La Administración de Pequeñas Empresas (SBA) pasó más de un año con casi todo su trabajo de inteligencia artificial congelado, y aun así no había informado al público qué sistemas de IA utiliza, seis años después de que el Congreso exigiera por primera vez esa divulgación. No es una contradicción escondida en una nota al pie. Es el hallazgo principal de un nuevo informe de la Oficina de Responsabilidad Gubernamental (GAO), y si postulas a contratos federales o persigues una subvención SBIR o STTR, vale la pena dedicarle cinco minutos de atención.
Qué encontró realmente la GAO
El informe GAO-26-107828, "Artificial Intelligence: Uses and Risks for Small Business Contracting and Innovation Research", publicado el 4 de mayo de 2026, examinó cómo la SBA y la red de agencias federales que supervisa manejan la IA. Los hallazgos se dividen en dos líneas.
La pausa. En marzo de 2025, la SBA congeló prácticamente toda su actividad de IA para poder revisar el cumplimiento de las órdenes ejecutivas federales y reajustar sus prioridades. Según el trabajo de campo de la GAO de abril de 2026, esa congelación seguía en gran parte vigente, con una excepción: se permitió que siete proyectos piloto continuaran, probando seguridad, rendimiento y valor antes de que se reanude cualquier despliegue más amplio.
La brecha de transparencia. Por separado, la ley federal exige desde 2020 que las agencias informen públicamente sus casos de uso específicos de IA: qué hace el sistema, cómo se construyó, cómo se adquirió. La SBA no publicó su primer inventario de este tipo hasta marzo de 2026. La GAO atribuye el retraso de seis años a procesos internos de documentación débiles y a la rotación del personal responsable de esos informes. La recomendación de la GAO fue acotada y de carácter procedimental: establecer una política formal que realmente asigne quién es responsable de compilar y publicar ese inventario en adelante. La SBA estuvo de acuerdo. Según el informe, la GAO cataloga la recomendación como aún "abierta", lo que significa que todavía no ha verificado que la SBA la haya cumplido.
Detrás de ambos hallazgos, la GAO también convocó paneles de expertos para trazar dónde la IA podría ayudar de manera plausible. La lista es útil porque anticipa lo que vendrá una vez que se levante la pausa: investigación de mercado sobre qué pequeñas empresas son capaces de ejecutar un contrato determinado, revisión más rápida de propuestas, detección de fraude a lo largo del volumen de presentaciones que reciben las agencias, análisis de datos de los informes que las agencias presentan ante la SBA, y redacción de los informes anuales que la propia SBA debe producir. El otro lado de la moneda —los riesgos que la GAO señaló junto a esos usos— es lo que en realidad debería cambiar lo que haces esta semana: resultados inexactos, exposición de privacidad y seguridad de datos, resultados sesgados, y una fuerza laboral técnica federal que, según los panelistas, es demasiado escasa para verificar adecuadamente cualquiera de estos sistemas antes de su despliegue.
Si te alejas un nivel, la pausa de la SBA parece casi a contracorriente. El uso de IA generativa en las agencias federales en general ha crecido aproximadamente nueve veces desde 2023. La SBA presionó pausa mientras la mayor parte del resto del gobierno aceleraba, lo que significa que los sistemas que evalúan tus ofertas de contratos o solicitudes de subvención en otras agencias podrían estar apoyándose en IA hoy mismo, incluso mientras las propias herramientas de la SBA siguen guardadas en el estante.
Por qué esto importa si postulas a contratos federales
Dos de los casos de uso que la GAO señaló —investigación de mercado y prevención de fraude— te afectan antes de que envíes una sola palabra.
Si una agencia usa IA para identificar qué pequeñas empresas están calificadas para una oportunidad determinada, ese sistema es tan bueno como los datos de los que se alimenta. Tu registro en SAM.gov y tu perfil en la Búsqueda Dinámica de Pequeñas Empresas (DSBS) son el registro que el sistema lee. Un código NAICS desactualizado, una narrativa de capacidades obsoleta o una certificación que venció y nunca se renovó ya no solo se ven descuidados ante un oficial de contratación humano: pueden significar que un algoritmo nunca te muestre como una coincidencia en primer lugar. El propio informe de la GAO señala que la investigación de mercado construida sobre datos incompletos corre el riesgo de excluir a empresas capaces. En la práctica: revisa y actualiza tus listados de SAM.gov y DSBS al menos una vez al año, y cada vez que cambien tus certificaciones, tu desempeño anterior o tus capacidades principales, no solo cuando lo recuerdes por casualidad.
