El análisis de leyes con IA en Nueva York: ¿eficiencia o riesgo de desregulación sin control?

Kathy Hochul, gobernadora de Nueva York, ha decidido poner la inteligencia artificial al servicio de la revisión de todo el entramado regulatorio del estado. La medida, anunciada en una entrevista con el podcast Odd Lots de Bloomberg, busca identificar y eliminar normas obsoletas que aún figuran en los códigos legales. Entre los ejemplos mencionados figuran una tarifa de 25 dólares para cazar con perro y un permiso especial requerido para que las personas embarazadas trabajen después de la medianoche. Hochul afirmó que sin esta tecnología, el proceso completo de revisión habría tomado unos cinco años de trabajo manual.

El dilema de la eficiencia

La iniciativa tiene un atractivo innegable: acelerar la limpieza de un sistema legal que arrastra décadas de sedimentación burocrática. En teoría, la IA puede procesar volúmenes masivos de texto, detectar contradicciones y señalar disposiciones que han perdido vigencia. Pero el problema no está en la capacidad de la máquina para identificar normas anticuadas, sino en el criterio con el que se decide qué debe desaparecer. Una revisión puramente algorítmica puede confundir lo obsoleto con lo incómodo, lo ineficiente con lo necesario. Una regla que parece absurda a primera vista puede ser el último vestigio de una protección laboral o ambiental cuidadosamente negociada.

La gobernadora presenta la automatización como una ganancia de tiempo que, en condiciones normales, requeriría un equipo humano dedicado durante años. Sin embargo, ese plazo dilatado no es un defecto del sistema: es el resultado de un proceso deliberativo que incluye consultas públicas, audiencias y análisis de impacto. Al comprimir ese ciclo, la IA corre el riesgo de convertir la desregulación en un acto administrativo sin contrapeso democrático. No se trata de oponerse a la tecnología, sino de preguntarse quién supervisa sus conclusiones y con qué transparencia se toman las decisiones finales.

La transparencia como límite

Para que una herramienta así sea legítima, el Estado neoyorquino debería publicar la metodología exacta del análisis, los criterios empleados para clasificar una norma como obsoleta y la lista de recomendaciones que la IA genere antes de que se tomen medidas concretas. Sin ese nivel de apertura, el proceso se convierte en una caja negra donde una máquina decide qué regulaciones sobreviven y cuáles desaparecen. En un contexto donde la confianza en las instituciones ya es frágil, delegar la revisión legal a un algoritmo sin escrutinio público puede agravar la percepción de que el gobierno actúa por atajos, no por consenso.

Además, está el riesgo de que la IA reproduzca sesgos presentes en los datos históricos. Si el conjunto de reglas revisadas incluye normas que fueron aprobadas en épocas de menor protección social o ambiental, el algoritmo podría etiquetar como “innecesarias” disposiciones que justamente corrigen desigualdades previas. La eficiencia no puede ser el único norte: debe ir acompañada de una evaluación de contexto que solo el juicio humano puede aportar.

El precedente que importa

Nueva York no es un caso aislado. Gobiernos locales y nacionales en todo el mundo están explorando el uso de IA para optimizar la gestión pública. Pero esta experiencia servirá como precedente para muchas otras jurisdicciones, incluidas las latinoamericanas, donde la maraña regulatoria suele ser aún más densa y la capacidad de supervisión, más limitada. Si la experiencia neoyorquina termina en una eliminación apresurada de protecciones sin el debido escrutinio, se habrá creado un modelo peligroso: usar la IA como coartada para una desregulación que no se atrevería a impulsarse mediante el debate legislativo tradicional.

La pregunta que queda sobre la mesa no es si la IA puede ayudar a modernizar el Estado, sino si los líderes políticos están dispuestos a acompañar esa modernización con los controles democráticos que la hacen aceptable. De lo contrario, el riesgo de desregulación sin control no será un efecto secundario, sino la consecuencia directa de sustituir el análisis humano por una promesa de eficiencia que, a la larga, puede costar más de lo que ahorra.