La administración pública en transformación: el impacto de la Inteligencia

Artificial sobre la gestión y el campo de estudio

Diego Pando

Introducción
Nuestra forma de pensar las organizaciones ha variado mucho menos que la
realidad. Así, y dada la velocidad e intensidad de los cambios tecnológicos, el
presente trabajo tiene como objetivo principal reflexionar sobre el impacto de la
Inteligencia Artificial tanto en la gestión como en la disciplina de la administración
pública. Para ello, el primer apartado identifica el valor que tiene el uso intensivo
de tecnologías digitales para mejorar la eficacia y la eficiencia de la
administración pública, así como la imperiosa necesidad de contar con estudios
que se alejen del supuesto carácter autónomo y neutral de los aportes
tecnológicos y hagan hincapié en un enfoque organizacional. La segunda
sección plantea la relevancia de la Inteligencia Artificial para la administración
pública a partir del volumen, la velocidad y la variedad de datos (fenómeno
conocido genéricamente como big data). En el tercer apartado se describen los
principales temas de una agenda de investigación en el campo de estudio de la
Administración Pública orientada a problematizar desde una mirada crítica el
impacto de la Inteligencia Artificial. Finalmente, en la última parte se presentan
las principales conclusiones del artículo.
Palabras clave: big data, tecnologías digitales, agenda de investigación

1
 1- La Administración Pública como campo de estudio

Desde sus comienzos a finales del siglo XIX el campo de estudio de la

Administración Pública se ha caracterizado por su ampliación y diversidad de
enfoques en sintonía con las transformaciones políticas, económicas y sociales
de nuestras sociedades producto de que, además de ser el Estado un conjunto
de múltiples instituciones, no se puede entender al mismo ni a su aparato
administrativo divorciados de las sociedades en las que se insertan y a las que
le dan forma.

Esta ampliación y diversidad de enfoques (muchas veces opuestos entre sí) ha

llevado a que Carlés Ramió (1999) describiera al campo de la administración
pública desde un punto de vista metafórico como un abigarrado matorral más
que un jardín cuidado con esmero. Así, un recurrente obstáculo para el avance
de la producción y difusión de conocimiento en el campo de la administración
pública es la relativa ambigüedad con la que se presentan o usan ciertas
categorías analíticas, ya sea por la complejidad de los conceptos, porque los
contenidos se inscriben en disciplinarias distintas o por el uso laxo que se hace
de un concepto en el lenguaje cotidiano y la mayor precisión que demanda el
mundo académico con relación a este.

A lo largo de un extenso proceso histórico de más de un siglo, numerosos

enfoques surgidos a partir de la naturaleza multidimensional del Estado han
terminado en un notable estiramiento conceptual que desbordan lo que podría
haber sido una conceptualización razonable y consistente. Muchas veces no
resulta sencillo establecer un significado común y compartido, posiblemente,
porque la propia naturaleza histórica e interpretativa del campo de la
administración pública así lo determina, lo cual desde ya no significa que la
existencia de múltiples interpretaciones avale cualquier tipo de afirmaciones en
la discusión académica.

Cabe señalar además que los sucesivos modelos y paradigmas que se han
sugerido para entender lo que sucede en la administración pública, no implicaron
rupturas o discontinuidades definitivas sino, más bien, adaptaciones a las
transformaciones políticas, económicas y sociales que, simultáneamente, tienen
lugar en las sociedades y en el contexto internacional. Coincidimos con Oszlak

2
(2014) en resaltar la paradoja de constatar que la mayor densidad adquirida por
nociones supuestamente rupturistas acabó poniendo más en evidencia su
continuidad con modelos y corrientes de estudio precedentes que su pretendida
ruptura definitiva con enfoques previos.

Lo cierto es que detrás de la diversidad de enfoques hay una variedad de temas

tradicionales que han preocupado y continúan preocupando a los servidores
públicos y a los estudiosos de la disciplina, entre los cuales podemos mencionar
a la planificación, el presupuesto, la coordinación, la transparencia, la
participación, el control, la evaluación y el servicio civil. Estos temas “hacia
dentro” afectan la producción de los bienes, servicios y regulaciones a cargo las
administraciones públicas. Algo tan básico y muchas veces olvidado: no puede
haber buen gobierno donde no hay buena administración.