La segunda pieza tiene que ver con cómo respondes cuando algo parece no cuadrar. La selección asistida por IA, dondequiera que se despliegue, produce falsos positivos y falsos negativos como cualquier clasificador. Si una propuesta es rechazada o el resultado de una oferta parece inconsistente con tu desempeño anterior en trabajos similares, no asumas que el proceso fue puramente humano y por lo tanto libre de errores, ni asumas que una señal automatizada es correcta en cualquier sentido. Pregunta directamente al oficial de contratación si las herramientas de IA tuvieron algún papel en la evaluación, y solicita una explicación de los criterios utilizados. Es una pregunta razonable de hacer hoy, y será cada vez más relevante a medida que las herramientas pausadas de la SBA vuelvan a estar en línea.
Qué significa si persigues una adjudicación de SBIR o STTR
El momento coincide con un cambio estructural mayor: la Small Business Innovation and Economic Security Act de 2026, firmada el 13 de abril de 2026, reautorizó los programas SBIR y STTR hasta el 30 de septiembre de 2031, tras una interrupción de seis meses. Ahora se exige a las agencias rastrear los tipos de adjudicación con mayor precisión en los datos de contratación federal: marcando las adjudicaciones directas a Fase II, las adjudicaciones Strategic Breakthrough y los seguimientos de Fase III, y referenciando el número de contrato SBIR/STTR de origen cuando se registra un contrato de seguimiento. Son datos más estructurados que fluyen a través de los mismos sistemas a los que, según la GAO, eventualmente podría agregarse una capa de IA para análisis y prevención de fraude.
De esa combinación se derivan dos cosas.
Primero, del lado de la solicitud: si la selección de propuestas asistida por IA pasa a formar parte de cómo se clasifica tu presentación de Fase I o Fase II, trátala como tratarías cualquier primera revisión automatizada: asume que un humano todavía necesita ver el panorama completo, y no confíes en trucos de formato o en el relleno de palabras clave para engañar a un sistema que quizás ni siquiera esté desplegado todavía en tu agencia evaluadora. Escribe para el revisor técnico, no para el filtro.
Segundo, y de manera más concreta: el cumplimiento de SBIR/STTR ya se apoya en la documentación, independientemente de cualquier cosa relacionada con IA. Se exige a los beneficiarios mantener registros de control de horario contemporáneos que muestren cómo las horas de cada empleado se corresponden con la investigación financiada, mantener las facturas y acuerdos con subcontratistas coherentes con los términos de la adjudicación, y seguir las normas de contabilidad de costos bajo el FAR. Nada de eso es nuevo. Lo que sí es nuevo es la dirección hacia la que avanza todo: un ecosistema de agencias que cada vez es mejor para cruzar datos de adjudicaciones, que está agregando herramientas de detección de fraude a su hoja de ruta, y que rastrea los contratos de seguimiento hasta su número original de SBIR/STTR. Los registros limpios y consistentes dejan de ser solo una buena práctica de preparación para auditorías y pasan a ser lo que evita que tu expediente destaque por las razones equivocadas en un sistema construido para detectar anomalías.
Pasos prácticos para tomar ahora
- Actualiza SAM.gov y tu perfil DSBS al menos una vez al año, e inmediatamente después de cualquier cambio en certificaciones, códigos NAICS o desempeño anterior; trátalo como datos vivos que un algoritmo lee, no como un formulario que llenaste una vez.
- Mantén un libro contable o centro de costos separado por adjudicación. Los costos mezclados entre contratos son el hallazgo más común en las auditorías de adjudicaciones federales, con o sin asistencia de IA.
- Mantén hojas de horario contemporáneas para cualquiera que cargue tiempo a un contrato de reembolso de costos o de tiempo y materiales; los registros reconstruidos después de los hechos son una señal de alerta recurrente en las auditorías.
- Concilia las facturas de subcontratistas contra los términos de la adjudicación mensualmente, no la semana antes de que venza un informe. La consistencia a lo largo del tiempo se lee de manera muy distinta para un revisor —humano o automatizado— que un montón de facturas armadas retroactivamente.
- Pregunta directamente cada vez que el resultado de una oferta, propuesta o subvención parezca inconsistente con tu historial: ¿participó la IA en esta evaluación, y cuáles fueron los criterios?
Mantén tus registros de contratos federales listos para auditoría
Ya sea que la IA termine o no seleccionando tu próxima propuesta, la disciplina de fondo es la misma que el cumplimiento de adjudicaciones federales siempre ha exigido: registros completos, consistentes y fáciles de rastrear hasta la fuente. Beancount.io ofrece contabilidad en texto plano y con control de versiones, de modo que cada asiento —y cada cambio que se le haga— tenga un historial permanente y auditable en lugar de vivir en una caja negra. Comienza gratis y mantén tus libros tan defendibles como tus propuestas.