DeepMind amplía PlanAssist a 12 consejos más de Inglaterra: revisión de solicitudes un 58 % más rápida

Quien haya esperado alguna vez un permiso para una ampliación o para reformar una buhardilla sabe lo despacio que gira esta rueda. El problema no es la complejidad: las solicitudes habituales son sencillas, pero hay muchísimas. Esa es la cola que Google DeepMind quiere aliviar con Gemini.

Qué ha pasado

DeepMind y el Gobierno del Reino Unido amplían PlanAssist, una herramienta de IA para los planificadores de las autoridades municipales. A los tres consejos piloto (Barnet, Camden y Dorset) se sumarán otros 12, hasta un total de 15. Después comenzará una beta de 12 meses con solicitudes reales y, si tiene éxito, en 2027 quieren abrir la herramienta a todos los consejos de Inglaterra.

La magnitud del problema se entiende por las cifras: las solicitudes habituales de propietarios ocupan hasta el 70 % de la carga de trabajo de los planificadores. Suelen aprobarse con facilidad, pero consumen un tiempo desproporcionado. Esto también afecta al objetivo del Gobierno de construir 1,5 millones de viviendas para 2029.

Cómo funciona

PlanAssist hace en cuatro pasos lo que antes hacía una persona a mano:

1. Comprueba que los documentos y planos estén completos: si se ha adjuntado todo para que la solicitud pueda avanzar.
2. Contrasta la solicitud con restricciones como la protección de árboles y monumentos, así como con la normativa local y nacional.
3. Revisa si se han recibido objeciones anteriormente, por ejemplo de los vecinos.
4. Prepara un informe con citas y enlaces a las fuentes, que el funcionario edita y solo después toma la decisión.

Imagine una solicitud para una ampliación trasera. Antes, el empleado abría los planos, buscaba los puntos pertinentes de la normativa, revisaba el mapa de restricciones y redactaba la conclusión. Ahora recibe un borrador listo y lo revisa, en lugar de elaborarlo desde cero.

Resultados del piloto

Desde junio, en los tres consejos, el tiempo de trabajo del funcionario en las tareas de evaluación bajó una media del 58 %. Más del 70 % de los informes generados (por ejemplo, sobre el cumplimiento de las normas locales o la integridad de la documentación) se aprobaron sin cambios. Las cifras son internas y proceden del piloto, sin verificación independiente, así que conviene tomarlas con cautela.

Limitaciones

Sigue siendo una etapa temprana. La beta apenas comienza y la muestra incluye tres consejos, por lo que la ampliación a zonas rurales y urbanas mostrará cuán sólido es el resultado. La publicación no dice nada sobre la tasa de errores entre ese 30 % de informes que se corrigieron, ni sobre cómo se mide el riesgo de pasar por alto una infracción. Un detalle importante: cada decisión la revisa un funcionario cualificado, es decir, la IA no decide por sí sola.

Conclusión práctica

Para desarrolladores y responsables de producto que trabajan con el sector público y procesos regulados, este es un buen modelo de arquitectura. Primero, la IA se encarga de la preparación, no de la decisión. Segundo, cada conclusión va acompañada de citas, de modo que a la persona le resulta rápido verificarla. Tercero, la métrica de éxito es medible y clara: tiempo por tarea y proporción de informes sin correcciones. Si está creando un asistente para cumplimiento normativo, abogados, seguros o solicitudes bancarias, adopte el mismo esquema: validación de documentos, contraste con las reglas, borrador con referencias y aprobación humana obligatoria.

También conviene observar cómo se comportará el proyecto con el flujo de solicitudes reales en 15 consejos. Si las cifras se sostienen, será uno de los casos públicos más convincentes de IA en los servicios públicos.