Dakota del Sur lleva el programa de financiación para la fuerza laboral de IA a la revisión de adjudicaciones

Google News difundió la advertencia de SDPB sobre el plazo mientras las empresas de Dakota del Sur se acercaban al límite del 7 de agosto para proyectos de capacitación y adopción de IA con apoyo estatal.

Esa fecha ya ha pasado. La historia ya no trata simplemente de presentar una solicitud antes de que se agote el tiempo. El foco se ha desplazado a qué propuestas reciben apoyo, cómo utilizan los empleadores la financiación y si el programa genera mejoras medibles en el lugar de trabajo.

El Departamento de Trabajo y Regulación de Dakota del Sur ofreció tres modalidades de asistencia. Cubrían el diagnóstico empresarial, la capacitación práctica para la implementación y la concienciación básica sobre IA. El programa combinó apoyo público con la participación de los empleadores, en lugar de subvencionar compras de software sin restricciones.

Ese diseño genera la tensión central. Dakota del Sur está animando a las empresas a adoptar IA, pero vincula la ayuda a una planificación estructurada y al desarrollo de la fuerza laboral. Los empleadores deben convertir el interés general por la IA en procesos concretos, planes de capacitación y resultados esperados.

La próxima fecha importante es el 25 de agosto, cuando está previsto que se reúna el Consejo de Desarrollo de la Fuerza Laboral de Dakota del Sur. La orientación local para empresas indica que el consejo revisará entonces las solicitudes, y que se esperan decisiones de adjudicación antes del 1 de septiembre.

Por tanto, el titular original sobre el plazo necesita una actualización. Google News ayudó a distribuir una alerta local oportuna, pero quien la encuentre después del 7 de agosto necesita una respuesta distinta: el periodo de solicitud ha cerrado y ha comenzado la fase de evaluación.

El plazo de Google News ya ha vencido

Dakota del Sur ha pasado de captar solicitantes a decidir qué propuestas de IA para la fuerza laboral merecen apoyo.

El Departamento de Trabajo y Regulación informó a las empresas de que las solicitudes electrónicas debían presentarse antes del viernes 7 de agosto. Su edición de junio de Employer Connection describía asistencia competitiva para empleadores que buscan adoptar IA y mejorar las competencias de su fuerza laboral.

El plazo importa porque no se trataba de un beneficio abierto. Las empresas tenían que presentar su solicitud antes de que el estado revisara sus propuestas. No cumplir la fecha suponía perder el acceso a esta ronda de solicitudes, salvo que el departamento anunciara una prórroga u otro ciclo de financiación.

Ningún aviso estatal verificado disponible hasta el 12 de agosto indica que el plazo se haya ampliado. Los empleadores no deberían interpretar un resultado antiguo de Google News ni la palabra “approaching” en el titular de SDPB como prueba de que las solicitudes siguen abiertas.

La distinción es especialmente importante para los lectores que llegan desde buscadores. Los titulares agregados pueden seguir siendo visibles después de que cambie su utilidad práctica. Google News mantiene el acceso a los reportajes, pero no reescribe el titular original cuando vence un plazo.

El informe original sigue documentando un avance importante. Dakota del Sur creó una vía estructurada para empresas que quieren que sus empleados comprendan y apliquen la IA. Sin embargo, su llamada inmediata a la acción venció cinco días antes de la fecha de publicación de este artículo.

El programa ofrecía tres categorías de asistencia. Cada una abordaba un punto distinto del proceso de adopción.

El diagnóstico empresarial de inteligencia artificial se dirigía a empleadores que aún no habían identificado el caso de uso adecuado. El estado ofrecía una aportación compartida de uno a uno de hasta $5,000 para orientación experta sobre oportunidades potencialmente valiosas.

La implementación de capacitación en inteligencia artificial se dirigía a empleadores que ya entendían el uso previsto. Ofrecía una aportación compartida de uno a uno de hasta $20,000 para implementar herramientas y proporcionar capacitación práctica a los empleados.

La concienciación sobre inteligencia artificial se centraba en la formación básica. El estado ofrecía $1,000 por empleado por el tiempo dedicado a completar capacitación básica gratuita, con una adjudicación máxima de $10,000.

Esas categorías podían sumar hasta $35,000 si una propuesta elegible utilizaba con éxito el máximo apoyo disponible en cada una. Sin embargo, el estado describió el proceso como competitivo, por lo que ningún empleador tenía garantizada una adjudicación.

