Libro blanco · Anteproyecto para consulta

Hacia una infraestructura pública de la Inteligencia Artificial

Los seis pilares del ecosistema de inteligencia artificial italiano

Tecnología, competencias, gobernanza y participación para un desarrollo sostenible y soberano. La propuesta elaborada por la Fondazione ENIA para el Congreso Nacional: seis infraestructuras habilitadoras y ocho Talleres Nacionales para transformar la Inteligencia Artificial en un bien común.

Pilar 1

Ontología y Semántica

La infraestructura del significado

  • Un sistema de IA no interpreta la realidad, sino las representaciones que se construyen a partir de ella: la calidad de la IA depende de la calidad del significado asociado a los datos.
  • Una parte importante del riesgo algorítmico se deriva de una representación incompleta o ambigua del dominio de conocimiento, antes incluso del modelo.
  • Una arquitectura semántica en cinco niveles: vocabulario controlado, taxonomías, ontología, grafo de conocimiento y nivel inferencial.
La propuesta del CongresoAtlante Semántico Público para la Inteligencia Artificial
Lee el texto completo

Antes de discutir modelos, algoritmos, centros de datos, cloud o capacidad computacional, es necesario abordar el nivel más profundo de la Inteligencia Artificial: la construcción del significado. Un sistema de IA no interpreta directamente la realidad, sino las representaciones que se construyen a partir de ella. Estas representaciones están constituidas por datos, atributos, categorías, relaciones, eventos, clasificaciones y reglas interpretativas. Cuando estos elementos no están definidos de acuerdo con criterios compartidos, la máquina puede procesar enormes cantidades de información sin comprender realmente el significado que estas asumen en el contexto administrativo, sanitario, industrial, económico o jurídico en el que se utilizan.

La semántica representa el nivel que atribuye significado a los datos; la ontología, por su parte, constituye la estructura formal que organiza ese significado de manera computable. En términos científicos, una ontología describe un dominio de conocimiento identificando los conceptos fundamentales, las relaciones que los vinculan, los atributos que los caracterizan, las reglas mediante las cuales pueden derivarse nuevas informaciones y los vínculos lógicos que impiden interpretaciones incoherentes o incompatibles. La ontología no es, por tanto, un simple vocabulario evolutado, sino una verdadera arquitectura de conocimiento que permite a personas, organizaciones y sistemas inteligentes compartir no solo el mismo lenguaje, sino también la misma interpretación de la realidad.

La calidad de la Inteligencia Artificial depende directamente de la calidad de esta representación. Dos administraciones pueden utilizar el mismo término otorgándole significados diferentes; dos hospitales pueden clasificar la misma patología según criterios diferentes; una Región, un Ministerio y un Ayuntamiento pueden describir el mismo procedimiento administrativo con modelos informativos incompatibles. En todos estos casos el problema no se refiere a la calidad del dato, sino a la calidad del significado asociado al dato. Una base de datos puede ser completa, actualizada y formalmente correcta, pero sigue siendo semánticamente frágil. El algoritmo producirá entonces resultados aparentemente coherentes, pero construidos sobre categorías conceptuales inestables. Una parte significativa del riesgo algorítmico surge precisamente de esta representación incompleta o ambigua del dominio del conocimiento y precede al propio funcionamiento del modelo.

Para construir una infraestructura pública de significado es necesario desarrollar una arquitectura semántica estructurada en cinco niveles progresivos. El primero consiste en la definición de un vocabulario controlado, a través del cual se uniforman los términos fundamentales de cada dominio. El segundo se refiere a la construcción de taxonomías que organizan los conceptos según jerarquías coherentes. El tercer nivel está constituido por la ontología propiamente dicha, en la que se formalizan las relaciones, propiedades e interdependencias entre los conceptos. El cuarto implica la transformación de la ontología en un knowledge graph, capaz de hacer que dichas relaciones sean interrogables y utilizables por los sistemas informáticos. El quinto introduce el nivel inferencial, permitiendo que los sistemas de IA identifiquen anomalías, verifiquen coherencias y generen nueva información a través de procesos de inferencia automática. Este camino representa el paso de la simple digitalización de los documentos a la construcción de una verdadera infraestructura de conocimiento. Es el requisito previo para que la Administración Pública pueda evolucionar hacia un modelo de inteligencia institucional computable.

La construcción de ontologías públicas requiere inevitablemente una gobernanza multidisciplinar. La definición del significado no puede confiarse exclusivamente a los informáticos, ya que implica competencias organizativas, jurídicas, económicas, sociales y lingüísticas. Las Regiones pueden desempeñar el papel de coordinación territorial identificando los dominios prioritarios; las Administraciones Públicas contribuyen con el conocimiento de los procesos y los datos administrativos; las universidades y los centros de investigación aportan competencias en ingeniería de la información, inteligencia artificial, ciencia de los datos, derecho, economía y lingüística computacional; las empresas tecnológicas desarrollan los instrumentos de representación semántica, mientras que las empresas de los distintos sectores económicos transfieren el lenguaje operativo de sus respectivos dominios. Los pedidos profesionales contribuyen a la formalización de las prácticas especializadas y el Tercer Sector, junto con las Jurados Comunitarios para la IA, verifica que las categorías adoptadas representen correctamente las necesidades de las personas y de los territorios.

En este contexto, la Fondazione ENIA podría desempeñar una función de enlace metodológico entre todos los actores involucrados, favoreciendo la construcción, la validación y la evolución de la semántica pública de la Inteligencia Artificial. El Congreso propone, por tanto, el inicio de un Atlántico Semántico Público para la Inteligencia Artificial, concebido como un programa permanente de investigación y colaboración. El proyecto podría desarrollarse mediante la cartografía de los dominios prioritarios, la recopilación de los vocablos existentes en administraciones, empresas y universidades, la creación de ontologías piloto en los principales ámbitos de interés público, su transformación en gráficos de conocimiento interoperables y su posterior experimentación con sistemas de IA predictiva y generativa para medir sus efectos en términos de interoperabilidad, precisión, trazabilidad y fiabilidad. El objetivo final es construir una infraestructura pública de significado, un patrimonio compartido que permita a las instituciones, las empresas y los ciudadanos participar en la construcción de un ecosistema de Inteligencia Artificial confiable, interoperable y transparente. Porque, en última instancia, los algoritmos pueden procesar datos; solo una semántica compartida les permite procesar conocimiento.

