evidoria

← Volver al listado

Buena práctica Importada

MCP para datos abiertos federales de EE. UU. — Un piloto del U.S. Digital Corps eleva la precisión de la IA de casi cero al 95 %

Estados Unidos · Washington, D.C. · Ver el perfil de Estados Unidos · Ver el perfil de Washington, D.C.

Evidencia: Observacional / pre-post Top 7% 87/100 · Pregunte a Evidence Copilot sobre esta práctica

Un proyecto piloto federal encontró que ChatGPT, Gemini y Claude respondían preguntas sobre USASpending y CDC PLACES con una precisión cercana al 0 % y al 2,1 %, que subió al 95 % cuando las agencias expusieron los mismos conjuntos de datos abiertos mediante servidores Model Context Protocol.

0 % (near-zero)
Precisión en consultas a USASpending sin MCP
2,1 %
Precisión en consultas a CDC PLACES sin MCP
95 % (approx., both datasets)
Precisión en consultas con servidores MCP
MCP para datos abiertos federales de EE. UU. — Un piloto del U.S. Digital Corps eleva la precisión de la IA de casi cero al 95 %

Detalles

Madurez
Piloto
Promotor
U.S. Digital Corps (General Services Administration) with the Census Bureau and Government Publishing Office
Período
2025–2026
Palabras clave
federal statistics, open data, AI infrastructure, spending transparency

Contexto

Becarios del U.S. Digital Corps destinados en agencias federales, incluido uno en la Oficina del Subsecretario de Asuntos Económicos del Departamento de Comercio, llevaron a cabo un proyecto piloto para probar con qué precisión asistentes de IA de propósito general (ChatGPT, Gemini y Claude Sonnet 4) podían responder preguntas sobre dos conjuntos de datos federales abiertos, USASpending.gov y CDC PLACES.

Actividades

Los modelos se consultaron primero sin ningún conector especial, y luego se volvieron a probar utilizando servidores del Protocolo de Contexto de Modelo (MCP) que exponían los mismos conjuntos de datos directamente a las herramientas de IA.

Resultados

Consultados sin asistencia, los modelos respondieron correctamente a las preguntas de USASpending cerca del 0% de las veces y a las de CDC PLACES solo el 2,1% de las veces; con servidores MCP que exponían los mismos conjuntos de datos, la precisión subió a alrededor del 95% en ambos conjuntos de datos, y una consulta documentada sobre una estadística de salud del condado de Worcester, que antes fallaba, devolvió de inmediato la cifra correcta, con intervalos de confianza y datos de población incluidos.

Conclusiones

Tras el proyecto piloto, la Oficina del Censo y la Government Publishing Office publicaron cada una un servidor MCP público en GitHub, y CMS y el Departamento del Tesoro incluyeron implementaciones de MCP en sus inventarios de IA de 2025, aunque funcionarios como el director de innovación de la Oficina del Censo advirtieron que el acceso mediante MCP "no es la respuesta, es una de las muchas respuestas" y que la cobertura sigue siendo parcial.

Implementación
Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Corto (< 1 año)
Personal y competencias
U.S. Digital Corps fellows embedded in agencies (e.g., the Commerce Department), working with the Census Bureau and the Government Publishing Office.

Condiciones para el éxito

  • Publishing MCP servers as open source on GitHub so other agencies could adopt the same pattern.
  • Testing multiple AI models (ChatGPT, Gemini, Claude Sonnet 4) against the same datasets before and after exposing them via MCP.

Modos de fallo comunes

  • Agencies themselves describe coverage as partial rather than comprehensive.
  • No dedicated long-term funding line for federal MCP maintenance is documented.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles