El Ministerio de Capital Humano anunció el desarrollo de un sistema de inteligencia artificial orientado a integrar datos sociales, educativos, laborales y territoriales para proyectar impactos de políticas antes de su implementación.
El Ministerio de Capital Humano presentó el “Gemelo Digital Social”, una plataforma basada en inteligencia artificial que busca integrar información social, educativa, laboral y territorial para simular escenarios y proyectar impactos de políticas públicas antes de su implementación. Según explicó el Gobierno, la herramienta apunta a avanzar hacia un “Estado predictivo”, un esquema de gestión pública con capacidad para anticipar problemas, detectar patrones y evaluar posibles resultados de distintas intervenciones estatales. La propuesta se encuentra en una etapa preliminar y aún no fueron presentados detalles sobre arquitectura tecnológica, proveedores ni mecanismos concretos de funcionamiento.
La utilización de modelos predictivos en el sector público no es inédita. Singapur desarrolló plataformas digitales para planificación urbana y monitoreo de infraestructura en tiempo real, mientras que Reino Unido trabajó con modelos de simulación para transporte y movilidad urbana. En ambos casos, el objetivo fue utilizar datos para mejorar la planificación y la capacidad de decisión.
Un sistema de este tipo permitiría integrar información hoy dispersa entre distintas áreas del Estado, mejorar la coordinación entre organismos y detectar tempranamente situaciones de vulnerabilidad social, abandono escolar o problemas de inserción laboral. La participación de universidades, especialistas y centros de investigación podría contribuir al desarrollo de capacidades técnicas locales vinculadas al análisis de datos y diseño de políticas públicas.
La iniciativa también presenta riesgos. El primero está relacionado con la privacidad y protección de datos. El anuncio menciona la integración de información social, laboral, educativa y territorial, aunque todavía no se conoce qué bases concretas se utilizarán ni cómo se anonimizarán los datos. Con suficientes variables cruzadas, muchos conjuntos de información pueden permitir la reidentificación indirecta de personas aun cuando nombres y documentos hayan sido eliminados. A esto se suma que Argentina aún no cuenta con un marco regulatorio específico sobre inteligencia artificial ni con una estrategia nacional integral en la materia en la que podría insertarse esta iniciativa.
La experiencia internacional muestra además que los sistemas predictivos pueden reproducir sesgos preexistentes o generar errores en procesos automatizados vinculados a políticas sociales. También surge una discusión sobre soberanía tecnológica y dependencia de grandes empresas proveedoras de infraestructura digital. Cuando los Estados tercerizan completamente este tipo de desarrollos, suelen perder capacidad para comprender o supervisar los sistemas que utilizan.
Existe además un límite más amplio: los problemas sociales no funcionan como sistemas mecánicos perfectamente predecibles. Los modelos pueden ayudar a identificar tendencias y correlaciones, pero las políticas públicas siguen involucrando decisiones políticas y dinámicas sociales difíciles de traducir completamente a variables algorítmicas.