Pilar 2

Computación en la frontera y soberanía de la infraestructura

La infraestructura computacional de la Inteligencia Artificial

  • El procesamiento de los datos cerca de donde se producen reduce la latencia, mejora la continuidad operativa y fortalece el control sobre los datos estratégicos.
  • La soberanía en materia de infraestructura no es aislamiento, sino la elección consciente de qué procesos mantener bajo control público o industrial.
  • Una red de nodos territoriales produce valor solo si todos interpretan los datos según unas ontologías compartidas.
La propuesta del CongresoRed Italiana de Nodos Edge para la IA Pública
Lee el texto completo

Si las ontologías representan el lenguaje a través del cual la Inteligencia Artificial interpreta el mundo, el Edge Computing constituye la infraestructura física que le permite operar de forma distribuida, resiliente y cerca de los lugares donde se generan los datos. La idea básica es sencilla: en lugar de transferir continuamente enormes cantidades de información hacia grandes infraestructuras cloud centralizadas, una parte significativa del procesamiento se realiza directamente en la fuente de los datos. Los hospitales, las escuelas, los centros productivos, las redes energéticas, los aeropuertos, los puertos, los sistemas de transporte, los municipios, los sensores ambientales e infraestructuras críticas pueden así convertirse en nodos inteligentes de una red computacional distribuida. En este modelo, los datos no solo se recopilan y transmiten, sino que también pueden validarse, filtrarse, anonimizarse, enriquecerse semanticamente y utilizarse para generar inferencias locales antes de ser eventualmente compartidos con otras infraestructuras. Este enfoque reduce la latencia, limita el tráfico de red, mejora la continuidad operativa y refuerza el control sobre los datos estratégicos.

Por esta razón, la computación en la frontera representa una componente fundamental de la soberanía de la infraestructura. Esta cuestión adquiere una relevancia que va mucho más allá del ámbito tecnológico. Aquel que controla la capacidad de procesamiento también controla tiempos de respuesta, niveles de seguridad, continuidad de los servicios, dependencias tecnológicas y resiliencia del sistema entero. La soberanía de la infraestructura no implica aislamiento con respecto a los grandes operadores globales, sino la posibilidad de elegir conscientemente qué procesos mantener bajo control público o industrial, qué datos procesar localmente y qué servicios confiar a infraestructuras externas. Para una región de alta intensidad productiva como Lombardía, esta elección afecta directamente a la sanidad, la industria avanzada, la movilidad, la energía, la finanza, la investigación y la administración pública. Un sistema sanitario que utilice algoritmos para la diagnostica, el monitoreo territorial o el triage no puede depender exclusivamente de infraestructuras remotas. De manera similar, una fábrica inteligente debe poder procesar en tiempo real los datos procedentes de robots, máquinas y sensores, mientras que una red de protección civil debe seguir funcionando incluso en presencia de conectividad degradada o de eventos que comprometan las infraestructuras centrales.

Desde el punto de vista técnico, una arquitectura Edge moderna se desarrolla como una cadena integrada. En su base se encuentra el nivel sensorial, formado por dispositivos IoT, sistemas industriales, dispositivos sanitarios, cámaras y redes de monitoreo. Sigue un nivel de preprocesamiento, en el que los datos se normalizan, verifican, se anonimizan y se preparan para su uso. La inferencia local permite que modelos de inteligencia artificial operen directamente en el terreno, generando clasificaciones, previsiones, alertas y apoyo a la toma de decisiones sin necesidad de recurrir necesariamente a infraestructuras centrales. La orquestación edge-cloud coordina posteriormente la distribución de los datos y los modelos, determinando qué información debe permanecer localmente y qué debe ser compartida. A esto se suman los niveles dedicados a la seguridad, la gobernanza y la trazabilidad de las operaciones, hasta llegar al nivel semántico, que conecta directamente este pilar con el anterior. De hecho, una red distribuida de nodos Edge produce valor real únicamente si todos interpretan el dato de acuerdo con ontologías compartidas. En ausencia de una semántica común, cada nodo genera conocimiento local difícilmente integrable con el producido por los demás.

Para un decisor público, diseñar una infraestructura Edge significa construir una red de nodos territoriales distribuidos en hospitales, universidades, polos industriales, centros de datos regionales, centros de operaciones, redes energéticas e infraestructuras estratégicas. Cada nodo debe ser capaz de recopilar datos, verificar su procedencia y calidad, aplicar criterios de seguridad, ejecutar modelos de IA cerca de la fuente informativa, conservar evidencias de las operaciones realizadas y interactuar con infraestructuras públicas, privadas o soberanas de nube. El resultado es una arquitectura híbrida en la que la capacidad computacional se distribuye según las necesidades operativas: local cuando predominan necesidades de agilidad y control, central cuando se requiere mayor potencia de procesamiento, federada cuando se hace necesario compartir conocimiento entre territorios y organizaciones. La implementación de una infraestructura de este tipo requiere una colaboración estable entre las instituciones regionales, las administraciones locales, las universidades, los politecnicos, las empresas tecnológicas, los operadores de infraestructuras críticas, los operadores de telecomunicaciones, la industria manufacturera, los organismos de normalización y las autoridades competentes en materia de ciberseguridad y cumplimiento. Cada uno de estos actores aporta competencias complementarias: desde la planificación de las arquitecturas hasta la definición de estándares, desde la gestión de las redes hasta el desarrollo de modelos, hasta la evaluación de la seguridad y el impacto organizacional.

