OpenAI y un laboratorio nacional de EE. UU. quieren agilizar la burocracia con IA

En Estados Unidos, la evaluación ambiental federal es un procedimiento que detestan por igual promotores, ecologistas y funcionarios. La ley NEPA (National Environmental Policy Act), aprobada en 1970, obliga a realizar una evaluación de impacto ambiental a gran escala antes de iniciar cualquier proyecto de infraestructura importante con participación federal. Preparar un solo expediente lleva de media entre cuatro y siete años. Ahora, OpenAI y el Pacific Northwest National Laboratory (PNNL), uno de los principales centros de investigación del Departamento de Energía, quieren comprobar si la inteligencia artificial es capaz de cortar este nudo gordiano.

Los socios han presentado DraftNEPABench, un benchmark especializado que mide con qué eficacia los agentes de IA que trabajan con código y texto preparan borradores de informes ambientales conforme a los estándares de NEPA. No se trata de un experimento académico abstracto. El benchmark se basa en datos reales de evaluaciones federales y simula tareas concretas a las que se enfrentan los analistas: recopilar y organizar datos ambientales, generar informes estructurados y cotejar los requisitos normativos. Los primeros resultados indican que los agentes de IA pueden reducir aproximadamente un 15% el tiempo de preparación de los borradores.

Un 15% puede parecer una cifra modesta, hasta que se recuerda la magnitud del problema. En Estados Unidos, el procedimiento NEPA se ha convertido en uno de los mayores obstáculos para modernizar la infraestructura. La construcción de nuevas líneas eléctricas, parques eólicos y solares, grandes vías de transporte y, algo especialmente relevante para el sector tecnológico, enormes centros de datos queda atascada en trámites burocráticos que se prolongan durante años. Según el Consejo de Calidad Ambiental de la Casa Blanca, una declaración de impacto ambiental (EIS) supera de media las 600 páginas. Algunos proyectos generan miles de páginas de documentación complementaria. Con estos volúmenes, incluso una aceleración del 15% supone meses de tiempo y millones de dólares ahorrados.

OpenAI no ha elegido a su socio por casualidad. PNNL es un laboratorio con más de 60 años de historia, especializado en energía, medio ambiente y seguridad nacional. Cuenta con una experiencia única en regulación ambiental y con acceso a conjuntos de datos federales que una empresa privada sencillamente no podría obtener por su cuenta.

Para OpenAI, el proyecto es una jugada estratégica en varios frentes. Primero, la compañía demuestra que su tecnología tiene aplicaciones mucho más allá de los chatbots y la generación de imágenes. Segundo, estrecha lazos con el Gobierno federal en un momento en que la Administración busca activamente formas de acelerar la construcción de infraestructuras.

Tercero, y quizá lo más llamativo, OpenAI resuelve de forma indirecta un problema propio: necesita desesperadamente nuevos centros de datos y capacidad energética, y su construcción se ve frenada por la misma burocracia que ahora ayuda a optimizar.

El formato del benchmark merece atención aparte. DraftNEPABench evalúa específicamente agentes de IA, y no simples modelos de lenguaje: sistemas autónomos capaces de ejecutar tareas de varios pasos, como localizar datos relevantes, analizar el marco normativo, generar texto estructurado y comprobar que cumple los requisitos. Esto refleja una tendencia general de la industria en 2026: el paso de modelos conversacionales a modelos ejecutores que asumen procesos de trabajo reales. En la práctica, el benchmark fija un estándar para evaluar la IA en la gestión documental de la Administración, un ámbito que hasta ahora apenas contaba con herramientas de medición objetivas.

Los críticos, eso sí, ya plantean preguntas lógicas. Las organizaciones ecologistas temen que automatizar la evaluación pueda rebajar su calidad: NEPA no existe para generar papeleo, sino para proteger el medio ambiente y los derechos de las comunidades locales. Acelerar el proceso no debería significar simplificarlo. También hay matices jurídicos: ¿quién responde de los errores en una documentación elaborada con ayuda de IA? ¿Cómo garantizar la transparencia y el control ciudadano si buena parte del trabajo analítico lo realiza un algoritmo?

Aun así, la dirección está marcada y parece irreversible. Si DraftNEPABench confirma su eficacia en un conjunto más amplio de tareas, herramientas similares se extenderán inevitablemente más allá de la evaluación ambiental: licencias de obra, concesión de permisos, auditorías fiscales y decenas de otros trámites burocráticos. Para Rusia, donde la aprobación de grandes proyectos a veces tarda tanto como en EE.

UU., el caso tiene un interés especial. No como solución lista para usar, porque los marcos normativos difieren demasiado, sino como prueba de que es posible en principio: la inteligencia artificial puede ocuparse de tareas creativas y también de la parte más rutinaria y regulada de la maquinaria estatal.

Y es precisamente ahí donde su impacto podría resultar más tangible.