A estos temas tradicionales mencionados en el párrafo anterior (con

protagonismos oscilantes a lo largo de nuestro período histórico), en las dos
últimas décadas se le ha sumado cada vez con más fuerza la cuestión digital en
sintonía con el veloz e intenso cambio tecnológico que experimentan nuestras
sociedades. Si bien es necesario alejarse del solucionismo tecnológico (es decir,
de poner el carro delante del caballo y creer que una app puede resolver
cualquier problema), es innegable el valor real y potencial que tiene el uso
intensivo de tecnologías digitales para mejorar la eficacia y la eficiencia de la
administración pública. No hay fórmulas mágicas, ni tampoco se debe pensar
que la digitalización será la gran cura para todos los males que afectan a nuestra
región. Pero la digitalización ofrece oportunidades concretas para desplegar
servicios públicos de alto valor para la sociedad, a gran escala y bajo costo.

Y así como las administraciones públicas necesitan más y mejor uso de las
tecnologías digitales, el mundo académico necesita más y mejores análisis del
uso de las tecnologías digitales en las administraciones públicas dado que se
trata de herramientas poderosas cuya utilización implica modificar estructuras
jerárquicas, replantear flujos de trabajo, rediseñar procesos, reasignar personas
y transferir partidas presupuestarias, entre otras cuestiones (Pando, 2014).

Consideramos que, más allá de los enfoques “duros” basados en la tecnología

objetiva, son cada vez más necesarias las miradas académicas basadas en el

3
cambio organizacional que significa el uso intensivo de tecnologías digitales.
Esto significa que debemos interpelar diversos meta-relatos sobre la reforma o
modernización de la administración pública que están basados en el supuesto
carácter autónomo y neutral de los aportes tecnológicos que minimizan (u
ocultan) valores e intereses que se ponen en juego en todo proceso de
transformación digital.

Es necesario alejarse de estos meta-relatos dado que la introducción de

tecnologías digitales implica un cambio en las prácticas habituales con las cuales
las personas se desenvuelven, trabajan y se relacionan, así como el producto de
dichas prácticas. Hacer las cosas en forma diferente por medio de tecnologías
digitales requiere abordar la cuestión organizacional y particularmente el
componente humano de esta transformación que suele ser vivida como
amenazante dado que significa la modificación (o incluso la sustitución) del
trabajo humano por la tecnología y el reemplazo de competencias existentes por
nuevas competencias complejas de adquirir. Así, la transformación digital se vive
muchas veces como una dualidad: por un lado, el entusiasmo que despierta la
modernidad y el poder transformacional de la tecnología y, por el otro, la
inquietud por los desafíos que esta transformación plantea a las personas. Todo
esto genera resistencias y conflictos que inevitablemente alteran el equilibrio de
poder en las organizaciones y de ahí la necesidad de abordar el tema desde
nuestro campo de estudio.

Y así como es necesario alejarse de estos meta-relatos basados en el carácter

supuestamente autónomo y neutral de las tecnologías digitales, también es
necesario tomar distancia de aquellos análisis de experiencias de uso intensivo
de tecnologías digitales que se nos presentan como válidas independientemente
del tiempo y del lugar. Generalmente este tipo de análisis de experiencias de
dudosa legitimidad provienen de países desarrollados que tienen historias y
realidades diferentes a las latinoamericanas. Dar sentido histórico, espacial y
temporal a nuestro objeto de estudio es ineludible al momento de realizar
nuestros análisis. Desde ya, esto no significa que no haya elementos que sirven
y valen para capitalizarlos en la comprensión de nuestros contextos, pero sí es
necesario mantener una saludable desconfianza de aquellos análisis que

4
materializan supuestos sobre historias y realidades divorciadas de aquello que
tratamos de entender en nuestro espacio y tiempo.

Finalmente, cabe señalar el riesgo de minimizar en los análisis el hecho de que

a veces nuestras administraciones públicas incorporan herramientas o formas
de trabajar con aplicaciones que vienen desarrolladas desde el sector privado
sin contemplar la lógica de lo estatal. Así, se requiere un proceso de reflexión
más amplio que incorpore una perspectiva crítica en relación al uso de
dispositivos estandarizados, productos cerrados o la compra de herramientas
prefabricadas por empresas que pueden generar tratamientos injustos y
sesgados a partir del predominio de una lógica mercantil.

2- Inteligencia artificial y big data

Particularmente relevante en relación a la cuestión digital es la Inteligencia

Artificial (IA). Si bien no hay una única definición, podemos decir que la noción
de IA hace referencia a un conjunto de tecnologías que están basadas en
algoritmos que intentan imitar el comportamiento humano para resolver tareas
complejas. De hecho, por su importante presencia en los medios de
comunicación durante estos últimos 12 meses, así como en el debate social,
debido a los diversos avances desarrollados en este ámbito y las consecuencias
éticas derivadas, IA fue la palabra del año 2022 (en realidad, son dos palabras)
según la FundéuRAE, fundación que está patrocinada por la agencia Efe y la
Real Academia Española.