En este contexto, la Fondazione ENIA podría desempeñar un papel de enlace metodológico entre los diferentes actores, favoreciendo el diálogo entre la dimensión tecnológica, la gobernanza, la semántica, la IA Literacy y las políticas de innovación. El Congreso propone, por tanto, el inicio de la Red Italiana de Nodos Edge para la IA Pública, un programa de experimentación destinado a identificar los dominios prioritarios, diseñar nodos territoriales interoperables, definir requisitos técnicos comunes, integrar las arquitecturas con las ontologías públicas, experimentar casos de aplicación de alto impacto y evaluar progresivamente resultados, seguridad y modelos de escalabilidad regional y nacional. El objetivo final es dotar al país de una capacidad computacional distribuida que permita un uso más seguro, resiliente e coherente de la Inteligencia Artificial con las necesidades de los territorios. La soberanía digital no se construye exclusivamente a través de normas, sino a través de infraestructuras capaces de mantener bajo control los procesos estratégicos, garantizando al mismo tiempo interoperabilidad, seguridad, continuidad operativa y autonomía en la toma de decisiones. Desde esta perspectiva, el Edge Computing representa el complemento natural de la infraestructura semántica, transformando el significado compartido en capacidades operativas distribuidas.

Pilar 3

Alfabetización en IA

La infraestructura cognitiva de la Inteligencia Artificial

  • La alfabetización en inteligencia artificial es la comprensión de cómo se construyen los sistemas inteligentes, qué datos utilizan y qué limitaciones y errores presentan.
  • Al margen del dividendo digital se perfila un dividendo de IA entre quienes gobiernan la IA y quienes solo utilizan sus interfaces.
  • Seis líneas directrices: fundamentos computacionales, calidad de la información, semántica, ética y derecho, organización, estrategia.
La propuesta del CongresoPlan Nacional de Alfabetización en Inteligencia Artificial y Resiliencia Cognitiva
Lee el texto completo

Tras definir el lenguaje común a través de las ontologías y construir la capacidad computacional mediante infraestructuras distribuidas, el tercer pilar se refiere a la capacidad de las personas para comprender, gestionar y utilizar de forma consciente dichos instrumentos. La Inteligencia Artificial, de hecho, no es solo una tecnología, sino una transformación cognitiva que modifica la manera en que individuos, organizaciones e instituciones producen conocimiento, adoptan decisiones y interpretan la realidad. La IA Literacy representa por lo tanto la infraestructura cognitiva del ecosistema de Inteligencia Artificial. No coincide con la alfabetización digital tradicional ni con la simple capacidad de utilizar aplicaciones o plataformas de Inteligencia Artificial. Se trata, en cambio, de comprender los principios que regulan el funcionamiento de los sistemas inteligentes: cómo se construyen los modelos, qué datos utilizan, cómo aprenden, qué limitaciones presentan, qué errores pueden producir y qué condiciones determinan su fiabilidad. Esta conciencia representa hoy un factor estratégico para la competitividad económica, la resiliencia de las instituciones y la calidad de la democracia.

Cada revolución tecnológica ha estado acompañada de una evolución cultural correspondiente: la alfabetización ha sostenido a la sociedad industrial, la informática ha acompañado la transformación digital, mientras que la IA Literacy constituye el preámbulo de la nueva economía del conocimiento. La particularidad de la Inteligencia Artificial radica en su capacidad para producir contenidos, formular hipótesis, sintetizar información, asistir en los procesos de toma de decisiones y generar nueva conocimiento. Esto determina una nueva forma de desigualdad, cada vez menos vinculada al acceso a la tecnología y cada vez más vinculada a la capacidad de comprender su funcionamiento. La infraestructura cognitiva debe, por tanto, desarrollarse a través de seis líneas complementarias. La primera se refiere a la comprensión de los fundamentos computacionales de la IA, los modelos de aprendizaje, los datos y los procesos inferenciales. La segunda se refiere a la calidad de la información, la procedencia de los datos, su fiabilidad, trazabilidad y contextualización. La tercera se refiere a la dimensión semántica, es decir, la capacidad de comprender cómo se construyen ontologías, taxonomías y representaciones de conocimiento, elemento que vincula directamente este pilar con el anterior dedicado a la semántica pública. La cuarta se refiere a los aspectos éticos y jurídicos, comprendiendo responsabilidad, transparencia, rendición de cuentas, protección de los derechos y gestión de riesgos algorítmicos. La quinta se refiere a la dimensión organizativa, necesaria para integrar la Inteligencia Artificial en los procesos de toma de decisiones sin generar nuevas vulnerabilidades. La sexta, por último, se refiere a la dimensión estratégica, indispensable para comprender los impactos de la IA en la competitividad, la innovación, el trabajo, la seguridad económica y la soberanía tecnológica.

El conjunto de estas competencias constituye lo que puede definirse como el capital cognitivo nacional para la Inteligencia Artificial. Su construcción representa hoy una prioridad estratégica al menos tan importante como el desarrollo de las infraestructuras digitales. En los próximos años, el principal abismo no se determinará únicamente por el acceso a las tecnologías, sino por la capacidad de comprenderlas. Junto al tradicional dividendo digital, se está delineando gradualmente un AI Divide, destinado a separar a ciudadanos, empresas e instituciones capaces de gestionar la Inteligencia Artificial de aquellos que la utilizarán exclusivamente a través de interfaces, quedando dependientes de las decisiones y las logísticas desarrolladas por otros. Para una pequeña empresa esto significa poder evaluar críticamente los instrumentos que pretende adoptar, evitando dependencias tecnológicas e inversiones insostenibles. Para una Administración Pública significa introducir sistemas inteligentes manteniendo el control sobre los procesos de toma de decisiones y la responsabilidad administrativa. Para los ciudadanos significa desarrollar los instrumentos culturales necesarios para reconocer manipulaciones informativas, contenidos sintéticos, sesgos, alucinaciones algorítmicas y nuevas formas de desinformación. La IA Literacy se convierte así en una medida preventiva de resiliencia colectiva y de seguridad cognitiva.