Esta diferencia separa al programa de un simple reembolso. Un empleador no podía comprar una herramienta, presentar un recibo y asumir que recibiría el reembolso. Primero, los solicitantes debían describir lo que planeaban hacer y esperar la decisión del estado.

La orientación local publicada después de un seminario web sobre fuerza laboral del 9 de julio añadió otro detalle operativo. Los solicitantes aprobados formalizarían un acuerdo con el departamento antes de comenzar el trabajo financiado.

Esa secuencia protege a ambas partes. El estado puede revisar el uso previsto de los fondos públicos, mientras que las empresas conocen el alcance aprobado antes de comprometerse con un proyecto.

También significa que los solicitantes deben evitar comenzar el trabajo basándose únicamente en expectativas. Los costes incurridos fuera de un acuerdo aprobado podrían no ser elegibles, según las condiciones finales. Los solicitantes necesitan instrucciones por escrito del departamento, no suposiciones basadas en un titular o en el resumen de un proveedor.

Para las empresas que no cumplieron el plazo, la tarea inmediata es documentar. Deben conservar el caso de uso, la necesidad de fuerza laboral, la capacitación propuesta, los resultados esperados y la información de proveedores que reunieron. Ese material puede respaldar una futura ronda u otro programa de fuerza laboral.

También deberían contactar directamente con el Departamento de Trabajo y Regulación para consultar sobre futuras oportunidades. Una consulta no es una solicitud tardía, pero puede dejar constancia del interés y ayudar a un empleador a entender si se prevé otro periodo de solicitud.

La historia del plazo ha terminado. La historia del programa no.

Dakota del Sur financia una secuencia, no solo una herramienta de IA

Las tres categorías del programa consideran la adopción exitosa de IA como una progresión desde el diagnóstico hasta la capacitación y la preparación de la fuerza laboral.

La primera categoría reconoce un problema común. Muchos empleadores sienten presión para adoptar IA sin saber qué proceso merece atención. Comprar un asistente de uso general no responde esa pregunta.

El diagnóstico empresarial puede ayudar a una organización a examinar sus flujos de trabajo antes de seleccionar tecnología. Un fabricante podría estudiar la documentación de calidad, mientras que una empresa de servicios profesionales podría analizar la investigación, la programación o los informes internos.

El objetivo no es automatizarlo todo. Es identificar una tarea acotada en la que la IA pueda mejorar la velocidad o la consistencia sin crear riesgos inaceptables de privacidad, precisión o cumplimiento normativo.

Esta etapa de planificación importa porque la IA generativa produce resultados basados en patrones de datos, no en hechos garantizados. Los empleados aún necesitan reglas para la verificación, la información sensible y la aprobación humana.

La segunda categoría pasa de la planificación a la implementación. La capacitación práctica puede conectar una herramienta seleccionada con los documentos reales, las responsabilidades y los procedimientos de revisión del empleador.

Las demostraciones genéricas suelen mostrar lo que un modelo puede producir en condiciones ideales. La capacitación en el lugar de trabajo debe abordar qué pueden introducir los empleados de forma segura, qué resultados requieren comprobación y quién sigue siendo responsable.

Pensemos en un equipo administrativo que quiere usar IA para resumir notas de reuniones. La capacitación debe cubrir el consentimiento para grabar, las conversaciones confidenciales, la verificación de resúmenes, las políticas de conservación y el destino de las tareas aprobadas.

Un equipo de ventas presenta un perfil de riesgo distinto. Los empleados podrían utilizar IA para organizar información de cuentas o redactar seguimientos, pero los datos de clientes no deberían trasladarse a un servicio no aprobado.

Los ingenieros podrían usar un asistente para explicar código o redactar pruebas. Su capacitación aún debe abordar las licencias, la revisión de seguridad, el acceso al repositorio y la posibilidad de resultados plausibles pero incorrectos.

Son cuestiones operativas, no debates abstractos sobre si la IA es útil. La categoría de implementación del programa impulsa a los empleadores a definir cómo utilizarán las personas la tecnología durante el trabajo real.

La tercera categoría aborda la concienciación. La formación básica puede proporcionar a los empleados un vocabulario compartido antes de que una organización introduzca procedimientos detallados.

