Quienes han trabajado en una administración aduanera conocen bien esta paradoja. Ni los volúmenes ni la calidad de los datos han sido tan buenos. Los sistemas nunca han estado tan conectados. Sin embargo, la brecha entre lo que los funcionarios saben y lo que necesitan saber sigue ampliándose, porque el mundo al otro lado de la frontera evoluciona más rápido que los sistemas diseñados para gestionarlo.

Las rutas comerciales cambian de un día para otro. Las sanciones y las modificaciones arancelarias entran en vigor sin previo aviso. Los esquemas de fraude evolucionan en cuanto las autoridades logran detectarlos. Mientras tanto, el volumen de declaraciones aduaneras continúa creciendo, al mismo tiempo que el tiempo disponible para analizarlas se reduce cada vez más.

No se trata de un problema tecnológico en el sentido tradicional del término. Para comprender dónde se encuentran hoy las administraciones aduaneras, y qué exige realmente el siguiente paso en su evolución, conviene observar cómo la tecnología ha transformado la gestión en fronteras durante las últimas tres décadas.

Tres generaciones claramente diferenciadas de capacidades tecnológicas emergieron. Cada una resolvió un problema que la generación anterior no podía superar. Pero, al mismo tiempo, cada una puso de manifiesto nuevas limitaciones que solo la siguiente generación sería capaz de resolver.

La primera gran transformación fue la digitalización.

Las declaraciones electrónicas sustituyeron los expedientes en papel. Las Ventanillas Únicas reemplazaron el complejo recorrido de sellos, ventanillas y trámites que durante décadas caracterizó el comercio transfronterizo. Los motores de gestión de riesgos sustituyeron las inspecciones manuales por muestreo. Y los Sistemas de Gestión Aduanera crearon, por primera vez, un entorno operativo único en el que podían integrarse la información de las declaraciones, el historial de los operadores económicos y el estado de los despachos aduaneros.

Los resultados fueron significativos y tangibles. Los tiempos de procesamiento disminuyeron. También se redujeron las pérdidas de ingresos derivadas de errores puramente administrativos, como documentos extraviados, plazos incumplidos o fallos de transcripción manual. Así se sentaron las bases de la administración aduanera moderna.

Sin embargo, los sistemas puramente digitales tienen una limitación fundamental: únicamente ejecutan instrucciones.

Se les indica que, si una puntuación de riesgo supera un determinado umbral, deben marcar una declaración. Que, si un código SA aparece en una lista de vigilancia, deben generar una alerta. Y eso es exactamente lo que hacen.

No piensan. No aprenden en tiempo real. Y, desde luego, no son capaces de identificar por sí solos un problema que nadie les había pedido buscar.

Cada nueva regla exige que un desarrollador traduzca una decisión de política pública en código informático. Cuando se modifica un arancel, alguien debe programar esa actualización. Cuando cambian las prioridades de control, incorporar esa nueva lógica al sistema puede llevar semanas, e incluso meses.

Ese desfase entre la decisión de política pública y su ejecución operativa es lo que muchos especialistas denominan hoy la brecha de implementación.

En un entorno regulatorio relativamente estable, esa brecha puede gestionarse. Pero el contexto actual ya no es estable. Las listas de sanciones cambian sin previo aviso. Los aranceles se modifican como consecuencia de decisiones políticas adoptadas a miles de kilómetros de la frontera. Los esquemas de fraude evolucionan de forma constante.

En esas condiciones, esa brecha deja de ser sostenible.

La segunda generación de tecnologías aduaneras dio un paso más allá.

Las herramientas asistidas por inteligencia artificial pueden procesar enormes volúmenes de datos, identificar anomalías y revelar información que un analista difícilmente detectaría al revisar decenas de miles de declaraciones. Los modelos de aprendizaje automático, entrenados con datos históricos de transacciones, son capaces de identificar valores declarados estadísticamente atípicos, detectar inconsistencias entre la descripción de las mercancías y sus patrones de precios, y generar indicadores de riesgo estructurados para apoyar el análisis de los funcionarios.

Estos sistemas siguen operando dentro de parámetros definidos por las personas. Sin embargo, lo hacen con un nivel de precisión, velocidad y escala imposible de alcanzar mediante procesos exclusivamente manuales.

