La relació entre la ciutadania i l’Administració pública s’enfronta des de fa anys a reptes recurrents vinculats a la càrrega administrativa i als terminis de resposta. Darrere d’una finestreta o d’un portal telemàtic, el personal públic ha de dedicar temps a revisar normatives, examinar expedients i redactar respostes comprensibles i precises. En moltes fases de la digitalització, procediments i formularis en paper es van traslladar a entorns electrònics, un avenç valuós però que, per si sol, no equival a una transformació digital completa, que també exigeix redissenyar serveis, integrar dades i millorar processos.
La càrrega documental i la complexitat dels procediments consumeixen una part significativa del temps del personal públic. La intel·ligència artificial pot ajudar a agilitzar tasques de cerca, revisió i redacció, mantenint el criteri i la validació final en mans del funcionari. Imatge generada amb intel·ligència artificial / OpenAI.
En aquest context, la intel·ligència artificial es pot utilitzar com a eina de suport a l’empleat públic, sense substituir automàticament el judici humà. En l’enfocament que es descriu aquí, la IA no adopta per si sola la decisió final sobre els drets de la ciutadania: assisteix el personal, que conserva la validació i la responsabilitat. La solució consisteix a integrar tres funcions complementàries: la recuperació d’informació, la generació lingüística i la validació humana.
El sistema de recuperació localitza, dins d’un conjunt controlat de documents oficials, els fragments rellevants per a cada consulta. Aquests fragments s’incorporen al context que rep el model de llenguatge, que pot sintetitzar la informació i elaborar un esborrany. Aquesta combinació de recuperació documental i generació constitueix una arquitectura RAG. Finalment, l’empleat públic contrasta les fonts, interpreta les circumstàncies particulars i valida la resposta o decisió. Cap d’aquests components no garanteix per si sol el rigor jurídic: la fiabilitat depèn de la qualitat i l’actualització de les fonts, del disseny i l’avaluació del sistema i d’una supervisió humana efectiva.
Un exemple real d’aquest model col·laboratiu és la iniciativa Services Publics+ a França. La seva plataforma utilitza un assistent de redacció que proposa respostes que l’agent pot modificar, ajustar o reescriure abans de validar-les, i la seva fitxa tècnica identifica l’ús de RAG. Segons la informació oficial publicada actualment, el temps mitjà de resposta als avisos dels usuaris va passar de 19 a 3 dies, una reducció del 84%. Aquesta dada es refereix específicament a les respostes a aquests avisos dins de Services Publics+, no al temps general de tramitació d’expedients administratius.
Models de llenguatge oberts i eficients
Per comprendre el motor d’aquesta transformació, cal analitzar el paper dels grans models de llenguatge (Large Language Models o LLM), en particular els de pesos oberts i dimensions relativament contingudes, com la família Mistral 7B —retirada el 2025, però rellevant com a antecedent— i les seves variants instruccionals. A diferència dels sistemes tradicionals basats en regles rígides o arbres de decisió programats manualment, aquests models es basen en xarxes neuronals profundes amb mecanismes d’atenció que aprenen patrons estadístics i relacions lingüístiques a partir de grans conjunts de dades.
Els models de llenguatge poden resumir, classificar i redactar textos i, en el cas de models de pesos oberts i dimensions contingudes, desplegar-se en infraestructures controlades. Els seus resultats, però, poden contenir errors i requereixen supervisió humana. Elaboració pròpia. Imatge generada amb intel·ligència artificial mitjançant OpenAI.
Per si sola, aquesta tecnologia té una notable capacitat per processar el llenguatge natural: pot resumir documents, reformular termes tècnics en un registre més accessible, classificar textos o sol·licituds en categories definides i redactar esborranys amb fluïdesa sintàctica. Com que, en casos com Mistral 7B, es tracta de models de dimensions relativament contingudes i pesos oberts, es poden desplegar en infraestructura pròpia o en entorns de núvol controlats per l’organització, cosa que permet un control més gran sobre on es processen les dades. En comparació amb models més grans i en condicions comparables, també poden requerir menys recursos computacionals i energètics, tot i que el consum i el cost reals depenen del maquinari, la configuració i la càrrega de treball.
Tanmateix, utilitzats de manera aïllada, els LLM presenten limitacions rellevants per a la funció administrativa. Com que generen respostes mitjançant prediccions estadístiques sense garantir-ne la veracitat factual, són susceptibles a les anomenades «al·lucinacions» —la generació de contingut erroni o fals presentat de manera plausible— i no disposen per si sols d’accés dinàmic a normatives o informació publicada després de la seva data de tall de coneixement. A més, l’ús dels seus resultats en procediments administratius requereix que les persones i organitzacions responsables mantinguin les funcions de validació i supervisió que corresponguin. Per això, la seva utilització en aquest àmbit requereix un marc metodològic complementari que canalitzi i acoti el seu potencial.