Ahora bien: IA está lejos de ser un concepto nuevo. Surgió en la década de los
50, ocupa un lugar relevante en la agenda de las ciencias de la computación
desde la década de los 70 y ya en la década de los 90 una máquina le ganó una
partida de ajedrez al entonces campeón mundial Garry Kasparov.

Lo que sí es novedoso de la actual fase del desarrollo tecnológico es la

generación, extracción y uso de un tipo particular de materia prima: los datos,
entendiendo por tales a “cifras o hechos sencillos, discretos y objetivos que
representan eventos que ocurren, se estructuran, capturan, cuantifican y
transfieren con facilidad” (Davenport y Prusak, 2000: 13). Estos hechos, de

5
acuerdo con el contexto, son presentados de tal forma que puedan ser
comprendidos, interpretados y comunicados por un ser humano o procesados
por una máquina para servir de antecedente en la obtención de una conclusión.

En la actualidad, el volumen, la velocidad y la variedad de datos, fenómeno

conocido genéricamente como big data, constituye un insumo central e inédito a
partir del cual el aparato estatal puede de manera decisiva mejorar su eficacia y
eficiencia y, de esta manera, estar en sintonía con las profundas
transformaciones políticas, económicas y sociales características de nuestras
sociedades (Pando y Poggi, 2020).

El veloz e intenso desarrollo de las tecnologías digitales de los últimos años ha

provocado que los datos hayan pasado de ser escasos a ser masivos y
heterogéneos a partir del volumen de producción, la velocidad en que son
transmitidos, la variedad de fuentes (los propios sistemas de los organismos
públicos, otras fuentes públicas y fuentes no tradicionales como redes sociales,
satélites, cámaras, sensores, etc.) y la diversidad de tipos (números, textos,
imágenes, audios, videos).

En particular, hoy el mundo genera tantos datos que su procesamiento está fuera
del alcance humano, por lo cual muchas veces no queda más alternativa que
delegar su gestión en algoritmos, es decir, en fórmulas o modelos matemáticos
que convierten los datos en información valiosa para la toma de decisiones. Es
más, el control de lo que hacen o dejan de hacer dichos algoritmos también suele
escapar a las capacidades humanas, con lo cual se “delegan” en meta-
algoritmos que evalúan los demás algoritmos. Como si esto fuera poco, la forma
en que estos algoritmos son desarrollados tiene características disruptivas con
las prácticas establecidas de trabajo, implicando enormes desafíos (Harari,
2018).

En este sentido, en los últimos años, y fundamentalmente a partir del gran caudal
de datos, tomó fuerza el paradigma data-driven o guiado por datos en el cual se
utilizan algoritmos genéricos que toman grandes cantidades de datos y los
exploran para descubrir regularidades, patrones, reglas predictivas y similitudes
que permitan de alguna manera encontrar y/o explicitar “conocimiento” oculto en
los datos. Esto no solo está generando y generará cambios cada vez más

6
intensos en la gestión sino también en la administración pública como campo de
estudio.

En el paradigma data-driven, la materia prima para la elaboración de algoritmos

son los datos. El fenómeno del big data, sumado a los avances de la informática
y a nuevas investigaciones, está en la base de los actuales modelos que, por
ejemplo, traducen textos de un idioma a otro, predicen enfermedades, mejoran
la infraestructura urbana en base al análisis de la movilidad de los ciclistas,
atienden contribuyentes a través de asistentes conversacionales virtuales,
predicen deserciones escolares, entre una gran cantidad de aplicaciones de uso
cotidiano. Es decir, las técnicas de análisis avanzado de datos aportan una
nueva forma de entender cómo se aborda un problema complejo con precisión,
rigurosidad científica, flexibilidad y escalabilidad, así como también pueden
traducirse en modelos predictivos en base a lo acontecido en el pasado.

Además de vivir en la época humana en la que más datos se generan, hoy

también contamos con la capacidad computacional necesaria y las técnicas
algorítmicas adecuadas para hacer sentido de esta gran cantidad de datos. No
es de sorprender que las empresas tecnológicas más importantes del mundo
estén en su centro basadas en los datos y que la economía de los datos se haya
convertido en el segmento económico de mayor dinamismo y potencial
disruptivo.

Si bien la aproximación data-driven, con los años y las modas, terminó siendo
sintetizada bajo el nombre de analítica de datos, a los fines de este trabajo y en
base a lo ampliamente aceptado del concepto, hablaremos de Inteligencia
Artificial en sentido genérico para englobar a todas estas cuestiones.