Esa base importa porque la adopción se vuelve desigual cuando solo unos pocos empleados entusiastas entienden las herramientas. Algunos trabajadores pueden utilizar servicios no autorizados, mientras que otros evitan herramientas aprobadas porque malinterpretan su propósito.

La capacitación de concienciación puede explicar la diferencia entre la automatización tradicional y la IA generativa. También puede establecer que el texto, las imágenes o los análisis generados requieren revisión.

Por tanto, el modelo de Dakota del Sur sitúa el comportamiento de la fuerza laboral junto a la capacidad técnica. El estado no está tratando el acceso al software como el resultado final.

Esta es una decisión de política modesta pero útil. Los empleadores con frecuencia miden la adopción por las licencias distribuidas o las cuentas activadas. Esas cifras dicen poco sobre si una herramienta mejora el trabajo.

Un plan de implementación más sólido conecta la tecnología con un problema definido, empleados capacitados, salvaguardas claras y un resultado observable. Ese resultado podría implicar tiempo de respuesta, tasas de error, capacidad de servicio u horas de empleados redirigidas a trabajo de mayor valor.

Los equipos que llevan a cabo estos proyectos también necesitan una forma fiable de conservar decisiones y pruebas. Una base de conocimientos de IA con capacidad de búsqueda puede ayudar a los trabajadores a encontrar orientación aprobada, análisis previos y material de origen sin depender de la memoria.

Eso no elimina la necesidad de gobernanza. Ofrece a las organizaciones un lugar para conservar el contexto detrás de una decisión asistida por IA.

La estructura del programa también limita un patrón de fracaso conocido. Los empleadores pueden gastar mucho en software antes de comprobar si los empleados tienen un caso de uso adecuado. La financiación para el diagnóstico les anima a invertir ese orden.

No todos los solicitantes necesitan las tres categorías. Una empresa con un plan maduro podría centrarse en la implementación, mientras que un empleador más pequeño podría comenzar con concienciación y diagnóstico.

El punto más importante es que las categorías forman un recorrido coherente. Plantean dónde encaja la IA, cómo la utilizarán los empleados y qué conocimientos necesitan antes de su despliegue.

La financiación pública se enfrenta a la realidad de la adopción de IA en el trabajo

La principal disputa se da entre la adopción rápida de IA y el trabajo más lento necesario para que esa adopción sea útil, segura y medible.

Los empleadores afrontan una presión persistente del marketing para desplegar IA rápidamente. Los modelos y asistentes para el lugar de trabajo llegan más rápido de lo que muchas organizaciones pueden actualizar políticas, capacitar al personal o evaluar resultados.

La financiación pública puede reducir el coste de la experimentación. No puede eliminar el trabajo organizativo que exige una implementación exitosa.

La aportación compartida de uno a uno de Dakota del Sur en las categorías de diagnóstico e implementación hace que los empleadores participen financieramente. Ese requisito da a los solicitantes un motivo para seleccionar proyectos que creen que pueden generar valor.

También crea una barrera. Las empresas más pequeñas pueden tener dificultades para aportar recursos de contrapartida, dedicar tiempo de los empleados o comparar proveedores mientras mantienen sus operaciones normales.

La categoría de concienciación aborda parte de ese problema al compensar a los empleadores por el tiempo de capacitación de los empleados. Sin embargo, la educación básica por sí sola no proporciona un flujo de trabajo listo para producción.

Un trabajador puede entender qué hace la IA generativa y aun así carecer de una herramienta aprobada, de acceso adecuado a los datos o de un proceso definido por su responsable. La concienciación es un punto de partida.

Esta brecha entre la familiaridad y el uso eficaz es donde se estancan muchos proyectos en el lugar de trabajo. Los empleados asisten a una sesión, prueban un chatbot y vuelven a los procesos existentes porque nadie cambió el sistema que los rodea.

La implementación exige responsabilidad. Alguien debe definir el problema, seleccionar los datos, aprobar la herramienta, redactar las reglas operativas, evaluar la calidad de los resultados y responder cuando el sistema falla.

El proceso de solicitud del estado parece diseñado para que los empleadores expongan al menos parte de ese plan. La revisión competitiva brinda la oportunidad de favorecer propuestas con necesidades más claras y una ejecución más creíble.

