Durante décadas, los Sistemas de Información Geográfica han ocupado un lugar claro dentro de la arquitectura digital de las administraciones públicas: almacenar, organizar y analizar información territorial para apoyar la toma de decisiones humanas. Incluso en los escenarios más avanzados de automatización, el SIG seguía siendo, en esencia, un sistema reactivo. Es decir, ejecutaba lo que se le pedía, cuando se le ordenaba.
La irrupción de la llamada «inteligencia artificial agéntica» introduce una alteración de este modelo. No hablamos simplemente de sistemas más rápidos o interfaces más modulares, sino de arquitecturas capaces de 1) formular planes, 2) encadenar acciones y 3) ejecutar tareas complejas sin una supervisión constante por parte del profesional. Para quienes trabajamos en SIG o desarrollo de sistemas, este cambio obliga a revisar supuestos que dábamos por asentados hasta ahora.
Más allá del chatbot: Sistemas que operan
Los asistentes conversacionales supusieron una mejora clara en la interacción con los sistemas de información, pero su lógica seguía siendo reactiva: una pregunta, una respuesta. Los agentes autónomos, en cambio, operan bajo otra premisa. Reciben un objetivo → interpretan el contexto → deciden qué herramientas necesitan y actúan en consecuencia.
En el ámbito SIG, esto puede traducirse en agentes capaces de:
- Consultar distintas bases de datos espaciales.
- Verificar coherencia entre cartografía y normativa.
- Detectar conflictos territoriales.
- Generar documentación técnica preliminar.
Todo ello sin que el técnico tenga que orquestar cada paso. Desde el punto de vista informático, esto supone integrar motores de razonamiento, acceso a datos heterogéneos y control de ejecución. Desde el punto de vista geoespacial, implica que el sistema empieza a participar activamente en los procesos administrativos.
Autonomía no equivale a criterio
Conviene subrayar una distinción fundamental: Como ya sabemos, estos sistemas no poseen criterio propio en sentido profesional. Operan sobre reglas (prompts), datos, órdenes u objetivos definidos por humanos. Sin embargo, su capacidad para decidir qué hacer primero, qué información priorizar o cuándo finalizar un proceso introduce un grado de autonomía operativa que no debe subestimarse y esto es lo que les otorga su gran popularidad.
En SIG, donde los datos espaciales suelen ser incompletos, desactualizados o dependientes de decisiones previas, esta autonomía puede amplificar errores si no se diseña con extremo cuidado. Automatizar flujos complejos no elimina la necesidad de interpretación; simplemente la desplaza hacia fases anteriores del diseño del sistema.
Como señala el investigador Stuart Russell, “el problema no es que las máquinas sean inteligentes, sino que optimicen objetivos mal definidos”. En el contexto geoespacial, definir bien esos objetivos es una tarea técnica y profesional.
Entidades públicas y dependencia tecnológica
Otro aspecto relevante es la integración de estos agentes en las entidades existentes. La administración pública opera con sistemas heredados, estándares abiertos y fuertes exigencias de trazabilidad. Introducir agentes autónomos exige:
- Control de versiones de datos.
- Registro detallado de decisiones y acciones.
- Capacidad de auditoría posterior.
Todo ello con una supervisión constante por parte del profesional. Para los equipos SIG e informáticos, esto implica repensar arquitecturas: no basta con que el agente funcione; debe ser explicable, reproducible y reversible. La autonomía sin control no es innovación, es riesgo.
La teoría de las primeras implementaciones a nivel mundial y en el territorio europeo
Este debate no se produce en el vacío. La creciente atención a la IA agéntica en las administraciones públicas está respaldada por un conjunto de marcos normativos que indican que la cuestión ya no es meramente conceptual.
En el contexto europeo, cualquier despliegue de agentes autónomos está necesariamente condicionado por el Reglamento de Inteligencia Artificial, que establece obligaciones claras en materia de supervisión humana, trazabilidad, gestión del riesgo y explicabilidad. Para los sistemas SIG este marco no es accesorio, delimita explícitamente hasta dónde puede llegar la autonomía de un sistema y bajo qué condiciones debe mantenerse el control humano.
Desde una perspectiva operativa, el propio eGovernment Benchmark de la Unión Europea nos muestra que la digitalización pública avanza desde la simple disponibilidad de servicios hacia modelos más proactivos y personalizados. Los agentes de IA aparecen como una posible respuesta técnica a una administración que no solo reacciona, sino que anticipa necesidades, siempre que lo haga de forma responsable y con coherencia legal.
Algunos informes recientes, como el elaborado por PwC y Microsoft sobre el potencial de la IA agéntica en el sector público, apuntan precisamente a este cambio de paradigma: sistemas capaces de coordinar tareas complejas, reducir carga administrativa y apoyar la toma de decisiones, no sustituyendo al profesional, sino actuando como una capa intermedia de inteligencia que refuerza y opera.
En una línea similar, el Gobierno del Reino Unido ha incorporado la IA agéntica a su reflexión estratégica a través de su documentación AI Insights, y ha anunciado iniciativas para desarrollar asistentes inteligentes integrados en el portal GOV.UK. Es importante mencionar que estas propuestas no se plantean como sustitutos de la administración tradicional, sino como extensiones inteligentes de sus flujos de trabajo.
Finalmente, volviento al territorio, la Comisión Europea, en el marco de la estrategia Apply AI y la iniciativa GenAI4EU, ha lanzado convocatorias destinadas a financiar proyectos piloto de IA generativa integrados en los procesos administrativos. Alineadas con los flujos de trabajo resulta especialmente relevante para ámbitos como los SIG, donde la interoperabilidad y la reutilización son condiciones estructurales.
El papel del profesional SIG en este nuevo escenario
Lejos de desaparecer, el rol del profesional SIG se vuelve más complejo y estratégico. Como hemos mencionado anteriormente, ya no se trata solo de manejar software o producir cartografía, sino de: Definir reglas de actuación, establecer límites operativos, evaluar los resultados automatizados y, por último, detectar sesgos o inconsistencias.
El conocimiento territorial, acumulado durante años de práctica, se convierte en un elemento crítico para evitar que la automatización derive en decisiones técnicamente correctas pero contextualmente erróneas.
Una transición que exige reflexión
La IA agéntica aplicada a SIG no debe verse como un destino inevitable, sino como una opción tecnológica que debe evaluarse con extremo rigor. Su potencial para mejorar eficiencia es indudable, pero también lo es su capacidad para transformar silenciosamente la forma en que se toman decisiones públicas.
La pregunta no es si los sistemas serán capaces de actuar, sino bajo qué condiciones aceptamos que lo hagan. En esta discusión, los profesionales SIG y los desarrolladores no somos meros espectadores sino responsables de diseñar los límites de esa autonomía.
(Artículo basado en “De los chatbots a los agentes autónomos: IA agéntica en los servicios públicos”, datos.gob.es)
¿Quieres comentarnos algo? Adelante!