Lo cierto es que el mundo de los datos cambió radicalmente. Ahora a los datos
generados por los sistemas de información organizacionales se deben sumar los
datos registrados por millones de personas, sensores, cámaras, teléfonos
inteligentes, cajeros automáticos y cualquier otro dispositivo interconectado a
través de los cuales se dejan huellas digitales que quedan a disposición de las
organizaciones con la posibilidad de ser transformadas en información.

A diferencia de una encuesta sistemática, los datos masivos son anárquicos y

espontáneos (Sosa Escudero, 2019). Es decir, los datos no fueron generados

7
por el propósito de crearlos, como en las respuestas a una encuesta tradicional,
sino como resultado de otra acción (compartir un mensaje en redes sociales,
pagar con una tarjeta de crédito, entrar a un sitio web, etc.). La espontaneidad y
consecuente falta de estructura de big data explica tanto la masividad del
fenómeno como sus principales limitaciones. Tradicionalmente los datos
digitales se conciben como una planilla electrónica con columnas homogéneas
que en las filas contienen caracteres, fechas, cantidades, importes, códigos, etc.
Hoy los datos digitales toman a la vista formas diferentes: las cámaras dejan
imágenes o videos; los diferentes sensores dejan innumerables formas de
representar lo que miden; las personas dejamos textos, hipertextos con
abreviaturas, emoticones, palabras mal escritas e infinidad de formas de
expresión visual que no aparecen en los diccionarios. Internamente todos estos
formatos digitales terminan siendo números que una computadora interpretará
como pueda o como la semántica que le demos la guíe. En definitiva, los datos
de big data no son una ampliación más de los datos de fuentes tradicionales y,
por ende, plantean nuevos desafíos que consisten en dotar de estructura a datos
anárquicos y espontáneos1.

Así, hoy los grandes volúmenes de producción, variedad y circulación de datos

tienen un enorme valor potencial tanto para el mundo de la gestión como para la
administración pública como campo de estudio en la medida en que un sistema
algorítmico utiliza el razonamiento automatizado para convertir esos datos en
información valiosa que permite generar predicciones, recomendaciones o
decisiones ante cuestiones complejas. La relevancia de los datos es entendible
a la luz de la relevancia de las preguntas que les hagamos.

3- Temas para una agenda de investigación

De a poco se va dando por sentada la relevancia de la IA así como se reconoce

el fenómeno del volumen, la velocidad y la variedad de datos. Sin embargo,

1 Cabe señalar que, más allá de todas las potencialidades, big data nunca será todos los datos.
A modo de ejemplo: a fines de decidir si construir un carril adicional de una autopista, podemos
tener datos de muchísimas características de quienes usan la autopista, pero casi nada de
quienes no, y tal vez la usarían de haber un carril adicional. Esa información contrafáctica es
importante para la toma de decisiones y big data difícilmente la muestre.

8
también se va dando por sentado cada vez más que, por el solo hecho de
importar, la IA y el big data automáticamente producirán buenos resultados. Para
evitar falsas expectativas es necesario identificar temas relevantes que debieran
ocupar un lugar destacado en la agenda de investigación en el campo de estudio
de la Administración Pública y que pueden ser abordados mediante técnicas y
métodos tanto cuali como cuantitativos.

3.1 Inteligencia Artificial, ¿para qué?

Muchas veces la IA surge como un intento de mejorar la eficiencia y eficacia de

la gestión pública. Otras veces, en cambio, surge porque está de moda sin saber
muy bien qué hace ni cómo funciona, convirtiéndose en una (aparente) solución
en búsqueda de problemas. Así, es importante la realización de investigaciones
basadas en experiencias que no caigan en el solucionismo tecnológico que
describiéramos en el primer apartado de este trabajo y que hagan foco sobre el
problema que se buscó resolver y luego sobre las mejores herramientas para
lograrlo. Como dijimos antes, la IA por sí sola no resuelve problemas, sino que
es una herramienta que forma parte de un conjunto de estrategias para abordar
problemas complejos.

Si bien la IA permite sistematizar información, monitorear el rendimiento y los

procesos de gestión, agilizar procedimientos, analizar impactos, reproducir y
verificar resultados, entre muchísimas otras aplicaciones para diferentes ámbitos
de políticas públicas (educación, salud, urbanismo, ambiente, economía, etc.),
particularmente relevantes son los estudios que se basan en el uso de IA para
hacer frente a un factor determinante de la confianza en las instituciones
públicas: la simplificación de trámites. Se trata de una transacción cuyo objeto
es cumplir con alguna obligación legal o solicitar un permiso, servicio o beneficio,
lo que lo convierte en un condicionante para el acceso a distintos servicios
(Farías et al, 2016). Teniendo en cuenta que es el nodo crítico donde se conectan
los ciudadanos con los proveedores de bienes y servicios públicos, en América
Latina se ha prestado relativamente poca atención al trámite. Muchas veces, los
servicios digitales son réplicas en línea de procedimientos presenciales. La
simplificación de trámites (subsidios, licencias, permisos, actas, certificados) es

9
clave para mejorar no solo la calidad de los bienes y servicios públicos sino
fundamentalmente la confianza en el Estado.

