas estrategias en marcos operativos concretos para la contratación pública ha sido desigual. Chile está demostrando que la regulación efectiva no se trata solo de documentos de alto nivel, sino de herramientas prácticas que los funcionarios públicos pueden usar en su trabajo cotidiano.

Este enfoque pragmático refleja una madurez institucional que contrasta con la tendencia regional a crear grandes marcos regulatorios que luego enfrentan dificultades en su implementación. Al actualizar las directivas de contratación, Chile está interviniendo en el punto exacto donde las políticas se convierten en acción: el momento en que un organismo público decide invertir recursos en un proyecto tecnológico. Es en ese momento, no en declaraciones abstractas, donde se define realmente cómo un país adoptará la inteligencia artificial.

La experiencia chilena también ofrece lecciones para otros países que enfrentan desafíos similares. La centralización de compras públicas a través de ChileCompra crea un punto de control único donde se pueden implementar estándares consistentes. En países con sistemas de contratación más fragmentados, replicar este nivel de coherencia regulatoria sería significativamente más complejo. Chile está aprovechando una ventaja institucional que otros países podrían envidiar.

Los desafíos que quedan por delante

Actualizar una directiva es solo el primer paso. El verdadero desafío será su implementación efectiva en un ecosistema de funcionarios públicos que, en muchos casos, carecen de formación técnica en ciencia de datos o inteligencia artificial. ChileCompra deberá complementar la directiva con capacitación, casos de uso ejemplares y mecanismos de soporte técnico que ayuden a los organismos públicos a navegar las complejidades de estos proyectos. Sin este acompañamiento, incluso la mejor regulación puede convertirse en letra muerta.

También está la cuestión de la evolución tecnológica. La inteligencia artificial avanza a un ritmo que hace que cualquier regulación corra el riesgo de quedar obsoleta rápidamente. Los modelos de lenguaje de gran escala que dominan el debate actual eran prácticamente inexistentes hace tres años. ¿Cómo puede una directiva de contratación mantenerse relevante cuando las tecnologías que regula cambian fundamentalmente cada pocos meses? La respuesta probablemente esté en crear marcos suficientemente flexibles que establezcan principios más que especificaciones técnicas rígidas.

Finalmente, está el equilibrio entre protección y innovación. Regulaciones demasiado estrictas pueden ahuyentar a proveedores innovadores o hacer que los proyectos de IA sean tan complejos de contratar que los organismos públicos simplemente opten por soluciones convencionales menos efectivas. ChileCompra debe encontrar el punto medio donde la protección de recursos públicos y la garantía de calidad no se conviertan en barreras insuperables para la adopción de tecnologías que genuinamente pueden mejorar la gestión pública.

Contexto clave

Ciencia de datos vs. inteligencia artificial: Aunque frecuentemente se usan como sinónimos, estos términos describen campos relacionados pero distintos. La ciencia de datos se enfoca en extraer conocimiento y patrones de conjuntos de datos mediante técnicas estadísticas, visualización y análisis exploratorio. La inteligencia artificial, por su parte, busca crear sistemas que puedan realizar tareas que normalmente requieren inteligencia humana, como reconocimiento de patrones, toma de decisiones o procesamiento de lenguaje natural. Un proyecto puede involucrar ciencia de datos sin usar IA (por ejemplo, un análisis estadístico tradicional), o puede usar IA con componentes mínimos de ciencia de datos (como implementar un modelo preentrenado). La directiva de ChileCompra debe contemplar ambos porque las necesidades de contratación, evaluación y entrega son diferentes en cada caso.

Transparencia algorítmica y auditoría de modelos: Estos conceptos se refieren a la capacidad de comprender, explicar y verificar cómo un sistema de IA toma decisiones. En el contexto de la administración pública, donde las decisiones algorítmicas pueden afectar derechos ciudadanos, la transparencia no es opcional. La auditoría de modelos implica revisar los datos de entrenamiento, los algoritmos utilizados, y los resultados producidos para detectar sesgos, errores o comportamientos inesperados. Para organismos públicos, esto significa poder responder preguntas como: ¿Por qué el sistema rechazó esta solicitud? ¿Qué datos influyeron en esta predicción? ¿Existen grupos demográficos que el modelo trata de manera diferente? Sin mecanismos claros de auditoría, los sistemas de IA públicos operan como cajas negras que erosionan la rendición de cuentas democrática.

Dependencia tecnológica y soberanía de datos: Cuando un organismo público contrata un proyecto de IA, debe considerar qué sucede cuando el contrato termina. Si el proveedor retiene la propiedad del modelo, los datos de entrenamiento, o el conocimiento técnico necesario para mantener el sistema, el organismo queda en una posición de dependencia perpetua. La soberanía de datos se refiere al control que una organización o país mantiene sobre la información que genera y utiliza. En proyectos de IA pública, esto implica asegurar que los datos ciudadanos no terminen en servidores extranjeros sin control, que los modelos puedan ser auditados y modificados sin depender del proveedor original, y que exista transferencia real de conocimiento técnico. La directiva actualizada debe establecer cláusulas claras sobre estos aspectos para evitar que la modernización tecnológica se convierta en una nueva forma de dependencia.

Para profundizar

• El mercado chileno de proveedores de IA para el sector público — ¿Cuántas empresas en Chile tienen capacidad técnica real para ejecutar proyectos de inteligencia artificial de nivel gubernamental? La actualización de la directiva podría revelar una brecha significativa entre la demanda pública y la oferta local cualificada, con implicaciones para la política de desarrollo tecnológico nacional.
• Casos de éxito y fracaso en IA pública chilena — Antes de esta actualización, diversos organismos públicos ya experimentaron con proyectos de inteligencia artificial. Un análisis sistemático de qué funcionó, qué falló y por qué proporcionaría lecciones valiosas sobre los problemas específicos que la nueva directiva intenta resolver y si sus mecanismos son adecuados para prevenirlos.
• La formación en IA de funcionarios públicos como complemento regulatorio — Las mejores regulaciones fracasan sin capacidad institucional para aplicarlas. ¿Qué programas de formación en inteligencia artificial y ciencia de datos existen para funcionarios públicos chilenos? ¿Son suficientes para crear una masa crítica de compradores públicos que puedan evaluar propuestas técnicas complejas y supervisar proyectos de IA de manera efectiva?