Inteligencia Artificial y gobernanza digital en administración
pública: revisión sistemática
Artificial Intelligence and digital governance in public administration:
systematic review
Recibido: 27/03/2026 - Aceptado: 16/06/2026
Luis Miguel Alfaro-Chirinos
https://orcid.org/0000-0002-0475-6994
lalfaroc@ucvvirtual.edu.pe
Universidad César Vallejo. Lima, Perú
Resumen
El estudio analiza la relación entre inteligencia artificial y gobernanza digital en la administración pública
mediante una revisión sistemática en Scopus y Web of Science bajo el periodo de búsqueda documental
2018–2025. La búsqueda documental se realizó mediante PRISMA 2020 y su extensión PRISMA-S, con
el propósito de garantizar la transparencia en las etapas de identificación, cribado, elegibilidad e inclusión
de estudios. Inicialmente se identificaron 379 registros. Tras la eliminación de 101 duplicados, se cribaron
278 documentos, de los cuales finalmente se seleccionaron 50 artículos científicos. Los hallazgos
muestran una producción científica reciente y en rápido crecimiento, concentrada principalmente en ética,
transparencia, responsabilidad y rendición de cuentas (92 %); regulación de la inteligencia artificial (84 %);
riesgos, vigilancia y desafíos institucionales (82 %); automatización de decisiones (80 %); y eficiencia,
modernización o mejora de los servicios públicos (70 %). No obstante, solo el 24 % de los estudios abordó
de manera explícita aspectos relacionados con equidad, inclusión o desigualdad. Se concluye que la IA en
la administración pública requiere gobernanza responsable, supervisión humana continua, regulaciones
claras y el fortalecimiento de las capacidades estatales.
Palabras clave:
Inteligencia artificial, gestión pública, América Latina.
Abstract
The study analyzes the relationship between artificial intelligence and digital governance in public
administration through a systematic review in Scopus and Web of Science covering the 2018–2025 search
period. The literature search was conducted using PRISMA 2020 and its extension, PRISMA-S, to ensure
transparency in the identification, screening, eligibility, and inclusion stages of the studies. Initially, 379
records were identified. After removing 101 duplicates, 278 documents were screened, from which 50
scientific articles were ultimately selected. The findings reveal a recent and rapidly growing body of scientific
literature, focused primarily on ethics, transparency, responsibility, and accountability (92%); regulation of
artificial intelligence (84%); risks, oversight, and institutional challenges (82%); decision automation (80%);
and efficiency, modernization, or improvement of public services (70%). However, only 24% of the studies
explicitly addressed issues related to equity, inclusion, or inequality. The study concludes that AI in public
administration requires responsible governance, continuous human oversight, clear regulations, and the
strengthening of state capacities.
Keywords
: Artificial intelligence, public administration, Latin America.
Introducción
La administración pública es considerada un campo institucional que se basa en principios como
la legalidad, jerarquía y responsabilidad, que son aplicados en el ejercicio de la función estatal teniendo
en cuenta el clásico modelo burocrático (Weber, 1978). Por el contrario, en los enfoques contemporáneos
se amplía esta perspectiva al considerar otros aspectos como la participación ciudadana, la rendición de
cuentas o la incorporación de redes institucionales (Kooiman, 2003). De esta manera, surge un nuevo
2
concepto, la gobernanza digital, que es considerado como una extensión de la administración pública
puesto que integra datos, considera plataformas digitales y hace uso de tecnologías inteligentes que
contribuyen con la eficiencia de la gestión estatal.
Recientemente, la inteligencia artificial (IA) se ha consolidado como una tecnología capaz de
transformar la administración pública mediante la automatización de procesos, la rapidez para el análisis
de datos y prestación de servicios públicos. Al respecto, en la literatura científica se resalta que su uso no
es solamente técnico, sino que también tiene un rol en la política y ética institucional ya que su uso genera
un impacto directo en la relación entre el Estado y la ciudadanía, además que interviene en los mecanismos
de control democrático (Kuziemski & Misuraca, 2020). En este sentido, su aplicación en la administración
pública supone desafíos en relación a sesgos algorítmicos, vigilancia, responsabilidad y legitimidad
institucional (de Bruijn et al., 2022; Fountain, 2022; Henman, 2020).
La relación entre la administración pública clásica y la inteligencia artificial evidencia la necesidad
de una reestructuración de la racionalidad burocrática ya que es necesario que su aplicación esté sujeta a
principios como la legalidad, neutralidad y eficiencia, los cuales deben coexistir junto con nociones
emergentes como la transparencia algorítmica y supervisión humana. Teniendo en cuenta lo mencionado,
el uso de la IA genera nuevas preguntas, es decir, hasta qué punto puede incluir en la toma de decisiones
públicas y la responsabilidad del Estado frente a sistemas automatizados (Cetina Presuel & Martinez
Sierra, 2024).