Sin embargo, el estado no ha publicado el volumen de solicitudes, el fondo total disponible, la distribución de las adjudicaciones ni los resultados de la evaluación. Sin esas cifras, los lectores no pueden evaluar la demanda ni determinar cuán selectivo será el programa.

Esta incertidumbre importa. Un premio máximo teórico no indica cuánto recibirá un empleador típico. Tampoco revela si la mayoría de las solicitudes se centraron en exploración, implementación o sensibilización.

La reunión del consejo del 25 de agosto es el próximo punto de control formal. El Consejo de Desarrollo de la Fuerza Laboral supervisa los programas de capacitación laboral financiados mediante la Ley federal de Innovación y Oportunidades para la Fuerza Laboral.

Su listado público de reuniones confirma una sesión en Pierre en esa fecha. Aún no proporciona resultados de las solicitudes para la iniciativa de financiación de IA.

La orientación local para empresas señala que el consejo revisará y actuará sobre las solicitudes durante la reunión. La misma orientación sitúa las notificaciones de adjudicación para el 1 de septiembre.

Estas fechas generan un breve período de evaluación. Los revisores deben comparar propuestas de empresas que pueden diferir considerablemente en tamaño, sector, experiencia técnica y necesidades de fuerza laboral.

Un proyecto de exploración en una empresa rural no puede evaluarse exactamente igual que un proyecto de implementación en un empleador más grande. Los resultados esperados y los riesgos son distintos.

Las propuestas más sólidas deberían dejar explícitas esas diferencias. Un flujo de trabajo definido de forma acotada, con un plan de capacitación creíble, es más fácil de evaluar que una promesa general de “usar IA”.

Los revisores también deberían distinguir entre apoyo a la productividad y desplazamiento de la fuerza laboral. Una propuesta que ayuda a los empleados a encontrar información o a reducir la documentación repetitiva tiene consecuencias diferentes de otra diseñada principalmente para eliminar puestos.

Esa distinción no hace que la ampliación de capacidades sea automáticamente segura. Un flujo de trabajo asistido por IA aún puede generar vigilancia, intensificación de la carga laboral o presión para aceptar resultados poco fiables.

La propia política de IA generativa del estado identifica la seguridad, la privacidad, la precisión, la propiedad intelectual, la cultura laboral y la confianza pública como riesgos relevantes para el uso gubernamental.

Las empresas afrontan preocupaciones comparables. Las obligaciones exactas varían según el sector, el tipo de datos, el contrato y la legislación aplicable, pero la capacitación no debería presentar la adopción de IA como una actualización de software sin riesgos.

Aquí es donde el programa enfrenta su prueba más difícil. La financiación puede iniciar proyectos, pero los buenos resultados dependen de las decisiones tomadas después de la adjudicación.

Lo que las cifras de financiación no muestran

Los límites de adjudicación publicados describen el apoyo disponible, pero no establecen la demanda, la eficacia ni la adopción a largo plazo.

Las cifras públicas son claras. Los proyectos de exploración pueden recibir apoyo equivalente de hasta $5,000. Los proyectos de implementación pueden recibir apoyo equivalente de hasta $20,000. La asistencia para sensibilización puede alcanzar los $10,000.

Siguen siendo desconocidas varias cifras esenciales. El estado no ha informado públicamente cuántas empresas solicitaron apoyo, cuánto financiamiento pidieron los solicitantes ni cuántas adjudicaciones espera realizar.

Tampoco ha publicado un desglose por sector. Los lectores aún no saben si la demanda provino principalmente de la agricultura, la manufactura, la atención sanitaria, los servicios financieros, el comercio minorista o las empresas profesionales.

La distribución geográfica es otra cuestión abierta. Una iniciativa estatal debería revelar si los empleadores rurales pueden acceder a capacitación y consultoría cualificadas junto con las empresas de comunidades más grandes.

El acceso a proveedores podría influir en esa distribución. La Cámara de Comercio del Área de Mitchell informó que no había una lista pública oficial de proveedores disponible, aunque el departamento podía ofrecer orientación internamente.

Ese acuerdo puede ofrecer flexibilidad, pero también puede dificultar la comparación para quienes compran por primera vez. Los empleadores necesitan una forma de evaluar a los capacitadores sin depender de afirmaciones de ventas.

Una propuesta útil debería especificar la experiencia del capacitador, las herramientas involucradas, el tratamiento de los datos de la empresa y el método para medir el aprendizaje de los empleados.