La construcción de esta infraestructura requiere una acción coordinada. Las Regiones pueden integrar la IA Literacia en las políticas de innovación, desarrollo económico y formación; las universidades y los centros de investigación pueden desarrollar itinerarios interdisciplinarios capaces de combinar informática, derecho, economía, organización y ciencias sociales; el sistema escolar representa el primer punto de referencia de la educación crítica sobre Inteligencia Artificial; las empresas y las administraciones públicas deben promover programas de formación continua; los ordenamientos profesionales pueden contribuir a la difusión de competencias especializadas en los diferentes ámbitos aplicativos, mientras que el Tercer Sector desempeña un papel fundamental en la participación de las franjas de población más expuestas al riesgo de exclusión cognitiva.

En este contexto, la Fondazione ENIA podría asumir una función de coordinación metodológica, favoreciendo la definición de estándares nacionales, métricas de madurez, perfiles de certificación y modelos compartidos de IA Literacy. El Congreso propone, por tanto, el inicio de un Plan Nacional de IA Literacy y Resiliencia Cognitiva, destinado a construir un marco unitario de competencias, promover programas territoriales de alfabetización, desarrollar sistemas de evaluación de la madurez cognitiva y apoyar una red permanente de colaboración entre escuelas, universidades, empresas, administraciones públicas y el Tercer Sector. Si el primer pilar construye el significado y el segundo realiza la infraestructura computacional, el tercer pilar construye la capacidad de comprender ambos. Las empresas que liderarán la evolución de la Inteligencia Artificial no serán necesariamente las que dispongan de los modelos más potentes, sino las que hayan invertido en la difusión del conocimiento, el pensamiento crítico y la capacidad de gobierno de la tecnología. Desde esta perspectiva, la IA Literacy adquiere el valor de una verdadera infraestructura estratégica nacional, destinada a influir en la calidad de las decisiones públicas, la competitividad de las empresas y la capacidad del país para afrontar de forma autónoma la transformación de la economía y la sociedad.

Pilar 4

Gobernanza de la Inteligencia Artificial

La infraestructura organizacional del ecosistema de IA

  • La gobernanza de la IA no se reduce al cumplimiento de la normativa: significa asignar responsabilidades, roles, flujos de información y controles a lo largo de todo el ciclo de vida.
  • Un sistema multinivel: estratégico, organizacional, operativo, algorítmico e institucional.
  • La transición de la conformidad normativa a la capacidad institucional de gobierno es el tema central del Congreso.
La propuesta del CongresoCabina Nacional para la Gobernanza de la Inteligencia Artificial
Lee el texto completo

Si bien el primer pilar construye el significado, el segundo desarrolla la infraestructura computacional y el tercer desarrolla el capital cognitivo, el cuarto define la manera en que estos elementos se coordinan dentro de las organizaciones e instituciones. La gobernanza representa, de hecho, la infraestructura organizacional del ecosistema de IA, es decir, el conjunto de reglas, responsabilidades, procesos y mecanismos de coordinación que permiten transformar una tecnología en una capacidad estable del sistema económico e institucional. Cada infraestructura compleja requiere un modelo de gobierno. Las redes eléctricas cuentan con sistemas de despacho, las infraestructuras aeroportuarias funcionan a través de torres de control y las redes ferroviarias están coordinadas por centros operativos que garantizan seguridad, continuidad y sincronización de las actividades. La Inteligencia Artificial requiere una capacidad organizativa similar. La disponibilidad de datos, la capacidad computacional y las competencias distribuidas no son suficientes si no existe una estructura capaz de orientar, coordinar y monitorear el funcionamiento de todo el ecosistema.

La gobernanza de la IA no puede reducirse simplemente al cumplimiento de la normativa vigente. La AI Act constituye un punto de referencia fundamental para regular los deberes y responsabilidades de los proveedores y usuarios de sistemas de Inteligencia Artificial, pero la gobernanza de la IA requiere una perspectiva más amplia. Significa diseñar modelos de toma de decisiones, asignar responsabilidades, definir roles organizativos, construir flujos de información confiables, establecer sistemas de monitoreo y promover un mejoramiento continuo a lo largo de todo el ciclo de vida de las soluciones inteligentes. En este sentido, la gobernanza representa el sistema nervioso de toda la infraestructura nacional de la IA. La Inteligencia Artificial modifica profundamente el funcionamiento de las organizaciones porque interviene directamente en los procesos de toma de decisiones. Ya sea la concesión de un crédito, el diagnóstico clínico, la gestión del tráfico, el mantenimiento predictivo de infraestructuras o la asignación de recursos públicos, cada algoritmo introduce nuevos criterios de decisión y redistribuye responsabilidades que anteriormente solo pertenecían a las personas. Por lo tanto, resulta necesario establecer quién garantiza la calidad de los datos, quién autoriza la introducción de los modelos, quién evalúa el riesgo, quién controla su rendimiento a lo largo del tiempo, quién interviene en caso de anomalías, quién conserva los registros documentales y quién asegura el diálogo con las autoridades competentes. Cuando estas responsabilidades no se definen de antemano, la tecnología evoluciona más rápidamente que la capacidad organizativa para gobernarla. Esta es una de las principales dificultades que caracteriza la fase actual de difusión de la IA. Muchas organizaciones están invirtiendo en la adquisición de herramientas inteligentes, mientras que solo una parte limitada está construyendo una capacidad real de gobierno de la innovación.

