IA Generativa en Gobierno: Oportunidad o riesgo para la soberanía digital de Colombia y Perú

Colombia invierte 479 mil millones en IA con CONPES 4144. Perú regula primero con DS 115-2025-PCM. Ambos enfrentan el mismo dilema: ¿cómo usar ChatGPT y Claude sin enviar datos sensibles a servidores extranjeros? La respuesta está en infraestructura cloud soberana y modelos regionales como PatagonIA. 

La inteligencia artificial generativa está transformando gobiernos en todo el mundo. Desde chatbots que responden consultas ciudadanas hasta sistemas que analizan imágenes satelitales para detectar minería ilegal, los modelos de lenguaje grandes (LLM) prometen revolucionar la prestación de servicios públicos.

Colombia y Perú no son ajenos a esta tendencia. Ambos países han dado pasos importantes para aprovechar estas tecnologías, pero enfrentan una tensión fundamental: ¿cómo balancear la eficiencia que ofrece la IA con la necesidad de mantener soberanía sobre datos gubernamentales sensibles?

Dos países, dos estrategias complementarias

Colombia: inversión masiva con marco político robusto

Colombia ha consolidado su posición como referente regional en adopción de IA gubernamental. El país ocupa el puesto 51 de 83 países [1] en el Global AI Index 2024, y se ubica en el puesto 55 de 188 [2] en el Government AI Readiness Index de Oxford Insights.

El proyecto Sistemas de Algoritmos Públicos de la Universidad de los Andes [3] documentó que Colombia opera 221 sistemas basados en IA en el sector público, siendo el líder regional en automatización gubernamental. De estos sistemas:

• 195 operan en el Gobierno Nacional, apoyando procesos en educación, medio ambiente, salud, inclusión social, agricultura y seguridad
• Más de 100 son chatbots que digitalizan la interfaz ciudadano-gobierno
• 77 realizan reconocimiento de objetos, personas y rostros

CONPES 4144: la hoja de ruta hasta 2030

En febrero de 2025, Colombia aprobó el documento CONPES 4144 – Política Nacional de Inteligencia Artificial [4], que establece seis ejes estratégicos con un presupuesto de 479.273 millones de pesos hasta 2030:

1. Ética y Gobernanza – Marcos regulatorios para uso responsable
2. Datos e Infraestructura – Conectividad y capacidad computacional del Estado
3. Investigación, Desarrollo e Innovación (I+D+i) – Ecosistema de investigación aplicada
4. Capacidades y Talento Digital – Formación masiva en IA y ciencia de datos
5. Mitigación de Riesgos – Prevención de sesgos y vulneraciones de privacidad
6. Uso y Adopción de la IA – Modernización del aparato estatal y empresas

Este presupuesto proviene del Presupuesto General de la Nación, distribuido entre MinTIC, Ministerio de Ciencia, DNP, DAPRE y otras entidades coordinadas.

Perú: regulación primero, implementación después

Perú adoptó una estrategia diferente: establecer el marco legal antes de la adopción masiva.

En septiembre de 2025, el gobierno aprobó el Decreto Supremo N° 115-2025-PCM [5], reglamento de la Ley N° 31814 que promueve el uso de inteligencia artificial. Este decreto establece principios fundamentales:

• Transparencia en algoritmos y toma de decisiones
• Equidad y no discriminación en sistemas automatizados
• Privacidad y protección de datos personales
• Seguridad según nivel de riesgo de cada aplicación

Prohibiciones expresas: - Sistemas de IA para vigilancia masiva sin autorización judicial - Reconocimiento facial en espacios públicos sin consentimiento informado - Uso indebido de datos personales mediante IA

La Secretaría de Gobierno y Transformación Digital (SGTD) actúa como autoridad nacional, con mandato para: - Monitorear sistemas de IA de alto riesgo - Emitir lineamientos éticos en 180 días hábiles - Operar el Centro Nacional de Innovación Digital e Inteligencia Artificial

A diferencia de Colombia, Perú no ha asignado presupuesto específico para desarrollo de capacidades locales en IA, priorizando la protección de derechos ciudadanos antes que la adopción acelerada.

Tabla comparativa: Colombia vs Perú en IA gubernamental

Insight clave: Ambos enfoques son complementarios. Colombia avanza con inversión masiva mientras construye gobernanza; Perú establece reglas claras antes de escalar. Ningún enfoque es superior: responden a contextos políticos y económicos diferentes.