En especial resultan de interés aquellas experiencias de instituciones públicas

que agilizar la realización de trámites digitales se enfocan en los ciudadanos y
en las que la IA puede tener un rol importante. Como señalan Roseth, Reyes y
Santiso (2018), es imposible mejorar la experiencia de los ciudadanos con las
transacciones digitales sin entender primero cómo se desarrolla esta
experiencia. Los responsables de diseñar servicios digitales no pueden
manejarse con intuiciones en relación a la experiencia de un usuario. La
información sobre la experiencia de los ciudadanos se puede identificar a partir
de la recolección automatizada de datos de sitios web sobre cuestiones tales
como tiempos de acceso, número y localización de los clics y servicios iniciados
pero no completados (lo que se conoce con el nombre de “tasa de rebote”).
También es importante hacer entrevistas e implementar grupos focales para
escuchar a los ciudadanos, realizar encuestas y utilizar técnicas algorítmicas a
partir de big data para mapear experiencias. Asimismo, y teniendo en cuenta que
la ciudadanía está cada vez más acostumbrada a servicios personalizados y
empieza a demandar esa misma personalización en los servicios ofrecidos por
las administraciones públicas, la IA permite atención personalizada, inmediata y
automatizada, con contenidos y estilos específicos y con capacidad de
adaptación al momento y a las características de solicitud del servicio.

3.2 Cultura de datos

La pandemia puso en el centro del debate político la calidad de los datos. Los
datos usados por el Estado para informar sobre la evolución del Covid-19 y la
justificación de medidas como el aislamiento social preventivo y obligatorio
pusieron en primer plano la relevancia de los datos vinculados con la gestión
sanitaria. Así, resultan interesantes los estudios que hacen hincapié en el
desarrollo de una cultura de datos en las organizaciones públicas para posicionar
a éstos como un insumo fundamental para la producción de bienes y servicios
públicos.

10
Si bien la gestión de datos no es el enfoque dominante en nuestras
administraciones públicas, sino una actividad adicional y complementaria que
resulta modesta en la práctica diaria, lo cierto es que resultan críticas el análisis
de experiencias de áreas rectoras de gobernanza de datos orientadas a cuatro
funciones principales: a- incentivar que los distintos organismos públicos
generen y gestionen sus datos; b- coordinar los diversos sistemas de captura y
de gestión de los datos; c- articular a los diferentes organismos y distintos
ámbitos sectoriales que permita una toma de decisiones basada en la capacidad
analítica de respuesta transversal; y d- brindar asistencia técnica y recursos a
los organismos para la recopilación y tratamiento de los datos para sustentar la
capacidad analítica. Estas unidades centrales de gobernanza de datos no
implican un modelo de gestión de los datos centralizado, sino a fijar las bases de
un modelo descentralizado que opera en red bajo la coordinación de estas
unidades. Un esquema adecuado de gobernanza de los datos exige
mecanismos de protección de los datos personales, seguridad, no
discriminación, accesibilidad e igualdad en el trato a lo largo de toda la cadena
de valor del dato.

No debe perderse de vista que sin datos de calidad no puede haber

herramientas adecuadas de IA. Por lo tanto, en esta línea de investigación es
oportuno preguntarse por la calidad de los datos existentes, comprenderlos en
su totalidad, saber quién los recolectó, con qué propósito, qué significa la
información de cada campo y ver sobre todo si hay datos que faltan. Cabe
reconocer que cuando las organizaciones públicas trabajan con datos, siempre
existe una tensión entre la obtención de la mayor cantidad posible de datos y la
protección de la privacidad de las personas y la seguridad de estos datos.

3.3 El riesgo de los sesgos

Este tema es parte de lo que consideramos la agenda de investigación porque

la toma de decisiones basadas en información construida a partir del uso de big
data no puede discriminar ni dejar afuera (aunque sea sin malas intenciones) a
ningún sector de la población. Por ejemplo, si los datos que tenemos sobre el
género de las personas son binarios (varón-mujer) y queremos trabajar con

11
políticas hacia la población LGBTIQ+, es probable que esta población no esté
representada en los datos con los que vamos a entrenar nuestros algoritmos. O
cuando un algoritmo de búsqueda de empleo se carga con datos históricos, es
probable que la recomendación de trabajo para hombres o mujeres con similar
nivel educativo, edad y experiencia laboral sea muy distinta porque está basada
en asignaciones que arrastran un sesgo histórico.

