La administración Trump planea acelerar las regulaciones del DOT usando Google Gemini
La intersección entre la gobernanza y la inteligencia artificial generativa (generative artificial intelligence) ha alcanzado un nuevo hito decisivo. La administración Trump ha iniciado un plan para utilizar Google Gemini, un modelo de lenguaje grande (large language model) líder, para redactar regulaciones federales de transporte. Este desarrollo, confirmado por registros del Department of Transportation (DOT) y entrevistas internas, marca un cambio significativo en la forma en que se puede construir la política en EE. UU., priorizando una velocidad sin precedentes por encima de la deliberación burocrática tradicional.
Según los informes, la iniciativa pretende comprimir drásticamente el calendario para crear nuevas reglas de seguridad —que van desde normas de aviación hasta supervisión de oleoductos— de meses o años a apenas 30 días. La medida se alinea con una directiva administrativa más amplia para integrar Inteligencia Artificial en las operaciones federales, lo que genera tanto apoyo entusiasta por la eficiencia como serias preocupaciones en torno a la Seguridad en el Transporte.
El estándar de «suficientemente bueno»: compresión de plazos
El impulsor central de esta iniciativa es la velocidad. Durante una reunión estratégica, el Asesor Legal General del DOT, Gregory Zerzan, supuestamente enfatizó un alejamiento del perfeccionismo en favor de una producción rápida. “No necesitamos la regla perfecta... Queremos algo suficientemente bueno”, declaró Zerzan, añadiendo que la agencia pretende “inundar la zona” con nuevas regulaciones.
El flujo de trabajo propuesto prevé una transformación radical del ciclo de vida de la elaboración de normas. Convencionalmente, redactar un Notice of Proposed Rulemaking (NPRM) implica una revisión legal compleja, expertos en la materia y una redacción extensa. Bajo el nuevo plan, los abogados de la agencia utilizarían Google Gemini para generar borradores de regulaciones en minutos. Una presentación dirigida a más de 100 empleados del DOT afirmaba que el modelo de IA podría encargarse del "80% al 90%" de la carga de redacción, dejando al personal humano la tarea de corregir pruebas y finalizar el texto generado por la máquina.
El objetivo ambicioso es acelerar el proceso de modo que una regulación pueda pasar de un concepto inicial a un borrador completo listo para revisión por la Office of Information and Regulatory Affairs dentro de un solo mes. Los partidarios sostienen que esto eliminará los "puntos de estrangulamiento" humanos en la burocracia federal.
Seguridad vs. velocidad: el debate interno
Si bien la eficiencia es el objetivo principal, la dependencia de Elaboración automatizada de normas (Automated Rulemaking) para protocolos críticos de seguridad ha suscitado un debate interno significativo. Las regulaciones de transporte gobiernan áreas de alto riesgo, incluida la integridad estructural de las aeronaves, la operación segura de trenes de carga que transportan productos químicos tóxicos y el mantenimiento de gasoductos.
El personal ha expresado alarma por externalizar estas responsabilidades a modelos de IA conocidos por sus “alucinaciones”: errores en los que la IA genera con confianza hechos incorrectos o inexistentes. Durante la demostración de la herramienta, un presentador supuestamente minimizó las preocupaciones sobre la complejidad de los preámbulos regulatorios, caracterizándolos como "ensalada de palabras" que Google Gemini está bien equipado para replicar.
Mike Horton, el exdirector interino de IA del DOT, ofreció una crítica contundente de la estrategia. Comparó el enfoque con “hacer que un interno de secundaria” redacte la ley federal, advirtiendo que, aunque la administración quiere moverse rápido, hacerlo en el sector de la seguridad significa que “la gente resultará herida”.
El papel de Google Gemini en la política federal
La herramienta específica seleccionada para esta transformación es la versión del DOT de Google Gemini. En demostraciones, se mostró que el modelo generaba documentos semejantes a avisos oficiales de elaboración de normas simplemente ingresando palabras clave sobre el tema. Sin embargo, los observadores señalaron que los borradores generados por la IA parecían carecer del texto regulatorio específico requerido para el Code of Federal Regulations, destacando la brecha actual entre las capacidades del modelo y la precisión legal necesaria para una ley exigible.
Esta iniciativa no ocurre en el vacío. Refleja el impulso del Department of Government Efficiency (DOGE) y de Elon Musk para automatizar los flujos de trabajo federales. Presentaciones filtradas de DOGE han sugerido previamente usar IA para automatizar la redacción de documentos de presentación, con el objetivo de reducir la participación de la fuerza laboral federal en la redacción.
Justin Ubert, jefe de división en la Federal Transit Administration, sugirió un futuro en el que la intervención humana se reduzca aún más. Hablando en una cumbre reciente, predijo que los humanos acabarían volcando sus esfuerzos a un papel de supervisión, monitoreando “interacciones IA a IA” en lugar de redactar activamente contenido.
Análisis comparativo: elaboración de normas tradicional vs. asistida por IA
The following table outlines the projected operational shifts between current methods and the proposed AI-integrated workflow:
| Fase de elaboración de normas | Proceso tradicional dirigido por humanos | Proceso propuesto asistido por IA |
|---|---|---|
| Tiempo de redacción | Meses o años por regulación | Minutos a segundos mediante Gemini |
| Autor principal | Expertos en la materia y abogados | Google Gemini (LLM) |
| Rol humano | Redacción, análisis legal, revisión | Corrección de pruebas y supervisión del "producto de la máquina" |
| Estándar de calidad | Alta precisión, meta de "regla perfecta" | Enfoque en volumen, estándar de "suficientemente bueno" |
| Cronograma objetivo | Indefinido (según complejidad) | 30 días desde la idea hasta la revisión por OIRA |
Reacciones de expertos e implicaciones futuras
La integración de la Inteligencia Artificial en la redacción de leyes vinculantes desafía el requisito tradicional del derecho administrativo de que las normas federales se basen en una “toma de decisiones razonada”. Los expertos legales advierten que, si bien la IA puede generar textos con apariencia plausible, carece de la capacidad para involucrarse en el razonamiento real necesario para justificar decisiones políticas complejas.
Bridget Dooling, profesora en Ohio State University, advirtió contra confundir volumen de producción con calidad regulatoria. “El hecho de que estas herramientas puedan producir muchas palabras no significa que esas palabras sumen una decisión gubernamental de alta calidad”, señaló.
A medida que el DOT avanza con esta iniciativa de “punta de lanza”, el equilibrio entre aprovechar la IA generativa para la eficiencia administrativa y mantener los estándares rigurosos necesarios para la seguridad pública sigue siendo un área crítica de observación. El resultado de este experimento podría sentar un precedente sobre cómo el gobierno de EE. UU. adopta la tecnología para redactar las normas que rigen la vida cotidiana.