También debería definir qué ocurre después de que termina la capacitación formal. Los empleados necesitarán orientación actualizada a medida que cambien los modelos, las funciones y las políticas de los proveedores.

La estructura de reembolso del programa introduce otra cuestión práctica. La orientación local describe las adjudicaciones como reembolsos, no como efectivo inmediato.

Eso puede afectar la participación. Un pequeño empleador puede cumplir los requisitos en principio, pero carecer del flujo de caja o de la capacidad administrativa para pagar gastos elegibles antes del reembolso.

Los solicitantes deben leer detenidamente sus acuerdos finales. Deberían confirmar los costos elegibles, los requisitos de documentación, las fechas del proyecto, las obligaciones de presentación de informes y las condiciones de pago.

No deberían basarse en el resumen de un consultor cuando el acuerdo estatal es el que prevalece. La asistencia de terceros puede ayudar a preparar una solicitud, pero no garantiza la aprobación ni el reembolso.

Otro aspecto desconocido es la medición de resultados. Los datos básicos de finalización pueden mostrar cuántos empleados recibieron capacitación. No pueden demostrar si cambiaron su trabajo o produjeron mejores resultados.

El estado podría pedir a los beneficiarios que informen sobre varias capas de evidencia. Estas podrían incluir asistencia, habilidades demostradas, uso del flujo de trabajo, tiempo ahorrado, tasas de error, comentarios de los empleados e incidentes.

Cada medida tiene limitaciones. Los ahorros de tiempo autodeclarados pueden ser optimistas, mientras que los recuentos de uso pueden premiar la actividad en lugar del valor.

Una evaluación creíble debería combinar medidas cuantitativas con revisión directa. Los directivos pueden comparar el trabajo antes y después de la implementación, mientras que los empleados pueden informar dónde la herramienta añade esfuerzo o incertidumbre.

La privacidad merece la misma atención. Los empleadores deberían evitar enviar información empresarial, de clientes, empleados, salud o finanzas confidencial a servicios que carezcan de la aprobación adecuada y de protecciones contractuales.

La precisión también sigue siendo una cuestión central. Los sistemas generativos pueden producir afirmaciones seguras que no tienen respaldo o son falsas. La capacitación debería convertir la verificación en parte del flujo de trabajo, en lugar de un paso final opcional.

Pueden surgir cuestiones de propiedad intelectual cuando los empleados envían material protegido o reutilizan contenido generado. Los empleadores necesitan políticas adecuadas para su propio trabajo y sus obligaciones legales.

Los riesgos de ciberseguridad incluyen indicaciones maliciosas, código inseguro, exposición a través de servicios conectados y permisos excesivos. La capacitación debería alinearse con los controles de seguridad existentes, en lugar de crear un proceso paralelo.

La cultura laboral presenta un riesgo menos técnico. Los empleados pueden resistirse a la capacitación si creen que el proyecto está diseñado para evaluar o eliminar sus puestos.

Una comunicación clara puede reducir esa incertidumbre. Los empleadores deberían explicar el caso de uso seleccionado, los límites de la herramienta, cómo se revisará el trabajo y si cambiarán las responsabilidades laborales.

El programa estatal puede fomentar esta planificación, pero no puede garantizarla. Las decisiones de adjudicación revelarán qué propuestas fueron aprobadas, no si la ejecución tuvo éxito.

La evidencia a más largo plazo requerirá seguimiento. El estado debería informar finalmente sobre resultados agregados sin exponer información empresarial confidencial.

Los informes útiles incluirían adjudicaciones por categoría, tamaño de empleador, geografía, sector, tasas de finalización y resultados medibles. También deberían identificar los proyectos que se detuvieron antes de tiempo o cambiaron de dirección.

Los fracasos son informativos. Un proyecto de exploración que concluye que la IA no es adecuada para un flujo de trabajo aún puede proteger a un empleador de un error mayor.

Ese resultado no debería considerarse automáticamente financiación desperdiciada. La adopción responsable incluye decidir dónde no corresponde la automatización.

Tres señales que observar después de la alerta de Google News

Las decisiones de adjudicación, las salvaguardas de los proyectos y los resultados medibles determinarán si este programa se convierte en un modelo útil para la fuerza laboral.

