Durante los últimos años, la inteligencia artificial entró al sector público casi siempre por la misma puerta: el chatbot. Un asistente que responde preguntas frecuentes, orienta trámites y descomprime mesas de entrada. Útil, pero limitado: el chatbot informa — el trámite lo sigue haciendo el ciudadano.
La próxima generación de IA propone algo distinto. Los agentes de inteligencia artificial no se limitan a responder: pueden ejecutar tareas, consultar sistemas, completar procesos y coordinar pasos entre organismos. La diferencia parece sutil y es enorme: es pasar del empleado que te explica dónde está la ventanilla al sistema que resuelve el trámite completo.
Esta nota explica qué son los agentes, qué podrían cambiar en la gestión pública y —la parte que casi nadie cuenta— qué necesita construir un Estado antes de poder usarlos en serio.
Qué es un agente (y qué no)
Un chatbot tradicional conversa: recibe una pregunta, genera una respuesta. Un agente opera: recibe un objetivo, planifica los pasos, consulta los sistemas necesarios, ejecuta acciones y verifica resultados. Puede usar herramientas —buscar en una base de datos, completar un formulario, emitir una notificación— y encadenar varias operaciones para cumplir una tarea.
La distinción práctica es simple: si al final de la interacción el trámite quedó hecho y no solo explicado, hubo un agente trabajando.
Qué podría cambiar en la gestión pública
Aplicado al Estado, el potencial es concreto:
- Trámites de punta a punta: un agente que, con autorización del ciudadano, consulta los organismos necesarios, verifica requisitos, completa formularios y deja el expediente iniciado — en minutos, no en semanas.
- Gestión sobre eventos de vida: un nacimiento, una mudanza o el inicio de una actividad comercial disparan hoy cadenas de trámites en organismos distintos. Un agente puede coordinar esa cadena completa a partir de un solo hecho.
- Back office estatal: verificación de documentación, cruces de información entre registros, seguimiento de expedientes, detección de inconsistencias — el trabajo administrativo repetitivo donde los agentes rinden más y arriesgan menos.
- Atención proactiva: en lugar de esperar que el ciudadano descubra que le corresponde un beneficio, el sistema lo identifica y le acerca la gestión.
Y esto ya dejó de ser proyección de laboratorio. Los primeros despliegues en producción operan en administración de beneficios y subsidios, detección de fraude fiscal y automatización de compras públicas. Gartner estima que al menos el 80% de los gobiernos implementará agentes de IA para automatizar decisiones rutinarias hacia 2028. La pregunta ya no es si los agentes llegarán al Estado: es en qué condiciones los va a recibir cada Estado.
La parte que casi nadie cuenta
Ahora, la advertencia honesta: un agente es tan bueno como los sistemas que puede consultar.
Un agente de IA puede ser brillante, pero si los datos que necesita viven en organismos que no se hablan entre sí, en bases sin estándares o en sistemas sin mecanismos seguros de acceso, su capacidad de acción es nula. No puede verificar lo que no puede consultar. No puede completar lo que no puede ejecutar. Un agente sin interoperabilidad es un chatbot caro.
Por eso la conversación sobre agentes en el Estado es, en el fondo, una conversación sobre infraestructura: interoperabilidad para que los sistemas se consulten entre sí, identidad digital para saber en nombre de quién actúa el agente, gobernanza de datos para definir qué puede consultar y qué no, y trazabilidad para auditar cada acción. Exactamente los componentes de la Infraestructura Pública Digital.
Los países que construyeron esa base parten con ventaja. Estonia —que lleva 25 años conectando sus sistemas con X-Road— puede pensar en agentes que operen sobre organismos reales, porque la ruta ya existe. Los que no la construyeron descubrirán que el agente más avanzado del mercado no puede hacer nada útil sobre un Estado fragmentado.
Los riesgos son reales (y se gestionan con arquitectura)
Un sistema que ejecuta acciones en nombre de personas exige más cuidado que uno que solo responde preguntas. Los riesgos principales:
- Errores con consecuencias: un chatbot que se equivoca da una mala respuesta; un agente que se equivoca inicia un trámite incorrecto. Por eso las acciones críticas requieren confirmación humana y límites claros de qué puede hacer solo.
- Autorización y suplantación: el agente actúa en nombre de alguien — la identidad digital robusta deja de ser deseable y pasa a ser condición.
- Trazabilidad: cada acción de un agente debe quedar registrada y ser auditable. “¿Quién hizo esto y con qué autorización?” siempre tiene que tener respuesta.
- Sesgo y equidad: las decisiones automatizadas sobre ciudadanos exigen supervisión, transparencia sobre los criterios y vías de reclamo humanas.
Nada de esto es un argumento contra los agentes: es la lista de requisitos para usarlos en serio. Y otra vez, la respuesta no está en el modelo de IA — está en la arquitectura institucional que lo rodea.
Los agentes ya llegaron — del lado del ciudadano
Hay un fenómeno reciente que vuelve esta discusión urgente: los ciudadanos empezaron a usar agentes antes que los Estados. Con herramientas de IA capaces de redactar y enviar formularios complejos en segundos, oficinas públicas de distintos países están registrando picos inéditos de solicitudes, reclamos y presentaciones generadas automáticamente por agentes del lado del usuario, según reportó TechCrunch en septiembre de 2026.
La asimetría es brutal: ciudadanos operando a velocidad de máquina contra administraciones que procesan a velocidad de expediente. El Estado que no incorpore agentes no se queda simplemente sin una mejora de eficiencia — queda del lado lento de una ventanilla que ya cambió de ritmo. La era de los agentes no espera la decisión del Estado: ya empezó del otro lado del mostrador.
Qué significa para una provincia
Para una provincia argentina, el mensaje es contraintuitivo pero claro: la mejor preparación para la era de los agentes no es comprar IA — es construir interoperabilidad.
Los modelos de IA evolucionan cada seis meses y se vuelven más baratos y accesibles; la infraestructura que les permite operar sobre sistemas reales tarda años y no se compra hecha. Las jurisdicciones que hoy avanzan en intercambio seguro de datos, identidad digital e infraestructura propia están construyendo, sin decirlo, la pista de aterrizaje de los agentes.
Ese es el camino en el que Santiago del Estero ya está trabajando: interoperabilidad sobre estándares internacionales, servicios digitales en producción como la validación de documentos, e infraestructura provincial propia para sostenerlo. Cuando los agentes lleguen al Estado —y van a llegar—, la diferencia entre las jurisdicciones no será quién tiene el mejor modelo de IA. Será quién construyó la ruta sobre la que puede operar.
El orden de los factores
La industria tecnológica discute qué modelo razona mejor. La discusión que le importa al sector público es anterior: qué sistemas podrá consultar ese modelo, con qué autorización y bajo qué reglas.
Primero la infraestructura, después los agentes. El Estado que invierta en ese orden convertirá cada avance de la IA en capacidad propia. El que lo invierta al revés coleccionará demos.
