Pedro Lines, jefe del Indec, en Santiago: planteó los desafíos de las estadísticas oficiales ante la irrupción de la IA

El director del INDEC, Pedro Lines, advirtió que la irrupción de la Inteligencia Artificial (IA) está transformando de manera profunda la producción y el uso de las estadísticas oficiales, al tiempo que planteó la necesidad de preparar los sistemas estadísticos para afrontar los desafíos de esta nueva etapa tecnológica.

Durante una conferencia que marcó el cierre de las Segundas Jornadas de Economía Dr. Julio Olivera realizadas por la cátedra de Economía de la Facultad de Humanidades de la UNSE, el economista santiagueño brindó la conferencia de cierre, dedicada al impacto de la IA en la información pública.

El funcionario sostuvo que la actual revolución tecnológica puede compararse con otros grandes cambios metodológicos que marcaron la historia de la estadística, aunque con una diferencia central: la velocidad de adopción.

Lines recordó que en la década de 1930 las encuestas probabilísticas generaron controversias por incorporar márgenes de error en las mediciones. Más adelante, durante los años setenta, el uso de registros administrativos provenientes de organismos públicos también despertó cuestionamientos, mientras que la llegada del Big Data reabrió el debate sobre la calidad y representatividad de las fuentes de información.

Según explicó, todas esas innovaciones atravesaron un proceso similar: primero surgieron las dudas y resistencias, luego se desarrollaron estándares de calidad y finalmente terminaron consolidándose como herramientas aceptadas internacionalmente.

Sin embargo, la Inteligencia Artificial avanza a un ritmo mucho más acelerado. Actualmente millones de personas, empresas y organismos gubernamentales utilizan sistemas basados en IA para obtener respuestas e información inmediata. Lines señaló que la tecnología dejó de ser solo una herramienta de trabajo para los especialistas y comenzó a desempeñar un papel de intermediaria entre datos y sociedad. "Hoy muchos usuarios ya no buscan información directamente en los portales estadísticos, sino que consultan a asistentes virtuales", indicó.

Los riesgos de la IA

No obstante, advirtió sobre los riesgos asociados a este fenómeno. Citó un estudio de UNICEF basado en 50.000 consultas realizadas a distintos modelos de IA sobre estadísticas oficiales. Aunque cerca del 80% de las preguntas recibieron respuestas numéricas, apenas una cuarta parte de ellas resultó correcta. El problema, explicó, es que los errores suelen ser difíciles de detectar porque las respuestas aparentan ser consistentes y plausibles, aun cuando contengan información metodológicamente incorrecta o datos correspondientes a períodos distintos. 

En ese marco, identificó 4 desafíos centrales para las oficinas nacionales de estadística.

El primero es la pérdida de visibilidad institucional, ya que las plataformas de IA combinan datos oficiales y no oficiales sin diferenciar claramente las fuentes. El segundo desafío está relacionado con las denominadas "alucinaciones estadísticas", es decir, respuestas erróneas pero convincentes que pueden inducir a interpretaciones equivocadas. El tercero es la brecha de accesibilidad entre los sistemas de IA, que ofrecen respuestas simples e inmediatas, y las estadísticas oficiales, que muchas veces se presentan en formatos técnicos difíciles de interpretar para el público general. "Perdemos en comodidad frente a la IA, aunque ganemos en precisión. Y si el usuario elige comodidad, perdemos relevancia", sostuvo.

Por último, mencionó la tensión existente entre la demanda de inmediatez y los tiempos necesarios para garantizar procesos rigurosos de validación y control de calidad.

"Los procesos estadísticos rigurosos —validación, revisión, confidencialidad— requieren tiempo. Esta es una tensión estructural que no desaparece con voluntad. Requiere innovación en los procesos", apuntó.

El AI Readiness

Frente a este escenario, destacó el concepto de "AI-Readiness" impulsado por la Comisión de Estadística de las Naciones Unidas, orientado a garantizar que los usuarios reciban información correcta, actualizada, contextualizada y con una identificación clara de su origen.

Para lograrlo, propuso avanzar en estándares de interoperabilidad, mejorar la calidad de los metadatos, desarrollar sistemas más accesibles para los algoritmos y fortalecer la gobernanza de los datos públicos."AI-Readinessno es solo una cuestión técnica. Es una postura institucional. Abarca cinco dimensiones: 1) Interoperabilidad semántica: los datos deben hablar el mismo idioma que los algoritmos. Eso significa usar estándares comunes, definiciones claras, clasificaciones consistentes. 2) Calidad de datos y metadatos: Son lo que permite a una IA saber que el valor de la mortalidad infantil que está citando corresponde a 2022 y no a 2017. 3) Descubribilidad: los sistemas de IA tienen que poder encontrar los datos. Esto requiere arquitecturas de datos diseñadas para ser rastreables por los algoritmos. 4) Accesibilidad técnica: APIs abiertas, formatos estándar, como SDMX, interfaces que permitan que una IA consulte directamente la base de datos oficial en lugar de citar desde su memoria de entrenamiento. 5) Gobernanza activa: Las oficinas de estadística tienen que monitorear activamente cómo la IA usa sus datos. Y corregirla cuando se equivoca.

Asimismo, sostuvo que el papel de los estadísticos está cambiando. Ya no se limita a producir y difundir información, sino que también implica supervisar el uso que la inteligencia artificial hace de esos datos y preservar la confianza pública.

Entre los antecedentes internacionales mencionó experiencias desarrolladas por el Fondo Monetario Internacional y la Oficina de Estadísticas de Singapur, donde los sistemas de IA consultan directamente bases oficiales mediante interfaces especialmente diseñadas.

"Ambos siguen la misma regla de oro: la IA debe funcionar como unaherramienta de intermediación inteligente que busca datos desde una base confiable, no como un generador desde su memoria", destacó.

Lines afirmó que el desafío no pasa por determinar si las estadísticas oficiales sobrevivirán a la revolución tecnológica, sino por garantizar que ocupen un lugar relevante dentro del ecosistema informativo del siglo XXI.

Puntualizó que "la ONU propone una hoja de ruta estructurada en cuatro dimensiones: Semántica: adoptar ontologías estándar para que los datos sean comprendidos, no solo leídos, por los algoritmos. Entrega: migrar de PDFs y tablas estáticas a APIs abiertas con datos en tiempo real".

Además, "Visibilidad: optimizar metadatos y estructura para que los motores de búsqueda y los agentes de IA encuentren los datos correctos. Integración: participar activamente en los ecosistemas de IA, establecer acuerdos de licencia, contribuir a la adopciòn de estándares estadísticos para evaluar a los modelos. Estas no son reformas de largo plazo. Son urgentes", advirtió.