La gran mayoría de los casos los datos que utiliza el sector público proviene de
la sociedad y como sabemos, las relaciones sociales son subjetivas, están
atravesadas por prejuicios y por asimetrías de poder. Hay muchos colectivos que
históricamente estuvieron sub representados en los datos y esto originó
iniciativas que tuvieron problemas en su desarrollo por las desigualdades
presentes desde el comienzo. Por estos sesgos tan enraizados en la sociedad
resulta necesario tener una mirada atenta y sensible ante diferentes colectivos
invisibilizados y asegurarnos de su correcta representación en los datos de
entrenamiento, en la definición de problemas y en la elaboración de políticas.

A modo de ejemplo de lo señalado en este apartado podemos citar el desarrollo

de dos herramientas elaboradas por el gobierno de la provincia de Salta en
Argentina en alianza con Microsoft para predecir la deserción escolar y el
embarazo adolescente no deseado. Ambos casos fueron construidos en base a
conjuntos de datos brindados por el ministerio de Primera Infancia de la
provincia. El algoritmo permitió identificar a 397 niños en peligro de abandonar
la escuela y 500 mujeres que podrían estar en riesgo de un embarazo no
deseado. El caso generó una fuerte polémica debido a que los datos de
entrenamiento de los algoritmos no comprendían una distribución de todos los
posibles casos, sino que se enfocaban en un determinado grupo social
desfavorecido.

Para controlar y evitar los sesgos de los datos utilizados durante todo el ciclo de
vida del sistema de IA, respetando los principios de explicabilidad y trazabilidad,
las áreas de administración pública de las universidades pueden colaborar con
los organismos públicos a través de programas de formación, investigación y
asistencia técnica orientados hacia la denominada auditoría algorítmica.

12
3.4 Transparencia algorítmica

Las decisiones algorítmicas comienzan a tener un rol cada vez más relevante en
la administración pública y acá hay un desafío no menor: la opacidad de los
algoritmos, una especie de caja negra que puede 1- violar la privacidad y
protección de datos personales; y/o (como explicáramos en el apartado anterior)
2- introducir sesgos que discriminen a sectores de la población (mujeres, adultos
mayores, jóvenes, sectores de bajos ingresos o pequeños y medianos
empresarios, por mencionar sectores que han sido discriminados por el uso de
algoritmos en la administración de justicia, licitaciones, subsidios o empleos en
Estados Unidos y en Europa).

Como determina el derecho administrativo (rama del derecho público que regula
la organización, funcionamiento, poderes y deberes de la administración pública
y las consiguientes relaciones jurídicas entre la misma y otros sujetos), las
normas exigen que los fundamentos de las resoluciones de los organismos
públicos sean explícitos. Así, la transparencia algorítmica permite poder explicar
y evaluar el desempeño de un algoritmo, de manera tal de poder comprender su
funcionamiento, justificar las decisiones y prevenir situaciones indeseadas como
invasiones a la privacidad, mal uso de datos o discriminación.

En este sentido, caben mencionar los principales (y poco alentadores) resultados

de un estudio exploratorio desarrollado por el Consejo para la Transparencia de
Chile y la Universidad Adolfo Ibáñez (2023) con apoyo del BID (Proyecto
Algoritmos Éticos, Responsables y Transparentes). A partir de una encuesta
sobre uso de algoritmos a 870 organismos públicos -nivel central y municipios-,
se obtuvieron solo 285 respuestas, se reconocieron 92 sistemas algorítmicos (14
casos dijeron que no usaban pero sí lo hacían) de los cuales solo 12 respetan
criterios básicos de transparencia algorítmica (informan si hacen o no uso de
datos personales, mencionan cuál es la unidad responsable, explicitan criterios
para la toma de decisiones, identifican el impacto en los ciudadanos). Se trata
de un primer estudio que puede ser interesante para replicar en otros países de
la región con el fin de promover políticas de innovación transparentes.

Así, y dado el contexto de creciente desconfianza ciudadana hacia los gobiernos

y escepticismo ante las instituciones públicas, la transparencia algorítmica no

13
implica principalmente un desafío técnico, sino más bien un desafío político y
social que debería ocupar un lugar cada vez más relevante en la agenda de
investigación.

