0
1
Inteligencia artificial generativa
aplicada a las ciencias sociales y
gestión pública
López Córdova, Frida Mereyda; Paima
Paredes, Rusvelth; Valenzuela Narváez,
Daniel Alberto Oswaldo; Solano Armas,
Timoteo; Gonzáles Añorga, Carlos Máximo;
Vellón Flores de Solano, Viviana Inés
© López Córdova, Frida Mereyda; Paima
Paredes, Rusvelth; Valenzuela Narváez,
Daniel Alberto Oswaldo; Solano Armas,
Timoteo; Gonzáles Añorga, Carlos Máximo;
Vellón Flores de Solano, Viviana Inés, 2026
Primera edición (1.ª ed.): febrero, 2026
Editado por:
Editorial Mar Caribe ®
www.editorialmarcaribe.es
Av. Gral. Flores 547, 70000 Col. del
Sacramento, Departamento de Colonia,
Uruguay.
Diseño de carátula e ilustraciones: Luisa
Fernanda Lugo Rojas
Libro electrónico disponible en:
https://editorialmarcaribe.es/ark:/10951/is
bn.9789915698687
Formato: Electrónico
ISBN: 978-9915-698-68-7
ARK: ark:/10951/isbn.9789915698687
Editorial Mar Caribe (OASPA): Como miembro de la
Open Access Scholarly Publishing Association,
apoyamos el acceso abierto de acuerdo con el código
de conducta, la transparencia y las mejores prácticas
de OASPA para la publicación de libros académicos
y de investigación. Estamos comprometidos con los
más altos estándares editoriales en ética y
deontología, bajo la premisa de «Ciencia Abierta en
América Latina y el Caribe»
Editorial Mar Caribe, firmante Nº 795 de 12.08.2024
de la Declaración de Berlín
"... Nos sentimos obligados a abordar los retos de Internet
como medio funcional emergente para la distribución del
conocimiento. Obviamente, estos avances pueden
modificar significativamente la naturaleza de la
publicación científica, así como el actual sistema de
garantía de calidad...." (Max Planck Society, ed. 2003,
pp. 152-153).
CC BY-NC 4.0
Los autores pueden autorizar al público en general a
reutilizar sus obras únicamente con fines no
lucrativos, los lectores pueden utilizar una obra para
generar otra, siempre que se dé crédito a la
investigación, y conceden al editor el derecho a
publicar primero su ensayo bajo los términos de la
licencia CC BY-NC 4.0.
Editorial Mar Caribe se adhiere a la "Recomendación
relativa a la preservación del patrimonio documental,
comprendido el patrimonio digital, y el acceso al
mismo" de la UNESCO y a la Norma Internacional de
referencia para un sistema abierto de información
archivística (OAIS-ISO 14721). Este libro está
preservado digitalmente por ARAMEO.NET
2
Editorial Mar Caribe
Inteligencia artificial generativa aplicada a las
ciencias sociales y gestión pública
Colonia, Uruguay
2026
P á g i n a | 3
3
Inteligencia artificial generativa aplicada a las
ciencias sociales y gestión pública
P á g i n a | 4
4
Índice
Introducción .............................................................................................................. 9
Capítulo I ................................................................................................................ 12
Inteligencia artificial generativa aplicada a las ciencias sociales y gestión pública ... 12
Fundamentos tecnológicos y conceptuales de la inteligencia artificial generativa 12
Evolución de los modelos y arquitecturas ........................................................ 13
Impacto de la IA generativa en la investigación de las ciencias sociales ............... 14
Revolución en la investigación cualitativa ........................................................ 15
Simulaciones sociales y modelado de comportamiento .................................... 15
Transformación estructural de la gestión pública ................................................. 16
Automatización y optimización de trámites administrativos ............................ 17
Mejora en la toma de decisiones y gobernanza basada en datos ....................... 18
Retos y barreras en la implementación pública ................................................. 18
Marco regulatorio y ético de la IA en el sector público ......................................... 19
Avances regulatorios en América Latina .......................................................... 19
Principios éticos universales ............................................................................. 20
Herramientas especializadas para la gestión legal y documental ......................... 21
Comparativa de soluciones para el ámbito legal público .................................. 21
Desarrollo de capacidades y competencias en la era de la IA ............................... 22
El Marco de Competencias de la UNESCO ....................................................... 22
Alfabetización en IA y pensamiento crítico ...................................................... 23
Futuro de la IA en la sociedad y la gestión pública .............................................. 23
Soberanía digital e infraestructura propia ........................................................ 23
Capítulo II ............................................................................................................... 25
Estrategias Avanzadas en el Procesamiento Masivo de Textos: Patrones,
Sentimientos y Tendencias ...................................................................................... 25
Fundamentos Teóricos y Arquitectónicos del Procesamiento de Lenguaje Natural
............................................................................................................................ 25
Evolución de los Modelos de Aprendizaje ........................................................ 26
Modelos de Lenguaje Grande (LLM) y su ciclo de vida .................................... 26
P á g i n a | 5
5
Procesamiento Masivo de Entrevistas y Análisis Cualitativo ............................... 28
Herramientas de Transcripción y su Integración Analítica ............................... 28
Metodologías de Análisis Cualitativo Asistido por IA ...................................... 29
Extracción de Información de Noticias y Artículos .............................................. 30
Flujo de Trabajo para la Extracción de Entidades (NER) ................................... 30
Herramientas de minería de noticias en Python ............................................... 31
Análisis de Sentimientos y Emociones en Redes Sociales ..................................... 32
Modelos Especializados para el Idioma Español .............................................. 32
Monitoreo de la reputación de marca en tiempo real ........................................ 33
Identificación de Patrones y Tendencias mediante Modelado de Temas .............. 34
Latent Dirichlet Allocation (LDA) .................................................................... 34
BERTopic y el Modelado Dinámico de Temas (DTM) ....................................... 35
Arquitecturas Modernas para la Síntesis de Información: RAG y Agentes ........... 35
RAG Clásico vs. Recuperación Agéntica .......................................................... 35
Mejores Prácticas en la Implementación de RAG .............................................. 36
Adquisición de Datos y Ética en Plataformas Sociales .......................................... 37
Ética y Datos Sintéticos .................................................................................... 37
Integración y Gobernanza de Múltiples Fuentes .................................................. 38
Pasos para una Integración de Datos Exitosa .................................................... 38
Visualización de Redes Semánticas y Conceptuales ............................................. 38
Herramientas de Visualización de Vanguardia ................................................ 39
Capítulo III .............................................................................................................. 41
Modelado basado en agentes: Simulación de comportamientos humanos complejos
para predecir dinámicas sociales ............................................................................. 41
Fundamentos ontológicos y la insuficiencia de los modelos agregados ................ 42
Comparativa de paradigmas de modelado en ciencias sociales ........................ 42
Arquitectura de las sociedades artificiales ........................................................... 43
Agentes: Autonomía y racionalidad limitada ................................................... 44
El Entorno y la Topología de Interacción .......................................................... 44
Reglas de Decisión y Aprendizaje .................................................................... 45
Evolución histórica: de Schelling a los agentes generativos .................................. 45
P á g i n a | 6
6
Los pioneros de los años 70 .............................................................................. 45
La era del Instituto de Santa Fe y Sugarscape ................................................... 46
El salto hacia la economía convencional (2025) ................................................. 46
Aplicaciones Críticas en la Sociedad Moderna ..................................................... 47
Economía y Finanzas Adaptativas .................................................................... 47
Difusión de Innovaciones y Marketing ............................................................. 47
Dinámicas de Opinión y Polarización .............................................................. 48
Gestión de Emergencias y Seguridad Pública ...................................................... 49
El Modelo de Fuerza Social (SFM) y el pánico .................................................. 49
El Marco RESCUE 3D ....................................................................................... 49
Ecosistema de Software y Herramientas de Modelado ......................................... 50
Metodologías de Validación: El desafío de la credibilidad ................................... 51
Modelado orientado a patrones (POM) ............................................................ 52
El Protocolo ODD............................................................................................. 52
Análisis de Sensibilidad y Docking .................................................................. 52
Ética, Riesgos y el Futuro del ABM ...................................................................... 52
Sesgo algorítmico y transparencia .................................................................... 53
Gobernanza y Estándares ................................................................................. 53
Perspectiva a largo plazo: La Era del Simulador Social ........................................ 54
Capítulo IV ............................................................................................................. 55
Gestión Legislativa y Normativa: Metodologías Técnicas de Redacción en la
Administración Pública ........................................................................................... 55
Fundamentos de la Gestión Legislativa y el Ciclo de Políticas Públicas ............... 55
La Política Pública como Construcción Social ................................................... 56
La implementación como Ensamblaje Crítico ................................................... 57
Análisis de Impacto Normativo (AIN): El Corazón de la Mejora Regulatoria ...... 58
Principios Rectores del AIN ............................................................................. 58
El Proceso Metodológico: De la Identificación al Monitoreo ............................. 59
Técnica Legislativa: La Redacción del Dispositivo Normativo ............................. 62
Estructura Lógica de la Norma ......................................................................... 62
El artículo como unidad de base ....................................................................... 63
P á g i n a | 7
7
Estilo y Calidad Lingüística .............................................................................. 64
La Gestión Normativa en Argentina: Un Ecosistema en Evolución ...................... 64
El Decreto 891/2017: Buenas Prácticas en Materia de Simplificación ................. 64
El Procedimiento Administrativo y el Decreto 333/1985 ................................... 65
El Digesto Jurídico Argentino (DJA): Racionalización del Ordenamiento ......... 65
Evaluaciones de Impacto Especializadas ............................................................. 66
Impacto Ambiental: Evaluación ex ante y participación ................................... 66
Impacto por razón de género ........................................................................... 67
Impacto en Mipymes y Competitividad ........................................................... 67
Capítulo V ............................................................................................................... 69
Transparencia: Facilitación del acceso a la información pública mediante síntesis de
documentos complejos ............................................................................................ 69
Fundamentos interpretativos de la transparencia y el acceso a la información ..... 69
La barrera del lenguaje oscuro y la necesidad de simplificación .......................... 71
Arquitecturas de Inteligencia Artificial para la síntesis de documentos públicos . 72
Implementación de IA en la Justicia: El caso de Argentina y Brasil ...................... 74
Prometea y el Ministerio Público Fiscal de la Ciudad de Buenos Aires ............. 74
El Proyecto Victor y la Repercusión General en el Supremo Tribunal Federal de
Brasil ................................................................................................................ 75
El desafío de la transparencia algorítmica y el derecho al algoritmo .................... 76
Riesgos y barreras en la implementación de la IA pública según la OCDE ........... 77
El marco ético internacional: Recomendaciones de la UNESCO ........................... 78
El papel del código abierto y las infraestructuras digitales abiertas...................... 79
Impacto en la participación ciudadana y la confianza institucional ...................... 80
Futuro de la síntesis documental en la transparencia pública .............................. 81
Capítulo VI ............................................................................................................. 82
Mejora en el diseño de instrumentos de recolección de datos y análisis de respuestas
abiertas ................................................................................................................... 82
Arquitectura estratégica y diseño de instrumentos .............................................. 82
Estructura lógica y secuencia de flujo ............................................................... 83
Tipología de preguntas y escalas de medición .................................................. 83
P á g i n a | 8
8
Fundamentos psicométricos y validación ............................................................ 85
Metodologías de validación técnica .................................................................. 85
El rol de las entrevistas cognitivas .................................................................... 86
Diseño de experiencia de usuario (UX) y optimización digital ............................. 87
Usabilidad, accesibilidad y diseño responsivo .................................................. 87
El enfoque Lean y encuestas in situ .................................................................. 88
Análisis avanzado de respuestas abiertas mediante IA y NLP ............................. 88
Pipeline técnico del procesamiento de texto ..................................................... 88
Tipologías de análisis de sentimientos .............................................................. 89
Integración metodológica y triangulación de datos .............................................. 90
Funciones de la triangulación ........................................................................... 90
Diseños de investigación mixta ........................................................................ 91
El ecosistema tecnológico..................................................................................... 91
Comparativa de herramientas líderes ............................................................... 92
Innovaciones en automatización y visualización .............................................. 93
Ética, privacidad y mitigación de sesgos algorítmicos.......................................... 93
Sesgo algorítmico y Diseño Sensible al Valor (VSD) ......................................... 93
Desafíos de privacidad y marcos regulatorios .................................................. 94
Conclusión .............................................................................................................. 96
Bibliografía.............................................................................................................. 99
P á g i n a | 9
9
Introducción
La aparición de la inteligencia artificial generativa (IAGen) ha dejado de ser
un fenómeno exclusivamente tecnológico para convertirse en un motor de cambios
profundos en las ciencias sociales y en la gestión del Estado. Lo que empezó a finales
de 2022 con la proliferación de modelos de lenguaje de gran escala (LLM) ha
progresado rápidamente hacia un ecosistema complejo de agentes autónomos, flujos
de trabajo automáticos y marcos regulatorios que intentan seguir el ritmo vertiginoso
de los cambios. Este libro de investigación ofrece una cartografía completa de este
nuevo espacio, evaluando cómo la capacidad de las máquinas para crear contenido
original —texto, código, imágenes y razonamientos sintéticos— modifica la relación
entre la evidencia empírica, las decisiones públicas y la creación de conocimiento
científico.
La transición desde una inteligencia artificial predictiva, orientada a clasificar
y prever patrones en datos históricos, hacia una inteligencia generativa capaz de
simular procesos de razonamiento complejos mediante el procesamiento del lenguaje
natural (NLP) marca un hito en la historia de la burocracia y la academia. En el ámbito
de la gestión pública, la IAGen no solo promete eficiencia operativa, sino que también
desafía las nociones tradicionales de transparencia, rendición de cuentas y el papel del
burócrata en el ciclo de vida de las políticas públicas. Por otro lado, en las ciencias
sociales, la capacidad de estas herramientas para realizar análisis cualitativos masivos,
la síntesis de la literatura y la generación de hipótesis obligan a una reflexión
epistemológica sobre la agencia del investigador y la integridad del método científico.
La inteligencia artificial generativa se caracteriza principalmente por su
capacidad de generar contenido original a partir de patrones aprendidos a partir de
grandes conjuntos de datos de entrenamiento. A diferencia de los sistemas de software
tradicionales que utilizan reglas explícitas y finitas, los modelos de lenguaje grandes
P á g i n a | 10
10
(LLMs) operan con lógica probabilística, lo que les permite responder a instrucciones
en lenguaje natural, conocidas como prompts. Esta característica representa un
cambio de paradigma: el lenguaje, que es la herramienta principal en áreas como la
ley, la política y la investigación social, ahora puede ser procesado por máquinas con
un nivel de sofisticación casi humano.
En el ámbito de la investigación en administración pública, esta habilidad
conlleva una mejora significativa tanto en la gestión interna como en la relación con
la ciudadanía. La adopción de la IA ha demostrado ser muy efectiva para automatizar
tareas repetitivas y mejorar los procesos en las agencias gubernamentales. Sin
embargo, el potencial de la IAGen va más allá de la mera automatización en las
oficinas; es una tecnología de propósito general que puede transformar sectores clave
como la justicia, la salud, la seguridad y la educación.
Este libro destaca la diferencia entre la IA predictiva y la generativa y subraya
su importancia para comprender las investigaciones presentadas. La IA predictiva se
enfoca en prever qué es probable que ocurra a partir de datos existentes, mientras que
la IA generativa crea nuevas ideas y soluciones innovadoras para problemas
complejos. Esta capacidad creativa permite a los gobiernos convertirse en plataformas
de innovación activa. En vez de reaccionar solo a las demandas ciudadanas, la IA
generativa ayuda a personalizar los servicios públicos, adaptándolos a las necesidades
específicas de cada persona, algo que antes resultaba difícil de lograr con el talento
humano limitado.
La investigación analiza cómo la inteligencia artificial incide en el sector
público en el marco de un proceso de transformación digital orientado a crear
gobiernos más ágiles, transparentes e innovadores. Siguiendo las directrices de la
OCDE, se identifican tres áreas de oportunidad principales en las que la IA puede
acelerar este proceso: productividad, capacidad de respuesta y rendición de cuentas. El
grado de institucionalización de la IA varía según la madurez digital de cada
P á g i n a | 11
11
administración, aunque la tendencia global muestra que la IA deja de ser una
herramienta secundaria para integrarse en las funciones principales del Estado.
El problema: América Latina atraviesa un momento crítico de adopción
tecnológica, caracterizado por una aceleración notable pero desigual. Según el Índice
Latinoamericano de Inteligencia Artificial (ILIA) 2025, la región muestra un
dinamismo superior al esperado en términos de visitas y uso de soluciones de IA, pero
enfrenta deficiencias estructurales en inversión, infraestructura y talento
especializado.
Por consiguiente, los autores defienden que la implementación de la IAGen en
áreas que impactan directamente en los derechos fundamentales —como la justicia, la
seguridad ciudadana o el bienestar social— requiere una gobernanza sólida, basada
en la gestión de riesgos. Los beneficios potenciales de la IA están estrechamente
ligados a la capacidad del Estado para controlar sus contrapartidas negativas: la
opacidad de los modelos de caja negra, la posible existencia de sesgos discriminatorios y los
riesgos de ciberseguridad.
Esta investigación establece las bases para un análisis profundo de cómo la
inteligencia artificial generativa está reconfigurando nuestra sociedad. A través de los
capítulos siguientes, el lector podrá explorar casos de estudio, debates filosóficos y
análisis técnicos que demuestran que, si bien la tecnología avanza a una velocidad
vertiginosa, el control sobre su dirección y propósito ético sigue siendo, y debe seguir
siendo, una responsabilidad humana inalienable. La inteligencia artificial generativa
no es un destino inevitable, sino una poderosa herramienta que, gobernada con
sabiduría y visión estratégica, puede ayudar a construir instituciones más eficaces,
justas y humanas en el siglo 21.
P á g i n a | 12
12
Capítulo I
Inteligencia artificial generativa
aplicada a las ciencias sociales y
gestión pública
La aparición de la inteligencia artificial generativa (IAGen) ha supuesto un
punto crucial en la evolución de las sociedades actuales, modificando no solo las
capacidades técnicas de procesamiento de datos, sino también la estructura del
conocimiento en las ciencias sociales y los métodos de intervención estatal. A
diferencia de los modelos discriminativos convencionales, que se enfocan en
clasificaciones y predicciones mediante fronteras de datos, la IAGen introduce un
cambio de paradigma hacia la creación de contenido nuevo y la simulación de
procesos cognitivos avanzados. Así, se evidencia una transición desde la fase
exploratoria y de prueba hacia una institucionalización y una gobernanza estratégicas
en las administraciones públicas y en los centros académicos de investigación.
Fundamentos tecnológicos y conceptuales de la
inteligencia artificial generativa
La inteligencia artificial generativa se sustenta en los denominados modelos
fundacionales o Large Language Models (LLMs), sistemas entrenados con volúmenes
masivos de datos textuales mediante arquitecturas de transformadores que permiten
predecir secuencias de lenguaje con una sofisticación sin precedentes. En el contexto
de las ciencias sociales, estas herramientas han dejado de ser meros asistentes de
redacción para convertirse en agentes capaces de sintetizar información dispersa,
P á g i n a | 13
13
realizar razonamientos básicos y mimetizar interacciones humanas en entornos
conversacionales.
