EE.UU. apuesta $83,4M por IA agéntica para agilizar su propia burocracia: el back-office federal, primer banco de pruebas

Por FedScoop · 2 de octubre de 2026. El Technology Modernization Fund (TMF), el fondo federal de EE.UU. que financia la modernización tecnológica de las agencias con cargo a un mecanismo rotatorio de reembolso, aprobó esta semana cuatro nuevas inversiones por un total de 83,4 millones de dólares, según la actualización publicada en su web el miércoles. Los cuatro proyectos —repartidos entre los departamentos de Estado, Agricultura y Transporte— comparten un mismo guion: usar productos comerciales para integrar IA en los sistemas de las agencias —IA agéntica en el caso del Departamento de Estado: sistemas capaces de ejecutar tareas de varios pasos de forma autónoma, no solo responder preguntas— y acelerar trámites internos y permisos ambientales.

El primer desglose: 17,3 millones de dólares para el Departamento de Estado, que desplegará IA agéntica en su mesa de ayuda interna, apoyo a investigación y planificación de escenarios, además de dejar que los propios empleados construyan sus agentes automatizados. TMF calcula que, una vez operativo, ahorrará más de 100.000 horas de trabajo al año y generará unos 15 millones de dólares en ahorros el primer año, hasta 20 millones el segundo. El proyecto arrancó en julio y ya ha transferido más de la mitad de los fondos.

En Agricultura, 10 millones de dólares consolidarán diez sistemas de revisión dispersos entre agencias del departamento en una sola plataforma, con IA para identificar qué solicitudes son candidatas a una vía rápida de aprobación. La previsión, según TMF: 1,8 millones de horas de trabajo ahorradas al año y un 78% de las solicitudes de vía rápida procesadas casi en tiempo real, frente a las semanas o meses que tardaban antes. Un segundo proyecto en Agricultura, de 52,3 millones de dólares —el mayor de los cuatro—, sustituirá el sistema de nóminas del National Finance Center, calificado por el propio TMF de "alto riesgo", por una plataforma en la nube construida sobre IA y automatización, alineada con el plan HR 2.0 de la Oficina de Gestión de Personal (OPM) para modernizar los sistemas de recursos humanos de todo el Gobierno federal.

El cuarto proyecto, 3,8 millones de dólares en el Departamento de Transporte, añade IA al sistema de quejas de la Oficina de Protección al Consumidor de Aviación para clasificar reclamaciones automáticamente, detectar duplicados y extraer registros públicos más rápido. TMF espera identificar tendencias de quejas hasta un 80% más rápido y recortar hasta un 75% el tiempo de respuesta a solicitudes de registros. En los proyectos de Estado y Transporte, según la propia ficha de TMF, una persona revisa cada decisión automatizada: no hay despliegue sin supervisión humana declarada.

El momento no es casual. La directora en funciones de TMF, Jessie Posilkin, pidió explícitamente este verano propuestas de IA y permisos, y ha dicho que quiere comprometer fondos antes de que la próxima fecha límite de financiación, el 11 de diciembre, pueda frenar nuevos proyectos —una carrera contrarreloj que retrata la fragilidad con la que se sostiene la modernización tecnológica en Washington—. La Oficina de Responsabilidad Gubernamental (GAO, el auditor del Congreso) calculó en julio que el conjunto de inversiones de TMF ahorrará más de 1.000 millones de dólares en los próximos años. El fondo también incorporó el mes pasado a su consejo al CIO de la Agencia de Protección Ambiental, Carter Farmer, designado además próximo CIO federal.

Lo relevante de este paquete no es la cifra —83,4 millones de dólares son una fracción menor del gasto federal en tecnología— sino dónde aterriza. Ninguno de los cuatro proyectos promete razonamiento científico ni descubrimientos: clasifican quejas de aerolíneas, enrutan solicitudes de permisos, calculan nóminas y responden preguntas de mesa de ayuda. Es el mismo patrón que venimos documentando en otros sectores: la IA rinde primero y de forma medible en la trastienda operativa, no en las decisiones de criterio. Que un modelo clasifique mal una solicitud de permiso es un error barato de corregir; que se equivoque en un diagnóstico médico, no lo es. Esa diferencia es la que hace que estos despliegues sean más fáciles de justificar, auditar y defender políticamente que cualquier promesa de sustitución total.

Hay además una señal de gobernanza que merece subrayarse: en los proyectos de Estado y Transporte, TMF exige revisión humana de cada decisión automatizada. Es el mismo patrón de adopción "aumentada, no sustitutiva" que venimos viendo en otros ámbitos del sector público y privado: la IA acelera el trabajo rutinario, pero la responsabilidad final de la decisión se queda en una persona. Es una forma prudente de introducir automatización en sistemas con consecuencias reales —nóminas de cientos de miles de empleados, permisos ambientales, derechos de pasajeros— y un contraste útil frente al discurso de sustitución total que a veces domina el debate sobre IA y empleo público.

Esto conecta con algo que repetimos en esta sección al analizar sector por sector el impacto de la IA en el empleo: el trabajo administrativo y de back-office es el primero en absorber la automatización, tanto en el sector privado como, ahora, en el aparato del Estado. Si TMF cumple sus propias previsiones —100.000 horas liberadas en Estado, 1,8 millones en Agricultura—, lo que se libera no es solo dinero: es capacidad humana hoy consumida en tareas repetitivas que, bien reasignada, podría dedicarse a lo que en la Administración también escasea, el criterio experto y la atención directa al ciudadano. Es la abundancia aplicada a lo pequeño y lo poco glamuroso, no a la cura de enfermedades, pero construida con el mismo mecanismo de fondo: liberar tiempo humano para lo que realmente importa.

El riesgo a corto plazo es menos tecnológico que político y de ejecución. El propio TMF reconoce que la carrera contra el calendario presupuestario de diciembre condiciona qué proyectos salen adelante, y el historial de modernización de sistemas heredados en el Gobierno de EE.UU. —el mismo que ahora intenta sustituir el sistema de nóminas "de alto riesgo" del USDA— no es precisamente una colección de éxitos rápidos. Sustituir una infraestructura crítica heredada, con código envejecido y cada vez menos programadores que lo conozcan, por una plataforma basada en IA es, en sí mismo, un proyecto de gestión de riesgo tan exigente como el de inteligencia artificial. Si algo demuestra la adopción de IA en el sector público hasta ahora es que el mérito no está en anunciar el presupuesto, sino en sostener la ejecución más allá del ciclo de titulares.