Así se empiezan a ver los gobiernos AI-First
En Francia, Paperasse es el caso atípico: atacaron el papeleo burocrático mediante una plataforma impulsada por el sector público, el cual generalmente no tiene incentivos para ser más eficiente
Un desarrollador llamado Romain Simon tomó cuatro bases de datos públicas del gobierno francés, las convirtió en archivos de markdown y publicó el resultado1 como un conjunto de skills open-source que transforman a Claude Code en contador, auditor fiscal, notario y síndico de propiedad horizontal. El gobierno francés, en lugar de ignorarlo, lo destacó como un “reuse” recomendado en data.gouv.fr, su plataforma oficial de datos abiertos. El proyecto se llama Paperasse y es, en mi opinión, uno de los ejemplos más concretos que he visto de lo que significa construir infraestructura pública para la era de los agentes de IA.
Antes de seguir: un “reuse” en data.gouv.fr es la forma en que el gobierno francés reconoce proyectos que reutilizan sus datos para crear valor. Es algo más preciso que un sello de aprobación: un gobierno diciéndole a su ecosistema de desarrolladores que eso es exactamente para lo que publicó sus datos.
Cinco roles en un repositorio
Paperasse tiene cinco skills principales. La primera, comptable, le da al agente acceso a más de 800 cuentas del Plan Comptable Général (el estándar francés de contabilidad), automatiza el cierre anual en 12 pasos, genera archivos FEC (el formato de 18 columnas que la administración tributaria exige en auditorías) y precompleta los formularios 2065 y 2033 para la declaración de impuestos de sociedades. La segunda, controleur-fiscal, simula una inspección tributaria en ocho ejes de verificación. La tercera, commissaire-aux-comptes, ejecuta auditorías en siete fases siguiendo los estándares NEP, las normas profesionales de los auditores legales en Francia. Las otras dos cubren servicios notariales y administración de propiedad horizontal.
Todo corre sobre cuatro conjuntos de datos públicos: el PCG, la nomenclatura fiscal, el BOFiP2 (la base de doctrina tributaria de la autoridad fiscal francesa) y el Base Sirene3, el registro oficial de empresas con más de 30 millones de entidades activas. El código tiene licencia MIT y el repositorio está en GitHub4, disponible para cualquiera que quiera clonarlo esta tarde.
Los benchmarks internos muestran 89% de precisión cuando el agente opera con las skills activas, frente a 78% sin ellas. Once puntos porcentuales pueden sonar modestos hasta que recordás que estamos hablando de declaraciones tributarias y auditorías contables, donde un error puede derivar en sanciones que destruyen la tesorería de una empresa mediana en pocos meses.
El conocimiento es el contexto
El agente ahora tiene acceso estructurado a conocimiento especializado que antes solo existía en la cabeza de un contador con 15 años de experiencia o en los manuales internos de una firma de auditoría.
Los LLMs genéricos entienden de contabilidad francesa en el mismo sentido en que yo entiendo de mecánica de aviones: suficiente contexto para mantener una conversación coherente, pero no para operar en producción. Las skills de Paperasse no amplían el modelo, le dan al agente el mismo acceso granular a fuentes primarias que tiene un profesional senior que abre el BOFiP cuando tiene una duda específica de deducibilidad fiscal.
La arquitectura es elegante por su simplicidad: archivos de markdown con instrucciones estructuradas, scripts de Node.js para los cálculos determinísticos (depreciaciones, imputaciones fiscales, distribución de cargas) e integraciones con Qonto y Stripe para recuperar transacciones automáticamente, sin infraestructura propietaria ni APIs de pago. La dependencia central son los datos públicos del gobierno.
La síntesis
Cuando data.gouv.fr publica una base de datos, la mayoría de los gobiernos piensan en periodistas de datos, investigadores académicos o startups de govtech que van a construir tableros de análisis. Simon tomó esos mismos datos y construyó algo diferente: el sustrato de conocimiento que necesita un agente de IA para hacer trabajo profesional con precisión legal.
El PCG es el vocabulario que necesita un agente para registrar asientos correctos. El BOFiP es la base de conocimiento que permite responder “¿puedo deducir esto?” con precisión. El Base Sirene es el mecanismo de verificación que un agente necesita para confirmar que un número SIREN es válido antes de procesar una operación.
Publicar esos datos en formatos estructurados y reconocer públicamente los proyectos que los usan para automatización profesional es una posición de política pública, aunque nadie la haya anunciado con ese nombre.
Ese experimento se puede trasladar a Latinoamérica
El código fiscal francés tiene aproximadamente 2,000 artículos. El Estatuto Tributario colombiano, la Resolución Miscelánea del SAT mexicano y los regímenes tributarios de la SUNAT peruana tienen complejidades comparables: todos generan cientos de páginas de normativa vigente que solo profesionales especializados procesan con confianza. Toda esa complejidad existe en documentos públicos. Gran parte ya está digitalizada. Algún desarrollador va a construir el equivalente latinoamericano de Paperasse.
Datos.gob.mx, datos.gov.co y sus equivalentes regionales publican información, pero en su mayoría siguen priorizando transparencia sobre interoperabilidad para agentes. La diferencia entre los dos enfoques es concreta: transparencia significa que el dato existe y es accesible; interoperabilidad para agentes significa que el dato está estructurado de una forma que un sistema de recuperación puede procesar con precisión, sin ambigüedad semántica, en el contexto adecuado. Francia llegó a esa segunda etapa, o al menos tiene la infraestructura para que proyectos como Paperasse funcionen sin depender de fuentes privadas.
Sobre los contadores
Paperasse incluye un descargo explícito: estas skills son herramientas de soporte para preparación y análisis, no reemplazos de profesionales con licencia. Eso es correcto como posición legal y también como descripción de la realidad actual. Un agente que genera un borrador del formulario 2065 con 89% de precisión todavía necesita a alguien que revise el 11% restante y entienda las implicaciones de una decisión contable antes de firmarla.
La redistribución del trabajo es más interesante que el argumento sobre la eliminación de empleos. Un contador que opera con Paperasse puede atender más clientes porque el agente absorbe la parte mecánica del proceso: clasificar transacciones, generar asientos, calcular depreciaciones, verificar coherencia con el PCG. El trabajo que queda es el que requiere juicio, contexto del negocio y responsabilidad legal, cosas que un agente no puede asumir con la misma garantía que una persona con licencia profesional. Esta transformación no es distinta a la que vivieron los abogados cuando llegaron los procesadores de texto o a la que vivieron los médicos cuando llegaron los sistemas de historia clínica electrónica.
Cuando un gobierno publica sus datos como infraestructura y la comunidad construye skills especializadas encima, la competencia en servicios profesionales pasa a depender menos del acceso exclusivo a información y más del criterio para usarla bien. Francia lo está demostrando.
AI for Executives
El experimento francés con el sector contable es exitoso porque parte de criterio aguzado para abordar un problema. Eso es lo que hacemos con AI for Executives: cómo tomar decisiones sobre IA cuando el cambio ya llegó a tu industria y todavía no tenés un marco propio para evaluarlo. Así como hizo Paperasse con el papeleo burocrático, en AI for Executives evaluamos estrategia empresarial mediante IA implementada con gobernanza, mientras tomas decisiones bajo incertidumbre.