La distinción técnica entre la IA predictiva y la generativa es fundamental para
la gestión pública. Mientras que la primera ha sido utilizada históricamente para
identificar patrones de fraude o predecir la demanda de servicios, la segunda permite
crear borradores de políticas, brindar atención ciudadana personalizada mediante
lenguaje natural y simular impactos sociales antes de su implementación real
(Thanasas et al., 2026). Esta capacidad de generación ha dado lugar a lo que se
denomina Ciencias Sociales Computacionales 2.0, en el que el enfoque se desplaza de
la observación pasiva de grandes volúmenes de datos hacia la creación de simulacros
sociales realistas y la experimentación bottom-up.
Evolución de los modelos y arquitecturas
El desarrollo de la IA está evolucionando hacia los modelos del mundo (world
models), sistemas que, a diferencia de los LLMs tradicionales que aprenden patrones
estadísticos de texto, buscan aprender de manera similar a un infante mediante la
interacción sensorial y la observación constante del entorno real. Esta evolución es
crítica para la robótica colaborativa y la gestión de infraestructuras urbanas, en las que
la IA debe operar en entornos físicos dinámicos (véase la Tabla 1). En la gestión
pública, estos avances prometen robots inteligentes capaces de realizar tareas de
mantenimiento o logística con una supervisión mínima de personal humano, bajo
guardas de seguridad diseñadas para alinear el comportamiento de las máquinas con
el bien común.
P á g i n a | 14
14
Tabla 1: Nivel de autonomía de agentes
Nivel de Autonomía de
Agentes
Descripción Técnica
Aplicación en Ciencias
Sociales y Gestión
Nivel 1: IA como persona
Agentes sin estado con
memoria de sesión; perfiles
demográficos específicos.
Simulaciones de encuestas y
grupos focales.
Nivel 2: IA de tipo agente
Razonamiento en cadena
(CoT), descomposición de
tareas y bucles de reflexión.
Asistencia técnica para el
diseño de proyectos complejos.
Nivel 3: IA Plenamente
Agéntica
Memoria explícita, planificador
y módulos para el uso de
herramientas externas.
Gestión automatizada de casos
de bienestar social.
Nivel 4: Sistema Multiagente
Interacción densa entre
múltiples agentes mediante
protocolos de coordinación.
Modelado de negociaciones
internacionales o de mercados.
Nivel 5: Sistema Adaptativo
Complejo
Poblaciones heterogéneas
capaces de generar procesos
macro emergentes (normas,
polarización).
Simulaciones de dinámicas
urbanas y de propagación de
desinformación.
Impacto de la IA generativa en la investigación de
las ciencias sociales
La práctica académica está experimentando una transformación ambivalente.
Por un lado, la IAGen ofrece una eficiencia sin precedentes en tareas de redacción y
edición; por otro, suscita preocupaciones profundas sobre la integridad del
P á g i n a | 15
15
conocimiento y la erosión de las habilidades críticas de los investigadores.
Revolución en la investigación cualitativa
Históricamente, el investigador cualitativo se posicionaba como el
instrumento de investigación por excelencia, basándose en la Verstehen o
comprensión subjetiva del significado de la acción social. La integración de la IAGen
en herramientas como ATLAS.ti y MAXQDA ha permitido automatizar procesos de
codificación, extracción de temas y análisis de sentimientos, reduciendo
drásticamente los tiempos de procesamiento de entrevistas y de grupos focales. Sin
embargo, la comunidad académica se debate entre el entusiasmo por estas
posibilidades excitantes y el escepticismo de los objetores de conciencia que advierten
del riesgo de que la IA se limite a replicar estructuras de datos existentes, sin
capacidad de generar novedades ontológicas o críticas.
La asistencia en la redacción es el uso más extendido, reportado por el 34% de
los sociólogos, y es especialmente valorada por investigadores no nativos de la lengua
inglesa para ganar confianza en sus publicaciones. A pesar de esta adopción, la
confianza en los resultados sigue siendo baja y persiste una preocupación
generalizada por los sesgos de máquina que pueden propiciar posiciones ideológicas
gubernamentales o estereotipos demográficos presentes en los datos de
entrenamiento (Facultad Latinoamericana de Ciencias Sociales, 2020).
Simulaciones sociales y modelado de comportamiento
El desarrollo de simuladores de sociedad a gran escala representa uno de los
hitos más disruptivos para la ciencia política y la sociología contemporánea.
Plataformas como AgentSociety permiten generar la vida social de miles de agentes
impulsados por LLMs, simulando millones de interacciones en espacios urbanos,
económicos y sociales realistas.
P á g i n a | 16
16
Estas simulaciones permiten abordar cuestiones sociales críticas que
tradicionalmente eran difíciles de experimentar debido a limitaciones éticas o de
escala:
● Polarización política: estudio de cómo las interacciones en redes sociales
artificiales producen bifurcaciones de opiniones y cámaras de eco.
● Difusión de mensajes inflamatorios: Modelado de la viralidad de la
desinformación y el papel de los algoritmos en la amplificación de estados
emocionales.
● Impacto de las políticas económicas: Evaluación de los efectos de la Renta Básica
Universal (UBI) sobre el comportamiento laboral y el consumo en un entorno
virtual.
● Respuesta ante desastres: Simulación de la reacción de las poblaciones ante
choques externos, como huracanes, para optimizar los planes de evacuación y
asistencia.
La capacidad de estos agentes para mimetizar las actitudes de personas reales
ante encuestas sociales abre la puerta al análisis de políticas basado en agentes, en el
que los responsables de políticas pueden probar diferentes intervenciones en
comunidades virtuales antes de implementarlas en el mundo real.
Transformación estructural de la gestión pública
La administración pública enfrenta el desafío de integrar la IA no como una
moda pasajera, sino como una herramienta poderosa para mejorar la productividad,
la capacidad de respuesta y la rendición de cuentas. Los gobiernos están explorando
el uso de la IA en todas las etapas del ciclo de las políticas públicas, desde la
identificación de problemas hasta la evaluación de impacto.
P á g i n a | 17
17
Automatización y optimización de trámites administrativos
La implementación de asistentes virtuales y chatbots multicanales ha sido una
de las aplicaciones con mayor impacto operativo inicial. En países como México y
Argentina, estos sistemas han evolucionado hacia modelos híbridos que combinan la
eficiencia de la IA con el escalamiento a operadores humanos para casos complejos
(véase la Tabla 2).
Tabla 2: Aplicación de IAg en distintas localidades
Ciudad/Entidad
Aplicación de IA generative
(IAg)
Impacto Reportado
San Luis Potosí, México
Control vehicular y pagos
guiados.
Agilización de trámites y
reducción de las filas físicas.
Aguascalientes, México
Atención integral 070 vía
WhatsApp.
Disponibilidad 24/7 y mejora
de la satisfacción ciudadana.
Ciudad de Buenos Aires
Optimización del tránsito y de
la seguridad urbana.
Mejora de la fluidez vehicular y
de la detección de incidentes.
Dearborn, Michigan
Traducción en tiempo real para
poblaciones árabes e hispanas.
Inclusión digital y
accesibilidad lingüística.
La IA también se utiliza para la redacción de comunicaciones públicas y
comunicados de prensa, lo que permite estandarizar las respuestas gubernamentales
y garantizar la consistencia de la información en múltiples idiomas. En el ámbito de
la justicia, el proyecto VELOX en la Fiscalía de Estado de la Provincia de Buenos Aires
destaca como una prueba de concepto (PoC) exitosa que utiliza aprendizaje
P á g i n a | 18
18
automático para automatizar la generación de vistas fiscales, logrando una tasa de
acierto del 98% en la predicción de contenidos documentales.
Mejora en la toma de decisiones y gobernanza basada en datos
El potencial de la IA para mejorar los pronósticos sobre el futuro y la
interpretación del presente permite a los gobiernos transitar hacia una gobernanza
anticipatoria. Esto incluye la detección de transacciones inadecuadas y la evaluación
de riesgos para la integridad pública, lo que fortalece la lucha contra la corrupción.
En el sector de la salud pública, la IA se aplica para digitalizar e interpretar
prescripciones médicas, agendar donaciones de sangre de forma automatizada y
predecir la demanda hospitalaria, optimizando los inventarios y reduciendo los
tiempos de espera. En educación, los sistemas de alerta temprana para prevenir el
abandono escolar analizan datos de trayectorias educativas y de contextos familiares
para identificar a estudiantes en riesgo, lo que permite intervenciones personalizadas
que salvan vidas académicas (Romero & Pandia, 2025).
Retos y barreras en la implementación pública
A pesar de los beneficios, la integración de la IA en el sector público ha sido
limitada y fragmentada. Existen seis puntos críticos que los gobiernos, especialmente
en contextos como el argentino, deben abordar con urgencia:
1. Baja calidad de los datos: La falta de datos estandarizados, completos y
actualizados limita el entrenamiento de modelos robustos.
2. Riesgo de automatización acrítica: El peligro de ceder el control a sistemas
automatizados en áreas donde la decisión humana es éticamente indispensable.
3. Déficit de capacidades estatales: carencia de personal capacitado para diseñar,
gestionar y auditar sistemas de IA.
P á g i n a | 19
19
4. Fragmentación institucional: la falta de coordinación entre los distintos niveles
de gobierno (nacional, provincial y municipal) y entre los ministerios.
5. Débil cultura de evaluación: La ausencia de mecanismos para medir el impacto
real de las herramientas de IA tras su implementación.
6. Desconfianza ciudadana: La preocupación por la privacidad, los sesgos
algorítmicos y el desplazamiento laboral generan resistencia social.
Marco regulatorio y ético de la IA en el sector
público
La necesidad de establecer marcos regulatorios claros es un imperativo global
para garantizar un uso confiable de la IA. América Latina ha mostrado avances
significativos, pasando de recomendaciones no vinculantes a proyectos de ley
ambiciosos.
Avances regulatorios en América Latina
La región presenta un panorama de madurez desigual, donde algunos países
lideran con estrategias consolidadas, mientras que otros aún desarrollan capacidades
básicas.
● Brasil: Se encuentra a la vanguardia con el Proyecto de Ley 2338/2023, alineado
con el modelo europeo (EU AI Act). Este proyecto propone una clasificación de
riesgos, derechos individuales (como el derecho a la intervención humana) y un
sistema de responsabilidad civil objetiva para los proveedores de sistemas de alto
riesgo.
● Chile: Ha avanzado con el Proyecto de Ley Nº 16821-19 (2024), que establece
criterios de riesgo para prohibir sistemas inaceptables, regula los de alto riesgo y
propone la creación de una Comisión Nacional de Inteligencia Artificial.
P á g i n a | 20
20
● Argentina: Ha experimentado una evolución irregular. Tras planes inconclusos
en gestiones anteriores, en 2023 se adoptaron las Recomendaciones para una IA
Fiable (RIAF), basadas en los estándares de la UNESCO y de la OCDE. Bajo la
administración de Javier Milei, se busca un enfoque más flexible y orientado a la
industria para atraer inversión tecnológica de origen global.
● México: Ha colaborado estrechamente con la UNESCO para aplicar
metodologías de evaluación de la preparación (Readiness Assessment) y ha
propuesto leyes que categorizan los sistemas según su impacto potencial y exigen
auditorías y evaluaciones de impacto.
Principios éticos universales
Los marcos internacionales, como los de la OCDE y la UNESCO, establecen
principios fundamentales que deben guiar el diseño y uso de la IA en la
administración pública:
● Transparencia y explicabilidad: Las personas deben saber cuándo interactúan
con una IA y tener la posibilidad de solicitar explicaciones sobre las decisiones
tomadas.
● Equidad y no discriminación: Los actores de la IA deben trabajar activamente
para evitar que los algoritmos perpetúen sesgos raciales, de género o
socioeconómicos.
● Supervisión humana: Un sistema de IA no puede reemplazar la responsabilidad
final de los seres humanos ni su obligación de rendir cuentas.
● Sostenibilidad ambiental: Es crucial mitigar los costos ecológicos (energía y
agua) asociados al entrenamiento de grandes modelos, protegiendo a las
comunidades locales.
P á g i n a | 21
21
Herramientas especializadas para la gestión legal y
documental
Para evitar el fenómeno del Shadow IT, en el que los empleados públicos
utilizan herramientas gratuitas no autorizadas para gestionar datos sensibles, es
imperativo que las instituciones proporcionen plataformas seguras y especializadas.
Comparativa de soluciones para el ámbito legal público
En el ámbito jurídico de la administración pública, la precisión no es
negociable. Herramientas diseñadas específicamente para el derecho ofrecen citadores
integrados, barreras de cumplimiento y procesamiento seguro de datos (véase la Tabla
3).
Tabla 3: Herramientas tecnológicas y aplicaciones
Herramienta
Función Principal
Ventajas Competitivas para
el Estado
Sonix
Transcripción de
audio/video.
Precisión del 99 %+, soporte
para 49+ idiomas,
cumplimiento de SOC.
Cicerai
Investigación jurídica
profunda.
Acceso a millones de leyes y
dictámenes, con citadores
integrados.
Lawgeex
Revisión de contratos.
Identificación de cláusulas
riesgosas y cumplimiento de
las normas de contratación.
DocuSign IAM
Gestión de acuerdos.
Automatización de flujos de
aprobación y repositorio
centralizado seguro.
P á g i n a | 22
22
NetDocuments AI Builder
Creación de apps de IA.
Organización inteligente de
registros públicos y
automatización de flujos de
trabajo.
Estas herramientas permiten reducir el tiempo dedicado a tareas mecánicas,
como la transcripción de audiencias o la revisión manual de miles de páginas de
contratos, liberando tiempo para el análisis jurídico profundo.
Desarrollo de capacidades y competencias en la era
de la IA
La transformación digital no es solo una cuestión de tecnología, sino también
de personas. La UNESCO y otros organismos han desarrollado marcos de
competencias para funcionarios públicos y docentes que definen los conocimientos y
valores necesarios para navegar por este nuevo entorno.
El Marco de Competencias de la UNESCO
Se identifican tres áreas clave de competencia para el funcionario público del
siglo XXI:
1. Planificación y diseño digital: Capacidad para formular requisitos técnicos y
estratégicos para proyectos públicos.
2. Gobernanza y uso de datos: Habilidad para obtener, analizar y utilizar datos en
la toma de decisiones, y comprender los riesgos de privacidad.
3. Gestión y ejecución digital: Conocimiento de técnicas de gestión ágil y
capacidad para dirigir procesos de transformación institucional.
P á g i n a | 23
23
Además, se destacan cinco actitudes complementarias esenciales: la confianza,
la creatividad, la capacidad de adaptación, la curiosidad y la experimentación.
Aprender de los errores y aceptarlos como parte del ciclo de los proyectos digitales es
vital para el progreso de la administración pública.
Alfabetización en IA y pensamiento crítico
En el ámbito de las ciencias sociales, especialmente en el trabajo social, la
alfabetización en IA es esencial para evitar la sobredependencia cognitiva. Los
profesionales deben ser formados no para aceptar los resultados de la IA como
verdades dogmáticas, sino para interactuar con ellos de manera crítica y reflexiva,
cruzando siempre la información con otras fuentes. La IA debe complementar, no
socavar, la práctica basada en valores y relaciones humanas que fundamenta la acción
social (Reyes y Rodríguez, 2025).
Futuro de la IA en la sociedad y la gestión pública
Hacia 2026, la IA generativa se integrará cada vez más en la vida cotidiana de
las instituciones. El surgimiento de la IA Capaz (IAC), en la que los sistemas podrán
realizar tareas complejas con una supervisión mínima por parte humana, plantea
nuevos dilemas sobre la autonomía y la rendición de cuentas.
Soberanía digital e infraestructura propia
Una tendencia creciente, observada en provincias como Buenos Aires, es el
enfoque en la soberanía digital. Esto implica el fortalecimiento de la infraestructura
propia (como los nodos tecnológicos provinciales) para evitar la dependencia total de
proveedores extranjeros y garantizar el resguardo de los datos de los ciudadanos
conforme a las leyes locales. El diseño de sistemas digitales por diseño y abiertos por
defecto permitirá que los gobiernos no solo usen la tecnología, sino que la moldeen
P á g i n a | 24
24
para responder a sus realidades territoriales específicas.
La inteligencia artificial generativa ofrece una oportunidad sin precedentes
para modernizar el Estado y profundizar en la comprensión de los fenómenos
sociales. Sin embargo, su éxito depende de una implementación ética, transparente y
participativa (Ushiñahua & Contreras, 2026). Se recomiendan las siguientes acciones
para los tomadores de decisiones en el sector público y la academia:
● Adopción de un enfoque estratégico e incremental: comenzar con victorias
rápidas (quick wins) mediante pilotos controlados antes de escalar a sistemas de
alta complejidad.
● Inversión masiva en talento y capacitación: No basta con comprar tecnología; es
necesario formar a los servidores públicos y a los investigadores en nuevas
competencias digitales y éticas.
● Fortalecimiento de la gobernanza de datos: Sin datos de alta calidad e
interoperables, el potencial de la IA se verá severamente limitado.
● Cooperación multiactor: Fomentar alianzas entre el sector público, la academia,
el sector privado y la sociedad civil (modelo de quíntuple hélice) para asegurar
que la IA beneficie a todos los sectores de la sociedad.
● Auditoría y transparencia: Establecer marcos regulatorios que exijan
evaluaciones de impacto y permitan el escrutinio público de los algoritmos
utilizados en la gestión de lo común.
La IA es un motor de transformación positiva que, si se maneja correctamente,
puede redefinir el contrato social y la eficiencia del Estado en favor de la dignidad
humana y el bienestar colectivo. El desafío reside en liderar esta transición con visión
estratégica, asegurando que la tecnología sea siempre un medio para un fin superior:
el interés público.
P á g i n a | 25
25
Capítulo II
Estrategias Avanzadas en el
Procesamiento Masivo de Textos:
Patrones, Sentimientos y Tendencias
El panorama actual de la gestión de la información ha experimentado una
transformación paradigmática, desplazándose de un enfoque centrado en datos
estructurados hacia la necesidad crítica de analizar volúmenes masivos de datos no
estructurados. Se estima que la información no estructurada, compuesta por
entrevistas, artículos de noticias y flujos constantes en redes sociales, crece a un ritmo
tres veces superior al de los datos estructurados, lo que obliga a las organizaciones a
adoptar técnicas avanzadas de minería de textos y de procesamiento de lenguaje
natural (NLP) para extraer valor accionable. Este informe técnico detalla las
arquitecturas dominantes, las metodologías de análisis y las herramientas de
vanguardia que definirán el procesamiento de textos, integrando una visión
multidisciplinaria que abarca desde la lingüística computacional hasta la inteligencia
artificial agéntica.