Para responder a esta necesidad, la gobernanza debe concebirse como un sistema multinivel. En el nivel estratégico se definen la visión, los objetivos, las inversiones y la propensión al riesgo por parte de los órganos de gobierno y las direcciones generales. El nivel organizativo identifica roles, responsabilidades y competencias, involucrando figuras como el Chief AI Officer, el Risk Manager, el Data Protection Officer, los responsables de seguridad informática y los responsables de los procesos. El nivel operativo gobierna el ciclo de vida de los datos y los modelos, comprendiendo validación, monitoreo, ciberseguridad, documentación técnica, actualización y gestión de incidentes. A esto se añade la gobernanza algorámica, dedicada a la observación continua del rendimiento de los modelos a través de indicadores de precisión, robustez, explicabilidad, equidad, derivación de datos y fiabilidad operativa. Por último, la gobernanza institucional garantiza la coordinación entre las administraciones centrales, las regiones, los organismos locales, las universidades, los organismos de normalización, las empresas y las autoridades independientes, reconociendo que la Inteligencia Artificial constituye una infraestructura transversal que ningún sujeto puede administrar de forma autónoma. Además, la gobernanza debe interpretarse como un proceso continuo y no como un conjunto estático de procedimientos. Cada sistema de IA atraviesa un ciclo de vida que incluye la identificación de la necesidad, la evaluación preliminar, el análisis de riesgos, la selección del modelo, la validación, la implementación, el monitoreo, la actualización, los auditajes periódicos y, cuando sea necesario, la desmantelación. Cada una de estas fases genera nuevas evidencias, nuevos riesgos y nuevas decisiones. La función de la gobernanza consiste en mantener el control de este proceso, garantizando su transparencia, trazabilidad y capacidad de adaptación.

La construcción de una gobernanza nacional requiere, por tanto, una colaboración permanente entre instituciones, territorios, universidades, empresas, organismos de normatividad y autoridades independientes. Las administraciones centrales definen los objetivos estratégicos y el coordinamiento interinstitucional; las Regiones traducen dichos objetivos en políticas territoriales; las administraciones públicas diseñan los modelos organizativos; el mundo académico aporta investigación y formación avanzada; las empresas desarrollan competencias aplicativas y capacidades industriales; los organismos de normatividad definen estándares y metodologías de evaluación; las autoridades independientes garantizan la protección de los derechos y el equilibrio adecuado entre innovación e interés público. En este contexto, la Fondazione ENIA puede desempeñar una función de enlace metodológico entre los diferentes actores del ecosistema, promoviendo lenguajes comunes, metodologías comunes, procesos de experimentación, formación interdisciplinaria y un diálogo permanente entre la investigación, la industria y las instituciones.

El Congreso propone, por tanto, la creación de una Cabina Nacional para la Gobernanza de la Inteligencia Artificial, concebida no como un nuevo organismo regulador, sino como una plataforma estable de coordinación entre administraciones, territorios, universidades, empresas y la sociedad civil. Su objetivo sería favorecer la convergencia de modelos organizativos, metodologías de evaluación, indicadores de madurez, estándares operativos y buenas prácticas, contribuyendo a la construcción de un ecosistema nacional coherente e interoperable. La sesión congressual dedicada a este tema constituirá el momento central de todo el programa, poniendo el foco en el paso de la conformidad normativa hacia la capacidad institucional de gobierno. El objetivo no es discutir exclusivamente de normas, sino definir un modelo organizativo que permita a Italia gobernar la Inteligencia Artificial como una infraestructura estratégica del país. Si bien los tres primeros pilares construyen respectivamente el significado, la capacidad computacional y el capital cognitivo, la gobernanza hace posible el funcionamiento coordinado de todo el sistema. Es la infraestructura organizacional que transforma las tecnologías, competencias y datos en una capacidad permanente de innovación, asegurando que el desarrollo de la Inteligencia Artificial avance de manera confiable, responsable y coherente con los objetivos de interés público.

Pilar 5

Jurados Comunitarios para la Inteligencia Artificial

La infraestructura democrática del ecosistema de la IA

  • Las Juntas no son organismos de control político, sino una infraestructura permanente de observación social de los efectos de la IA.
  • Recogen información cualitativa que escapa a los modelos: confianza, percepción del riesgo, comprensión, efectos inesperados.
  • Una red distribuida a nivel municipal, provincial, regional y nacional, con el apoyo metodológico de la Fondazione ENIA.
La propuesta del CongresoRed Nacional de Jurados Comunitarios y Observatorio Nacional sobre el Impacto Social de la IA
Lee el texto completo

Si bien los primeros cuatro pilares construyen, respectivamente, el significado, la capacidad computacional, el capital cognitivo y la infraestructura organizativa de la Inteligencia Artificial, el quinto introduce una dimensión adicional: la capacidad del sistema institucional de comprender cómo la IA transforma de manera concreta la vida de las personas y de los territorios. De hecho, cada gran innovación modifica la relación entre ciudadanos, instituciones y economía; la Inteligencia Artificial añade un elemento de complejidad adicional, ya que una parte creciente de las decisiones que afectan la vida cotidiana se ve progresivamente respaldada, orientada o automatizada por sistemas algoritmos cuyo funcionamiento suele permanecer poco visible para los usuarios finales. Por esta razón, la infraestructura de la IA no puede limitarse a las dimensiones tecnológica, organizativa y normativa. Es necesario acompañar una infraestructura democrática capaz de observar, interpretar y devolver a las instituciones los efectos sociales generados por la adopción de la Inteligencia Artificial.

