Una parte importante de la información que generan las administraciones se encuentra en documentos y otros contenidos no estructurados, lo que plantea nuevas oportunidades para identificar, organizar y reutilizar conocimiento público
Las administraciones públicas generan información de forma continua, pero no toda acaba convertida en un conjunto de datos publicado en un catálogo de datos abiertos. Expedientes, informes, actas, resoluciones o contenidos audiovisuales contienen información sobre la actividad administrativa que puede quedar fuera de los circuitos habituales de reutilización.
Esta diferencia entre la información que una administración genera y la que puede encontrarse como dato estructurado puede representarse como un iceberg: una parte es visible en bases de datos, estadísticas y catálogos, mientras que otra permanece en documentos y otros contenidos no estructurados. Según datos.gob.es, estos últimos pueden representar alrededor del 80 % de la información que maneja una organización.
Una parte de la información pública permanece fuera de los catálogos
Los catálogos de datos abiertos permiten localizar conjuntos de información estructurada y conocer aspectos como su contenido, formato o condiciones de reutilización. Sin embargo, buena parte del conocimiento generado durante la actividad de una administración se encuentra en otro tipo de soportes.
Un informe puede explicar las razones que justifican una decisión; un expediente puede reunir información procedente de distintas actuaciones; un acta puede recoger acuerdos y contexto que no aparecen en una base de datos. También existen documentos digitalizados, fotografías, vídeos y otros contenidos que forman parte de la actividad cotidiana de las administraciones.
Que esta información no aparezca como un dataset no significa que carezca de valor. El problema es que su estructura y formato pueden dificultar que se localice, se relacione con otras fuentes o se reutilice de manera sistemática.
Tampoco significa que toda esta información deba convertirse en datos abiertos. Un documento puede contener matices o contexto que perderían valor al transformarse en una tabla. La cuestión es identificar aquellos contenidos que, por su naturaleza o por la frecuencia con la que se generan, podrían beneficiarse de una estructura que facilite su reutilización.
Del documento al dato reutilizable
El gobierno del dato puede ayudar a identificar qué información merece la pena estructurar y cómo debe gestionarse. Para ello, es necesario conocer qué información existe, quién es responsable de ella, cómo se actualiza y qué relación mantiene con otras fuentes.
Los metadatos permiten describir y localizar los contenidos; la clasificación ayuda a organizarlos y establecer distintos niveles de acceso; los criterios de calidad permiten controlar que la información sea adecuada para su uso; y la interoperabilidad facilita su intercambio entre sistemas.
También es necesario analizar las condiciones para su apertura. Los documentos administrativos pueden contener datos personales, información sensible o contenidos sujetos a restricciones. En estos casos pueden ser necesarios procesos de selección, anonimización o tratamiento previo antes de plantear su publicación.
Por tanto, digitalizar un documento no equivale a convertirlo en un dato reutilizable. Entre ambos pasos existe un trabajo de organización y gobernanza que permite determinar qué información puede abrirse, en qué formato y bajo qué condiciones.
La inteligencia artificial amplía las posibilidades de reutilización
La inteligencia artificial está facilitando el tratamiento de grandes volúmenes de información no estructurada. Puede ayudar a extraer datos de documentos, identificar entidades, clasificar contenidos o relacionar información que anteriormente requería procesos manuales.
Esto abre nuevas posibilidades para aprovechar información que hasta ahora resultaba difícil de procesar a gran escala. Sin embargo, la capacidad de una IA para analizar documentos no elimina la necesidad de conocer su procedencia, contexto o vigencia.
Si una administración utiliza estas tecnologías para transformar información documental en datos, resulta especialmente importante mantener mecanismos que permitan comprobar de dónde procede la información y bajo qué criterios se ha procesado. La automatización puede acelerar el trabajo, pero la calidad del resultado sigue dependiendo de la información de partida y de cómo se haya gestionado.
Ampliar el alcance de los datos abiertos
Los catálogos de datos abiertos muestran una parte fundamental de la información pública disponible para su reutilización, pero no necesariamente toda la que podría tener valor para terceros.
Ampliar ese alcance no significa publicar indiscriminadamente los documentos que genera una administración. Supone identificar qué información puede ser útil para otros, decidir cuándo merece la pena estructurarla y establecer las garantías necesarias para facilitar su reutilización.
En este sentido, la apertura puede comenzar antes de que exista un dataset: en la capacidad de una administración para saber qué información genera, cómo está organizada y qué parte de ella puede convertirse en conocimiento reutilizable.