IA para evaluar la publicidad activa: qué puede revisar y qué debe decidir el técnico

Un órgano de control que evalúa a cientos de entidades tiene que comprobar decenas de miles de enlaces en cada campaña. Ningún equipo puede abrirlos todos con el mismo cuidado, y ahí la inteligencia artificial resulta útil: puede visitar cada enlace, leer lo que hay y dejar al técnico un análisis hecho. Lo que no debe hacer es poner la nota.

Este artículo separa lo que la IA hace bien en la evaluación de la publicidad activa de lo que tiene que seguir decidiendo una persona, y explica cómo organizar la revisión para que el resultado aguante una alegación.

Lo que la IA hace bien

La evaluación de una obligación empieza con tareas mecánicas que consumen la mayor parte del tiempo del técnico:

Abrir la dirección que ha declarado la entidad, también cuando el portal es una aplicación web que no muestra nada hasta que se carga.
Entrar en las páginas índice y seguir los enlaces hasta el documento o la tabla que contiene la información.
Comprobar si hay una fecha de actualización y cuál es.
Ver en qué formato se publica: una tabla en la página, un fichero CSV, un PDF con texto o un PDF escaneado.
Contar cuántos clics separan la información de la portada.
Contrastar el contenido con lo que pide la obligación: si están todos los campos, si corresponde al periodo, si cita la norma.

Un modelo de lenguaje con acceso a la página hace todo esto en segundos y deja un veredicto por criterio con su justificación y las evidencias que ha encontrado: el fragmento de texto, la fecha, el formato. El técnico empieza con un análisis que puede comprobar.

La IA también ayuda después de la revisión. Puede redactar los comentarios para la entidad a partir de las frases tipo que ha aprobado el órgano, de modo que el mismo fallo reciba la misma explicación en todas las entidades. Y puede preparar un primer borrador del texto de cada informe: notas, comparación con el año anterior, obligaciones sin contenido o incompletas.

Lo que tiene que decidir el técnico

Hay decisiones que no se pueden delegar:

La nota: es el resultado de un procedimiento del órgano y alguien tiene que responder de ella.
Los casos que no encajan: si una obligación «no procede» para una entidad, si una información equivalente cumple o si un contenido parcial merece la escala intermedia o la baja son juicios que dependen del criterio del órgano y de su doctrina.
Las alegaciones: resolver lo que alega una entidad exige valorar argumentos, no solo comprobar enlaces.
El texto final del informe: el borrador ahorra horas, pero el informe lo firma el órgano.

Hay además un motivo jurídico. Si la IA pusiera la nota sin intervención humana, sería una actuación administrativa automatizada en el sentido del artículo 41 de la Ley 40/2015, de Régimen Jurídico del Sector Público, que exige establecer antes qué órgano define las especificaciones, la programación, el mantenimiento, la supervisión y el control de calidad del sistema, y a quién se le imputa el resultado. Con la IA como apoyo y el técnico decidiendo, la evaluación sigue siendo lo que era.

Cómo organizar la revisión

Una rúbrica por obligación

La IA evalúa bien cuando sabe exactamente qué buscar. Cada obligación necesita su rúbrica: qué contenido mínimo debe tener, qué cuenta como actualizado, qué formatos se consideran reutilizables. La escribe el órgano a partir de su metodología, se guarda y se puede revisar, y sirve para todas las entidades.

El análisis de la IA, en un sitio aparte

El veredicto de la IA no debe sobrescribir la valoración del técnico. Lo correcto es guardarlo en campos propios y que el resultado oficial no cambie hasta que el técnico lo revisa y lo confirma. Así siempre se sabe qué propuso la máquina y qué decidió la persona.

Las discrepancias, a la vista

Cuando el técnico valora una obligación de forma distinta a la IA, la diferencia debe quedar marcada. No cambia la nota, pero sirve para dos cosas: revisar con más cuidado los casos dudosos y detectar rúbricas mal escritas. Si en una obligación la IA y los técnicos discrepan una y otra vez, el problema suele estar en la rúbrica.

Trazabilidad

Cada análisis debe guardar qué modelo lo hizo, cuándo y con qué versión de la rúbrica. Y debe poder regenerarse o borrarse. Si una entidad pregunta cómo se llegó a una valoración, el órgano tiene que poder enseñarlo.

Dónde se ejecuta la IA

Las declaraciones de una campaña llevan datos de las entidades y, a menudo, datos personales: nombres de responsables, correos y teléfonos de contacto. Las consultas que las entidades mandan al órgano también. Pegarlos en un servicio de IA comercial supone enviarlos a un tercero, con las obligaciones que eso tiene en materia de protección de datos.

La alternativa es ejecutar los modelos en infraestructura propia, de forma que los datos de la campaña no salgan del entorno del órgano. Hoy hay modelos abiertos con calidad suficiente para este trabajo, que consiste en seguir una rúbrica y leer una página. Y cuando una tarea, como sugerir respuestas a consultas, sí trabaja con textos que pueden contener datos personales, conviene retirar nombres, correos y teléfonos antes de que el texto pase por el modelo.

Errores frecuentes

Pedir a la IA una nota global de la entidad: sin rúbrica por obligación, el resultado no se puede justificar ni comparar.
Usar un chat comercial con los datos de la campaña: resuelve un problema de tiempo y crea uno de protección de datos.
No guardar las evidencias: un veredicto sin el fragmento, la fecha o la captura que lo respalda no sirve en una alegación.
No medir la concordancia: saber en qué porcentaje coinciden la IA y los técnicos en cada obligación es la forma de saber si la rúbrica funciona.
Que la IA aprenda de cualquier cosa: si el sistema mejora con el uso, debe aprender solo de lo que un técnico ha validado y enviado.

Para seguir leyendo

Cómo se construye la nota y por qué fases pasa una evaluación lo explicamos en cómo se evalúa la transparencia de las entidades públicas. Y si quieres ver cómo funciona este modelo de revisión en un producto, tienes el detalle en revisión de la publicidad activa con IA local, dentro de nuestro Evaluador de transparencia.