Las Jurados Comunitarios responden a esta necesidad. No constituyen órganos de control político ni asambleas deliberativas destinadas a sustituir a las instituciones competentes. Más bien representan una infraestructura permanente de observación social, orientada a la recopilación sistemática de evidencias, el análisis de las necesidades emergentes y la producción de conocimiento útil para orientar las políticas públicas y acompañar la evolución del ecosistema de la IA. La Inteligencia Artificial produce, de hecho, efectos que rara vez pueden observarse durante la creación de un algoritmo. Las consecuencias reales emergen cuando las tecnologías entran en los procesos administrativos, los servicios sanitarios, el mercado laboral, el crédito, la educación, los servicios públicos y la vida cotidiana de los ciudadanos. Ningún laboratorio de investigación, auditoría técnica ni entorno de experimentación es capaz de detectar de forma integral estas transformaciones. Muchas de las repercusiones se relacionan con la confianza, la comprensión de los sistemas, la aceptabilidad social, la percepción de equidad, el surgimiento de nuevos necesidades o la aparición de problemas organizativos que solo se hacen evidentes al utilizar las tecnologías de forma concreta. Las Jurados Comunitarios permiten hacer visible esta dimensión. Los ciudadanos no asumen el papel de simples destinatarios de la innovación, sino que se convierten en observadores cualificados de sus efectos, contribuyendo a la construcción de un conocimiento colectivo que integra y completa el producido por los sistemas de monitoreo técnico.

Desde el punto de vista metodológico, el modelo se desarrolla a través de un proceso continuo de recopilación de evidencias, contextualización, análisis interdisciplinario y restitución institucional. Las experiencias de uso, las dificultades, las oportunidades, los requisitos emergentes y los signos de debilidad se recopilan según procedimientos estructurados y posteriormente se interpretan teniendo en cuenta el dominio aplicativo, el contexto organizacional, la normativa vigente y las características del territorio. El intercambio entre ciudadanos, expertos e instituciones permite transformar estas informaciones en informes, indicadores territoriales, recomendaciones operativas y propuestas de mejora, alimentando un proceso permanente de aprendizaje para las administraciones públicas, las empresas, el mundo de la investigación y los organismos de gobernanza. Desde esta perspectiva, las Jurados Comunitarios pueden considerarse una verdadera infraestructura de inteligencia cívica. Mientras que los sistemas de Inteligencia Artificial suelen procesar datos estructurados, ellas permiten recopilar información cualitativa de alta contextualización que difícilmente encuentra espacio en los modelos algorítmicos: confianza, percepción del riesgo, comprensión de las decisiones automatizadas, calidad de la experiencia de uso, efectos inesperados, vulnerabilidades emergentes y nuevas necesidades de las comunidades. La integración de esta información permite completar la gobernanza de la IA con una dimensión social que aún hoy está poco explorada.

La construcción de esta infraestructura requiere una colaboración estable entre las instituciones regionales, los organismos locales, las universidades, los centros de investigación, las empresas y el Tercer Sector. Las Regiones pueden coordinar la red territorial de las Juntas integrándola en las políticas de innovación, sanidad, bienestar social, desarrollo económico y participación cívica; los Municipios representan el nivel natural de proximidad con los ciudadanos, las asociaciones y las empresas; las universidades y los organismos de investigación garantizan el rigor metodológico en la recopilación y interpretación de la evidencia; el sistema productivo puede utilizar los conocimientos generados para mejorar la transparencia, la usabilidad y el impacto social de sus soluciones; el Tercer Sector facilita la participación de las comunidades y de las categorías más expuestas a los riesgos de exclusión. En este contexto, la Fondazione ENIA puede desempeñar una función de coordinación metodológica nacional, definiendo criterios de funcionamiento, perfiles formativos, estándares de calidad, metodologías de recopilación de evidencia e instrumentos de análisis compartidos.

El Congreso propone, por tanto, poner en marcha la Red Nacional de Juntas de Expertos en Inteligencia Artificial, concebida como una infraestructura civil distribuida a nivel municipal, provincial, regional y nacional, capaz de recopilar sistemáticamente los datos generados por la introducción de la IA en los diferentes contextos económicos y sociales. La información generada por la red podría alimentar un Observatorio Nacional sobre el Impacto Social de la Inteligencia Artificial, integrando datos cuantitativos y cualitativos para apoyar las políticas públicas, la investigación y las estrategias de innovación. La sesión final del Congreso estará dedicada precisamente a esta perspectiva, con el objetivo de presentar el modelo metodológico desarrollado por la Fondazione ENIA, compartir las primeras experiencias territoriales y promover la participación de las instituciones en la construcción de una red permanente de observación cívica de la Inteligencia Artificial. Si los primeros cuatro pilares permiten el desarrollo del ecosistema de la Inteligencia Artificial, el quinto garantiza su legitimación democrática. Una sociedad tecnológicamente avanzada no se mide únicamente por la calidad de sus infraestructuras ni por la potencia de sus algoritmos, sino por la capacidad de escuchar, comprender e integrar la experiencia de las personas en los procesos de innovación. Desde esta perspectiva, las Jurados Comunitarios transforman la participación cívica en una componente estructural de la gobernanza de la Inteligencia Artificial, contribuyendo a construir un ecosistema en el que el progreso tecnológico, la confianza institucional y el interés público puedan evolucionar de manera armoniosa y mutuamente reforzante.

Pilar 6

AI en Finanzas, Banca e Seguros

La infraestructura económica y financiera de la Inteligencia Artificial

  • El sistema financiero debe involucrarse desde las primeras etapas, cuando se definen los criterios de reconocimiento económico de los algoritmos.
  • Los activos algoritmos evolucionan y aprenden: se necesitan nuevas metodologías de evaluación, due diligence y asegurabilidad.
  • Un lenguaje común entre la investigación, las empresas, los inversores e las instituciones acelera la transferencia de tecnología.
La propuesta del CongresoRuta nacional para la calificación económica de los activos algorítmicos
Lee el texto completo

Cada transformación tecnológica se convierte en un verdadero motor de desarrollo solo cuando el sistema económico y financiero adquiere la capacidad de comprender su valor y de sostener su crecimiento. Esto ocurrió con la revolución industrial, con la electrificación, con las telecomunicaciones y posteriormente con Internet. La Inteligencia Artificial no representa una excepción. Por esta razón, el sistema bancario, asegurador y financiero no debería involucrarse exclusivamente en la fase final de la innovación, cuando las tecnologías ya están maduras y listas para ser financiadas. Su contribución es estratégica ya en las primeras fases de construcción del ecosistema, porque es precisamente en ese momento cuando se definen los criterios mediante los cuales un algoritmo, un modelo de IA o una nueva solución tecnológica adquieren reconocimiento económico.

