Colombia acaba de mover una ficha interesante: no solo hablar de inteligencia artificial, sino poner a equipos a construir soluciones con datos públicos, repositorios y evaluación técnica. El concurso Datos al Ecosistema 2026, impulsado por MinTIC, deja una señal clara para empresas, universidades y entidades públicas: la IA útil necesita datos abiertos, documentación y problemas reales.
Resumen rápido
- MinTIC reportó 269 equipos inscritos en el concurso de datos abiertos e IA.
- 94 proyectos llegaron a evaluación: 15 en básico, 38 en intermedio y 41 en avanzado.
- Las propuestas debían usar datos públicos, repositorios en GitLab o GitHub y criterios de impacto social, económico o ambiental.
La noticia parece de nicho, pero tiene más fondo del que se ve a primera lectura. Durante meses, el Ministerio TIC organizó el concurso “Datos al Ecosistema 2026: Inteligencia Artificial para Colombia”, una iniciativa que reunió estudiantes, emprendedores, investigadores, servidores públicos y organizaciones alrededor de un reto concreto: usar información pública para crear soluciones con IA. Según MinTIC, los participantes recibieron formación en datos abiertos, calidad de datos, visualización, inteligencia artificial y metodologías ágiles.
Ese detalle importa porque una parte grande de la conversación sobre IA en Colombia se queda en comprar licencias, probar chatbots o hacer demos que suenan bien en presentaciones. Aquí el punto fue distinto: construir sobre datos públicos, explicar la arquitectura de las soluciones y dejar trazabilidad en repositorios. En otras palabras, pasar del entusiasmo a una práctica más verificable.
El balance preliminar muestra una depuración fuerte. De 269 equipos inscritos, 94 entregaron proyectos y avanzaron a evaluación. La distribución también habla de madurez: 15 quedaron en categoría básica, 38 en intermedia y 41 en avanzada. No es un detalle menor. Si el país quiere más adopción de IA, necesita rutas para que los equipos aprendan desde prototipos simples hasta soluciones con flujos de trabajo, análisis técnico e impacto medible.
El concurso pidió repositorios en GitLab o GitHub, acompañados de información complementaria para el comité evaluador. Esa exigencia debería volverse más común en proyectos públicos de tecnología. Cuando una solución queda documentada, otros equipos pueden revisarla, mejorarla, auditarla o reutilizar aprendizajes. Para el sector público, esto ayuda a evitar pilotos bonitos pero imposibles de mantener; para el ecosistema privado, abre una vitrina de talento con evidencia técnica.
También hay una lectura empresarial. Las compañías que hoy están intentando meter IA en procesos internos suelen encontrar el mismo cuello de botella: los datos están incompletos, dispersos o mal descritos. Un concurso como este entrena justo la musculatura que falta: entender una fuente de datos, limpiarla, conectarla con un caso de uso y explicar por qué el resultado podría escalar. Esa habilidad vale tanto para una alcaldía como para una pyme o una fintech.
La página oficial del concurso en Datos Abiertos Colombia confirma que el reto está publicado como una historia pública dentro del portal datos.gov.co, bajo la categoría de ciencia, tecnología e innovación. Eso ayuda a que la ciudadanía pueda seguir los resultados y no dependa únicamente de un anuncio de prensa. Es una buena práctica: si el insumo son datos públicos, el proceso también debería ser visible.
Lo que viene ahora será clave. MinTIC indicó que los resultados de finalistas ya fueron publicados y que el siguiente paso es la ceremonia en Bogotá para conocer los ganadores. Más allá de los premios, conviene mirar tres cosas: qué problemas escogieron los equipos, cuántas soluciones logran salir del prototipo y qué entidades o empresas se animan a pilotearlas en contexto real.
Si el ejercicio termina solo en una premiación, será una buena actividad de formación. Si logra conectar proyectos con compradores públicos, universidades, aceleradoras o empresas que tengan dolores concretos, puede volverse una fábrica pequeña pero valiosa de innovación aplicada. Ahí está la diferencia entre “hacer IA” y construir capacidades de país.