3.5 Diseño organizacional

En los últimos años, las organizaciones con uso intensivo de IA fueron

reconfigurando roles y diseños organizacionales a partir de la revolución en el
mundo de los datos. Aquí se desprende entonces una línea de investigación en
el campo de la administración pública con alto potencial que a continuación
vamos a describir.

El rol del Chief Information Officer (CIO), o responsable de tecnología, se ha

orientado cada vez a la compleja gestión de infraestructura y provisión de
servicios (sistemas de información incluidos). Por otro lado, se creó y cobra cada
vez más fuerza el rol de Chief Data Officer (CDO), o responsable de datos, a
partir de la consideración de que los datos son un activo tan importante en las
organizaciones que su gobierno y su tratamiento requieren de una estructura
específica. Asimismo, cobró peso en la estructura organizacional el rol de Chief
Digital Transformation Officer (CDTO), o jefe de transformación digital, al
considerarse que la apropiación de nuevas tecnologías es la que guía y
transforma la gestión incluso las funciones esenciales de cualquier organización.
Finalmente, y dado que la seguridad es un pilar fundamental en el proceso de
transformación digital, se creó el rol de Chief Information Security Officer (CISO),
o jefe de seguridad, para jerarquizar la relevancia de la privacidad y la protección
de los datos.

Desde ya, existen diferentes configuraciones organizacionales posibles dado

que la combinación de CIO/CDO/CDTO/CISO se ajusta en función de la
estrategia institucional. Más allá de los roles principales identificados, existe un
perfil que en la mayoría de los casos no tiene el mismo reconocimiento pero que
es fundamental en todo proceso de transformación digital: los agentes del
cambio que se encuentran generalmente dispersos en diferentes áreas de los
organismos y que contribuyen (más allá de la jerarquía formal) a impulsar y
sostener iniciativas de transformación digital.

14
3.6 Gestión de personas

Un lugar común, aunque no por ello deja de ser cierto, consiste en considerar a
las personas como el principal activo de las organizaciones. En este sentido, y
más allá del impacto que en mayor o menor medida tiene la IA sobre el conjunto
de los servidores públicos2, consideramos que otro tema central en la agenda de
investigaciones tiene que ver con principalmente con la incorporación y el
desarrollo de profesionales especializados en tecnologías digitales.

Aquí identificamos cuatro causas principales (e interrelacionadas) que

contribuyen a explicar el déficit de profesionales digitales en el sector público de
América Latina y sobre las cuales es necesario profundizar y complementar. La
primera causa es la escasez de este tipo de profesionales en el mercado laboral
en general, algo que se relaciona con la todavía escasa oferta formativa en el
tema. Al sector público se le hace difícil captar profesionales digitales si no hay
suficientes candidatos en el mercado laboral (también por cierto al sector privado
– especialmente a las micro, pequeña y medianas empresas- pero mucho más
aún al sector público).

La segunda causa es la falta de competitividad salarial, la cual se agudiza a partir

de la escasez de profesionales. Si bien en términos generales existe una brecha
salarial entre el sector público y el privado (particularmente en niveles medios y
altos), la misma acrecienta en el ámbito digital. La escasez de profesiones
digitales vuelve menos probable encontrar profesionales altamente calificados
con una vocación pública que permita equilibrar sus expectativas salariales con
el potencial de impacto que el servicio público ofrece.

La tercera razón hace referencia a la gestión del servicio civil en América Latina
que impacta directamente en el desarrollo del talento digital. Los convenios
colectivos que rigen el empleo público fueron pensados para las relaciones
laborales propias de los métodos de producción del siglo XX y para el desarrollo
de carreras extendidas, pero no para los nuevos paradigmas de gestión en

2
La estrategia de talento digital debe abarcar todos los niveles de las organizaciones públicas, con
estrategias para diferentes segmentos de la función pública: el equipo directivo; las áreas responsables
de la prestación de bienes y servicios; y las áreas especializadas en tecnologías digitales.

15
tiempos de la revolución digital en donde es muy valorado el expertise práctico
en aplicaciones o lenguajes específicos, con independencia muchas veces de la
educación formal o titulación académica

La cuarta causa tiene que ver con las motivaciones de este tipo de profesionales
que no están vinculadas necesariamente al desarrollo de una carrera tradicional
en el Estado. Si bien hay algunos que quieren acceder y desarrollar una carrera
dentro del sector público, la mayoría ve a la administración pública como una
etapa más dentro de un recorrido profesional que puede combinar experiencias
en el ámbito público y privado. Atraer a especialistas digitales requiere ir más allá
de regulaciones uniformes y contemplar distintas modalidades de vinculación
laboral con el Estado.