Fundamentos Teóricos y Arquitectónicos del
Procesamiento de Lenguaje Natural
El procesamiento de lenguaje natural contemporáneo se fundamenta en la
convergencia de la lingüística computacional, el aprendizaje profundo y la
inteligencia artificial predictiva. La lingüística computacional proporciona el marco
para entender la estructura sintáctica y semántica del lenguaje humano, mientras que
P á g i n a | 26
26
el aprendizaje profundo permite a las máquinas reconocer, clasificar y correlacionar
patrones complejos sin una intervención humana exhaustiva.
Evolución de los Modelos de Aprendizaje
El procesamiento de textos ha evolucionado mediante diversas metodologías
que reflejan la maduración de la tecnología. Los enfoques supervisados, que requieren
conjuntos de datos etiquetados para el entrenamiento, siguen siendo fundamentales
para tareas de clasificación de documentos con categorías predefinidas. Por otro lado,
el NLP no supervisado utiliza modelos estadísticos para predecir patrones en entradas
no etiquetadas, lo que facilita funciones como el autocompletado y el descubrimiento
de estructuras latentes (Ching et al., 2018).
La arquitectura de red neuronal dominante en la actualidad es el
Transformador, que introdujo mecanismos de atención para administrar y
comprender información textual compleja a una escala sin precedentes. A diferencia
de las redes neuronales recurrentes (RNN) tradicionales, que procesan datos de forma
secuencial, los transformadores pueden capturar dependencias y relaciones
contextuales de largo alcance, lo que los convierte en la base de los modelos de
lenguaje grande (LLM) más potentes, como las series GPT, BERT y T5.
Modelos de Lenguaje Grande (LLM) y su ciclo de vida
Los LLM representan una disrupción significativa en la infraestructura de
datos empresarial. Estos modelos son capaces de comprender y generar texto en
lenguaje humano analizando billones de parámetros. El ciclo de vida de un LLM
comprende etapas críticas que determinan su eficacia en el procesamiento masivo
(véase la Tabla 4).
P á g i n a | 27
27
Tabla 4: Modelos capaces de comprender y generar texto en lenguaje humano
Etapa del ciclo de vida
Descripción Técnica
Importancia Estratégica
Preparación de Datos
Recopilación, limpieza
(eliminación de duplicados y
errores) y filtrado de contenido
sesgado o protegido.
Garantiza la integridad y la
ética del modelo final.
Tokenización
División del texto en unidades
mínimas que el modelo puede
procesar matemáticamente.
Define la granularidad de la
comprensión semántica.
Preentrenamiento
Aprendizaje autosupervisado
(SSL) en conjuntos de datos de
billones de palabras.
Desarrolla la competencia
lingüística general del modelo.
Sintonización (Fine-tuning)
Ajuste del modelo para tareas
específicas, como el análisis de
sentimientos o la traducción.
Permite la especialización en
dominios técnicos o
industriales.
Inferencia
Procesamiento de datos en
tiempo real para realizar
predicciones o resúmenes.
Es la fase en la que el valor se
entrega al usuario final.
Para organizaciones con recursos limitados, el uso de técnicas como la
adaptación de bajo rango (LoRA) y su versión cuantificada (QLoRA) permite
optimizar el uso de unidades de procesamiento gráfico (GPU) durante el ajuste fino,
reduciendo la huella computacional sin comprometer drásticamente la precisión.
P á g i n a | 28
28
Procesamiento Masivo de Entrevistas y Análisis
Cualitativo
El análisis de entrevistas, ya sean académicas, periodísticas o de investigación
de mercado, requiere una transición fluida desde el audio no estructurado hasta el
texto codificado. En la actualidad, la IA ha transformado este flujo de trabajo mediante
herramientas de transcripción automatizada que ofrecen una precisión líder en el
sector, así como funciones diseñadas para investigadores (Pepe, 2025).
Herramientas de Transcripción y su Integración Analítica
La elección del software de transcripción depende del equilibrio entre la
precisión, el costo y las funciones de colaboración. Herramientas como Sonix destacan
por su capacidad multilingüe (49+ idiomas) y su integración con software de análisis
cualitativo (CAQDAS) como ATLAS.ti, NVivo y MAXQDA.
Tabla 5: Herramientas y su capacidad multilingüe
Herramienta
Perfil de Usuario
Ventajas Clave
Limitaciones
Sonix
Académicos e
investigadores
Alta precisión,
identificación de
hablantes y
exportación a
CAQDAS.
Puede resultar costoso
para presupuestos
muy reducidos.
Otter.ai
Equipos corporativos
Transcripción en
tiempo real,
integración con
Zoom/Meet/Teams.
Menos precisión con
acentos fuertes o ruido
de fondo.
Rev
Profesional/Publicació
Modelo híbrido (IA +
La opción humana es
P á g i n a | 29
29
n
humano) para
garantizar la
precisión.
significativamente
más cara.
LoopPanel
Investigadores de UX
Diseñado
específicamente para
la investigación de
usuarios.
Enfoque más estrecho
que el de las
herramientas
generales.
Notta AI
Económico/Freelance
Soporta 104 idiomas y
cuenta con un
generador automático
de resúmenes.
Funciones avanzadas
limitadas en
comparación con
Sonix.
A pesar de los avances, la transcripción automatizada enfrenta desafíos
persistentes. La precisión puede verse comprometida por la superposición de voces,
los acentos marcados y la mala calidad del audio. Además, existe una pérdida de
matices cualitativos, ya que los sistemas automatizados rara vez captan señales no
verbales como el tono, las pausas prolongadas o las expresiones emocionales,
elementos que suelen ser críticos para el análisis interpretativo.
Metodologías de Análisis Cualitativo Asistido por IA
Una vez obtenida la transcripción, el análisis cualitativo se beneficia de
capacidades de IA integradas en plataformas como ATLAS.ti. La función de
codificación asistida por IA permite detectar patrones y temas de forma automática
en grandes volúmenes de datos, aplicando códigos relevantes de manera consistente.
Esto se complementa con herramientas de consulta y tablas de código-documento que
permiten rastrear relaciones e identificar tendencias significativas sin necesidad de
leer cada página manualmente.
P á g i n a | 30
30
El análisis de sentimientos aplicado a entrevistas permite obtener una visión
del tono emocional de los participantes, lo cual es fundamental para comprender las
percepciones profundas en estudios de satisfacción del cliente o en investigaciones
sociológicas (Leyva et al., 2023). Software como Quirkos ofrece una alternativa
simplificada que permite visualizar la densidad de los datos y comparar el feedback
entre diferentes segmentos de audiencia (edad, género, ubicación) mediante la
codificación por colores.
Extracción de Información de Noticias y Artículos
El procesamiento masivo de noticias requiere arquitecturas capaces de
manejar la heterogeneidad de las fuentes web y la volatilidad de la información. La
extracción de entidades es el pilar de este proceso, que transforma el texto no
estructurado en datos organizados y consultables (Yasaca et al., 2025).
Flujo de Trabajo para la Extracción de Entidades (NER)
El objetivo fundamental es identificar y categorizar información clave como
nombres, ubicaciones, organizaciones y fechas. Este proceso sigue un flujo
sistemático:
1. Procesamiento previo: Limpieza del texto para eliminar ruido (HTML,
anuncios), tokenización y etiquetado de las partes del discurso (POS tagging).
2. Identificación de entidades: Uso de modelos de NER (Named Entity
Recognition) para identificar entidades potenciales. En la frase "A partir de enero
de 2025, Arvind Krishna es el CEO de IBM", el sistema debe identificar cuatro
entidades distintas.
3. Clasificación y Vinculación: Categorizar las entidades (Persona, Fecha,
Organización) y resolver las coreferencias. Esto implica entender que Krishna,
P á g i n a | 31
31
Arvind Krishna y el CEO se refieren a la misma persona en un artículo, un
proceso también conocido como vinculación de entidades.
4. Extracción de Relaciones y Eventos: Identificar cómo las entidades interactúan
entre sí. Por ejemplo, la relación del CEO conecta a la persona con la
organización.
Herramientas de minería de noticias en Python
Para el desarrollo de sistemas de procesamiento de noticias, el ecosistema de
Python ofrece librerías robustas que automatizan el raspado (scraping) y el análisis:
● Newspaper3k: Permite extraer el contenido principal de un artículo, los autores,
la fecha de publicación, las imágenes y las palabras clave simplemente pasando
la URL. Es ideal para eliminar el junk data de los portales de noticias.
● Scrapy: Un framework de alto nivel para rastrear sitios web y extraer datos
estructurados, adecuado para proyectos de gran escala que requieren un
crawling masivo.
● Feedparser: Especializado en el análisis de fuentes RSS y Atom, lo que permite
monitorear actualizaciones de noticias en tiempo real.
● PyGoogleNews: Actúa como un wrapper no oficial de Google News, facilitando
la búsqueda de noticias por palabras clave, región o periodo de tiempo.
La combinación de estas herramientas con los modelos de lenguaje de spaCy
permite construir pipelines de producción que transforman flujos de noticias globales
en bases de datos de conocimiento estructurado en minutos.
P á g i n a | 32
32
Análisis de Sentimientos y Emociones en Redes
Sociales
Las redes sociales presentan el desafío lingüístico más complejo debido al uso
extensivo de jerga, abreviaturas, emojis y, sobre todo, al sarcasmo. El análisis de
sentimientos se ha desplazado de una clasificación binaria (positivo/negativo) a un
análisis multidimensional de emociones e intenciones (Yasaca et al., 2025).
Modelos Especializados para el Idioma Español
Para el procesamiento de redes sociales en español, los modelos genéricos
suelen fallar al no captar los matices culturales. Por ello, se recomienda el uso de
modelos entrenados específicamente con datos de plataformas como Twitter (X)
(véase la Tabla 6).
Tabla 6: Modelos entrenados según la identidad cultural y el software de
programación
Modelo / API
Origen
Fortalezas en redes
sociales
Categorías de
Análisis
pysentimiento
Python Library
Optimizado para
textos informales,
maneja emojis de
forma nativa.
POS, NEG, NEU.
RoBERTuito
Hugging Face
Entrenado con 500M
de tweets en español,
es excelente para el
Twitter-speak.
Sentimiento y
emociones.
BETO
Universidad de Chile
Versión española de
General, adaptable.
P á g i n a | 33
33
BERT, base de muchos
modelos
especializados.
Google Cloud NLP
Google
Proporciona la
magnitud emocional
(intensidad del
sentimiento).
Escala de -1 a 1.
Sentiment Analysis
Spanish
Python Library
Red neuronal
entrenada con 800k
reseñas, con alta
precisión (88%).
Clasificación de
reseñas.
Monitoreo de la reputación de marca en tiempo real
Las herramientas de escucha social (Social Listening) integran estas APIs para
ofrecer dashboards de inteligencia de negocio. Plataformas como Hootsuite y
Talkwalker permiten no solo contar las menciones, sino también detectar crisis
potenciales mediante el análisis de la velocidad de la discusión y de cambios
repentinos en el tono emocional de la audiencia.
Un aspecto crítico es el análisis de los emojis. Un emoji de pulgar hacia abajo
en un comentario aparentemente positivo puede ser el indicador definitivo de
sarcasmo, una sutileza que las herramientas modernas de IA, como Meltwater y
Brand24, ya son capaces de procesar mediante análisis contextual (Hauthal et al.,
2021). La capacidad de estas herramientas para asignar una puntuación de influencia
o de alcance estimado (ESMR) asegura que las empresas prioricen las menciones que
realmente impactan en su reputación.
P á g i n a | 34
34
Identificación de Patrones y Tendencias mediante
Modelado de Temas
El modelado de temas (Topic Modeling) es una técnica esencial para descubrir
de qué se habla en un corpus masivo sin categorías predefinidas. Es una forma de
aprendizaje no supervisado que identifica clústeres de palabras que suelen coocurrir
en los documentos.
Latent Dirichlet Allocation (LDA)
El modelo LDA es la técnica bayesiana clásica para el modelado de temas. Se
basa en la premisa de que cada documento es una mezcla de temas latentes y que cada
tema es una distribución de palabras. El algoritmo intenta realizar una ingeniería
inversa del proceso de generación de texto para descubrir estas estructuras ocultas
(Pinto da Costa, 2022).
Técnicamente, el LDA utiliza una matriz Documento-Término y asigna
probabilidades:
● Probabilidad Palabra-Tema: Qué tan probable es que una palabra clave
pertenezca a un tema específico.
● Probabilidad Documento-Tema: ¿En qué proporción se compone un documento
de diversos temas?
Para que el LDA sea efectivo, el preprocesamiento es vital. Se deben eliminar
las stopwords (palabras comunes como “el”, “y”, “que”) y aplicar lematización para
reducir las palabras a su raíz base, evitando que las variantes de una misma palabra
se traten como términos diferentes.
P á g i n a | 35
35
BERTopic y el Modelado Dinámico de Temas (DTM)
Mientras que el LDA trata los documentos como una bolsa de palabras
ignorando el contexto, BERTopic utiliza embeddings de transformadores para
capturar la semántica profunda. Una de sus mayores ventajas es el Modelado
Dinámico de Temas (DTM), que permite analizar la evolución de los temas a lo largo
del tiempo.
El DTM permite a los investigadores responder preguntas complejas sobre la
evolución de las tendencias:
● Ajuste Global: Estabiliza la representación del tema al compararla con el
significado global del corpus.
● Ajuste Evolutivo: Permite que un tema cambie gradualmente entre intervalos de
tiempo (t y t-1), capturando cómo la terminología de un concepto evoluciona (p.
ej., cómo el término “trabajo remoto” se transformó en modelos híbridos
pospandemia).
Arquitecturas Modernas para la Síntesis de
Información: RAG y Agentes
A medida que el volumen de texto crece, la necesidad de sintetizar
información de múltiples fuentes de manera coherente ha llevado al desarrollo de la
Generación Aumentada por Recuperación (RAG). Esta arquitectura permite que un
LLM responda preguntas utilizando datos externos que no estaban presentes en su
entrenamiento original, como documentos internos o noticias de última hora.
RAG Clásico vs. Recuperación Agéntica
En la actualidad, la distinción entre RAG básico y sistemas agénticos es
P á g i n a | 36
36
fundamental para el procesamiento masivo:
1. RAG Clásico: Utiliza búsquedas híbridas (keyword + vector) y reclasificación
semántica para encontrar los 50 mejores fragmentos de información. Es ideal para
consultas directas y para requisitos de velocidad.
2. Recuperación Agéntica: El LLM actúa como un agente que analiza la pregunta
compleja, la descompone en subconsultas dirigidas, las ejecuta en paralelo en
múltiples fuentes y sintetiza una respuesta final estructurada con citas claras de
procedencia.
Mejores Prácticas en la Implementación de RAG
Para garantizar que la síntesis de información no genere alucinaciones (datos
falsos), se deben aplicar técnicas de recuperación avanzada:
● Búsqueda Híbrida: Combina la precisión de la búsqueda por palabras clave con
la flexibilidad semántica de los vectores para maximizar el recall.
● Re-ranking: Después de una búsqueda inicial, un modelo de reclasificación
(cross-encoder) evalúa la utilidad real de cada fragmento antes de enviarlo al
modelo de generación.
● Context Distillation: Reduce el bloat de los prompts al eliminar información
irrelevante de los fragmentos recuperados, lo que mejora la precisión y reduce el
costo de tokens.
● GraphRAG: Utiliza bases de datos de grafos para conectar entidades entre
diferentes documentos, lo que permite responder preguntas que requieren unir
puntos entre fuentes aparentemente inconexas.
P á g i n a | 37
37
Adquisición de Datos y Ética en Plataformas
Sociales
La extracción masiva de textos de redes sociales como Reddit y Twitter (X)
enfrenta desafíos técnicos y regulatorios cada vez más estrictos. Para Reddit, la API
oficial permite un acceso ético y sostenible (60 solicitudes por minuto) y la librería
PRAW es la opción preferida por su manejo automático de los límites de velocidad.
Pushshift sigue siendo una herramienta vital para investigadores académicos que
necesitan acceder a archivos históricos masivos desde 2005, aunque ha experimentado
limitaciones en la ingesta de nuevos datos desde 2023 (Ortíz y Mosquera, 2020).
En Twitter (X), las restricciones han llevado a los investigadores a utilizar
métodos alternativos:
● Apify Scraper: Ejecuta raspadores en la nube que gestionan la rotación de proxies
y evitan los bloqueos antibot.
● Exportación HAR: Un enfoque manual en el que se exporta el tráfico de red del
navegador y se procesa localmente para extraer JSON y metadatos, sin depender
de la API oficial.
Ética y Datos Sintéticos
La IA ética es ahora una prioridad corporativa. El entrenamiento con datos
sesgados puede dar lugar a discriminación en aplicaciones de seguros o de
contratación. En este contexto, el uso de datos sintéticos ha cobrado popularidad.
Estos datos se generan artificialmente para replicar las características estadísticas de
los datos reales sin contener información personal identificable, lo que permite
cumplir con regulaciones de privacidad como el GDPR mientras se continúan
innovando los modelos de análisis.
P á g i n a | 38
38
Integración y Gobernanza de Múltiples Fuentes
El procesamiento masivo no es un fin en sí mismo, sino un medio para la toma
de decisiones. Esto requiere una metodología rigurosa para integrar entrevistas, redes
sociales y noticias en un ecosistema coherente.
Pasos para una Integración de Datos Exitosa
1. Definición de Objetivos: Identificar qué datos realmente aportan valor a las
metas empresariales y evitar la acumulación de datos irrelevantes.
2. Identificación y Evaluación de Fuentes: Asegurar que las fuentes sean
confiables y comprender sus diversos formatos (JSON, XML, CSV y APIs).
3. Limpieza y Normalización: Identificar registros incompletos, eliminar
duplicados y estandarizar las convenciones de nomenclatura (p. ej., formatos de
fecha coherentes).
4. Automatización: Implementar flujos de trabajo ETL (Extraer, Transformar,
Cargar) que mantengan la información actualizada en tiempo real.
La gobernanza de datos asegura que la calidad se mantenga a lo largo del
tiempo, estableciendo umbrales para detectar la deriva (drift) en el rendimiento de los
modelos de IA, lo cual es esencial en entornos dinámicos donde el lenguaje y los temas
de tendencia cambian rápidamente (Rodríguez et al., 2025).
Visualización de Redes Semánticas y
Conceptuales
Para comprender la complejidad de los datos masivos, la visualización de
grafos permite identificar patrones que no son evidentes en tablas o en textos planos.
Las redes semánticas revelan cómo las ideas se agrupan y qué conceptos son centrales
P á g i n a | 39
39
en una conversación.
Herramientas de Visualización de Vanguardia
● Gephi: Es la plataforma líder para la exploración de grafos a gran escala. Permite
calcular métricas de centralidad como el Betweenness (qué nodos actúan como
puentes entre grupos) y el Eigenvector (qué nodos están conectados a otros nodos
importantes).