La tensión crítica: eficiencia vs. soberanía

Los modelos de IA generativa como ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google) y LLaMA (Meta) han demostrado capacidades extraordinarias para automatizar tareas gubernamentales:

• Redacción de documentos legales y resoluciones administrativas
• Análisis de contratos públicos y detección de cláusulas de riesgo
• Respuestas automatizadas a consultas ciudadanas
• Generación de reportes y síntesis de información

Pero existe un problema crítico de soberanía: la mayoría de estas herramientas están alojadas en infraestructuras extranjeras, procesadas por empresas que no responden a jurisdicciones latinoamericanas.

Cinco riesgos concretos para gobiernos

1. Pérdida de control sobre datos sensibles

Cuando un funcionario público sube un documento clasificado a ChatGPT para que lo resuma, esos datos pueden quedar almacenados en servidores de Microsoft Azure ubicados en Estados Unidos o Europa. Aunque OpenAI promete no usar esos datos para entrenamiento futuro, el control técnico real está fuera de la soberanía nacional.

Ejemplo real: En marzo 2023, el gobierno italiano bloqueó temporalmente ChatGPT por violaciones potenciales del GDPR europeo. ¿Qué recurso legal tendría Colombia o Perú en situación similar?

2. Dependencia tecnológica estratégica

Si operaciones críticas del Estado dependen de servicios externos, una interrupción —por decisión comercial, sanción geopolítica o fallo técnico— puede paralizar funciones gubernamentales esenciales.

Caso concreto: En 2022, Google Cloud sufrió una caída de 4 horas que afectó servicios gubernamentales de múltiples países. Sin alternativas locales, los Estados quedan vulnerables.

3. Sesgos algorítmicos importados

Los modelos de IA son entrenados principalmente con datos de países desarrollados (inglés, mandarín). Sus sesgos culturales, legales y sociales no reflejan realidades latinoamericanas.

Ejemplo documentado: Sistemas de reconocimiento facial tienen tasas de error 34% más altas en población afrodescendiente según MIT Media Lab [8]. ¿Cuántos errores similares existen en modelos entrenados sin datos peruanos o colombianos?

4. Cumplimiento normativo incierto

• Colombia: Ley 1581 de 2012 [6] exige que datos personales permanezcan bajo jurisdicción nacional
• Perú: Ley 29733 [7] establece principios similares de localización de datos

Usar LLMs extranjeros para procesar información ciudadana puede violar estos marcos legales, exponiendo al Estado a sanciones y demandas.

5. Fuga de conocimiento estratégico

Documentos gubernamentales contienen conocimiento valioso: estrategias económicas, análisis geopolíticos, innovaciones técnicas. Procesarlos en plataformas externas transfiere ese conocimiento a corporaciones privadas extranjeras.

Soluciones emergentes: el camino hacia la soberanía digital

Ante estos desafíos, están surgiendo alternativas que equilibran innovación con control soberano. Dos enfoques destacan en América Latina:

Solución 1: Modelos de lenguaje soberanos

PatagonIA: el caso chileno

En septiembre de 2025, Chile lanzó PatagonIA [9], una plataforma de IA soberana desarrollada por el Instituto de Sistemas Complejos de Ingeniería (ISCI) en colaboración con WideLabs, Oracle y NVIDIA.

Características diferenciales:

• Modelo de lenguaje grande (LLM) entrenado específicamente con español chileno
• Infraestructura 100% nacional: Oracle Cloud Infrastructure y GPUs NVIDIA alojadas en Chile
• Soberanía técnica completa: gobierno controla código, datos de entrenamiento, infraestructura y políticas de acceso
• Modelo multimodal optimizado para reconocimiento de caracteres en documentos
• Sistema de voz a texto (STT) adaptado a acentos y expresiones locales

Aplicaciones estratégicas en gobierno, salud pública, energía, transporte y justicia.

A diferencia de modelos globales, PatagonIA comprende dialectos regionales, marcos legales locales y contextos culturales específicos del Cono Sur. Más importante: los datos permanecen dentro de fronteras nacionales bajo legislación chilena.

Experiencia previa: Amazônia IA en Brasil

PatagonIA se basa en la experiencia de Amazônia IA [10], modelo desarrollado por WideLabs para Brasil (lanzado agosto 2024). Este proyecto demostró que es viable técnica y económicamente desarrollar LLMs regionales competitivos.