En síntesis: el mercado de talento digital es diferente a los mercados en los que

las administraciones públicas compiten tradicionalmente por talento, en términos
de requisitos de estudios formales, la velocidad de los procesos de búsqueda y
selección, la necesidad de invertir en capacitación permanente para adquirir
conocimientos y habilidades que permitan estar en sintonía con el veloz e intenso
cambio tecnológico, la brecha salarial con el mundo privado y la frecuencia de la
rotación, entre otros aspectos.

Conclusiones

Si bien ya estamos transitando una nueva era (la denominada IV Revolución

Industrial), el campo de estudios sobre la administración pública no ha explorado
todavía suficientemente los impactos que la aceleración del cambio tecnológico
tiene y tendrá sobre la misma. En este sentido, lejos de idealizar a la IA, en este
trabajo hemos buscado más bien problematizarla y abordarla desde una mirada
crítica para no caer en los cantos de sirenas propios del solucionismo
tecnológico.

Así, es clave forjar una integralidad en el debate académico, que es precondición

para romper con los enfoques no solo parciales, sino también desarticulados, a
las que nos arrastra gran parte de la indagación cotidiana que resulta premiada
por los cánones que guían el sentido común de la comunidad de investigación.

16
Esta integralidad implica además pensar la IA (y las tecnologías digitales en
general) y su interrelación con otras cuestiones clave para el fortalecimiento del
aparato estatal, tales como la planificación, transparencia y el servicio civil. Esto
constituye una forma de poner nuestra disciplina en sintonía con las necesidades
de nuestros estados y nuestras sociedades.

Finalmente, y teniendo en cuenta que nuestro campo de estudio se dedica no

solo a entender y explicar cómo operan los gobiernos sino también a proponer
alternativas de solución a problemas de funcionamiento de las instituciones
públicas, cabe explicitar la necesidad de tomar distancia de la tentación muy
común de tratar que todas las piezas del análisis encajen (y cuantas más piezas
encajen, mejor). Esta tentación proviene de una tendencia a creer que podemos
controlar y prever todo, con el riesgo de caer en miradas excesivamente
normativas y prescriptivas que no contemplan a los intereses y valores de los
diferentes actores involucrados en el mundo de la administración pública.

Bibliografía

Davenport, Thomas y Prusak, Laurence (2000): “Working knowledge: how

organizations manage what they know”, Ubiquity, vol. 2000, agosto.

GobLab Universidad Adolfo Ibáñez (2023): Repositorio Algoritmos Públicos,

Informe Anual 2023, GobLab, Universidad Adolfo Ibáñez, Santiago de Chile.

Farias, Pedro; García, Ana Catalina y Zanabria, Gustavo (2016): “Entendiendo

lo que ha funcionado: tendencias y lecciones en la entrega de servicios”, en BID:
Gobiernos que sirven: innovaciones que están mejorando la entrega de servicios
a los ciudadanos, Monografía del BID, 89, División de Capacidad Institucional
del Estado, Washington.

Harari, Yuval Noah (2018): 21 lecciones para el siglo XXI, Editorial Debate,
Buenos Aires.

Oszlak, Oscar (2014): Gobierno abierto: hacia un nuevo paradigma de gestión

pública, Teoría y práctica del gobierno abierto: lecciones de la experiencia
internacional, Montevideo, Centro Internacional de Investigaciones para el

17
Desarrollo (CIID)/Red de Líderes de Gobierno Electrónico de América Latina y el
Caribe (RedGEALC) /Organización de los Estados Americanos (OEA).

Pando, Diego (2014): “Desafíos y oportunidades de la planificación estratégica

en la utilización de tecnologías de información en las administraciones públicas
latinoamericanas”, en Jorge Walter y Diego Pando (comp.): Planificación
estratégica. Nuevos desafíos y enfoques en el ámbito público, SAAP-CERALE,
Buenos Aires.

Pando, Diego y Poggi, Eduardo (2020): Analítica de Datos: el corazón de la

transformación digital del Estado, en Diego Pando (compilador): La
Administración Pública en tiempos disruptivos, Asociación Argentina de Estudios
de Administración Pública.

Ramió, Carlés (1999): Teoría de la organización y Administración Pública,

Editorial Tecnos, Barcelona.

Roseth, Benjamín; Reyes, Ángela; y Santiso, Carlos (2018): El fin del trámite
eterno: Ciudadanos, burocracia y gobierno digital, Sector de Instituciones para el
Desarrollo, Banco Interamericano de Desarrollo, Washington.

Sosa Escudero, Walter (2019): Big Data, Siglo XXI Editores, Buenos Aires.

18