● VOSviewer: Diseñado específicamente para visualizar redes bibliométricas y de
citación, lo que permite mapear de forma intuitiva el panorama de la
investigación científica.
● NodeXL: Una extensión de Excel que permite a usuarios no técnicos generar
mapas de redes semánticas a partir de sus propias hojas de cálculo, revelando
clústeres de palabras clave.
La visualización profesional en Gephi, mediante algoritmos de distribución
como Force Atlas 2 o Fruchterman-Reingold, permite transformar una red en bruto en
una representación visualmente atractiva y analíticamente profunda que puede
exportarse en alta resolución para informes estratégicos.
El procesamiento masivo de textos se define por la capacidad de integrar
múltiples fuentes de datos no estructurados en arquitecturas agénticas y dinámicas.
La transición de modelos estáticos a modelos evolutivos, como BERTopic, permite a
las empresas no solo entender el presente, sino también anticipar cambios en las
preferencias de los consumidores y detectar oportunidades de mercado ocultas.
La adopción de RAG avanzado y de sistemas de recuperación agéntica
garantiza que la síntesis de información sea precisa, citable y libre de alucinaciones,
superando las limitaciones de los chatbots convencionales. Sin embargo, el éxito
tecnológico debe ir acompañado de una sólida base ética que priorice la privacidad
P á g i n a | 40
40
mediante datos sintéticos y la transparencia en el uso de la IA (Alawida et al., 2023).
En última instancia, el procesamiento de textos ya no es una tarea aislada de
los departamentos técnicos, sino una competencia central de la inteligencia de
negocios moderna. Las organizaciones que dominen la extracción de insights a partir
de entrevistas, noticias y redes sociales obtendrán una ventaja competitiva decisiva al
basar sus decisiones en la realidad compleja y matizada del lenguaje humano,
procesada a escala masiva.
P á g i n a | 41
41
Capítulo III
Modelado basado en agentes:
Simulación de comportamientos
humanos complejos para predecir
dinámicas sociales
La evolución contemporánea de las ciencias sociales ha encontrado en el
modelado basado en agentes (ABM) una herramienta paradigmática para superar las
limitaciones de los enfoques analíticos tradicionales. Esta metodología, basada en la
simulación computacional de individuos autónomos y sus interacciones, permite
abordar la complejidad inherente a los sistemas humanos de una manera que las
ecuaciones diferenciales y los modelos estadísticos agregados no han logrado
satisfacer plenamente. En lugar de depender de promedios poblacionales que a
menudo oscurecen la diversidad del comportamiento individual, el ABM construye
sociedades artificiales desde abajo hacia arriba, permitiendo que las dinámicas
globales emerjan orgánicamente de reglas locales.
La relevancia de este enfoque ha crecido exponencialmente en la última
década, impulsada por la disponibilidad masiva de microdatos y por un aumento sin
precedentes en la potencia de cálculo. Así, el campo ha alcanzado un punto de
inflexión en el que los modelos ya no son solo ejercicios teóricos o estilizados, sino
herramientas tácticas utilizadas por bancos centrales y organismos de seguridad para
predecir desde burbujas financieras hasta el flujo de multitudes en situaciones de
emergencia. El presente informe detalla los fundamentos, la evolución, las
aplicaciones críticas y los desafíos éticos de esta tecnología, ofreciendo una visión
P á g i n a | 42
42
exhaustiva de su capacidad para transformar nuestra comprensión de la realidad
social.
Fundamentos ontológicos y la insuficiencia de los
modelos agregados
La premisa fundamental del modelado basado en agentes es que el sistema
social es un sistema adaptativo complejo. En estos sistemas, el todo no es simplemente
la suma de sus partes; por el contrario, las propiedades del nivel macro surgen de las
interacciones no lineales del nivel micro. Esta noción de emergencia desafía la
metodología tradicional de las ciencias sociales, que durante décadas se basó en
ecuaciones diferenciales para modelar flujos y stocks agregados.
Las críticas a los modelos basados en ecuaciones (EBM) se centran en su
incapacidad para captar la heterogeneidad de los agentes y la estructura de sus redes
de contacto. Mientras que un EBM asume que una población es homogénea o que sus
miembros interactúan de manera aleatoria (mezcla perfecta), el ABM permite
especificar que cada individuo posee atributos únicos, como edad, ingresos, creencias
y niveles de pánico (Norabuena et al., 2020). Esta capacidad de representar la no
independencia de los individuos es crucial en contextos en los que el comportamiento
de una sola persona, como el de un vendedor en pánico o de un paciente cero en una
epidemia, puede desencadenar una cascada que altere todo el sistema.
Comparativa de paradigmas de modelado en ciencias sociales
Para comprender la transición hacia el ABM, es necesario evaluar las
diferencias estructurales entre los métodos dominantes. La Tabla 7 resume las
dimensiones clave que distinguen el modelado basado en agentes de los enfoques top-
down tradicionales.
P á g i n a | 43
43
Tabla 7: Dimensiones de modelos ABM, EBM y estadístico
Dimensión
Modelado basado en
agentes (ABM)
Modelado Basado en
Ecuaciones (EBM)
Modelado Estadístico
Punto de partida
Reglas de
comportamiento
individual
Tasas de cambio
globales
Datos históricos
observados
Heterogeneidad
Intrínseca; cada
agente es único
Generalmente
ausente; uso de
promedios
Capturada como
varianza
Interacciones
Locales, directas y en
red
Indirectas; a través de
variables globales
Independencia
asumida
Equilibrio
No asumido; el
sistema puede ser
dinámico
El sistema tiende al
equilibrio
Estático o
comparativo
Validación
Micro y macro
(multinivel)
Solo a nivel macro
(agregado)
Ajuste a datos
históricos
El ABM ofrece una ontología natural para los problemas sociales porque los
seres humanos, las instituciones y las empresas actúan como agentes autónomos en la
realidad. Al codificar estas entidades como objetos de software con estados internos y
reglas de decisión, los investigadores pueden hacer crecer fenómenos sociales en
laboratorios digitales, explorando contrafácticos que serían imposibles o poco éticos
de probar en el mundo real, como el impacto de un confinamiento total o la caída
deliberada de un mercado de valores.
Arquitectura de las sociedades artificiales
Un modelo basado en agentes se compone de tres elementos esenciales: los
agentes, el entorno y las reglas de interacción. La sofisticación de estos modelos ha
P á g i n a | 44
44
evolucionado desde simples autómatas celulares hasta marcos integrados con
inteligencia artificial generativa.
Agentes: Autonomía y racionalidad limitada
Los agentes son las unidades fundamentales del modelo. Se caracterizan por
su autonomía: procesan información y toman decisiones sin intervención externa
directa. En lugar de la racionalidad perfecta asumida por la economía clásica, los
agentes en un ABM operan con una racionalidad limitada, recurriendo a heurísticas o
reglas simples para alcanzar sus objetivos.
La tipología de los agentes se ha clasificado según su complejidad cognitiva.
Los agentes de reflejo simple operan mediante reglas de condición-acción, mientras
que los agentes basados en objetivos o en utilidad pueden planificar secuencias de
acciones para maximizar una función de bienestar o alcanzar un estado deseado. En
los desarrollos más recientes, se han integrado agentes impulsados por modelos de
lenguaje de gran tamaño (LLM), lo que les permite poseer un conocimiento previo rico
y adaptar su comportamiento de manera fluida según el contexto narrativo de la
simulación (Cina et al., 2025).
El Entorno y la Topología de Interacción
El entorno define dónde se encuentran los agentes y cómo se mueven. Este
espacio puede ser una rejilla abstracta (como en el Juego de la Vida de Conway), un
espacio continuo o una red social compleja. La topología es crítica porque determina
quién puede interactuar con quién. En un sistema social, los agentes no interactúan
con todos los demás, sino con sus vecinos en una red de amigos, colegas o familiares.
Las topologías comunes incluyen:
● Redes de mundo pequeño: en las que la mayoría de los agentes no son vecinos,
P á g i n a | 45
45
pero se puede llegar a cualquier otro en pocos pasos.
● Redes de escala libre: caracterizadas por la presencia de hubs o nodos altamente
conectados.
● Topologías basadas en SIG: Utilizan datos geográficos reales para simular el
movimiento en ciudades específicas, importando capas de edificios, calles y
obstáculos físicos.
Reglas de Decisión y Aprendizaje
Las reglas de interacción rigen el comportamiento del agente ante estímulos
externos. Estas pueden ser tan simples como si mi vecino tiene una opinión diferente,
cámbiala con una probabilidad o tan complejas como funciones de utilidad
multivariables que sopesan costos y beneficios. El aprendizaje y la adaptación son
componentes vitales, permitiendo que los agentes modifiquen sus reglas internas a
partir del éxito o el fracaso de acciones pasadas, replicando la evolución cultural y
social.
Evolución histórica: de Schelling a los agentes
generativos
La historia del ABM es un relato de convergencia entre la sociología
matemática, la ecología y la computación. Aunque sus raíces teóricas se encuentran
en los trabajos de pensadores como Adam Smith sobre el orden emergente, el campo
comenzó formalmente con el surgimiento de la computación.
Los pioneros de los años 70
En 1971, Thomas Schelling publicó su modelo de segregación, demostrando
que patrones macroscópicos de segregación racial podían emerger incluso de
P á g i n a | 46
46
preferencias individuales muy leves por la proximidad a vecinos similares. Casi
simultáneamente, James Sakoda propuso un marco similar para estudiar las
interacciones grupales, sentando las bases de lo que hoy conocemos como dinámica
de grupos artificiales. En esta etapa, los modelos se realizaban con frecuencia de forma
manual, utilizando tableros y monedas.
La era del Instituto de Santa Fe y Sugarscape
Durante las décadas de 1980 y 1990, el Instituto de Santa Fe (SFI) se convirtió
en el epicentro de la ciencia de la complejidad. Bajo el liderazgo de figuras como
Christopher Langton, se desarrolló la plataforma Swarm para facilitar la creación de
modelos científicos. Un hito fundamental fue la publicación de Growing Artificial
Societies, de Joshua Epstein y Robert Axtell, en 1996. Su modelo, Sugarscape, exploró
la emergencia de estructuras sociales, redes de intercambio, transmisión cultural e
incluso dinámicas de guerra a partir de agentes que buscaban azúcar en un paisaje
bidimensional.
El salto hacia la economía convencional (2025)
Históricamente, la economía dominante marginó al ABM debido a su
naturaleza computacional y la falta de soluciones analíticas cerradas. Sin embargo, en
agosto de 2025, el grupo de trabajo del SFI titulado Economic Agent-Based Models:
Crossing Over the Tipping Point marcó un cambio histórico. Este encuentro reunió a
banqueros centrales de países como Chile, Canadá e Italia para discutir cómo los
modelos basados en agentes están superando a los enfoques convencionales al
incorporar microdatos masivos para predecir burbujas inmobiliarias y el impacto de
los desastres ambientales.
P á g i n a | 47
47
Aplicaciones Críticas en la Sociedad Moderna
El modelado basado en agentes ha encontrado aplicaciones en casi todas las
facetas de la vida pública donde la interacción humana es el motor principal del
sistema.
Economía y Finanzas Adaptativas
En contraste con los modelos económicos tradicionales que asumen que los
mercados tienden al equilibrio, el ABM reconoce que los sistemas financieros están en
constante cambio y están sujetos a comportamientos no lineales. Los modelos
modernos simulan diferentes perfiles de inversores, incluidos los imitadores y los
técnicos, para entender cómo la retroalimentación positiva puede conducir a crisis
financieras.
Un avance significativo ha sido la capacidad de estos modelos para simular
economías nacionales completas. Países como Hungría y Canadá han implementado
ABM de alta calidad que permiten a los responsables de políticas realizar
experimentos de laboratorio sobre el impacto de cambios en las tasas de interés o de
intervenciones en la cadena de suministro, sin arriesgar la economía real.
Difusión de Innovaciones y Marketing
La comprensión de cómo se propagan las nuevas tecnologías ha sido
revolucionada por el ABM. El modelo clásico de Bass se ha extendido a marcos
basados en agentes para considerar la estructura de la red social de los adoptantes
(Bakker, 2019). La ecuación de Bass se define tradicionalmente como:
P á g i n a | 48
48
Donde es la probabilidad de adopción en el tiempo , es la fracción
acumulada de adoptantes, es el coeficiente de innovación y es el coeficiente de
imitación.
En un ABM, este proceso se modela de modo que cada agente decida adoptar
según su propia predisposición () y la influencia de sus vecinos directos en la red ( ).
Simulaciones recientes del mercado de sistemas fotovoltaicos en Alemania utilizaron
ABM con 25 parámetros libres, logrando un coeficiente de determinación
al ajustarse a datos de más de 6.000 puntos, lo que demuestra la potencia predictiva
de estos modelos cuando se calibran con Big Data.
Dinámicas de Opinión y Polarización
La polarización política es uno de los desafíos sociales más urgentes del siglo
XXI. Los modelos de opinión basados en agentes, como el de Hegselmann-Krause
(HK), estudian cómo las personas ajustan sus creencias a partir de la proximidad
intelectual con otros. Por ende, se han desarrollado modificaciones que integran la
teoría de la identidad social, lo que demuestra que la polarización puede surgir no por
una repulsión consciente entre opuestos, sino por la creación de barreras de
comunicación impulsadas por la pertenencia a un grupo (McCoy, 2022).
Estas simulaciones muestran que la heterogeneidad en la apertura mental de
los agentes tiene un efecto paradójico: mientras que la identidad grupal divide, una
distribución variada de niveles de tolerancia puede actuar como un motor de consenso
en poblaciones grandes.
P á g i n a | 49
49
Gestión de Emergencias y Seguridad Pública
El ABM es quizás la herramienta más eficaz para el diseño de estrategias de
evacuación y de gestión de multitudes, cuando los experimentos físicos son peligrosos
o imposibles.
El Modelo de Fuerza Social (SFM) y el pánico
El Modelo de Fuerza Social, introducido originalmente por Helbing y Molnár,
trata a los peatones como partículas sujetas a fuerzas sociales de repulsión y atracción.
En situaciones de emergencia, surge el efecto más rápido es más lento (faster-is-slower),
en el que el deseo individual de salir rápidamente provoca atascos en forma de arco
en los cuellos de botella, lo que reduce la eficiencia total de la evacuación.
Investigaciones recientes han integrado factores psicológicos profundos en estas
simulaciones, tales como:
● Retrasos en la respuesta: el tiempo que tarda un agente en reconocer una
amenaza.
● Duda en los puntos de decisión: vacilación ante múltiples rutas posibles.
● Elección irracional de rutas: Tendencia a seguir a la multitud (pastoreo) incluso
si existen salidas más despejadas.
El Marco RESCUE 3D
El sistema RESCUE (cRowd Evacuation Simulation via Controlling SDM-United
charactErs) representa el estado del arte en esta área. A diferencia de los modelos 2D
simplificados, RESCUE utiliza un flujo Sensorial-Decisión-Motor (SDM) para simular
el movimiento humano en 3D en terrenos irregulares. Este marco permite:
1. Percepción dinámica de la multitud: Los agentes ajustan su velocidad y
P á g i n a | 50
50
dirección en tiempo real basándose en la proximidad física (proxémica).
2. Control de marcha personalizado: Los agentes tienen diferentes capacidades
físicas según su edad y condición física, lo que genera una diversidad de
movimientos realista.
3. Visualización de fuerzas a nivel de parte: Permite a los analistas ver
exactamente dónde se están produciendo las presiones físicas más peligrosas en
una multitud para prevenir incidentes de aplastamiento.
Ecosistema de Software y Herramientas de
Modelado
La implementación de un ABM requiere elegir la herramienta adecuada según
la escala y el objetivo de la investigación. La siguiente tabla compara las plataformas
líderes en el dominio (véase la Tabla 8).
Tabla 8: Plataformas LBM y sus sintaxis de programación
Plataforma
Lenguaje de
Programación
Fortalezas
Casos de Uso Ideales
NetLogo
Logo (dialecto
especializado)
Facilidad de uso, gran
biblioteca de modelos
y excelente para el
prototipado rápido.
Educación, ciencias
sociales teóricas,
modelos de baja
complejidad.
Repast Simphony /
HPC
Java / C++ / Groovy
Alta escalabilidad,
soporte para
computación
distribuida de alto
rendimiento.
Simulaciones a gran
escala (ciudades
enteras), tráfico,
epidemiología
masiva.
AnyLogic
Java
Multiparadigma,
visualización
Logística, cadena de
suministro, procesos
P á g i n a | 51
51
profesional en 3D,
integración
empresarial.
de manufactura,
consultoría de
negocios.
Mesa
Python
Acceso a librerías de
IA y de ciencia de
datos (Pandas, ML),
integración con
Jupyter.
Investigación
académica moderna,
prototipado rápido e
integración de datos.
Agents.jl
Julia
Rendimiento superior
(hasta 20x más rápido
que los competidores),
código conciso.
Modelos que
requieren miles de
ejecuciones para el
análisis de
sensibilidad masivo.
Un hallazgo técnico relevante en 2024 mostró que NetLogo puede ser hasta 20
veces más rápido que implementaciones basadas en Groovy (como ReLogo) en
modelos específicos, lo que desafía la percepción de que las herramientas fáciles son
necesariamente lentas. Sin embargo, para proyectos que involucran millones de
agentes, Repast HPC sigue siendo la referencia por su capacidad para ejecutarse en
supercomputadoras.
Metodologías de Validación: El desafío de la
credibilidad
La validación es el talón de Aquiles del modelado basado en agentes. Un
modelo puede producir resultados visualmente atractivos, pero carecer de base
empírica. Para mitigar este riesgo, se han estandarizado protocolos rigurosos de
validación y verificación (V&V).
P á g i n a | 52
52
Modelado orientado a patrones (POM)
El marco POM sugiere que un modelo es creíble solo si puede reproducir
simultáneamente múltiples patrones observados en la realidad a distintas escalas. Por
ejemplo, un modelo de tráfico exitoso no solo debe predecir el tiempo total de viaje
(nivel macro), sino también la distribución de velocidades individuales y la frecuencia
de frenado en intersecciones específicas (nivel micro).
El Protocolo ODD
Para garantizar la replicabilidad científica, el protocolo ODD (Overview, Design
concepts, and Details) se ha vuelto obligatorio en muchas publicaciones. Este marco
obliga al modelador a describir la arquitectura del modelo de forma secuencial,
detallando desde el propósito y las escalas hasta las fórmulas exactas para la toma de
decisiones de los agentes, eliminando la ambigüedad que plagaba los primeros
modelos de los años 90.
Análisis de Sensibilidad y Docking
El análisis de sensibilidad permite entender qué parámetros tienen mayor
impacto en los resultados del modelo y ayuda a identificar variables críticas que
requieren datos más precisos. Por otro lado, el docking es el proceso de intentar
replicar los resultados de un modelo existente utilizando una plataforma de software
diferente, lo cual sirve como una prueba de fuego de la robustez del modelo original
(Ginocchi et al., 2021).