Hoy en día, el principal desafío no consiste únicamente en financiar proyectos de Inteligencia Artificial, sino en construir un lenguaje común entre la investigación, las empresas, los inversores e las instituciones. Los algoritmos, de hecho, poseen características profundamente diferentes en comparación con los activos tradicionales: evolucionan con el tiempo, aprenden a partir de los datos, mejoran mediante el uso, generan nueva conocimiento y pueden ser reutilizados en contextos diferentes. Su capacidad para crear valor depende simultáneamente de la calidad de los datos, la robustez del modelo, la gobernanza, la escalabilidad, la interoperabilidad y la confianza que el mercado deposita en su funcionamiento. Esta evolución hace necesario desarrollar nuevos instrumentos de valoración económica, nuevas metodologías de due diligence, nuevos criterios de asegurabilidad y nuevos modelos de financiación de la innovación. Es tan importante definir modalidades comunes para calificar los activos algorítmicos, estimar su valor prospectivo, medir su riesgo y comprender su contribución al crecimiento de las empresas y a la competitividad del país.

La participación del sistema financiero también desempeña un papel decisivo para la transferencia de tecnología. Las universidades, los centros de investigación y las startups desarrollan cada año competencias y tecnologías que tienen dificultades para transformarse en iniciativas industriales debido a la falta de un marco común que permita a los actores financieros interpretar correctamente su valor. Reducir esta distancia significa acelerar la transición de la investigación al mercado, favorecer el nacimiento de nuevas empresas de alta intensidad tecnológica y apoyar el crecimiento de las ya existentes. Dentro del Congreso ENIA este tema podría abordarse como una mesa redonda permanente de debate entre instituciones, universidades, el sistema bancario, las aseguradoras, los fondos de inversión, empresas innovadoras y organismos de investigación, con el objetivo de construir un vocabulario común sobre la economía de la Inteligencia Artificial y identificar instrumentos capaces de facilitar de manera más eficaz el financiamiento de la innovación.

La propuesta que la Fondazione ENIA tiene previsto promover es el inicio de un proceso nacional dedicado a la calificación económica de los activos algorítmicos y a la definición de metodologías comunes para su evaluación, financiamiento y asegurabilidad. Una iniciativa de este tipo permitiría conectar el mundo de la investigación con el de la finanza, contribuyendo a crear las condiciones para que la Inteligencia Artificial no solo se convierta en una palanca de innovación tecnológica, sino también en un motor estable de desarrollo económico e industrial. En esta perspectiva, el sistema bancario y asegurador no representa simplemente un financista del ecosistema de la Inteligencia Artificial. Se convierte en uno de los actores que contribuyen a definir su valor, a hacerlo comprensible para los inversores y a transformar el potencial tecnológico en crecimiento económico para el territorio y para el país.

De los pilares a los Talleres Nacionales de Inteligencia Artificial

Los Talleres Nacionales representan la evolución natural de las seis infraestructuras descritas en los capítulos anteriores. Cada Taller constituye un laboratorio permanente de investigación, experimentación y colaboración en el que instituciones, universidades, empresas, profesiones y la sociedad civil trabajan conjuntamente para transformar los principios del ecosistema de IA en aplicaciones concretas. El objetivo no consiste en desarrollar proyectos individuales, sino en construir metodologías, modelos de gobernanza y estándares operativos, así como vías formativas e instrumentos compartidos que puedan ser adoptados gradualmente a nivel nacional y territorial.

Taller 1

Justicia Algorítmica y Estado de Derecho

El Taller aborda la relación entre la Inteligencia Artificial y el sistema judicial, promoviendo modelos de uso de la IA coherentes con los principios del Estado de derecho, la transparencia y la protección de los derechos fundamentales. Las actividades incluyen la construcción de ontologías jurídicas, la experimentación de herramientas de apoyo a la toma de decisiones, el análisis de la responsabilidad algorítmica, la definición de criterios de auditoría y la elaboración de metodologías para garantizar la explicabilidad, la rendición de cuentas y un control humano significativo en los procesos judiciales y administrativos.

Taller 2

Sanidad, Bienestar Social y Ciencias de la Vida

El Taller desarrolla modelos de Inteligencia Artificial aplicados a la medicina, la prevención, la medicina territorial, la gestión de las fragilidades y la organización de los servicios miembro-sanitarios. El objetivo es construir un ecosistema interoperable en el que los datos clínicos, las infraestructuras digitales, la gobernanza y las competencias puedan favorecer una sanidad más predictiva, personalizada y sostenible.

Taller 3

Industria, Fabricación y Transferencia Tecnológica

El Taller promueve la integración de la IA en los procesos industriales, la robótica, la mantenimiento predictivo, la producción avanzada y la Industria 5.0. Se presta especial atención al transferir tecnología entre universidades, centros de investigación y el sistema productivo, con el objetivo de acelerar la transformación de la investigación en innovación industrial y competitividad internacional.

Taller 4

Finanzas, banca, seguros y IA: economía de los activos

Este Taller desarrolla el lenguaje económico y financiero de la Inteligencia Artificial. Las actividades incluyen la calificación económica de los activos algorítmicos, la construcción de modelos de evaluación, la due diligence de la IA, el financiamiento de la innovación, la gestión del riesgo algorítmico, el nacimiento de nuevos instrumentos de seguro y el fortalecimiento del diálogo entre el sistema financiero, la investigación y las empresas. El objetivo es crear las condiciones para que la IA se convierta en una fuerza estructural de crecimiento económico y de política industrial.