Amazônia IA opera actualmente en: - Salud: Análisis de teleconsultas en el Sistema Único de Salud (SUS) - Justicia: Asistencia en análisis de documentos legales - Administración pública: Automatización de procesos burocráticos

Lección para Colombia y Perú: No es necesario reinventar la rueda. La transferencia tecnológica regional es viable y más económica que desarrollo desde cero.

Solución 2: Infraestructura cloud soberana para IA

Otra solución es desplegar modelos de IA —incluso si son de código abierto como LLaMA, Mistral o Falcon— en infraestructuras cloud soberanas: centros de datos en territorio nacional, operados bajo jurisdicción local con capacidad de auditoría completa.

Este enfoque permite aprovechar modelos de última generación manteniendo control sobre localización de datos y términos legales de operación.

Características esenciales de infraestructura cloud soberana:

1. Centros de datos certificados en territorio nacional

• Certificaciones ISO 27001, SOC 2 Type II
• Cumplimiento de normativas locales (Ley 1581, Ley 29733)
• Redundancia geográfica dentro del país

2. Cifrado de extremo a extremo

• Claves criptográficas gestionadas exclusivamente por entidad gubernamental
• Hardware Security Modules (HSM) bajo control nacional
• Zero-knowledge architecture donde el proveedor no accede a datos en claro

3. Capacidad de auditoría completa

• Logs inmutables de todos los procesamientos
• Trazabilidad de accesos a datos sensibles
• Reportes de cumplimiento automatizados

4. Contratos bajo jurisdicción nacional

• Cláusulas que garanticen soberanía legal sobre datos
• Acuerdos de nivel de servicio (SLA) con penalizaciones localmente ejecutables
• Mecanismos de resolución de disputas en cortes nacionales

5. Equipos técnicos locales capacitados

• Ingenieros certificados que operen infraestructura sin dependencia externa
• Transferencia de conocimiento documentada
• Planes de continuidad operacional independientes

Ventaja clave: Esta arquitectura permite usar modelos de código abierto de última generación (LLaMA 3.1, Mixtral 8x7B) sin comprometer soberanía, a costo significativamente menor que desarrollar modelos propios desde cero.

Casos de uso realistas para gobiernos

¿Dónde puede aportar valor real la IA generativa sin comprometer soberanía?

1. Atención ciudadana automatizada

Caso de uso: Chatbots gubernamentales que respondan consultas frecuentes sobre trámites, horarios, requisitos y procedimientos administrativos.

Implementación soberana: Desplegados en infraestructura nacional, pueden manejar millones de consultas sin exponer datos sensibles a proveedores extranjeros.

Ejemplo: El sistema de consultas del portal GOV.CO procesa 50,000 consultas diarias. Un chatbot con LLM soberano reduciría tiempo de respuesta de horas a segundos, liberando funcionarios para casos complejos.

2. Análisis de documentos legales y contractuales

Caso de uso: Modelos que identifiquen inconsistencias en contratos públicos, extraigan cláusulas clave, detecten patrones de riesgo en licitaciones.

Valor para control interno: Oficinas de control y entes de fiscalización pueden analizar miles de contratos en minutos, detectando cláusulas leoninas o incumplimientos potenciales.

Restricción crítica: Este uso requiere infraestructura 100% soberana. Enviar contratos públicos a ChatGPT violaría confidencialidad y podría constituir delito.

3. Redacción asistida de documentos administrativos

Caso de uso: Asistentes que ayuden a funcionarios a redactar oficios, resoluciones y comunicaciones oficiales siguiendo formatos estandarizados.

Beneficio: Aumenta eficiencia administrativa sin reemplazar juicio humano. El funcionario conserva autoridad final sobre contenido.

Implementación: Sistema interno que aprenda estilos y formatos específicos de cada entidad, garantizando consistencia y calidad.

4. Traducción de lenguas indígenas

Caso de uso: Modelos especializados en lenguas originarias (quechua, aimara, wayuunaiki, nasa yuwe, etc.) para facilitar acceso a servicios públicos en comunidades donde español no es lengua materna.

Diferencial único: Modelos regionales pueden entrenarse específicamente en estas lenguas. ChatGPT y Claude tienen capacidad mínima en idiomas indígenas americanos.

Impacto social: Democratiza acceso a servicios gubernamentales para poblaciones históricamente excluidas por barrera idiomática.

Dato relevante: Colombia tiene 65 lenguas indígenas reconocidas; Perú tiene 48. Ningún LLM comercial global ofrece soporte robusto para estos idiomas.