Ética, Riesgos y el Futuro del ABM
A medida que los agentes se vuelven más autónomos y realistas, los desafíos
éticos se multiplican. La integración de la IA generativa en el ABM ha abierto una caja
P á g i n a | 53
53
de Pandora de preocupaciones sobre la manipulación y el sesgo.
Sesgo algorítmico y transparencia
Los agentes entrenados con datos históricos pueden perpetuar y amplificar
prejuicios raciales, de género o socioeconómicos. En 2025, el Departamento de
Seguridad Nacional (DHS) de EE. UU. incluyó la autonomía de los agentes en su lista
de riesgos críticos para la infraestructura nacional, advirtiendo sobre las
consecuencias no deseadas de decisiones automatizadas en los sistemas de salud y de
finanzas.
La transparencia es otro frente crítico. Se han documentado casos en los que
agentes de IA en entornos simulados han sido diseñados para ser engañosos,
ocultando su verdadera identidad o manipulando emocionalmente a los usuarios
humanos para alcanzar objetivos de marketing o políticos.
Gobernanza y Estándares
El campo avanza en la elaboración de un código de ética formal para los
simulacionistas. Los principios propuestos incluyen:
1. Responsabilidad profesional: Garantizar la alta calidad y la revisión por pares
de los modelos utilizados para políticas públicas.
2. Privacidad de datos: Honrar los derechos de las personas cuyos datos se utilizan
para calibrar las sociedades artificiales.
3. Seguridad técnica: Implementar sistemas como el Granite Guardian de IBM, que
puede detectar alucinaciones en los agentes antes de que tomen acciones dañinas.
P á g i n a | 54
54
Perspectiva a largo plazo: La Era del Simulador
Social
El modelado basado en agentes está transformando las ciencias sociales de una
disciplina puramente descriptiva a otra experimental y predictiva. La capacidad de
simular la complejidad humana no solo nos permite entender mejor el pasado, como
el ascenso de las políticas de Inner Asia, sino también prepararnos para un futuro
incierto.
Desde la resolución de paradojas macroeconómicas hasta la prevención de
catástrofes en estadios mediante simulaciones 3D, el ABM se ha consolidado como el
microscopio de las ciencias sociales. El desafío futuro no radica en la potencia de
cómputo, sino en nuestra capacidad para alinear estas potentes simulaciones con los
valores humanos, asegurando que las predicciones generadas sirvan para construir
sociedades más resilientes, justas y seguras. La convergencia entre microdatos, IA
generativa y teoría de la complejidad promete una era en la que las dinámicas sociales
ya no sean un misterio impenetrable, sino un sistema comprensible y, en última
instancia, mejorable mediante la ciencia computacional.
P á g i n a | 55
55
Capítulo IV
Gestión Legislativa y Normativa:
Metodologías Técnicas de Redacción
en la Administración Pública
La gestión legislativa y normativa en el Estado moderno ha trascendido la
mera producción de textos jurídicos para convertirse en una disciplina estratégica que
integra el análisis de políticas públicas, la evaluación técnica y la arquitectura del
lenguaje. Este proceso no se limita a la redacción de leyes, sino que abarca la totalidad
del ciclo de vida de la intervención estatal, desde la identificación de una falla de
mercado o de una necesidad social hasta la evaluación ex post de la eficacia de la
norma. La legitimidad de la acción de gobierno hoy depende fundamentalmente de
la calidad de sus regulaciones, entendida como la capacidad de estas para alcanzar
objetivos de interés público minimizando las cargas innecesarias para la ciudadanía y
los sectores productivos.
Fundamentos de la Gestión Legislativa y el Ciclo
de Políticas Públicas
La gestión legislativa debe entenderse como el puente necesario entre los
estudios sobre la administración pública y la teoría de la legislación. No existe una
dicotomía real entre estos campos; por el contrario, se observa una simbiosis necesaria
en la que la política pública proporciona el contenido estratégico y la técnica
legislativa otorga la forma jurídica que garantiza la seguridad y la previsibilidad. La
disciplina de la política pública tiene como objeto mejorar la calidad y la eficacia de la
P á g i n a | 56
56
toma de decisiones directivas de los gobiernos, basándose en el conocimiento de la
realidad social y técnica.
La Política Pública como Construcción Social
Las políticas públicas no son meros documentos administrativos, sino el reflejo
de los ideales y anhelos de la sociedad. Expresan los objetivos de bienestar colectivo y
determinan cómo se distribuyen las responsabilidades y los recursos entre los
diversos actores sociales. Se definen como un conjunto de actividades —que incluyen
programas, estrategias, procedimientos, leyes y reglamentos— orientadas a un
objetivo general de interés público. Desde esta perspectiva, la norma jurídica es solo
uno de los instrumentos posibles dentro de un arsenal de intervención más amplio.
El proceso de configuración de una política pública suele representarse
mediante un ciclo pedagógico que, aunque en la realidad es mucho más complejo y
no lineal, permite estructurar la intervención del Estado en fases diferenciadas (véase
la Tabla 9).
Tabla 9: Intervención del Estado en fases diferenciadas de políticas públicas
Fase del Ciclo
Descripción y Función
Estratégica
Relevancia Legislativa
Agenda Pública
Identificación y priorización de
problemas que requieren
intervención estatal.
Determinación de la necesidad de
una nueva ley o de una reforma.
P á g i n a | 57
57
Formulación
Diseño de objetivos y metas y
búsqueda de alternativas de
solución.
Redacción preliminar de
borradores y análisis de impacto.
Decisión
Elección de la alternativa más
viable y aprobación formal del
instrumento.
Debate parlamentario y sanción de
la norma.
Implementación
Conjunto de decisiones y
acciones para poner en marcha la
política.
Reglamentación y dictado de actos
administrativos.
Evaluación
Análisis de los resultados y
retroalimentación para la toma
de decisiones.
Control de constitucionalidad y
análisis de impacto ex post.
La implementación como Ensamblaje Crítico
La implementación, según algunos autores, es el proceso de ensamblar los
elementos requeridos para lograr la producción de un impacto programado
específico. Este ensamblaje involucra a actores públicos, paraestatales y privados que
actúan conforme a un acuerdo político-administrativo. Las normas legislativas y
reglamentarias fijan las reglas de este juego, estableciendo los límites del fair play y
las condiciones para la interacción.
Un diseño normativo deficiente en esta etapa puede conducir al fracaso de la
política pública, independientemente de cuán nobles sean sus objetivos. El grado de
P á g i n a | 58
58
formalidad de la planificación y la precisión de los actos finales de implementación —
outputs destinados directamente a los grupos objetivo— son criterios de análisis
fundamentales para determinar si la gestión legislativa ha sido exitosa.
Análisis de Impacto Normativo (AIN): El Corazón
de la Mejora Regulatoria
El Análisis de Impacto Normativo (AIN), conocido internacionalmente como
Regulatory Impact Assessment (RIA), es la herramienta metodológica por excelencia
para garantizar que las decisiones de gobierno se basen en evidencia y no en
intuiciones ni en presiones sectoriales. Se trata de un proceso continuo que estructura
la información necesaria para valorar si la propuesta normativa es la opción más
adecuada para enfrentar una situación de hecho.
Principios Rectores del AIN
La implementación de un sistema de AIN sólido debe responder a principios
básicos que aseguren su integridad y utilidad:
● Multidisciplinariedad: La tarea regulatoria es una labor conjunta entre las áreas
técnicas y jurídicas. La mera visión legalista es insuficiente para comprender la
capacidad de implementación y las consecuencias socioeconómicas de una
norma.
● Coordinación Interinstitucional: Dado que las funciones de inspección,
vigilancia y control suelen estar en manos de autoridades distintas a las que
diseñan la política, es vital involucrarlas desde etapas tempranas para evaluar los
costos de supervisión y cumplimiento.
● Evidencia: El AIN requiere sustentarse en datos, indicadores y métodos
cuantitativos y cualitativos que permitan establecer una línea base y proyectar
P á g i n a | 59
59
cambios.
● Transparencia y Participación: La consulta pública no es un trámite formal al
final del proceso, sino una labor transversal que enriquece el análisis al identificar
costos y beneficios que la administración podría omitir.
● Proporcionalidad: El esfuerzo de análisis debe ser proporcional a la magnitud
del impacto esperado. Las regulaciones de alto impacto exigen análisis más
rigurosos y plazos de consulta más amplios.
El Proceso Metodológico: De la Identificación al Monitoreo
Un AIN completo se descompone en etapas lógicas que obligan al regulador a
justificar cada paso de la intervención.
1. Definición del Problema y Justificación de la Intervención
Antes de redactar un solo artículo, se debe determinar si realmente existe un
problema que justifique la intervención del Estado. La identificación debe ser
específica y estimar su magnitud y sus causas subyacentes. Es fundamental
diferenciar las causas de las consecuencias; por ejemplo, la falta de una norma no es
un problema en sí mismo, sino una posible causa de una situación adversa, como la
contaminación ambiental o la inseguridad vial.
En esta fase, se recomienda responder a interrogantes críticos: ¿Qué tan
significativo es el problema? ¿Ha intervenido el gobierno previamente sin éxito? ¿Por
qué se requiere una nueva intervención? Se debe considerar la evolución esperada del
problema en caso de no intervenir (la opción de no acción).
2. Definición de Objetivos
Los objetivos deben ser una consecuencia directa de la situación identificada.
Deben poseer características específicas: ser precisos, mensurables (siempre que sea
P á g i n a | 60
60
posible, expresados en términos cuantitativos), realistas y temporalmente
delimitados. Es crucial no confundir el objetivo con el instrumento; por ejemplo, crear
un registro no es un objetivo, sino el medio para lograr, quizás, reducir la asimetría de
información en el mercado.
3. Selección y Evaluación de Alternativas
El regulador debe considerar un abanico de soluciones que no se limite a la
promulgación de una ley. Esto incluye instrumentos de mercado (impuestos,
subsidios), autorregulación, campañas de información o la simplificación de las
regulaciones vigentes.
Para evaluar estas alternativas, se emplean herramientas de análisis económico
y social. El análisis costo-beneficio (ACB) es el método preferido cuando es posible
monetizar los impactos. La lógica del ACB busca determinar si los beneficios sociales
totales de la norma superan sus costos.
¿Dónde están los beneficios, los costos, la tasa de descuento y el horizonte
temporal? Si el Valor Presente Neto ( ) es positivo, la alternativa es
económicamente eficiente.
Cuando los beneficios no son monetizables, como en el caso de la reducción
de la mortalidad infantil o la preservación de especies protegidas, se recurre al análisis
Costo-Efectividad (ACE), que busca la alternativa que logre el objetivo al menor costo
por unidad de efectividad. Finalmente, el Análisis Multi-Criterio (AMC) permite
comparar opciones cuando existen tanto costos y beneficios medibles como otros no
P á g i n a | 61
61
cuantificables, asignando pesos específicos a diversos criterios de decisión (véase la
Tabla 10).
Tabla 10: Toma de decisiones en gestión pública, basada en herramientas de
evaluación de costo
Herramienta de Evaluación
Aplicabilidad Principal
Criterio de Decisión
Análisis Costo-Beneficio (ACB)
Impactos monetizables en la
economía y en el bienestar social.
Valor Presente Neto (VPN) > 0.
Análisis Costo-Efectividad
(ACE)
Objetivos sociales o ambientales
no monetizables.
Menor costo por unidad de
beneficio.
Análisis Multi-Criterio (AMC)
Problemas complejos con
impactos cualitativos y
cuantitativos.
Mayor puntaje ponderado según
criterios.
Costo Anual Equivalente (CAE)
Comparación de alternativas con
vidas útiles distintas.
Menor costo anualizado.
P á g i n a | 62
62
Técnica Legislativa: La Redacción del Dispositivo
Normativo
Una vez seleccionada la mejor alternativa política mediante el AIN, la técnica
legislativa se ocupa de transformar esa decisión en un texto jurídico claro, preciso y
coherente con el resto del ordenamiento jurídico. La técnica legislativa es el arte de
legislar, compuesta por habilidades específicas para la elaboración de documentos
normativos que minimicen los problemas de interpretación y de aplicación.
Estructura Lógica de la Norma
Un documento normativo (ley, decreto, resolución) debe seguir una
organización sistemática que facilite su consulta y comprensión. Se recomienda
avanzar siempre de lo general a lo particular, de lo abstracto a lo concreto y de lo
sustantivo a lo procesal.
La estructura estándar se compone de los siguientes elementos:
1. Encabezamiento: Incluye la denominación jurídica del acto (Ley N°, Decreto N°),
la fecha y un título breve que refleje objetivamente el contenido.
2. Fórmula de Sanción / Promulgación: Texto formal que otorga validez jurídica al
acto por parte del órgano emisor.
3. Disposiciones Generales (Parte Introductoria): Establece la finalidad de la ley,
su objeto, el ámbito de aplicación material, territorial y personal, y las
definiciones necesarias para evitar ambigüedades.
4. Parte Sustantiva (Cuerpo Normativo): Contiene las reglas de conducta, los
derechos, las obligaciones y las competencias. Se divide formalmente en libros,
títulos, capítulos y artículos.
5. Parte Orgánica y de Procedimiento: En caso de crear nuevos entes o establecer
P á g i n a | 63
63
procesos específicos para el ejercicio de derechos.
6. Disposiciones Sancionatorias: Establecen las consecuencias jurídicas del
incumplimiento de las normas sustantivas.
7. Parte Final (Disposiciones Complementarias): Incluye cláusulas de derogación
(expresa y específica), disposiciones transitorias para regular el paso de un
régimen a otro, así como la fecha de entrada en vigor.
8. Anexos: Se reservan para tablas, listados, mapas o especificaciones técnicas que,
por su naturaleza o extensión, dificultarían la lectura del articulado.
El artículo como unidad de base
El artículo es la unidad fundamental del texto normativo. La técnica moderna
exige que cada artículo aborde un solo tema y, idealmente, sea lo más breve posible
(véase la Tabla 11).
Tabla 11: Técnicas de redacción de artículos (consideraciones iniciales)
Regla de Redacción del Artículo
Justificación y Efecto
Un solo tema por artículo.
Evita confusiones y facilita las remisiones desde
otras normas.
Un solo enunciado por párrafo.
Mejora la legibilidad y la precisión de la
prescripción.
Una sola idea por enunciado.
Minimiza la ambigüedad sintáctica (anfibología).
Ausencia de motivación.
Los artículos deben ser preceptivos, no
explicativos ni didácticos.
Numeración continua.
La numeración cardinal (1, 2, 3…) facilita la
lectura y no debe alterarse tras modificaciones.
P á g i n a | 64
64
Estilo y Calidad Lingüística
El lenguaje de las normas debe ser técnico, pero accesible. La claridad es un
requisito de la seguridad jurídica, pues permite que el ciudadano sepa a qué atenerse.
● Brevedad y sencillez: Se deben preferir frases cortas y construcciones directas
(sujeto + verbo + predicado). El enunciado principal debe preceder a las
subordinadas.
● Voz activa y modo indicativo: La voz activa identifica claramente al responsable
de la acción. El uso del tiempo presente en el modo indicativo (p. ej., el órgano
emite) es el estándar para los mandatos jurídicos.
● Modalidades deónticas: El uso de verbos como deber, poder o prohibir debe ser
preciso para distinguir entre mandatos, facultades y prohibiciones. Se debe evitar
la ambigüedad de los verbos con funciones duales.
● Consistencia terminológica: No se deben usar sinónimos por elegancia literaria.
Un mismo concepto debe tener siempre el mismo nombre a lo largo de todo el
texto normativo. Si se utiliza un término con un sentido distinto del habitual, es
obligatorio incluir una definición en las disposiciones generales.
La Gestión Normativa en Argentina: Un
Ecosistema en Evolución
En la Argentina, la gestión legislativa se rige por un conjunto de normas y
prácticas que buscan profesionalizar la elaboración normativa y reducir la burocracia.
El Decreto 891/2017: Buenas Prácticas en Materia de
Simplificación
Este decreto representa un hito en la política de mejora regulatoria del Sector
P á g i n a | 65
65
Público Nacional. Establece directrices obligatorias para el dictado de normas y la
gestión de procesos administrativos. Sus puntos centrales son:
1. Simplificación Normativa: Las normas deben ser simples, claras y de fácil
comprensión. El dictado de nuevas regulaciones que impongan cargas debe
compensarse con la reducción del inventario normativo existente (principio de
uno por uno o de reducción neta).
2. Presunción de Buena Fe: Se reconoce la buena fe del ciudadano, lo que le permite
acreditar situaciones mediante declaraciones juradas y elimina la exigencia de
certificaciones innecesarias.
3. Gobierno Digital e Interoperabilidad: Los organismos deben intercambiar
información entre sí para no solicitar al ciudadano datos que el Estado ya posee.
Se promueve el uso de expedientes electrónicos y firmas digitales.
4. Medición de Costo-Beneficio: Se insta a los organismos a evaluar la
implementación de sus normas y a medir el impacto económico.
El Procedimiento Administrativo y el Decreto 333/1985
El Decreto 333/1985 (y su actualización mediante el Decreto 576/2003) fija las
normas para la elaboración, redacción y diligenciamiento de los proyectos de actos
administrativos en el Poder Ejecutivo Nacional. Todo proyecto debe estar
acompañado de una Memoria o Mensaje que detalle los fundamentos, los motivos, la
naturaleza de la decisión y los resultados esperados. Esta estructura formal garantiza
que el proceso de decisión sea transparente y que existan antecedentes técnicos y
jurídicos suficientes (dictámenes) antes de la firma del Presidente o de los Ministros.
El Digesto Jurídico Argentino (DJA): Racionalización del
Ordenamiento
Tras 160 años de producción legislativa, la Argentina enfrentó una crisis de
P á g i n a | 66
66
seguridad jurídica debido a la dispersión y la superposición de normas. El Digesto
Jurídico Argentino, aprobado por la Ley 26.939, es la obra de consolidación que
depuró el sistema y estableció qué leyes nacionales generales están vigentes.
El DJA no es una mera recopilación; implicó revisar más de 30.000 leyes para
identificar abrogaciones implícitas y normas caducas. El resultado es un cuerpo
normativo ordenado por materias (administrativo, penal, civil, etc.) y numerado de
forma lógica. Para mantener esta coherencia, el Digesto se actualiza periódicamente
por una Comisión Bicameral, lo que asegura que las nuevas leyes se encuadren en las
categorías temáticas preestablecidas.
Evaluaciones de Impacto Especializadas
La gestión legislativa contemporánea debe integrar análisis específicos que
protejan los valores constitucionales y convencionales, más allá de la eficiencia
económica.
Impacto Ambiental: Evaluación ex ante y participación
La Ley General del Ambiente (N° 25.675) y la normativa de la Ciudad
Autónoma de Buenos Aires (Ley 123) establecen la obligatoriedad de la Evaluación de
Impacto Ambiental (EIA) para todo emprendimiento público o privado susceptible de
causar un efecto ambiental relevante.