Arquitectura RAG i supervisió humana (Human-in-the-Loop)
Si el model de llenguatge actua com el motor de redacció, la Generació Augmentada per Recuperació (RAG) proporciona informació externa rellevant abans de generar la resposta. No és un segon model independent ni un mecanisme que garanteixi la veracitat, sinó una manera de combinar un sistema de recuperació documental amb un model generatiu. En l’enfocament que es descriu aquí, els resultats que proporciona hauran de comptar amb la supervisió activa del funcionari públic.
L’arquitectura RAG combina la recuperació d’informació procedent de fonts oficials amb la generació d’un esborrany per part del model de llenguatge. El funcionari revisa les referències, corregeix la proposta i valida la resposta final, mantenint la supervisió humana en el procés de decisió. Elaboració pròpia. Imatge generada amb intel·ligència artificial mitjançant OpenAI.
D’una manera senzilla, el RAG es pot entendre com un examen «a llibre obert»: en una implementació orientada a l’àmbit administratiu, es pot connectar el model d’IA a una base de dades amb normatives i guies oficials actualitzades i fer que primer busqui els articles legals pertinents per elaborar la resposta. En lloc de dependre únicament de la informació apresa durant l’entrenament, el sistema pot recuperar fragments normatius específics i redactar un esborrany incorporant referències a les fonts oficials utilitzades, cosa que pot reduir les imprecisions o invencions.
No obstant això, aquesta arquitectura pot reduir les al·lucinacions i millorar la traçabilitat de les respostes, però no elimina el risc d’error. El recuperador pot ometre una excepció rellevant, seleccionar una norma desactualitzada o recuperar documents insuficients; el model, per la seva banda, pot interpretar malament els fragments, combinar-los incorrectament o generar una afirmació que no estigui avalada per les fonts. La inclusió de referències tampoc no és automàtica: s’ha de dissenyar i comprovar expressament.
Sobre aquesta base tecnològica, en l’enfocament que es descriu aquí s’adopta el control humà en el bucle de decisió (Human-in-the-Loop) com a principi metodològic. L’eina es configura perquè no enviï comunicacions ni dicti resolucions de manera autònoma. L’empleat públic rep una proposta estructurada, contrasta les referències aportades, corregeix matisos i decideix la pertinència final del missatge.
Aquesta combinació de RAG i supervisió humana pot aportar avantatges rellevants. En aquest model no es delega la decisió administrativa en el sistema d’IA, sinó que es dota el professional d’un assistent capaç d’ajudar-lo a gestionar la complexitat documental, permetent-li aplicar el seu judici professional, interpretar situacions singulars i mantenir la responsabilitat que li correspongui sobre la decisió final.
Services Publics+ a França i la reducció dels temps administratius
El potencial d’aquesta sinergia tecnològica troba un exemple documentat en el programa Services Publics+, pilotat per la Direcció Interministerial de Transformació Pública (DITP) a França. El repte consistia a gestionar més de 140.000 testimonis i experiències ciutadanes compartits a través de la plataforma, utilitzada per 40 serveis públics —entre els quals la Gendarmeria Nacional i organismes vinculats a pensions i prestacions familiars—, en un context en què el temps mitjà de resposta a aquests avisos havia arribat als 19 dies.
Per reduir aquest coll d’ampolla, es van implementar funcionalitats basades en OpenHermes, una adaptació de Mistral 7B ajustada per al projecte per la firma Allobrain, i integrades amb una arquitectura RAG. El sistema utilitza com a fonts, entre d’altres, fitxes de la DILA, continguts del fòrum Ameli i dades de Services Publics+. Quan un ciutadà envia un testimoni —també ho pot fer mitjançant una funció de transcripció de veu—, el sistema pot utilitzar aquestes fonts per generar una proposta de resposta que serveixi de suport a l’agent públic.
El funcionari revisa l’esborrany, el pot modificar, ajustar o reescriure i valida la resposta final. A més, les respostes assistides per IA s’identifiquen com a tals per informar-ne el ciutadà. Els resultats quantitatius comunicats han estat notables:
• El termini mitjà de resposta als avisos va passar de 19 a 3 dies, una reducció del 84%.
