La IA debe reducir el impuesto invisible de nuestras ciudades
Asesor empresarial en estrategia y finanzas corporativas. MBA de la Escuela de Negocios Darden de la Universidad de Virginia. Exasesor McKinsey and Company y finanzas en JPM, CLSA, ABN-AMRO y Valpacífico. Exejecutivo senior Progressive Insurance e IPG.
Actualizada:
El 29 de noviembre no termina solo una campaña electoral. Empieza una transición.
Ese día Ecuador escogerá alcaldes y prefectos para el período 2027-2031. Las nuevas autoridades asumirán el 14 de mayo. Entre una fecha y otra hay 166 días que pueden parecer un detalle administrativo, pero probablemente digan mucho sobre la calidad del próximo gobierno local.
En América Latina las transiciones a puestos políticos suelen ser frágiles. Cambian las autoridades, salen equipos, se pierden archivos y proyectos que llevaban años, y empiezan otra vez desde cero. El BID acaba de plantearlo con bastante claridad: una buena transición debe preservar continuidad, información y capacidad de ejecución. Esto sucede en el ámbito privado también después de un M&A o una reestructuración.
Por eso, antes de preguntarle a un candidato cuánta IA piensa utilizar en su gestión, le preguntaría qué piensa hacer con lo que su municipio o prefectura ya tiene.
Los datos. Los técnicos. Los contratos. Lo que funcionó. Incluso lo que fracasó y alguien ya aprendió a no repetir (en asesoría de gestión se lo conoce como el post-mortem).
Alternancia no debería significar amnesia administrativa.
Esto importa especialmente con la IA. Un algoritmo sin historia de datos, responsables y procesos confiables sirve de poco.
Y aquí aparece un problema económico mayor. Una ciudad no pierde competitividad únicamente cuando algo funciona mal. También la pierde cuando nadie sabe, por ejemplo, cuánto tiempo va a tardar un permiso.
Un permiso que regresa tres veces. Una vía que se cierra sin aviso. Una lluvia que paraliza una zona. Un camión que sale horas antes porque perder la ventana del puerto cuesta demasiado.
Las familias pierden tiempo. Las empresas acumulan inventario, capital de trabajo y redundancias. La incertidumbre termina funcionando como un impuesto que nadie aprobó.
Ahí sí utilizaría IA. En inundaciones, por ejemplo, se pueden combinar lluvia, mareas o ríos, drenajes, bombas, basura acumulada, tráfico y reportes ciudadanos para identificar dónde es más probable que aparezca el siguiente problema. No evita que llueva. Permite actuar antes.
Para una prefectura ocurre algo parecido con las vías rurales. Imágenes, pendientes, intensidad de lluvia, tránsito pesado e historial de mantenimiento pueden ayudar a decidir qué tramo inspeccionar esta semana, en lugar de descubrirlo después de que una alcantarilla colapse y una zona productiva quede aislada.
En Quito ya existe otro ejemplo. AquaData, implementado por EPMAPS con apoyo del BID, utiliza aprendizaje automático para identificar anomalías y pérdidas no técnicas de agua. Según el BID, la efectividad de las inspecciones aumentó del 13% al 34%.
No es ciencia ficción.
Es mejor escoger dónde mandar al inspector. También revisaría permisos y catastros. Un asistente puede advertir que falta un documento, que dos registros no coinciden o que una exigencia no corresponde antes de que el expediente llegue por tercera vez a la misma ventanilla.
La máquina no debería conceder discrecionalmente el permiso. Esa responsabilidad sigue siendo pública. Pero puede conseguir algo bastante menos glamoroso y mucho más valioso: que el trámite no vuelva.
Guayas ofrece otra pista. Posorja alcanzó en 2024 el CPPI más alto de América Latina y el Caribe. Es infraestructura eficiente. Pero la competitividad de un exportador empieza mucho antes de que el barco toque el puerto. Tráfico, accidentes, patios, camiones y ventanas de embarque podrían utilizarse para anticipar la probabilidad de perder una salida.
A veces saber que el viaje demorará 70 minutos vale más que esperar 50 y descubrir que serán tres horas. Eso es productividad también. Y aquí regreso al 29 de noviembre.
Quien gane debería utilizar los meses de transición para hacer algo poco vistoso: identificar los datos que existen, quién los controla, qué contratos continúan, qué personal técnico guarda memoria crítica y cuáles son tres problemas donde una mejor predicción podría cambiar un resultado.
No hace falta crear una Secretaría de Inteligencia Artificial. Hace falta capacidad de gobierno. El Banco Mundial (BM) recuerda que la capacidad institucional depende precisamente de personas, recursos, sistemas de información y prácticas de gestión, y que la rotación política puede debilitar especialmente a los gobiernos seccionales.
Por eso mediría menos la tecnología comprada y más el problema resuelto. Horas de inundación evitadas. Días menos para un permiso. Menos agua perdida. Menos tiempo con una vía cerrada.
Y esa sería mi pregunta para los candidatos este 29 de noviembre: Si gana, ¿qué incertidumbre va a reducir primero y qué debería haber cambiado cuando cumpla su primer año?