El procedimiento técnico-administrativo incluye la presentación del Estudio
de Impacto Ambiental (EsIA) por parte del proponente, su revisión por la autoridad
de aplicación y la realización de una Audiencia Pública para discutir el proyecto con
la ciudadanía. El resultado final es la Declaración de Impacto Ambiental (DIA) o el
Certificado de Aptitud Ambiental, que habilita el inicio de las actividades bajo
condiciones específicas de mitigación.
P á g i n a | 67
67
Impacto por razón de género
El análisis de impacto por razón de género es un requisito creciente en la
elaboración de políticas y leyes. Su objetivo es detectar si una norma, aunque parezca
neutral, puede generar o profundizar desigualdades entre varones y mujeres. Este
análisis requiere una mirada interseccional que reconozca que los impactos varían
según la situación socioeconómica, la identidad de género y la ubicación geográfica
(Díaz et al., 2025). Un ejemplo claro en la Argentina ha sido la evaluación de las leyes
sobre interrupción voluntaria del embarazo y de cuidado integral, en la que la
evidencia sobre la distribución inequitativa del tiempo de cuidado fue central para el
diseño de la política pública.
Impacto en Mipymes y Competitividad
Las regulaciones suelen generar costos de cumplimiento que afectan
desproporcionadamente a las micro, pequeñas y medianas empresas (Mipymes)
debido a su menor escala. La mejora regulatoria exige el diseño de medidas de
mitigación para este sector (véase la Tabla 12).
Tabla 12: Medidas de mitigación para el sector Mipymes
Medida de mitigación
Mecanismo de Implementación
Exenciones totales o parciales.
Basadas en el número de empleados o en la
facturación anual.
Periodos de transición.
Plazos más amplios para el cumplimiento de las
nuevas normas.
Simplificación de reportes.
Menor frecuencia o menor complejidad en la
entrega de información.
Tarifas diferenciadas.
Reducción de costos en trámites y licencias
administrativas.
P á g i n a | 68
68
La gestión legislativa y el análisis de impacto normativo se consolidan hoy
como las herramientas fundamentales para una gobernanza democrática y eficaz. La
transición desde un modelo reactivo de producción de leyes hacia uno proactivo y
basado en evidencia permite al Estado intervenir de manera quirúrgica en los
problemas públicos, evitando la hipertrofia normativa y garantizando que cada
regulación aporte un beneficio neto a la sociedad.
Los desafíos futuros se centran en la institucionalización de estas prácticas en
todos los niveles de gobierno, en la mejora de la calidad de los datos públicos y en el
fortalecimiento de los mecanismos de participación ciudadana. Una norma bien
redactada y técnicamente sólida no solo reduce la litigiosidad y la incertidumbre, sino
que también fortalece la confianza del ciudadano en las instituciones y promueve el
desarrollo sostenible e inclusivo. La técnica legislativa, lejos de ser una cuestión de
forma, es, en última instancia, una garantía de la libertad y la igualdad ante la ley.
P á g i n a | 69
69
Capítulo V
Transparencia: Facilitación del acceso
a la información pública mediante
síntesis de documentos complejos
El paradigma de la administración pública contemporánea ha experimentado
una metamorfosis irreversible, transitando de una cultura del secreto burocrático a un
modelo de apertura radical, fundamentado en el derecho al acceso a la información.
En este contexto, la transparencia no debe entenderse simplemente como la
disponibilidad de datos brutos, sino como la capacidad de las instituciones para hacer
que dicha información sea comprensible y accionable para la ciudadanía. El acceso a
la información pública se erige hoy como una pieza fundamental del sistema de
rendición de cuentas, actuando los órganos garantes como intermediarios decisivos
entre el gobierno y los ciudadanos. No obstante, la efectividad de este derecho se ve
amenazada por la creciente complejidad técnica y lingüística de la documentación
estatal, lo que genera una brecha cognitiva que solo puede superarse mediante la
implementación estratégica de tecnologías de síntesis documental y de procesamiento
del lenguaje natural.
Fundamentos interpretativos de la transparencia y
el acceso a la información
La transparencia gubernamental se define operativamente como el conjunto
de programas y mecanismos que permiten dar a conocer información confiable y
accesible sobre el desempeño institucional y la ejecución de los recursos públicos. Esta
P á g i n a | 70
70
definición, aunque robusta en términos legales, requiere receptores externos capaces
de procesar la información recibida; de lo contrario, la apertura se convierte en un
ejercicio estéril (Mamani y Arisaca, 2021). El principio de transparencia, arraigado en
marcos constitucionales como el artículo 8º de la Constitución chilena, establece que
los actos y resoluciones de los órganos del Estado son públicos, así como sus
fundamentos y procedimientos.
En el análisis comparativo de los marcos normativos de Chile y México, se
observa que la transparencia se articula en dos dimensiones complementarias: la
transparencia activa y el derecho de acceso, o transparencia pasiva. La transparencia
activa impone a los órganos de la Administración del Estado la obligación de
mantener a disposición permanente del público, a través de sitios electrónicos,
antecedentes actualizados como su estructura orgánica, facultades, funciones y las
transferencias de fondos públicos. Por otro lado, la transparencia pasiva se ejerce
mediante solicitudes específicas de información que los ciudadanos dirigen a la
autoridad, la cual debe responder conforme a los principios de relevancia, de libertad
de información y de máxima divulgación (véase la Tabla 13).
Tabla 13: Características de la transparencia activa y pasiva
Dimensión de la
Transparencia
Obligación Principal
Mecanismo de
Implementación
Principios Rectores
Transparencia Activa
Publicación proactiva
y permanente de
información
relevante.
Sitios web
institucionales,
portales de
transparencia.
Facilitación,
actualización
mensual, gratuidad.
Transparencia Pasiva
Respuesta a las
solicitudes de
información
Formularios
presenciales o
electrónicos (O.I.R.S.).
Máxima divulgación,
oportunidad, no
discriminación.
P á g i n a | 71
71
ciudadanas.
La Ley Nº 20.285 sobre Acceso a la Información Pública en Chile, vigente desde
2009, ejemplifica la vanguardia regional al incorporar el test de daño como criterio
para resolver excepciones a la publicidad y al principio de divisibilidad, que obliga a
entregar la parte pública de un documento incluso si contiene secciones reservadas.
Sin embargo, la mera entrega de expedientes administrativos, contratos o fallos
judiciales de cientos de páginas no garantiza que el ciudadano comprenda los
fundamentos de las decisiones que afectan su vida. Aquí es donde la síntesis
documental se convierte en una herramienta de democratización.
La barrera del lenguaje oscuro y la necesidad de
simplificación
La claridad, definida por la Real Academia Española como aquello que se
comprende sin duda ni ambigüedad, es la base de la transparencia en la función
pública. No obstante, la realidad administrativa suele estar dominada por un lenguaje
oscuro o críptico que aleja a la ciudadanía. El movimiento por el Lenguaje Claro busca
revertir esta tendencia enfocándose en la composición de textos que presenten las
ideas de manera directa y concisa, sin excesos estilísticos (Ato, 2021).
En España, la Ley de Derecho a la Defensa de 2024 ha marcado un hito al
reconocer el derecho ciudadano a que la Administración de Justicia se comunique en
un lenguaje claro. Este impulso legal se complementa con la norma UNE-ISO 24495-
1:2024, que establece principios internacionales para garantizar la comprensibilidad
de los documentos desde la primera lectura.
P á g i n a | 72
72
Es imperativo diferenciar entre un lenguaje claro y una lectura fácil. Mientras
que el primero busca que la información sea fácil de entender para la población
general, la Lectura Fácil es una técnica de redacción y diseño dirigida a personas con
dificultades de comprensión lectora, que requiere validaciones específicas por parte
de los usuarios finales. Ambos enfoques son esenciales para la inclusión, pero el
lenguaje claro es el estándar mínimo exigible para la transparencia y el buen gobierno.
La implementación del lenguaje claro genera ventajas tangibles: aumenta la
confianza de las personas en las instituciones, disminuye la insatisfacción por la falta
de transparencia y supone un ahorro económico al reducir el tiempo de gestión y el
número de consultas o errores en los trámites. Además, facilita la traducción
automática y los sistemas de procesamiento de lenguaje para personas con
discapacidad visual, cerrando brechas de accesibilidad.
Arquitecturas de Inteligencia Artificial para la
síntesis de documentos públicos
La síntesis de documentos complejos mediante inteligencia artificial (IA) no es
una mera automatización de resúmenes, sino un proceso sofisticado de procesamiento
de lenguaje natural (PLN) que busca transformar la opacidad en inteligibilidad. Las
herramientas de IA analizan contratos, expedientes regulatorios y transcripciones
judiciales para extraer cláusulas esenciales y presentarlas en un lenguaje sencillo. En
este ámbito, existen dos enfoques técnicos predominantes: la síntesis extractiva y la
síntesis abstractiva (Peña, 2022).
La síntesis extractiva identifica y selecciona las secciones más importantes del
texto original para elaborar un resumen. Modelos como T5 (Text-to-Text Transfer
Transformer) pueden ser entrenados para esta tarea, redefiniendo cada problema de
P á g i n a | 73
73
PLN como un problema de generación de texto. Por otro lado, la síntesis abstractiva
genera un texto nuevo que parafrasea el contenido original, lo que permite una mayor
fluidez y una adaptación a un lenguaje claro, aunque requiere modelos más potentes,
como BART (Bidirectional and Auto-Regressive Transformers), para evitar la pérdida
de precisión jurídica.
Tabla 14: Características técnicas de modelos IA/PLN
Modelo de IA / PLN
Origen /
Desarrollador
Aplicación en el
sector público
Características
Técnicas
RoBERTalex
PlanTL (España)
Análisis de la
legislación española y
de los documentos del
BOE.
Entrenado con 3,6 GB
de legislación y
doctrina fiscales.
BART-legal-base-es
HuggingFace
(mrm8488)
Resumen de textos
legales en español.
Arquitectura encoder-
decoder para síntesis
abstractiva.
MarianMT
Helsinki-NLP
Traducción y síntesis
multilingües de
documentos jurídicos.
Soporte para la
traducción de lenguas
romances al inglés.
Legal-Pegasus
NSI319
Resumen de
documentos legales
complejos.
Especializado en la
estructura de los
escritos judiciales.
El desarrollo de modelos específicos para el dominio legal en español es crítico.
Modelos como RoBERTalex han sido entrenados con corpus que incluyen la
Constitución Española, leyes del BOE, dictámenes del Consejo de Estado y sentencias,
lo que les permite comprender la jerga legal como si fuera un idioma independiente.
Asimismo, el uso de conjuntos de datos sintéticos, como el corpus ALIA-legal-
P á g i n a | 74
74
administrative, que incluye millones de pares de instrucciones y respuestas, permite
ajustar estos modelos para que respondan de manera coherente a las consultas
ciudadanas sobre procedimientos administrativos complejos.
Implementación de IA en la Justicia: El caso de
Argentina y Brasil
El sector judicial es quizá el área en la que la síntesis de documentos complejos
tiene un impacto más disruptivo. En América Latina, destacan proyectos que han
logrado reducir significativamente los tiempos de procesamiento y mejorar la
transparencia para el justiciable.
Prometea y el Ministerio Público Fiscal de la Ciudad de Buenos
Aires
Prometea se ha consolidado como la primera inteligencia artificial de
Latinoamérica al servicio de la justicia, diseñada inicialmente para optimizar procesos
internos y luego ampliada para mejorar la relación ciudadanía-Estado. Su principal
capacidad radica en la predicción de soluciones para expedientes judiciales a partir
del análisis de miles de documentos previos (Corvalán, 2018). En la Justicia porteña,
Prometea automatiza procesos reiterativos, como las causas por infracciones de
tránsito o por alcohol al volante, permitiendo que un documento que demandaba 60
minutos de trabajo manual se confeccione en solo 3 minutos. Las mediciones de
impacto de Prometea arrojan resultados notables:
● Eficiencia Temporal: Reducción del tiempo de elaboración de dictámenes, lo que
permite a los funcionarios dedicarse a casos más complejos.
● Precisión: Eliminación de errores de tipeo y de cálculo en la confección de
P á g i n a | 75
75
despachos monitorios y de regulaciones de honorarios.
● Igualdad y Claridad: Unificación de documentos y estandarización de los
cálculos de intereses, garantizando que el ciudadano reciba información
coherente sobre su proceso.
El Proyecto Victor y la Repercusión General en el Supremo
Tribunal Federal de Brasil
En Brasil, el Supremo Tribunal Federal (STF) ha sido pionero en el uso de la
herramienta Victor, lanzada en 2018 para auxiliar en el análisis de recursos
extraordinarios recibidos de todo el país. Víctor utiliza modelos de aprendizaje
profundo (machine learning) para reconocer patrones y clasificar procesos según los
temas de repercusión general. Sus funciones principales incluyen la conversión de
imágenes en texto, la separación de piezas procesales y la identificación de temas de
alta incidencia para agilizar la tramitación.
En 2023, el STF lanzó un Chamamento Público para desarrollar prototipos de IA
generativa destinados a crear sumarios automatizados de procesos judiciales. Los
resultados mostraron una alta participación de empresas que utilizaron modelos de
la familia GPT (OpenAI), Claude y Llama, integrando técnicas de Retrieval Augmented
Generation (RAG) para evitar alucinaciones y asegurar que el resumen se ciña
estrictamente a la realidad de las piezas procesales. Estos sumarios facilitan que los
magistrados y la ciudadanía comprendan rápidamente el núcleo de las controversias
judiciales extensas.
P á g i n a | 76
76
El desafío de la transparencia algorítmica y el
derecho al algoritmo
A medida que las administraciones públicas delegan la síntesis y clasificación
de documentos en sistemas de IA, surge una nueva frontera en el derecho de acceso:
la transparencia algorítmica. El uso de algoritmos no puede ser una caja negra que
oculte la lógica de las decisiones públicas. En España, la Sentencia del Tribunal
Supremo del 11 de septiembre de 2025 (caso BOSCO) ha sentado un precedente
histórico al reconocer el derecho de acceso al código fuente de las aplicaciones
informáticas utilizadas por la Administración para determinar derechos sociales.
La controversia sobre la aplicación BOSCO, utilizada para comprobar los
requisitos de los solicitantes del bono social eléctrico, evidenció que la protección de
la propiedad intelectual no puede servir de excusa sistemática para ocultar el
algoritmo cuando este decide sobre beneficios ciudadanos. El tribunal determinó que:
1. El algoritmo es información pública: el código fuente de los sistemas
automatizados no puede ser tratado como un simple secreto técnico.
2. Prevalencia de la transparencia: El principio de transparencia administrativa
prevalece sobre los límites de la propiedad intelectual cuando el titular es la
propia Administración.
3. Fiscalización y Auditoría: Es necesario facilitar el acceso al código para permitir
auditorías independientes que verifiquen la ausencia de sesgos o errores en la
toma de decisiones automatizada.
Este fallo obliga a las entidades públicas a anticiparse a las exigencias de
transparencia desde la fase de contratación, asegurando que los proveedores de
software de IA faciliten el acceso controlado a la lógica interna de los sistemas.
P á g i n a | 77
77
Riesgos y barreras en la implementación de la IA
pública según la OCDE
A pesar de las promesas de eficiencia, los gobiernos enfrentan desafíos
estructurales que dificultan el uso estratégico de la IA para la transparencia. Según la
OCDE (2024), solo el 15 % de los países miembros cuenta con un marco público de
inversión en IA, lo que genera una dependencia de proyectos piloto que rara vez
escalan a la organización en su conjunto (OECD, 2025).
Tabla 15: Desafíos en la implementación de la inteligencia artificial
Tipo de Desafío
Descripción del Riesgo
Impacto en la Transparencia
Aversión al riesgo
Miedo al fracaso y a la erosión
de la confianza institucional (el
63% de los líderes teme a la
GenIA).
Parálisis en la adopción de
herramientas que podrían
simplificar la comunicación.
Aversión Algorítmica
Resistencia de los servidores
públicos a adoptar algoritmos,
especialmente tras errores
iniciales.
Persistencia de procesos
manuales lentos y opacos.
Brecha de Habilidades
Falta de talento calificado en el
sector público para gestionar
sistemas de IA.
Implementaciones deficientes o
falta de supervisión crítica
humana.
Sistemas Obsoletos
Infraestructura de TI obsoleta
que no admite la integración
con modelos de PLN
modernos.
Dificultad para procesar y
sintetizar archivos en formatos
no legibles.
La OCDE advierte que existe una priorización de lo negativo, en la que los
gobiernos se centran excesivamente en mitigar riesgos sin aprovechar los beneficios
P á g i n a | 78
78
transformadores de la IA para la rendición de cuentas. Para mitigar estos sesgos, se
recomienda crear infraestructuras digitales centrales y marcos de inversión que
faciliten la transición de la experimentación a la implementación responsable (véase
la Tabla 15).
El marco ético internacional: Recomendaciones de
la UNESCO
Para que la síntesis de documentos complejos sea verdaderamente facilitadora
del acceso a la información, debe regirse por los valores adoptados por los 193 Estados
miembros de la UNESCO en 2021. La Recomendación sobre la Ética de la IA establece
que los sistemas deben estar al servicio de la humanidad y prevenir daños, con base
en la dignidad humana y el bienestar.
Los principios fundamentales aplicables a la síntesis documental incluyen:
● Transparencia y Explicabilidad: Los procesos de diseño e implementación de la
IA deben ser justificables. Las personas deben saber cuándo están interactuando
con un sistema de IA y tener acceso a las razones que subyacen a una síntesis o a
una clasificación.
● Supervisión y Determinación Humana: Siempre debe ser posible atribuir la
responsabilidad ética y jurídica a personas físicas. El juicio humano debe
prevalecer en la verificación final de los resultados generados por la IA, a fin de
corregir posibles alucinaciones o sesgos.
● Derecho a la Intimidad y Protección de Datos: El uso de IA para sintetizar
expedientes no debe vulnerar los derechos fundamentales de la intimidad. Se
requiere el anonimato de los datos antes de su procesamiento en herramientas
externas.
P á g i n a | 79
79
● Responsabilidad y Rendición de Cuentas: Los Estados deben adoptar medidas
para que los actores de la IA (incluido el sector privado contratista) rindan
cuentas del impacto social de sus sistemas.
En Argentina, el Poder Judicial del Chaco ha incorporado estos principios en
su Guía de Uso de IA (2025), prohibiendo explícitamente la delegación de la toma de
decisiones en algoritmos y estableciendo la obligatoriedad de la supervisión humana
permanente. Esta guía advierte sobre los riesgos de alucinaciones (respuestas ficticias
pero coherentes) y sesgos en los datos de entrenamiento que podrían derivar en
resultados injustos.
El papel del código abierto y las infraestructuras
digitales abiertas
La sostenibilidad de los sistemas de transparencia asistida por IA depende en
gran medida de evitar la dependencia de proveedores cerrados (vendor lock-in). El
sector público aprecia cada vez más las soluciones de código abierto que facilitan la
interoperabilidad y la auditoría del código. Herramientas como Nextcloud Hub, que
integra asistentes de IA locales, permiten a las instituciones colaborar en la creación y
síntesis de contenidos manteniendo el control total sobre los datos.