La valoración aduanera ofrece un ejemplo muy claro.

Detectar una subvaloración exige que un funcionario compare los valores declarados con precios de referencia, evalúe la plausibilidad de la operación y adopte una decisión con implicaciones jurídicas y fiscales.

En un entorno aduanero donde se procesan miles de declaraciones cada día, realizar este análisis con el rigor necesario requiere herramientas de apoyo.

Las soluciones modernas de valoración y clasificación utilizan aprendizaje automático para comparar los valores declarados con datos históricos de transacciones y bases de datos internacionales de precios. De este modo, identifican desviaciones estadísticas y generan indicadores de riesgo estructurados para facilitar la labor de los funcionarios.

Dependiendo de la calidad de los datos disponibles, los motores de clasificación basados en aprendizaje automático pueden alcanzar niveles de automatización superiores al 95 %. Esto permite que los funcionarios concentren su tiempo y experiencia en los casos que realmente requieren análisis especializado, en lugar de revisar manualmente operaciones rutinarias que responden a patrones ya conocidos.

El monitoreo electrónico de declaraciones en tránsito constituye otro ejemplo.

El uso de tecnologías GPS y RFID para supervisar de manera continua los vehículos en tránsito, generando alertas automáticas cuando una carga abandona la ruta autorizada o realiza una parada no prevista, resulta considerablemente más eficaz que las escoltas físicas o las verificaciones manuales e intermitentes de los precintos.

Además, este tipo de solución se integra directamente con las declaraciones de tránsito. Así, el funcionario trabaja en un único entorno operativo donde convergen simultáneamente la declaración, la información de seguimiento electrónico y las alertas generadas por el sistema.

Los resultados de esta segunda generación ya son tangibles.

En Benín, un entorno integrado basado en inteligencia artificial conecta las operaciones aduaneras, la Ventanilla Única Nacional, el Port Community System (PCS), las soluciones de valoración y clasificación, y el seguimiento electrónico de mercancías a través de una interfaz unificada.

Esta implementación ha demostrado que la coordinación en tiempo real entre múltiples sistemas no solo es técnicamente posible, sino también operacionalmente viable.

Sin embargo, pese a todos estos avances, la segunda generación sigue enfrentándose a una limitación fundamental.

Las herramientas asistidas por IA mejoran el análisis y el direccionamiento del riesgo, pero no transforman la lógica operativa.

No pueden propagar automáticamente un cambio normativo a través de procesos interconectados.

No coordinan acciones entre distintos sistemas cuando aparece un nuevo patrón de riesgo.

La brecha de implementación se reduce, pero no desaparece.

Por muy sofisticado que sea, un motor de gestión de riesgos añadido a un Sistema de Gestión Aduanera sigue siendo un componente incorporado a una infraestructura concebida para otra época.

Aprende únicamente de los patrones que ya conoce.

Por ello, resulta menos eficaz frente a nuevas modalidades de fraude, cuyos comportamientos aún no han sido traducidos en reglas o modelos de detección.

Hoy estamos cruzando un nuevo umbral. Y la transformación que representa es más profunda que cualquiera de las anteriores.

Los sistemas de IA agéntica hacen algo cualitativamente distinto de lo que podían hacer sus predecesores.

No se limitan a ejecutar instrucciones.

Persiguen objetivos.

Correlacionan información procedente de múltiples fuentes de datos sin necesidad de que alguien les indique cómo hacerlo.

Adaptan continuamente su lógica operativa conforme aparecen nuevos patrones.

Y, sobre todo, son capaces de orquestar procesos completos entre distintos sistemas.

Pueden recuperar una declaración de tránsito, contrastarla con la información del seguimiento electrónico de la carga, compararla con referencias históricas de valoración aduanera y remitir automáticamente el expediente al funcionario competente junto con una recomendación estructurada.

Todo ello ocurre sin que una persona tenga que activar cada paso del proceso y a velocidad de máquina sobre miles de operaciones simultáneas.

En materia de gestión de riesgos, el cambio es igualmente profundo.

Los motores tradicionales de gestión de riesgos se calibran a partir de amenazas conocidas: el país de origen, el código SA, el valor declarado respecto de un valor de referencia o el historial de cumplimiento del operador económico.

Este enfoque funciona cuando se trata de modalidades de fraude ya identificadas.

