Contexto del proyecto

Conectar la IA a los datos públicos abiertos.

Los datos públicos abiertos son esenciales para la transparencia, la rendición de cuentas y la toma de decisiones informada. Sin embargo, extraer respuestas de los portales oficiales a menudo requiere navegar interfaces complejas, escribir consultas técnicas y dedicar bastante tiempo a interpretar archivos crudos.

Integrar la IA permite a los usuarios consultar los datos usando lenguaje natural, pero los modelos de IA estándar también introducen un riesgo importante: alucinaciones, cifras mal calculadas y errores de apariencia plausible que socavan la confianza en la información oficial.

Para resolver esto, los AI Learning Labs de la Open Knowledge Foundation construyeron un puente técnico abierto usando el Model Context Protocol (MCP). Probamos este enfoque sobre dos datasets públicos en vivo:

• Brasil: enmiendas parlamentarias (seguimiento de fondos públicos).
• Uruguay: Balance Energético Nacional (monitoreo de la transición energética).

Principios técnicos centrales

• Precisión y trazabilidad. Las respuestas deben basarse estrictamente en datasets oficiales, y cada respuesta debe enlazar a su fuente. El servidor hace cumplir esta regla en el código.
• Código simple antes que lenguajes a medida. Las herramientas se escriben como pequeñas funciones estándar de Python. Los datasets simples pueden declararse en YAML sin escribir código.
• Stack tecnológico simple y probado. Construido sobre tecnologías de código abierto, estándar y confiables (Python, CSV, SQLite, HTML/JS planos). El sistema completo puede correr localmente en una laptop sin infraestructura compleja.
• Propiedad local. Cada equipo mantiene su propio repositorio de plugin de forma independiente, en su idioma preferido y con su propio ritmo de releases.