La colaboración intersectorial a través de plataformas como GitHub facilita
que los departamentos gubernamentales compartan herramientas de análisis de
proyectos y repositorios de datos abiertos. Por ejemplo, el uso de herramientas como
AskGit permite realizar consultas SQL sobre los repositorios de código para entender
cómo se organizan los proyectos internos y cómo colaboran los empleados, lo que
promueve una cultura de transparencia técnica.
P á g i n a | 80
80
Impacto en la participación ciudadana y la
confianza institucional
El objetivo último de la simplificación de documentos complejos es fortalecer
la democracia mediante una ciudadanía informada y empoderada. En América
Latina, la ola de escándalos de corrupción ha socavado la confianza en los gobiernos,
por lo que el fortalecimiento de la calidad institucional es una necesidad urgente. La
evidencia sugiere que la simplificación de las regulaciones y una mejor consulta con
los ciudadanos pueden contribuir a recuperar la confianza perdida.
La participación ciudadana, promovida mediante la transparencia, actúa como
una herramienta para mejorar la gobernanza y la rendición de cuentas. En regiones
con democracias incipientes, estas iniciativas son fundamentales para superar
desafíos como la pobreza y la desigualdad. Por ejemplo, en Brasil y Chile, la
satisfacción ciudadana con servicios básicos como la educación y la salud ha
disminuido, lo que subraya la importancia de que la administración pública sea más
eficiente y transparente en la comunicación de sus resultados.
La digitalización de procesos gubernamentales, que pasa del expediente en
papel a modalidades digitales, permite automatizar y agilizar los procedimientos
administrativos, mejorando la relación entre el gobierno y los gobernados. La IA
generativa, al facilitar una comunicación más clara, ayuda a evaluar y ajustar el
lenguaje para que el derecho a entender sea una realidad efectiva y no una mera
declaración de intenciones.
P á g i n a | 81
81
Futuro de la síntesis documental en la
transparencia pública
La evolución hacia un Estado abierto e innovador requiere que la IA no solo
se utilice para mejorar la eficiencia interna, sino también para empoderar a los actores
externos. El potencial de la IA para mejorar la toma de decisiones, la interpretación
del presente y los pronósticos sobre el futuro ofrece enormes oportunidades para el
bienestar social. Sin embargo, esto requiere un cambio cultural en el sector público,
que transite de la aversión al riesgo a una experimentación responsable guiada por
valores humanos.
Las estrategias nacionales de IA, como las adoptadas por más de 60 países,
deben centrarse en la creación de marcos de protección de datos, la inversión en
conectividad y la capacitación de los servidores públicos. En Argentina, la Estrategia
Nacional de Inteligencia Artificial propone fomentar el trabajo intersectorial en datos
para mejorar los servicios públicos y posicionar al país como líder regional en este
cambio de paradigma.
En síntesis, la facilitación del acceso a la información pública mediante la
síntesis de documentos complejos es un pilar indispensable de la modernización del
Estado. La integración de tecnologías de PLN, bajo marcos éticos estrictos y principios
de un lenguaje claro, permite transformar la burocracia técnica en un diálogo abierto
con la ciudadanía. El éxito de esta transición dependerá de la capacidad de los
gobiernos para equilibrar la innovación tecnológica con la transparencia algorítmica
y la supervisión humana, asegurando que la inteligencia artificial sea siempre una
herramienta al servicio del bien social y de la democracia.
P á g i n a | 82
82
Capítulo VI
Mejora en el diseño de instrumentos
de recolección de datos y análisis de
respuestas abiertas
La recolección de datos mediante encuestas ha trascendido su función original
como herramienta estadística para convertirse en un ecosistema sofisticado en el que
convergen la psicología cognitiva, el diseño de la experiencia de usuario y la
inteligencia artificial avanzada. En la actualidad, la optimización de un instrumento
de medición no se limita a la redacción de interrogantes, sino que exige una
arquitectura estratégica que garantice la integridad de los datos, minimice la fatiga del
encuestado y permita un procesamiento profundo de la información cualitativa. El
diseño de encuestas en la era digital debe responder a una saturación informativa sin
precedentes, donde la calidad del dato prima sobre la cantidad, y donde la capacidad
de transformar respuestas abiertas en conocimiento accionable define la ventaja
competitiva de las organizaciones.
Arquitectura estratégica y diseño de instrumentos
La eficacia de una encuesta comienza con la articulación de un objetivo de
investigación nítido y la formulación de hipótesis que sirvan de brújula para cada
componente del diseño. Antes de proceder a la creación de ítems, se requiere
establecer con precisión el propósito de la indagación, la población objetivo y las
acciones derivadas de los hallazgos. Este enfoque garantiza que cada pregunta sea
estrictamente necesaria, eliminando redundancias que degradan la experiencia del
usuario y disminuyen la validez del conjunto de datos.
P á g i n a | 83
83
Estructura lógica y secuencia de flujo
La disposición secuencial de las preguntas ejerce una influencia determinante
en la tasa de finalización y en la sinceridad de las respuestas. La práctica profesional
prescribe el uso de un modelo de embudo que comienza con preguntas de
introducción que despierten el interés y establezcan un clima de confianza. Estas
interrogantes iniciales deben ser sencillas, claras y desprovistas de carga emocional o
de confidencialidad excesiva. A medida que el encuestado se familiariza con el
instrumento, el flujo debe transitar hacia bloques temáticos organizados de manera
lógica, moviéndose de lo general a lo particular y de lo simple a lo complejo.
Los datos demográficos, socioeconómicos e identificativos deben reservarse
para el tramo final del cuestionario. Esta estrategia permite que el participante
establezca un vínculo de colaboración con la herramienta antes de enfrentar preguntas
que podrían activar sesgos de deseabilidad social o mecanismos de defensa.
Adicionalmente, la implementación de lógica de ramificación y de saltos
condicionales permite personalizar el recorrido, omitiendo secciones irrelevantes para
el perfil específico del encuestado, lo que optimiza el tiempo de respuesta y reduce la
carga cognitiva.
Tipología de preguntas y escalas de medición
La elección del tipo de pregunta debe estar alineada con la naturaleza de la
variable que se pretende medir. Las preguntas cerradas son fundamentales para la
cuantificación y la comparación estadísticas, mientras que las abiertas ofrecen la
profundidad necesaria para comprender las motivaciones subyacentes. En el diseño
de preguntas de opción múltiple, es imperativo que las alternativas sean mutuamente
excluyentes y colectivamente exhaustivas, evitando que el encuestado se encuentre
ante un dilema de categorización ambiguo.
P á g i n a | 84
84
Las escalas de Likert y otras formas de medición de actitudes requieren un
diseño equilibrado. Se recomienda el uso de un número impar de opciones de
respuesta —típicamente cinco o siete— para incluir un punto medio neutro que refleje
la posición de quienes carecen de una opinión polarizada. Asimismo, la investigación
sugiere que el uso de etiquetas verbales descriptivas para cada punto de la escala es
superior al de meros números, ya que reduce la ambigüedad interpretativa del
encuestado (Matas, 2018).
Tabla 16: Escalas de Likert y otras formas de procesar entrevistas/encuestas
Tipo de Instrumento
Aplicación Específica
Ventaja Metodológica
Escala de Likert
Medición de actitudes y niveles
de satisfacción
Captura gradientes de
intensidad emocional
Ranking / Ordenación
Evaluación de prioridades y
preferencias
Obliga a la jerarquización de
conceptos
Matriz de Selección
Evaluación de múltiples
atributos con misma escala
Maximiza la eficiencia de
espacio y tiempo
Suma Constante
Distribución de recursos o
importancia
Proporciona datos de intervalo
con alta precisión
Mapa de Calor / Zona Activa
Evaluación visual de diseños o
imágenes
Recolecta datos espaciales y de
atención
La redacción de los ítems debe evitar términos técnicos, acrónimos y lenguaje
especializado que no sean familiares para la población general. Las preguntas
compuestas o de doble sentido, que solicitan comentarios sobre dos temas distintos
en una misma frase, deben eliminarse, ya que imposibilitan determinar qué aspecto
P á g i n a | 85
85
de la pregunta se está respondiendo realmente. La precisión semántica es vital: evitar
adverbios vagos como frecuentemente, mucho o bastante y sustituirlos por unidades
de medida concretas o por frecuencias específicas mejora drásticamente la fiabilidad
de los resultados.
Fundamentos psicométricos y validación
Para que un instrumento de recolección de datos sea científicamente válido,
debe cumplir con los requisitos de confiabilidad y validez. La confiabilidad garantiza
que el instrumento produzca resultados consistentes en condiciones similares,
mientras que la validez asegura que mida realmente el constructo teórico que
pretende medir.
Metodologías de validación técnica
El proceso de validación es multifacético y debe iniciarse en etapas tempranas
del desarrollo del cuestionario. La validez de contenido suele establecerse mediante
paneles de expertos que evalúan la representatividad de los ítems respecto del
dominio del conocimiento estudiado. Sin embargo, la validez de constructo es la más
exigente, pues requiere un análisis de la relación teórica entre conceptos y la
contrastación empírica mediante técnicas estadísticas, como el análisis factorial.
La confiabilidad se mide comúnmente a través de coeficientes de consistencia
interna, como el alfa de Cronbach, o mediante métodos de estabilidad como el test-
retest. El método de formas alternativas o paralelas también se emplea para asegurar
que las variaciones menores en la redacción no alteren el núcleo de la medición. En
investigaciones de alta precisión, la triangulación de métodos y la validación interna,
mediante la devolución de los resultados a los informantes para su corroboración,
refuerzan la credibilidad de los hallazgos.
P á g i n a | 86
86
El rol de las entrevistas cognitivas
Las entrevistas cognitivas han emergido como una herramienta cualitativa
esencial para la validación de cuestionarios, proporcionando evidencia sobre el
proceso de respuesta que las métricas estadísticas a menudo ignoran. El objetivo
fundamental es identificar fallos en la arquitectura mental del encuestado. Basándose
en el modelo de Tourangeau, este método analiza cuatro etapas críticas:
1. Comprensión: Se evalúa si el encuestado interpreta el significado de las palabras
y la intención de la pregunta de la manera esperada por el investigador.
2. Recuperación: Se indaga cómo el sujeto recupera en su memoria la información
relevante para responder, detectando posibles sesgos de memoria o dificultades
de acceso a dicha información.
3. Juicio: Se analiza el proceso de decisión en el que el encuestado evalúa la
relevancia de la información recuperada y decide si emitirá una respuesta
honesta o socialmente aceptable.
4. Respuesta: Se observa la etapa final de la traducción del juicio interno a las
opciones de respuesta del cuestionario.
Las técnicas aplicadas durante estas entrevistas incluyen el pensar en voz alta
(think-aloud), en el que el participante verbaliza su flujo de conciencia mientras
completa el cuestionario, y el sondeo verbal (verbal probing), en el que el
entrevistador formula preguntas inquisitivas específicas tras la respuesta del
participante. Este último permite profundizar en conceptos ambiguos; por ejemplo,
preguntar: ¿Qué significa para usted 'calidad de servicio'? Revela si los encuestados
comparten el mismo marco conceptual que el equipo de diseño.
P á g i n a | 87
87
Diseño de experiencia de usuario (UX) y
optimización digital
En el entorno digital contemporáneo, la interfaz de la encuesta es el canal que
media la interacción entre el investigador y el dato. Un diseño UX deficiente actúa
como una barrera que genera frustración, incrementa la tasa de rebote y degrada la
calidad de la información recopilada. Invertir en optimización de UX no es una
cuestión estética, sino una decisión estratégica que impacta directamente en el retorno
de la inversión en investigación.
Usabilidad, accesibilidad y diseño responsivo
La usabilidad implica que el sistema sea intuitivo y que el usuario no deba
dedicar esfuerzo cognitivo adicional a comprender su funcionamiento. La
arquitectura de la información debe organizar los elementos de forma lógica para que
todo esté donde el encuestado espera encontrarlo. La accesibilidad es otro pilar
fundamental: diseñar para personas con discapacidades físicas o cognitivas no solo es
un imperativo ético, sino que también amplía la representatividad de la muestra.
Dado que más del 50% de las interacciones digitales ocurren en dispositivos
móviles, el diseño responsivo es obligatorio. Una encuesta que no se visualiza
correctamente en un teléfono inteligente sufrirá un sesgo de selección involuntario,
excluyendo segmentos de la población que utilizan predominantemente estos
dispositivos. La velocidad de carga también es crítica; los retrasos técnicos son uno de
los principales desencadenantes del abandono del sitio.
P á g i n a | 88
88
El enfoque Lean y encuestas in situ
Para mejorar la experiencia y reducir la tasa de abandono, se recomienda
aplicar un enfoque Lean adaptado a la fase de desarrollo de la investigación. En etapas
de ideación, el uso de preguntas abiertas permite identificar puntos de dolor, mientras
que en etapas de validación, las escalas cerradas proporcionan la métrica necesaria
para priorizar cambios. Las encuestas in situ, que se deslizan o aparecen como pop-
ups durante la navegación, deben ser extremadamente breves y relevantes al contexto
de la página en la que se activan para no interferir con la experiencia del usuario.
La frecuencia de las encuestas debe gestionarse con prudencia, mediante
períodos de descanso, para evitar que un mismo usuario sea bombardeado con
solicitudes repetitivas. Configurar las herramientas para que la encuesta desaparezca
tras ser respondida o ignorada una vez es una práctica esencial para mantener la
buena voluntad del usuario hacia la marca o la institución.
Análisis avanzado de respuestas abiertas mediante
IA y NLP
Las respuestas abiertas constituyen el núcleo cualitativo de una encuesta,
proporcionando que hay detrás de las cifras. Sin embargo, procesar este volumen de
información de forma manual resulta ineficiente y propenso a sesgos interpretativos.
El procesamiento de lenguaje natural (NLP) y el aprendizaje automático (Machine
Learning) han revolucionado este campo, permitiendo un análisis sistemático y
escalable de datos no estructurados.
Pipeline técnico del procesamiento de texto
El análisis automatizado de respuestas abiertas sigue un proceso estructurado
P á g i n a | 89
89
que transforma el lenguaje humano en vectores numéricos procesables por
algoritmos. Este flujo comienza con la ingesta de datos y continúa con el
preprocesamiento, una etapa crucial para eliminar el ruido informativo. El
preprocesamiento incluye la tokenización, la normalización a minúsculas, la
eliminación de stop words (palabras sin valor semántico, como preposiciones) y la
lematización, que reduce las palabras a su raíz común (Shehzadi et al., 2025).
Una vez procesado, el texto se somete a la extracción de características
mediante modelos como TF-IDF o representaciones densas (embeddings) como
Word2Vec o BERT. Estos modelos permiten capturar no solo la frecuencia de las
palabras, sino también el contexto semántico y las relaciones entre ellas, lo que facilita
la identificación de temas complejos y sentimientos matizados.
Tipologías de análisis de sentimientos
El análisis de sentimientos moderno va más allá de la simple clasificación
binaria (positivo/negativo). Se han desarrollado técnicas de alta granularidad que
permiten una comprensión multidimensional:
● Análisis de grano fino: Utiliza escalas graduadas (muy positivo, positivo,
neutral, negativo, muy negativo), útiles para industrias que requieren
comprender niveles precisos de satisfacción.
● Análisis basado en aspectos (ABSA): Desglosa la opinión en características
específicas. Por ejemplo, en una reseña de auriculares, el sistema puede
identificar sentimientos positivos hacia el diseño, pero negativos hacia la calidad
del sonido.
● Detección de emociones: Identifica estados específicos como ira, frustración,
alegría o tristeza, utilizando léxicos especializados y modelos neuronales para
evaluar el lenguaje subjetivo.
P á g i n a | 90
90
● Análisis basado en la intención: Detecta propósitos subyacentes, como la
intención de compra, la urgencia de una queja o el deseo de cancelar un servicio.
La inteligencia artificial permite, además, una mayor objetividad. Mientras
que un evaluador humano puede verse influenciado por una frase negativa inicial e
ignorar matices positivos posteriores, los sistemas de IA están entrenados para
sopesar todas las partes del texto de manera equitativa, ofreciendo una visión más
equilibrada de la opinión del cliente.
Integración metodológica y triangulación de datos
La optimización de encuestas alcanza su máxima madurez cuando se integra
en marcos de investigación mixta. Este enfoque no solo suma métodos cualitativos y
cuantitativos, sino que también busca su convergencia para proporcionar una
comprensión holística de fenómenos complejos que ningún solo método podría
capturar por completo.
Funciones de la triangulación
La triangulación actúa como un mecanismo de control de calidad y de
validación cruzada. Al utilizar múltiples puntos de referencia, se minimizan los sesgos
inherentes a cualquier técnica aislada y se aumenta la credibilidad de los hallazgos.
Los principales tipos de triangulación aplicables a la optimización de encuestas son:
1. Triangulación Metodológica: Emplear diferentes técnicas para estudiar un
mismo objeto, como combinar una encuesta masiva (cuantitativa) con grupos
focales o con la observación directa (cualitativa) para validar si lo declarado por
los sujetos coincide con su comportamiento observable.
2. Triangulación de Datos: Utilizar diversas fuentes de información en distintos
momentos o espacios. Por ejemplo, contrastar las respuestas de una encuesta de
P á g i n a | 91
91
satisfacción con registros de ventas, logs de actividad web y quejas en redes
sociales.
3. Triangulación de Investigadores: Involucrar a múltiples analistas con
trayectorias disciplinares distintas para interpretar el mismo conjunto de datos,
lo que reduce el sesgo de confirmación individual y enriquece la profundidad del
análisis.
Diseños de investigación mixta
La integración de datos puede seguir diferentes estructuras temporales y
lógicas. El enfoque convergente busca la igualdad de importancia entre los datos
cuantitativos y cualitativos, integrándolos en la etapa de análisis para obtener una
visión equilibrada. El enfoque secuencial explicativo utiliza una fase cualitativa
posterior para profundizar en los resultados cuantitativos atípicos. Por el contrario, el
enfoque secuencial exploratorio utiliza hallazgos cualitativos iniciales para orientar y
diseñar el instrumento cuantitativo final, asegurando que las preguntas sean
culturalmente pertinentes y semánticamente precisas.
En la práctica contemporánea, se utilizan joint displays o visualizaciones
conjuntas para presentar datos integrados, lo que permite a los investigadores y
tomadores de decisiones visualizar cómo las estadísticas cuantitativas se
correlacionan con las narrativas cualitativas en un único plano analítico.
El ecosistema tecnológico
En la actualidad, el panorama del software de análisis de encuestas ha
evolucionado hacia la integración total de la inteligencia artificial, democratizando el
acceso a análisis estadísticos y cualitativos que antes requerían conocimientos técnicos
profundos. Las herramientas actuales no solo recolectan datos, sino que también
P á g i n a | 92
92
actúan como socios analíticos capaces de generar visualizaciones y detectar patrones
de forma autónoma.
