La inteligencia artificial ya entró en el Estado argentino. La pregunta dejó de ser cuándo llegará y pasó a ser otra, mucho más incómoda para la gestión pública. Quién controla esos sistemas, cómo se auditan y qué ocurre cuando un algoritmo influye en una decisión que afecta a una persona, a una empresa o al uso de fondos públicos.
La Sindicatura General de la Nación puso ese debate en agenda con la publicación de la Guía de Controles Inteligencia Artificial – SIGEN, una herramienta aprobada por la Resolución 197/2026 para orientar a los organismos del Sector Público Nacional. El documento apunta a un objetivo concreto. Que la adopción de IA no avance por impulso tecnológico sin controles internos, trazabilidad, revisión humana y rendición de cuentas.
El dato que vuelve relevante a la guía no está solo en su contenido, sino en el diagnóstico que la motivó. La SIGEN relevó procesos dentro del Estado y detectó organismos con proyectos de inteligencia artificial en marcha, aunque con controles que no estaban debidamente instrumentados. En términos prácticos, el organismo reconoció que la tecnología ya opera en dependencias públicas y que el sistema de control debe adaptarse antes de que los riesgos escalen.
El punto central es sensible. Un modelo de IA puede asistir una tarea administrativa, ordenar datos, redactar documentos, analizar expedientes, priorizar inspecciones o responder consultas ciudadanas. Pero cuando su uso incide en trámites, beneficios, fiscalización o asignación de recursos, la discusión deja de ser técnica. Pasa al terreno institucional, legal y político.
Índice de temas
La IA entró al Estado y exige controles antes del despliegue
La guía de SIGEN distingue dos planos. Por un lado, el uso individual de IA generativa por parte de empleados públicos, con herramientas como asistentes de texto, traductores, sistemas de resumen o plataformas para ordenar información. Por otro, los sistemas integrados a procesos administrativos, que pueden influir en decisiones más relevantes para la ciudadanía o para la propia gestión estatal.
Esa diferencia es clave. No tiene el mismo riesgo que un agente estatal utilice una herramienta para mejorar la redacción de un informe que incorporar un algoritmo a un circuito de evaluación, control, fiscalización o atención ciudadana. En el primer caso, el peligro puede estar en la carga de información no pública, la dependencia de una plataforma externa o el uso de herramientas no autorizadas. En el segundo, el problema puede afectar derechos, recursos públicos, criterios de selección o actos administrativos.
Por eso, SIGEN propone que cada organismo cuente con una política institucional de IA, que el área tecnológica autorice las herramientas, que el área legal revise términos y condiciones, y que existan responsables claros. La guía también pide documentar objetivos, alcance, datos utilizados, pruebas realizadas, cambios de versión, controles de seguridad, registros de actividad y mecanismos de monitoreo.
La lógica se parece cada vez más a una auditoría de gestión, pero con una capa técnica adicional. Ya no alcanza con revisar expedientes, contratos o circuitos administrativos. El control público debe mirar modelos, datos, sesgos, registros, calidad de la información, supervisión humana y dependencia de proveedores.
El mensaje de fondo es contundente. La IA puede delegar ejecución, pero no responsabilidad. Un organismo no puede justificar una decisión errónea con el argumento de que “lo dijo el sistema”. La responsabilidad sigue en cabeza de funcionarios, autoridades y áreas competentes.
Trazabilidad, sesgos y supervisión humana
Los riesgos que enumera la guía bajan el debate a casos concretos. Un chatbot estatal puede dar información incorrecta sobre un trámite. Un modelo puede priorizar inspecciones con datos incompletos. Un sistema puede sugerir la denegación de un beneficio social por una falla en la base utilizada. Una herramienta generativa puede producir una respuesta convincente, pero falsa. En todos esos supuestos, el daño no proviene de una máquina aislada, sino de una decisión pública que incorporó tecnología sin suficientes garantías.