Cinco recomendaciones estratégicas para entidades gubernamentales

1. Evaluar criticidad de datos antes de elegir solución

No toda información gubernamental tiene el mismo nivel de sensibilidad. Clasificar datos según criticidad permite decidir qué puede procesarse en servicios comerciales y qué requiere infraestructura soberana.

Marco de clasificación sugerido:

• Nivel 1 - Público: Información ya disponible en portales gubernamentales → Puede usar servicios comerciales
• Nivel 2 - Interno: Documentos administrativos rutinarios → Preferencia por infraestructura nacional
• Nivel 3 - Confidencial: Datos personales de ciudadanos → Requiere infraestructura soberana obligatoria
• Nivel 4 - Secreto: Información estratégica del Estado → Infraestructura soberana con controles adicionales

2. Exigir transparencia técnica total a proveedores

Cualquier proveedor de IA para gobierno debe explicar claramente:

• ¿Dónde se procesan físicamente los datos? (país, región, centro de datos específico)
• ¿En qué jurisdicción se ejecuta el modelo y se procesan las inferencias? ¿Los datos salen del territorio nacional?
• ¿Qué logs se guardan y por cuánto tiempo?
• ¿Quién tiene acceso administrativo a la infraestructura?
• ¿Bajo qué jurisdicción legal operan los sistemas?
• ¿Cómo se garantiza cumplimiento de Ley 1581 (Colombia) o Ley 29733 (Perú)?
• ¿Qué mecanismos de auditoría están disponibles para la entidad?
  
  

Red flag: Si el proveedor no puede responder estas preguntas con precisión técnica, no debe ser considerado para datos sensibles.

3. Desarrollar capacidades técnicas internas

La adopción sostenible de IA requiere equipos gubernamentales capacitados. Invertir en formación permite:

• Evaluar soluciones críticamente sin depender de vendedores
• Detectar riesgos técnicos que no son obvios para no especialistas
• Negociar contratos desde posición de conocimiento
• Reducir dependencia de consultores externos

Acciones concretas: - Certificaciones en IA y cloud para funcionarios técnicos - Programas de formación ejecutiva para tomadores de decisión - Alianzas con universidades para pasantías y transferencia de conocimiento

4. Priorizar soluciones y alianzas regionales

Iniciativas como PatagonIA, Amazônia IA o colaboraciones entre gobiernos latinoamericanos ofrecen mejores garantías de soberanía que soluciones globales.

Propuesta de cooperación regional: - Colombia + Perú + Chile: Desarrollar modelo LLM andino compartiendo costos de entrenamiento - Compartir datasets gubernamentales anonimizados para entrenar modelos con contextos legales regionales - Centro de competencias de IA soberana que brinde servicios a múltiples países

Beneficio económico: Compartir costos de infraestructura y desarrollo reduce inversión individual de cada país en 60-70% versus desarrollo aislado.

5. Establecer controles y auditorías continuas

Implementar mecanismos de verificación que garanticen cumplimiento:

• Auditorías técnicas trimestrales de infraestructura y accesos
• Revisión de logs automatizada con alertas de actividades sospechosas
• Evaluaciones de impacto de algoritmos para detectar sesgos
• Reportes públicos anuales sobre uso de IA en gobierno (transparencia ciudadana)
• Monitoreo de calidad mediante retroalimentación de funcionarios públicos y expertos en políticas (RLHF)

Marco regulatorio: Estas auditorías deben ser realizadas por terceros independientes certificados, no por los propios proveedores.

Conclusión: construir soberanía sin renunciar a innovación

La pregunta no es si los gobiernos de Colombia y Perú deben adoptar IA generativa, sino cómo hacerlo de manera que sirva a intereses nacionales, respete derechos ciudadanos y construya capacidades locales en lugar de profundizar dependencias tecnológicas.

Colombia ha dado pasos importantes con CONPES 4144 [4] y un presupuesto robusto de 479 mil millones de pesos. Perú ha priorizado protección de derechos con el DS 115-2025-PCM [5]. Ambos enfoques son valiosos y complementarios.

El desafío ahora es operacionalizar estas visiones:

1. Desarrollar infraestructuras soberanas con capacidad técnica real
2. Capacitar equipos gubernamentales en IA, cloud y ciberseguridad
3. Establecer alianzas regionales que permitan economías de escala
4. Crear modelos de IA que realmente entiendan y sirvan realidades latinoamericanas
   
   

Las decisiones que se tomen hoy sobre infraestructura, regulación y colaboración regional determinarán si América Latina será protagonista o espectadora de la revolución de la inteligencia artificial.

Preguntas Frecuentes (FAQs)