Taller 5

Administración pública y Territorios

El Taller acompaña la evolución digital de las administraciones públicas a través de modelos de IA orientados a la eficiencia, la simplificación administrativa y el mejoramiento de los servicios a los ciudadanos. De especial importancia son la construcción de ontologías públicas, la interoperabilidad de los datos, la adopción de infraestructuras Edge y la definición de modelos organizativos coherentes con los principios de la buena administración.

Taller 6

Educación, Investigación e alfabetización en IA

El Taller promueve la construcción del capital cognitivo nacional a través de programas de IA Literacy, formación interdisciplinar, actualización profesional y investigación científica. El objetivo es desarrollar competencias transversales a lo largo de toda la vida, favoreciendo la comprensión crítica de la Inteligencia Artificial por parte de ciudadanos, estudiantes, profesionales y decisores públicos.

Taller 7

Energía, Medio Ambiente e Infraestructuras Críticas

El Taller desarrolla modelos de IA aplicados a la gestión de las redes energéticas, las infraestructuras estratégicas, la movilidad, la logística, el medio ambiente y la resiliencia territorial. La atención se centra en la construcción de sistemas distribuidos, seguros e interoperables capaces de apoyar la transición ecológica y la seguridad nacional.

Taller 8

Societat civil i democràcia algorítmica

Este Taller reúne y valoriza la contribución de la ciudadanía, el Tercer Sector, las profesiones y las comunidades territoriales a través del modelo de Jurados Comunitarios para la Inteligencia Artificial. El objetivo es observar los efectos sociales de la IA, fortalecer la confianza en las instituciones, promover la participación competente y alimentar un Observatorio permanente sobre el impacto de la Inteligencia Artificial en los diferentes contextos económicos y sociales.

Lee el texto completo en Cantieri

Los seis pilares descritos en los capítulos anteriores constituyen las infraestructuras fundamentales sobre las que construir un ecosistema nacional de Inteligencia Artificial. Definen las condiciones necesarias para que la IA pueda desarrollarse de acuerdo con criterios de interoperabilidad, seguridad, competencia, responsabilidad, participación democrática y sostenibilidad económica. Sin embargo, ninguna infraestructura produce valor si permanece limitada al nivel teórico. Su significado solo emerge cuando se aplica a los contextos en los que ciudadanos, empresas e instituciones operan diariamente. Por esta razón, la Fondazione ENIA propone añadir a los seis pilares una segunda dimensión operativa, representada por los Talleres Nacionales de Inteligencia Artificial.

El término «taller de construcción» no se utiliza en sentido simbólico, sino que describe un lugar permanente de diseño, experimentación y colaboración en el que competencias diversas colaboran para construir soluciones compartidas. De la misma manera que una infraestructura física toma forma a través del trabajo coordinado de diseñadores, empresas, administraciones y comunidades locales, también la infraestructura de la Inteligencia Artificial requiere espacios permanentes de encuentro en los que la investigación científica, la innovación tecnológica, las políticas públicas y el desarrollo económico puedan evolucionar conjuntamente. Los Talleres Nacionales representan, por lo tanto, el punto de encuentro entre las infraestructuras habilitantes y los grandes dominios estratégicos del país. Es dentro de estos contextos que las ontologías se transforman en lenguajes compartidos, el Edge Computing se convierte en una capacidad operativa distribuida, la IA Literacy se traduce en competencias profesionales, la gobernanza adopta una forma organizativa, la participación cívica alimenta confianza institucional y la financiación hace posible la transferencia tecnológica y el crecimiento de la innovación.

Cada Taller de Investigación es un laboratorio permanente en el que instituciones, universidades, empresas, sindicatos, el Tercer Sector y la sociedad civil colaboran para abordar las especificidades de un sector estratégico determinado. El objetivo no es producir documentos o recomendaciones aislados, sino desarrollar metodologías compartidas, experiencias concretas y estándares operativos, perfiles formativos, indicadores de madurez y modelos replicables que puedan ser adoptados progresivamente por los territorios y las administraciones. Desde esta perspectiva, los Talleres Nacionales cumplen una función similar a la desempeñada por las infraestructuras de investigación en los grandes programas científicos internacionales. Se convierten en lugares en los que la conocimiento se verifica, actualiza y transforma continuamente en capacidades operativas. La Inteligencia Artificial evoluciona a una velocidad tal que cualquier modelo estático de gobernanza resulta insuficiente. Se necesitan estructuras permanentes capaces de observar el cambio, experimentar nuevas soluciones, recopilar evidencia y transferir rápidamente las innovaciones dentro del sistema económico e institucional.

La ambición de esta propuesta es contribuir a la construcción de una nueva infraestructura pública de conocimiento, en la que la investigación, la innovación, la política industrial y el desarrollo territorial no se desarrollen como vías separadas, sino como componentes de un único ecosistema nacional. Los Cantierres Talleres Nacionales de Inteligencia Artificial representan el instrumento mediante el cual dicho ecosistema puede alimentarse con el tiempo, favoreciendo una colaboración estable entre las competencias científicas, las capacidades administrativas, la iniciativa empresarial y la participación ciudadana. El Congreso de la Fondazione ENIA pretende, por tanto, proponer la puesta en marcha de estos Cantierres como un programa permanente de interés nacional, confiando a cada uno de ellos el mandato de desarrollar proyectos, experimentos y modelos de referencia en los principales ámbitos estratégicos del país. En esta visión, los seis pilares constituyen las bases del ecosistema nacional de la IA, mientras que los Talleres Nacionales representan su capacidad de implementación. Es a través de su diálogo continuo que la Inteligencia Artificial puede transformarse de un conjunto de tecnologías emergentes en una infraestructura estratégica para el desarrollo económico, social e institucional del país.

Una propuesta abierta al diálogo

El documento es una versión preliminar en consulta. Las instituciones, las universidades, las empresas, las profesiones y los ciudadanos pueden enviar observaciones y contribuciones a la Fundación.

Envía una contribución →

Fondazione ENIA – Ente Nacional para la Inteligencia Artificial. Texto en fase preliminar, susceptible de revisión.