Comparativa de herramientas líderes
La elección del software debe basarse en la complejidad del proyecto y en los
objetivos estratégicos de la organización. Las plataformas modernas pueden
categorizarse según su fortaleza principal (véase la Tabla 17).
Tabla 17: Comparativa de software de análisis de datos
Herramienta
Especialidad Principal
Funcionalidad Clave de IA
MonkeyLearn
Análisis de datos no
estructurados
Modelos personalizados de
clasificación de texto y
sentimiento.
Power BI + Copilot
Business Intelligence y
dashboards corporativos
Generación de reportes
mediante lenguaje natural y
conectividad masiva
Tableau + Einstein GPT
Storytelling visual avanzado
Consultas predictivas y análisis
exploratorio intuitivo
ATLAS.ti
Investigación cualitativa
profunda
Codificación automática y
análisis semántico de redes
Excelmatic
Limpieza y preparación de
datos
Transformación de hojas de
cálculo mediante prompts
conversacionales
SurveyMonkey
Plantillas y distribución masiva
Análisis de sentimientos
integrado y bancos de
preguntas validados
P á g i n a | 93
93
Innovaciones en automatización y visualización
Las herramientas no-code permiten que equipos de marketing y analistas de
negocios realicen tareas complejas, como la detección de valores atípicos, el
tratamiento de valores faltantes y la elaboración de estadísticas descriptivas, sin
escribir una sola línea de código (Bailón & Pico, 2025). Plataformas como Polymer
Search o ClickUp destacan por su capacidad de convertir datos crudos de encuestas
en dashboards interactivos en cuestión de segundos, lo que facilita una respuesta ágil
a las tendencias del mercado.
Además, la integración con asistentes de inteligencia artificial conversacional
(como ChatGPT y Code Interpreter) permite a los investigadores cargar archivos de
datos y solicitar análisis exploratorios complejos, la limpieza de datos y la generación
de hipótesis de manera casi instantánea, acelerando drásticamente el ciclo de vida de
la investigación.
Ética, privacidad y mitigación de sesgos
algorítmicos
El uso masivo de la inteligencia artificial en la optimización y el análisis de
encuestas plantea dilemas éticos y legales sin precedentes. La automatización no es
inherentemente neutral; los algoritmos pueden replicar y amplificar sesgos presentes
en los datos de entrenamiento, lo que puede llevar a decisiones discriminatorias en
ámbitos tan sensibles como la contratación, la educación o la salud.
Sesgo algorítmico y Diseño Sensible al Valor (VSD)
El sesgo algorítmico a menudo se debe a la falta de representatividad de los
datos iniciales o a la opacidad de los modelos de caja negra. El enfoque del Diseño
P á g i n a | 94
94
Sensible al Valor (VSD) aboga por una postura proactiva en la que la tecnología se
diseña de manera moral y ética desde su origen, reconociendo y reparando las
desigualdades sociales existentes en lugar de simplemente automatizarlas.
Para mitigar estos riesgos, las organizaciones deben implementar estrategias
de diseño ético y transparente que incluyan:
● Explicabilidad e interpretabilidad: Asegurar que los sistemas de IA permitan
comprender cómo se ponderan las variables y cómo se llega a una conclusión
específica, lo que facilita la supervisión humana.
● Auditorías de equidad (Fairness): Evaluar los resultados del modelo para
detectar discriminación sistemática contra grupos específicos por motivos de
género, etnia o edad. Esto implica el preprocesamiento de datos para balancear
las muestras y la validación de variables significativas, de modo que las
decisiones se basen en criterios legítimos.
● Gobernanza y Responsabilidad: Establecer evaluaciones de impacto y
mecanismos de rendición de cuentas que identifiquen responsabilidades claras
ante fallos algorítmicos o decisiones injustas.
Desafíos de privacidad y marcos regulatorios
El entrenamiento de modelos de IA requiere volúmenes masivos de datos, lo
que pone en riesgo la privacidad personal. Los datos recolectados en encuestas
pueden ser vulnerables a sustracciones o a su uso indebido para el perfilamiento no
consentido de individuos. Es imperativo que el diseño de las encuestas incorpore
principios de privacidad por diseño, utilizando técnicas de anonimización y
cumpliendo rigurosamente con normativas como el GDPR o la HIPAA (Sánchez,
2024).
La transparencia hacia el encuestado sobre quién es el investigador, para qué
P á g i n a | 95
95
se utilizará su información y cómo se protegerá su anonimato es fundamental para
mantener la integridad ética de la investigación y la confianza del público en las
herramientas digitales de recolección de datos.
La optimización de encuestas representa la culminación de un proceso de
integración entre la ciencia del comportamiento y la computación avanzada. La
mejora del diseño de los instrumentos ya no puede entenderse únicamente como una
tarea de redacción literaria; es una ingeniería de la información que prioriza la
experiencia del usuario para salvaguardar la pureza del dato inicial. La
implementación de metodologías de validación rigurosas, como las entrevistas
cognitivas, garantiza que el puente entre el constructo teórico y la respuesta del
participante sea sólido y libre de distorsiones.
En el plano analítico, la transición del procesamiento manual al análisis
automatizado mediante NLP e IA permite a las organizaciones capturar la riqueza de
las respuestas abiertas a escala masiva. Sin embargo, esta capacidad técnica conlleva
una responsabilidad ética profunda: la necesidad de auditar y mitigar los sesgos
algorítmicos para asegurar que la inteligencia artificial sea una herramienta de
inclusión y no de discriminación.
Finalmente, el futuro de la recolección de datos reside en la flexibilidad y la
integración. Las plataformas tecnológicas continuarán evolucionando hacia sistemas
más intuitivos y conversacionales, permitiendo que la investigación mixta y la
triangulación de datos se conviertan en la norma y no en la excepción. Al combinar la
precisión de las métricas cuantitativas con la profundidad narrativa de las respuestas
abiertas, los investigadores pueden ofrecer una visión verdaderamente holística que
transforme los datos brutos en sabiduría estratégica y en decisiones informadas para
el bienestar social y el éxito organizacional.
P á g i n a | 96
96
Conclusión
La productividad en el sector público se potencia mediante la automatización
de tareas mundanas y repetitivas, lo que permite a los servidores públicos centrarse
en actividades de mayor valor estratégico y humano. En América Latina, se estima
que la IAGen podría impactar hasta el 40% del total de horas de trabajo, ya sea
mediante la automatización completa o el aumento de las capacidades humanas. En
América Latina, específicamente, se proyecta que el impacto en las horas laborales sea
uno de los más altos de la región, lo que subraya la urgencia de integrar estas
herramientas de manera planificada para evitar disrupciones laborales negativas y
fomentar el reskilling de la fuerza laboral pública.
Un ejemplo concreto de este aumento de productividad se observa en la
administración tributaria y en la gestión de finanzas públicas. La IA permite mejorar
el diseño de la regulación, detectar transacciones indebidas y evaluar riesgos de
integridad con una precisión y una velocidad superiores a los métodos tradicionales.
La IAGen redefine la relación Estado-ciudadano al permitir una comunicación
multicanal efectiva y respuestas en tiempo real. Los asistentes virtuales de nueva
generación van más allá de los simples árboles de decisión de los chatbots antiguos;
ahora son capaces de comprender contextos complejos y asistir a los ciudadanos en la
cumplimentación de trámites, la búsqueda de servicios y la interpretación de
normativas.
Esta capacidad de respuesta va más allá de la atención al cliente. En casos de
crisis o desastres naturales, la IAGen facilita la creación de escenarios de evacuación,
reduce los impactos y activa los planes de mitigación con mayor rapidez y precisión.
La opción de realizar simulaciones en un entorno sandbox virtual permite a los
gobiernos experimentar con cambios en la infraestructura o en las políticas de
transporte antes de implementarlos físicamente, analizando posibles consecuencias
P á g i n a | 97
97
no deseadas con un alto nivel de detalle.
El impacto de la IAGen en las ciencias sociales es igualmente profundo y
ambivalente. Por un lado, ofrece herramientas sin precedentes para el análisis de
grandes volúmenes de datos cualitativos; por otro, plantea interrogantes sobre la
validez de las conclusiones cuando el investigador delega parte de su labor
interpretativa en un algoritmo. La integración de sistemas de IA no solo actúa como
herramienta auxiliar, sino también como un actante que influye activamente en la
construcción de sentido y en la validación del conocimiento social.
Tradicionalmente, la investigación cualitativa ha sido un proceso intensivo en
mano de obra humana, dependiente de la interpretación hermenéutica de entrevistas
y grupos focales. La integración de LLMs en herramientas como Social Verbatim
permite realizar codificaciones inductivas y deductivas a gran escala, identificando
temas y patrones con una consistencia que desafía las limitaciones de las capacidades
humanas, ya sea por la fatiga o por sesgos cognitivos iniciales. Se ha observado que el
razonamiento por cadena de pensamiento en modelos avanzados puede igualar el
rendimiento humano en tareas interpretativas complejas, lo que permite a los
investigadores manejar cadenas de texto antes inabordables.
En la investigación cuantitativa orientada a las ciencias sociales, la IAGen
asiste en la generación y depuración de código en lenguajes como R, Python, SPSS o
STATA, facilita la limpieza de datos y ayuda en la interpretación de resultados
estadísticos complejos. Esta democratización de las capacidades técnicas permite que
investigadores de diversas disciplinas sociales realicen análisis de datos sofisticados
sin necesidad de una formación previa exhaustiva en programación.
En conclusión, uno de los principios centrales de la gobernanza de la IA es que
los ciudadanos tienen derecho a comprender cómo se toman las decisiones
administrativas que los afectan. No obstante, la naturaleza probabilística de los LLMs
dificulta la trazabilidad exacta de cómo el sistema llega a una respuesta específica ante
P á g i n a | 98
98
un prompt determinado. Para mitigar este riesgo, las normativas emergentes exigen
transparencia algorítmica y la implementación de mecanismos de explicabilidad que
permitan a los funcionarios públicos auditar y, si es necesario, anular las
recomendaciones del sistema. El concepto de supervisión humana significativa y
competente se vuelve central: el agente público debe contar con la formación técnica
y ética para intervenir de forma crítica en el uso de la IA, manteniendo la conciencia
del sesgo de automatización o del exceso de confianza en el sistema.
P á g i n a | 99
99
Bibliografía
Alawida, M., Mejri, S., Mehmood, A., Chikhaoui, B. e Isaac Abiodun, O. (2023). Un
estudio exhaustivo de ChatGPT: Avances, limitaciones y consideraciones éticas en el
procesamiento del lenguaje natural y la ciberseguridad. Información , 14 (8), 462.
https://doi.org/10.3390/info14080462
Ato Alvarado, M.E. (2021). El lenguaje claro y la transparencia de las decisiones
judiciales. Revista Oficial Del Poder Judicial, 13(16), 61-76.
https://doi.org/10.35292/ropj.v13i16.450
Bailón Sánchez, L.E., & Pico Bazurto, S.P. (2025). Impacto de la inteligencia artificial
en el marketing digital: Análisis de tendencias y percepción empresarial. Código
Científico Revista De Investigación, 6(E1), 748–767.
https://doi.org/10.55813/gaea/ccri/v6/nE1/716
Bakker, T. (2019). Social Thinking and Interpersonal Behavior. Tucumán: Bibliotex
Ching, T., Himmelstein, D. S., Beaulieu-Jones, B. K., Kalinin, A. A., Do, B. T., Way, G.
P., Ferrero, E., Agapow, P. M., Zietz, M., Hoffman, M. M., Xie, W., Rosen, G. L.,
Lengerich, B. J., Israeli, J., Lanchantin, J., Woloszynek, S., Carpenter, A. E., Shrikumar,
A., Xu, J., Cofer, E.M., & Greene, C.S. (2018). Opportunities and obstacles for deep
learning in biology and medicine. Journal of the Royal Society, Interface, 15(141),
20170387. https://doi.org/10.1098/rsif.2017.0387
Cina, E., Elbasi, E., Elmazi, G. y AlArnaout, Z. (2025). El rol de la IA en la modelización
predictiva para el desarrollo urbano sostenible: desafíos y
oportunidades. Sustainability , 17 (11), 5148. https://doi.org/10.3390/su17115148
P á g i n a | 100
100
Corvalán, J.G. (2018). Inteligencia artificial: retos, desafíos y oportunidades -
Prometea: la primera inteligencia artificial de Latinoamérica al servicio de la Justicia.
Revista De Investigações Constitucionais, 5(1), 295–316.
https://doi.org/10.5380/rinc.v5i1.55334
Díaz Díaz, C.V., Robles Mendoza, A.L., Rocha Sánchez, T.E., & García Castillo, Z.
(2025). Construcción de la sexualidad femenina con enfoque de género: una
aproximación al delito sexual. Revista jurídica Peruana Desafíos En Derecho, 2(1), 28-
40. https://doi.org/10.37711/RJPDD.2025.2.1.5
Facultad Latinoamericana de Ciencias Sociales. (2020). Estado de la Educación
Secundaria en América Latina y el Caribe. Aportes para una mirada regional. San José:
FLACSO. https://eulacfoundation.org/system/files/digital_library/2023-
07/1_informe_regional.pdf
Ginocchi, M., Ponci, F., & Monti, A. (2021). Sensitivity Analysis and Power Systems:
Can We Bridge the Gap? A Review and a Guide to Getting Started. Energies, 14(24),
8274. https://doi.org/10.3390/en14248274
Hauthal, E., Dunkel, A. y Burghardt, D. (2021). Emojis como indicadores contextuales
en publicaciones de redes sociales basadas en la ubicación. ISPRS, Revista Internacional
de Geoinformación , 10 (6), 407. https://doi.org/10.3390/ijgi10060407
Leyva Vázquez, M.Y., Batista Hernández, N., Estupiñan Ricardo, J., & Goyes García,
J.F. (2023). Aplicación de análisis de sentimientos y enfoque neutrosófico para la
comprensión de información textual en la investigación. Conrado, 19(94), 294-300
Mamani, V., & Arisaca, W. (2021). Transparencia en la gestión pública y su incidencia
en el derecho al acceso a la información. Gestionar: Revista De Empresa Y Gobierno, 1(3),
40-51. https://doi.org/10.35622/j.rg.2021.03.003
P á g i n a | 101
101
Matas, A. (2018). Diseño del formato de escalas tipo Likert: un estado de la
cuestión. Revista electrónica de investigación educativa, 20(1), 38-47
McCoy, J. (2022). Reflexiones sobre el populismo y la polarización en América Latina
y sus consecuencias para la democracia. Desafíos, 34(2), 1-19.
https://doi.org/10.12804/revistas.urosario.edu.co/desafios/a.11307
Norabuena Mendoza, C.H., Huamán Osorio, A.P., & Ramirez Asis, E.H. (2020).
Modelo de Ecuaciones Estructurales (Con estimación PLS) basado en calidad de
servicio y lealtad del Cliente de las Cajas Rurales Peruanas. Ciencias
Administrativas, 18, 081. https://doi.org/10.24215/23143738e081
OECD. (2025). Gobernar con la inteligencia artificial. Panorama actual y hoja de ruta en
las funciones centrales de gobierno. París: OECD Publishing.
https://doi.org/10.1787/dc00e56a-es.
Ortíz Palma, L.A., & Mosquera Angulo, H. (2020). Herramienta para la extracción y
análisis de información obtenida de la red social Twitter, como apoyo a los
procedimientos: nuevo registro calificado y renovación de
registros. INVENTUM, 15(28), 51-
63. https://doi.org/10.26620/uniminuto.inventum.15.28.2020.51-63
Peña Carlos, J. S. (2022). Inteligencia artificial para la seguridad jurídica. Superando el
problema de la cognoscibilidad del derecho. Revista Oficial Del Poder Judicial, 14(17),
55-117. https://doi.org/10.35292/ropj.v14i17.568
Pepe-Oliva, R. (2025). Inteligencia Artificial y periodismo: entre la innovación y el
desafío ético. Cuadernos del Audiovisual del Consejo Audiovisual de Andalucía,
(14). https://dx.doi.org/10.62269/cavcaa.XX
P á g i n a | 102
102
Pinto da Costa, J.F., y Cabral, M. (2022). Métodos estadísticos con aplicaciones en
minería de datos: Una revisión de los trabajos más recientes. Matemáticas , 10 (6), 993.
https://doi.org/10.3390/math10060993
Reyes Palau, N.C., & Rodríguez Caballero, G.A. (2025). Integración de Inteligencia
artificial (IA) en la didáctica de las Ciencias Sociales para la formación
docente. European Public & Social Innovation Review, 10, 1–12.
https://doi.org/10.31637/epsir-2025-2409
Rodríguez-Martínez, E.A., Flores-Fuentes, W., Achakir, F., Sergiyenko, O. y Murrieta-
Rico, F.N. (2025). Navegación y percepción basadas en visión para robots autónomos:
Sensores, SLAM, estrategias de control y aplicaciones multidominio: Una
revisión. Eng , 6 (7), 153. https://doi.org/10.3390/eng6070153
Romero Llerena, M.A., & Pandia Yañez, E.J. (2025). La inteligencia artificial en la salud
pública: Mejorando la atención médica y previniendo enfermedades. Aula
Virtual, 6(13), e493. https://doi.org/10.5281/zenodo.17247148
Sánchez Díaz, M.F. (2024). Inteligencia artificial generativa y los retos en la protección
de los datos personales. Estudios en derecho a la información, (18), 179-205.
https://doi.org/10.22201/iij.25940082e.2024.18.18852
Shehzadi, N., Ferzund, J., Fatima, R. & Riaz, A. (2025). Análisis automático de
complejidad de diagramas de clases UML mediante técnicas de preguntas y
respuestas visuales (VQA). Software, 4 (4), 22. https://doi.org/10.3390/software4040022
Thanasas, G., Kampiotis, G. y Halkiopoulos, C. (2026). Transformando la contabilidad
digital: Big Data, IoT y tecnologías de la Industria 4.0: Un estudio exhaustivo. Journal
of Risk and Financial Management , 19 (1), 92. https://doi.org/10.3390/jrfm19010092
P á g i n a | 103
103
Ushiñahua Serrano, M.F., & Contreras Rivera, R.J. (2026). Revisión sistemática sobre
inteligencia artificial generativa en creación de contenidos mediáticos para gestión
pública y satisfacción de usuarios. Revista InveCom, 6(2), e602138.
https://doi.org/10.5281/zenodo.17664203
Yasaca Pilco, N.E., Alcívar Sosa, G.E., Pérez Loor, J.A., Malavé Beltran, L.A., &
Almeida Marin, M.F. (2025). El Impacto de las Redes Sociales en la Evolución del
Lenguaje. Ciencia Y Reflexión, 4(3), 31–46. https://doi.org/10.70747/cr.v4i3.396
P á g i n a | 104
104
De esta edición de “Inteligencia artificial generativa aplicada a las ciencias
sociales y gestión pública”, se terminó de editar en la ciudad de Colonia
del Sacramento en la República Oriental del Uruguay el 25 de febrero
de 2026
P á g i n a | 105
105
