Uno de los elementos más innovadores del taller fue su enfoque práctico, centrado en la aplicación de inteligencia artificial a los datos abiertos. Aquí es donde entró en juego el Model Context Protocol (MCP), un estándar abierto que permite conectar modelos de lenguaje (Large Language Model o LLM ) con fuentes de datos externas en tiempo real.
El problema de partida al que el taller tenía que dar respuesta es cómo los modelos de IA, por sí solos, no tienen acceso actualizado a la información ni a sistemas externos. Esto limita su utilidad en contextos reales. Una solución puede ser desarrollar un MCP que actúa como un “puente” entre el modelo y las fuentes de datos, permitiendo:
- Acceder a información actualizada.
- Ejecutar acciones sobre sistemas externos.
- Integrar múltiples fuentes de datos de forma segura.
En palabras sencillas, se trata de conectar el “cerebro” (el modelo de IA) con las “herramientas” (bases de datos, API, sistemas internos).
El ejercicio, que se desarrolló en directo en el Talent Arena comenzó con un ejemplo sencillo: crear una base de datos de preferencias de películas y desarrollar un MCP que permitiera consultarla mediante lenguaje natural.
A partir de ahí, se introdujeron conceptos clave:
- Identificación de la intención del modelo.
- Llamada a funciones específicas (function calling).
- Generación de respuestas en lenguaje natural a partir de datos estructurados.
Este enfoque permite abstraer la complejidad técnica y acercar el uso de datos a perfiles no especializados.
El siguiente paso fue aplicar este mismo enfoque al catálogo de datos.gob.es. A través de su API, es posible. En primer lugar, permite buscar los datasets por título y filtrar por temáticas; después a través de la API se puede obtener información detalla de un conjunto de datos y acceder a estadísticas del catálogo.
El MCP desarrollado en el taller actuaba como intermediario entre el modelo de IA y esta API, permitiendo realizar consultas complejas mediante lenguaje natural.
En este ejercicio se combinaba una base de datos local (SQLite) y el consumo de datos externos a través de una API, todo ello integrado mediante un servidor MCP que permitía exponer estas funcionalidades como herramientas accesibles. El objetivo era entender cómo estructurar datos, consultarlos y ponerlos a disposición de otros sistemas o modelos de IA de forma organizada.
El código completo está disponible como adjunto en este post en formato Python Notebook.
Este ejercicio es una muestra de las enormes oportunidades que tenemos ante nosotros. La combinación de datos abiertos e inteligencia artificial puede:
- Democratizar el acceso a la información.
- Acelerar la innovación.
- Mejorar la toma de decisiones en el sector público y privado.
En resumen, el taller “Datos Abiertos en España. De la teoría a la práctica con datos.gob.es” puso de manifiesto una idea fundamental: los datos, por sí solos, no generan valor. Es su uso, su interpretación y su combinación con otras tecnologías lo que permite transformarlos en conocimiento y en soluciones reales.
La evolución de los datos abiertos en España demuestra que se ha avanzado mucho en los últimos años. Sin embargo, el verdadero potencial está aún por explotar, especialmente en su integración con tecnologías como la inteligencia artificial. Eventos como Talent Arena 2026 sirven precisamente para eso: conectar ideas, compartir conocimiento y explorar nuevas formas de hacer las cosas.
Fuente original de la noticia