Los sistemas de gestión de riesgos basados en IA agéntica operan de manera diferente.

En lugar de esperar a que un analista detecte un nuevo patrón de fraude para convertirlo posteriormente en una regla de negocio, un sistema que aprende de forma continua puede identificar anomalías en tiempo real. Detecta comportamientos que se apartan de las referencias habituales en múltiples dimensiones al mismo tiempo y los pone en conocimiento de los funcionarios antes de que se conviertan en un problema sistémico.

Para ello, analiza el historial de transacciones, los patrones de viajes, indicadores de comportamiento e información procedente de distintos organismos públicos, no como conjuntos de datos aislados, sino como señales que adquieren significado cuando se analizan de forma integrada.

Tanto la Organización Mundial de Aduanas (OMA) como el Fondo Monetario Internacional (FMI) han destacado una realidad que merece ser expresada con claridad: reducir la intervención humana innecesaria en las decisiones rutinarias también reduce la exposición a la corrupción.

La automatización protege la recaudación no solo porque mejora la detección del fraude, sino también porque disminuye las circunstancias que favorecen prácticas indebidas.

Es precisamente aquí donde la arquitectura tecnológica deja de ser un aspecto técnico para convertirse en una decisión estratégica.

La diferencia entre un sistema nativamente diseñado en torno a la inteligencia artificial y otro al que la IA se incorpora posteriormente no es una cuestión de terminología.

Es una diferencia que se percibe en operaciones cotidianas.

En un entorno donde la inteligencia artificial funciona como una capacidad añadida, el funcionario abre una declaración, consulta una herramienta independiente de evaluación de riesgos, revisa un módulo de valoración en otra plataforma y, finalmente, toma manualmente la decisión sobre el tratamiento que se le dará a esa operación.

La inteligencia existe. La coordinación, no.

Cada sistema dispone de una parte de la información.

Ninguno es capaz de integrarla con los demás sin que una persona actúe como intermediaria.

En cambio, en un entorno nativamente concebido para la IA, ese mismo funcionario recibe un expediente ya preparado.

La declaración, la información del seguimiento de la carga, la comparación con referencias de valoración, el historial de cumplimiento del operador económico y una recomendación estructurada aparecen integrados en un único expediente antes incluso de que el funcionario comience su análisis.

La diferencia no reside en la calidad de una herramienta concreta.

Reside en si todo el entorno operativo fue concebido desde el principio alrededor de la inteligencia o si esta se incorporó posteriormente sobre una infraestructura ya existente.

Los modelos de lenguaje de gran tamaño (LLM), integrados en todas las capas de la operación, hacen posible este cambio.

Los funcionarios de aduanas y los administradores del sistema pueden interactuar con la plataforma utilizando lenguaje natural.

Las modificaciones normativas pueden traducirse en procesos operativos mediante flujos de trabajo asistidos por agentes inteligentes, sin necesidad de reescribir manualmente el código.

El sistema aprende continuamente a partir de las operaciones reales y ajusta su comportamiento en consecuencia.

En este modelo, ya no existe un desarrollador situado entre una decisión de política pública y su aplicación operativa.

La brecha de implementación, que definió la principal limitación estructural de la primera generación y que la segunda solo consiguió reducir parcialmente, puede finalmente desaparecer.

Una administración aduanera no es simplemente un proceso tecnológico con intervención humana.

Es una función soberana del Estado.

Implica interpretar la legislación, ejercer facultades discrecionales de control, asumir responsabilidades institucionales y adoptar decisiones cuyas consecuencias afectan a operadores económicos, sectores productivos y a la recaudación nacional.

La autoridad del funcionario de aduanas no puede delegarse en un modelo de inteligencia artificial, por avanzado que este sea.

Los proyectos más maduros están dando lugar a un modelo que podría definirse como autonomía operativa delegada dentro de un marco de gobernanza claramente establecido.

El sistema se ocupa de las tareas mecánicas.  Procesa declaraciones rutinarias. Correlaciona información procedente de múltiples fuentes. Clasifica expedientes. Genera alertas. Verifica la coherencia documental. Prepara recomendaciones.

Pero cuando surge una situación ambigua, un cuestionamiento jurídico o un caso excepcional, el expediente se deriva automáticamente a un funcionario.

Los funcionarios no se vuelven prescindibles. Se vuelven más eficaces.

Dedican menos tiempo a tareas repetitivas y más tiempo a aquellas decisiones que realmente requieren criterio, experiencia y juicio profesional.

El sistema aporta inteligencia. La decisión sigue siendo humana.

Asimismo, está el tema de la explicabilidad, que no es una preocupación técnica secundaria sino una necesidad institucional. Las administraciones aduaneras no pueden operar entornos de cumplimiento utilizando sistemas con razonamientos vagos.

Un comerciante cuyo envío se retrasa debe ser capaz de entender por qué. Un oficial que escale un caso debe ser capaz de articular la base de la bandera. Una administración que defiende un ajuste de valoración debe ser capaz de demostrar la cadena analítica. La explicabilidad es un requisito previo para la legitimidad institucional y para la confianza del sector privado de la que depende, en última instancia, la facilitación del comercio.

Las administraciones que evalúan inversiones tecnológicas también deberían plantearse una pregunta que va más allá: ¿de quién es esa inteligencia?

Los patrones analíticos que un sistema desarrolla a partir de datos de transacciones en vivo representan un activo institucional de considerable valor estratégico, y ese activo debería pertenecer directamente a la administración, no al proveedor que construyó la plataforma.

La propiedad de los datos y la inteligencia derivada de ella no son extras negociables que se puedan intercambiar por un precio más bajo o un despliegue más rápido; son activos soberanos que deben permanecer total y exclusivamente en manos de la Aduana. Esta es una cuestión de gobernanza que merece ser resuelta antes de que se firmen los contratos, no después.

La brecha entre las administraciones que están invirtiendo en capacidades operativas adaptativas y aquellas que no lo están haciendo ya es una realidad. Y, con el paso del tiempo, esa diferencia no hará más que ampliarse.

Hoy, la mayoría de las administraciones aduaneras todavía se encuentran en la etapa de los asistentes conversacionales impulsados por IA y de las herramientas analíticas aisladas.

Sin embargo, las administraciones que están abordando esta transición con una visión verdaderamente estratégica ya no se preguntan si deben adoptar la inteligencia artificial.

Esa pregunta ha quedado atrás. Las cuestiones que hoy ocupan a sus responsables son otras.

¿Cómo construir marcos de gobernanza que permitan a los sistemas inteligentes operar dentro de límites institucionales definidos por las personas?

¿Cómo garantizar que la explicabilidad, la trazabilidad de las decisiones y los mecanismos de escalamiento formen parte de la arquitectura desde su diseño y no se incorporen posteriormente?

¿Cómo gestionar esta transición para que los funcionarios sean protagonistas del cambio y no víctimas de él?

Esas son las preguntas que definirán la próxima etapa de la modernización aduanera.

La evolución desde los sistemas puramente digitales hacia las herramientas potenciadas por inteligencia artificial y, posteriormente, hacia las arquitecturas basadas en IA agéntica no es simplemente la historia de una tecnología cada vez más poderosa.

Es la historia de cómo la distancia entre la intención de la política pública y su ejecución operativa se reduce progresivamente.

La primera generación automatizó los procesos.

La segunda hizo esos procesos más inteligentes.

La tercera los convierte en sistemas capaces de adaptarse de forma continua y de reducir, prácticamente en tiempo real, la distancia entre lo que una administración sabe y aquello sobre lo que necesita actuar.

Existe una comparación que resulta especialmente familiar para quienes han dedicado años al servicio aduanero.

Durante décadas, el funcionario situado en el punto de control representó, por sí solo, la capacidad del Estado para tomar decisiones en las fronteras.

Un buen funcionario, respaldado por su experiencia, su criterio y su conocimiento de los operadores económicos, podía obtener resultados extraordinarios incluso con recursos limitados.

La IA agéntica no sustituye esa experiencia. La amplifica. Proporciona la infraestructura necesaria para que ningún funcionario tenga que adoptar una decisión de alto impacto sin contar con la mejor inteligencia disponible en ese momento.

La frontera seguirá estando atendida por personas. Y seguirá siendo así.

Lo que está cambiando profundamente no es quién toma la decisión final, sino todo lo que ocurre antes de que un contenedor llegue al puesto de control y toda la inteligencia de la que dispone el funcionario cuando llegue el momento de decidir.