La primera señal es la actuación del Consejo de Desarrollo de la Fuerza Laboral del 25 de agosto. Los solicitantes necesitan confirmación de que se realizó la revisión, qué propuestas fueron seleccionadas y si cambió el calendario publicado.

El portal de reuniones del estado enumera la sesión del 25 de agosto en Pierre. Las agendas, actas o avisos posteriores del departamento deberían proporcionar el registro oficial más claro.

Un anuncio transparente informaría más que una lista de beneficiarios. La demanda agregada, el financiamiento solicitado, los importes adjudicados y la distribución por categorías mostrarían cómo los empleadores abordaron la oportunidad.

Si las solicitudes favorecen en gran medida la capacitación de sensibilización, es posible que las empresas aún se encuentren en una etapa temprana de su trayectoria de adopción. Una fuerte demanda de implementación podría indicar que más empleadores ya cuentan con flujos de trabajo seleccionados.

La segunda señal es la calidad de los acuerdos de los proyectos financiados. Puede que el público no vea cada detalle confidencial, pero el estado puede explicar sus requisitos básicos.

Las salvaguardas sólidas abarcarían el manejo de datos, la revisión humana, la preparación de los empleados, la responsabilidad de los proveedores y los resultados medibles. Los requisitos débiles dejarían demasiado valor del programa dependiendo de proveedores individuales.

El estado también debería aclarar si los beneficiarios pueden cambiar de herramientas o capacitadores cuando un proyecto encuentra problemas. Los servicios de IA evolucionan rápidamente, por lo que un acuerdo necesita suficiente estructura para la rendición de cuentas y suficiente flexibilidad para ajustes prácticos.

La tercera señal es la evidencia posterior a la implementación. Los recuentos de finalización llegarán antes que los hallazgos fiables sobre productividad, pero el estado debería planificar ambos.

La participación en la capacitación puede responder si ocurrió la actividad financiada. Las evaluaciones de habilidades y las revisiones de flujos de trabajo pueden mostrar si los empleados aprendieron algo aplicable.

Los resultados a más largo plazo deberían examinar si el proceso seleccionado se volvió más rápido, más preciso o más fácil de gestionar. También deberían registrar nuevos errores, preocupaciones de seguridad, resistencia de los empleados e implementaciones abandonadas.

Estos informes equilibrados importan más allá de Dakota del Sur. Otros estados y organizaciones regionales de fuerza laboral también están explorando cómo los programas públicos pueden preparar a empleadores y trabajadores para el trabajo asistido por IA.

La estructura de tres partes de Dakota del Sur ofrece un enfoque comprobable. La exploración puede evitar compras prematuras, la implementación puede conectar la capacitación con flujos de trabajo reales y la sensibilización puede ampliar la alfabetización básica.

El modelo parecerá más sólido si los beneficiarios avanzan por esas etapas con resultados documentados. Parecerá más débil si la financiación produce talleres aislados, cuentas sin uso o afirmaciones de productividad sin respaldo.

El titular de Google News captó la urgencia de la fecha límite de solicitud, pero esa urgencia ahora corresponde a los revisores y los beneficiarios. Deben convertir una breve ventana de financiación en proyectos que los empleados puedan utilizar de manera responsable.

Las empresas que solicitaron apoyo deberían vigilar las comunicaciones oficiales, evitar iniciar trabajo reembolsable sin autorización y preparar los registros que exigen sus acuerdos. También deberían mantener a los empleados involucrados en el diseño de los flujos de trabajo.

Los empleadores que no alcanzaron la fecha límite aún tienen trabajo útil por hacer. Pueden identificar un proceso costoso o repetitivo, documentar su rendimiento actual, evaluar sus riesgos y definir qué cambiaría un piloto exitoso.

También pueden organizar sus políticas y conocimientos internos antes de comprar más tecnología. Esa preparación hace que una futura solicitud de subvención sea más específica y reduce la probabilidad de adoptar una herramienta sin un proceso viable.

Los lectores de Google News deben considerar la alerta original como el registro de un plazo de solicitudes ya cerrado, no como una invitación vigente. La próxima actualización relevante llegará con la revisión del 25 de agosto y las notificaciones de adjudicación que se esperan posteriormente.

¿Publicará Dakota del Sur suficientes pruebas para mostrar qué proyectos funcionaron, cuáles no y por qué? Esa respuesta importará más que el número de solicitudes presentadas antes de la fecha límite.