Entre los puntos más relevantes aparecen las alucinaciones, los sesgos, la pérdida de trazabilidad, la imposibilidad de reconstruir una decisión, los errores en actos administrativos y la falta de métricas para medir impacto. Para el Estado, esas fallas tienen un costo distinto al de una empresa privada. Pueden afectar derechos, erosionar confianza pública, abrir litigios y comprometer recursos fiscales.
La calidad de los datos queda en el centro del control. La SIGEN pide mirar representatividad, integridad, exactitud, validez de fuentes, protección de datos personales y posibles sesgos. Esa exigencia es decisiva porque ningún algoritmo corrige por sí solo una base mal construida. Si los datos reflejan errores, exclusiones o criterios discriminatorios, el sistema puede amplificar esos problemas con apariencia de objetividad.
También aparece una idea que gana peso en los marcos internacionales. La supervisión humana no puede ser decorativa. Debe existir una persona con competencia, autoridad y capacidad real para revisar, detener o corregir el resultado de un sistema de IA. El control humano pierde valor si llega tarde, si carece de información o si se limita a aceptar lo que produjo el modelo.
La Unión Europea, con el AI Act, avanzó en esa línea para sistemas de alto riesgo. Exige uso conforme a instrucciones, monitoreo, conservación de registros y supervisión humana. La referencia importa para Argentina porque marca hacia dónde se dirige la regulación global de la IA en sectores sensibles.
El desafío global también es argentino
El caso argentino se inscribe en una tendencia más amplia. Según el Digital Government Outlook 2026 de la OCDE, 35 de 36 países relevados, es decir el 97%, ya utilizan IA en al menos un área de gobierno. La adopción aparece con más fuerza en procesos internos, con 31 de 36 países, y en servicios públicos, con 27 de 36. En cambio, baja en áreas de mayor sensibilidad, como formulación de políticas públicas y mecanismos de supervisión.
La brecha más importante está entre adopción y control. La OCDE detectó que todos los países relevados tienen algún tipo de resguardo, pero solo 14 de 36 exigen evaluaciones de riesgo antes del despliegue, 11 de 36 hacen auditorías posteriores y apenas 6 de 36 cuentan con un registro abierto de algoritmos. El dato muestra que muchos gobiernos ya usan IA, pero pocos pueden explicar con precisión qué sistemas tienen, quién los administra, qué datos consumen y qué impacto producen.
Ese punto resulta central para la Argentina. La guía de SIGEN no resuelve por sí sola todos los desafíos, pero marca un pasaje relevante. El debate se mueve de las recomendaciones generales hacia controles auditables. La agenda ya no queda limitada a principios como transparencia, ética o innovación responsable. Ahora exige evidencia, documentación, pruebas, responsables, registros y revisión periódica.
Los casos internacionales muestran el potencial de la tecnología. Corea del Sur redujo en 70% el tiempo de preparación de documentos de contratación pública con un sistema de asistencia para compras. Islandia utiliza un asistente virtual que gestiona cerca del 90% de la correspondencia ciudadana. Brasil utilizó un sistema para analizar adquisiciones públicas y acelerar auditorías. La eficiencia existe, pero el valor público depende de una condición previa. Que cada mejora pueda ser controlada.
Para el Estado argentino, la adopción de IA abre una oportunidad y un riesgo al mismo tiempo. Puede mejorar servicios, detectar irregularidades, ordenar información y acelerar procesos. Pero si entra sin inventario, sin responsables, sin evaluación de impacto y sin trazabilidad, puede sumar opacidad donde debería haber control.
La nueva frontera de la auditoría pública ya no está solo en revisar qué decidió un funcionario. También estará en reconstruir cómo un sistema sugirió, ordenó o condicionó esa decisión. Allí aparece el verdadero desafío para los organismos de control. Auditar algoritmos antes de que tomen decisiones sensibles no es frenar la innovación. Es definir las reglas mínimas para que la IA trabaje dentro del Estado sin reemplazar la responsabilidad pública.