• El percentatge d’usuaris que va considerar útil la resposta va ser del 68% en les respostes assistides per IA, davant del 57% en les respostes tradicionals.
• El 78% dels agents va considerar útils els suggeriments de la IA i aproximadament el 70% dels elements proposats van ser validats pels empleats públics.
L’experiència mostra que el sistema pot reduir el temps dedicat a preparar respostes i proporcionar al personal una primera proposta que pot revisar i adaptar, mantenint l’agent públic en el procés de validació final.
El programa francès Services Publics+ combina intel·ligència artificial generativa i arquitectura RAG per elaborar propostes de resposta a partir de fonts oficials. L’agent públic revisa, modifica i valida el resultat abans d’enviar-lo al ciutadà. Segons les dades comunicades, el termini mitjà de resposta va passar de 19 a 3 dies, una reducció del 84%. Elaboració pròpia a partir de dades de Services Publics+. Imatge generada amb intel·ligència artificial mitjançant OpenAI.
Implicacions àmplies i context europeu
L’experiència de l’Administració francesa no és una iniciativa aïllada, sinó el reflex d’una tendència emergent en el sector públic internacional. Els models de llenguatge i, en determinats casos, la seva combinació amb sistemes de recuperació contextualitzada (RAG) presenten un ampli ventall d’aplicacions: des de la classificació automatitzada de documents i el suport a l’anàlisi normativa fins a l’elaboració de resums de reunions i l’atenció assistida a la ciutadania. Experiències comparables en altres països, com l’assaig dut a terme pel Govern britànic amb uns 20.000 empleats públics de 12 organitzacions, van reflectir un estalvi mitjà autodeclarat de 26 minuts diaris per treballador en determinades tasques administratives.
En el context europeu, i particularment a Espanya, aquest enfocament adquireix una rellevància estratègica creixent. El marc regulador comunitari, articulat al voltant del Reglament d’Intel·ligència Artificial (AI Act), estableix requisits específics de transparència, governança de dades i supervisió humana per a determinades categories de sistemes d’IA, especialment els considerats d’alt risc, amb un calendari d’aplicació progressiu. Projectes com la plataforma pública francesa Albert demostren la viabilitat de desenvolupar infraestructures d’IA generativa sota control de l’Administració, amb mecanismes destinats a reforçar la seguretat i el control sobre el tractament de les dades, encara que puguin integrar tant models de pesos oberts com models propietaris.
A Espanya, on administracions estatals i autonòmiques estan impulsant diferents iniciatives de modernització i adopció d’intel·ligència artificial, la incorporació d’aquestes tecnologies ha d’anar acompanyada de plans formatius específics per als empleats públics. A més de la capacitat computacional, la seva utilització responsable requereix mecanismes d’avaluació i control, mesures adequades de seguretat i protecció de dades i competències que permetin al personal comprendre les limitacions dels sistemes i supervisar críticament els seus resultats.
Cap a una Administració eficient centrada en les persones
La integració de la intel·ligència artificial en la funció pública es pot entendre no com una substitució de l’empleat, sinó com una ampliació de les seves capacitats. La combinació de models lingüístics i arquitectures de recuperació contextualitzada (RAG) permet processar grans volums d’informació i sol·licituds amb més rapidesa, sempre que vagi acompanyada de mecanismes adequats de validació, seguretat i protecció de dades. Com il·lustren els resultats de Services Publics+, la tecnologia pot assumir una part del treball de recopilació, síntesi i elaboració d’esborranys, permetent que el funcionari disposi de més temps per a tasques que requereixen atenció específica, criteri i deliberació professional.
Tanmateix, aquesta evolució planteja exigències ètiques i operatives que no admeten dreceres. L’adopció de la IA en els serveis públics requereix invertir en la capacitació del personal perquè la supervisió humana, quan correspongui, sigui efectiva i no un simple tràmit formal. De la mateixa manera, cal establir nivells adequats de transparència, avaluar periòdicament el funcionament i les fonts dels sistemes i aplicar mesures de seguretat i protecció de les dades de la ciutadania.
El desenvolupament futur del sector públic es pot orientar no a eliminar qui atén darrere el taulell o gestiona l’expedient, sinó a dotar-lo d’eines digitals fiables que permetin agilitzar determinades tasques administratives. La tecnologia pot aportar velocitat de processament i capacitat per gestionar grans volums documentals; l’ésser humà manté les funcions de judici professional, responsabilitat i atenció a les circumstàncies particulars. Una cooperació equilibrada entre tots dos pot contribuir a construir una Administració més àgil, transparent i orientada al servei de la societat.