En estudios internacionales publicados entre 2018 y 2025 se observa un crecimiento del interés
académico por la inteligencia artificial y la gobernanza digital en la administración pública. En Europa, la
literatura se ha concentrado principalmente en la regulación algorítmica, los marcos jurídicos e
institucionales y la gobernanza responsable de la IA, como se evidencia en estudios sobre la Unión
Europea, Ucrania y Estonia (Joamets, 2025; Küsters, 2025; Kwilinski & Reznik, 2025). En Norteamérica,
especialmente en Canadá y Estados Unidos, los trabajos enfatizan la confianza pública, la rendición de
cuentas, la evaluación de iniciativas de gobernanza de IA y la gestión del riesgo en agencias
gubernamentales (Attard-Frost et al., 2024; Khisro, 2025; Nalbandian, 2022; Robles & Mallinson, 2025).
En Asia, la discusión se orienta hacia la automatización de servicios públicos, la transparencia de procesos,
la regulación algorítmica, la estandarización tecnológica y el gobierno inteligente, como se observa en
estudios sobre China y gobiernos locales asiáticos (Cantero Gamito, 2023; Long & Gil-Garcia, 2023; Xu,
2024).
En general, la literatura destaca que la inteligencia artificial puede contribuir a la modernización del
Estado y al fortalecimiento de la toma de decisiones públicas; sin embargo, también advierte que su
implementación exige marcos de gobernanza capaces de regular la interacción entre algoritmos, datos y
plataformas, así como de prevenir riesgos sociales, institucionales y económicos (Nitzberg & Zysman,
2022). Desde una perspectiva complementaria, Wilson & van der Velden (2022) sostienen que la adopción
de IA en el sector público debe orientarse por criterios de sostenibilidad, diversidad, aprendizaje
institucional, autoorganización, significado compartido y confianza, a fin de guiar decisiones públicas
responsables.
Para el caso de América Latina, son muy pocos los estudios relacionados con IA y administración
pública puesto que el contexto actual está marcado por brechas digitales y desigualdad. El análisis del
corpus evidencia una baja representación de estudios regionales, reflejando una brecha de producción
científica frente a otras regiones. No obstante, los trabajos existentes destacan avances en la incorporación
de la inteligencia artificial en servicios públicos, junto con desafíos vinculados a regulación, capacidades
estatales, inclusión digital y protección de derechos (Juárez-Merino, 2025; Prieto et al., 2024).
El presente artículo desarrolla una revisión sistemática de la literatura científica identificada bajo
el periodo de búsqueda documental 2018–2025 sobre inteligencia artificial y gobernanza digital en la
administración pública. A partir de un corpus de 50 artículos, el estudio analiza tendencias temáticas,
enfoques geográficos, aportes conceptuales y vacíos de investigación a nivel global, considerando la
presencia de América Latina como un aspecto comparativo relevante dentro del corpus revisado.
3
Asimismo, estudios recientes han ampliado el debate sobre la inteligencia artificial en la
administración pública desde diferentes enfoques. Algunos trabajos abordan los desafíos legales
asociados al uso de IA y big data, especialmente en relación con la responsabilidad administrativa, la
protección de datos y la eficiencia de los servicios públicos (Al-Kasasbeh et al., 2025). Otros analizan la
incorporación de la IA en modelos de innovación institucional, como el enfoque de Triple Helix aplicado a
la administración pública (Androniceanu & Colesca, 2025), así como los beneficios y desafíos de la
administración pública inteligente orientada a la mejora de servicios (Barsekh-Onji et al., 2025). De manera
complementaria, la literatura reciente también examina los retos de la IA generativa en la política urbana y
la gobernanza de ciudades (Calzada, 2025), el papel de los gobiernos municipales como actores de
innovación en la gobernanza de IA (Elbehairy et al., 2025), los derechos digitales y marcos legales frente
a la inteligencia artificial (Khammassi & AlShanqityi, 2025), y las vulnerabilidades institucionales derivadas
de integrar IA en la administración pública (Vatamanu & Tofan, 2025).
La pregunta de investigación que guía el estudio es: ¿Cómo ha sido abordada la relación entre
inteligencia artificial y gobernanza digital en la administración pública en la producción científica publicada
entre 2018 y 2025, y qué tendencias temáticas, enfoques geográficos y vacíos de investigación se
identifican en la literatura revisada?
Metodología
El presente estudio se desarrolló mediante una revisión sistemática de la literatura, orientada a
analizar la producción científica sobre inteligencia artificial y gobernanza digital en la administración pública
durante el periodo 2018–2025. La revisión se orientó a identificar tendencias temáticas, enfoques
geográficos, aportes conceptuales y vacíos de investigación en torno al uso de la inteligencia artificial en
los procesos de transformación digital, regulación, transparencia, automatización de decisiones y
gobernanza del sector público.
El proceso metodológico se estructuró tomando como referencia los lineamientos de PRISMA
2020, permitiendo organizar de manera transparente las fases de identificación, cribado, elegibilidad e
inclusión de estudios en una revisión sistemática (Page et al., 2021). Asimismo, se consideró la extensión
PRISMA-S, con la finalidad de fortalecer el reporte de la estrategia de búsqueda, las bases de datos
consultadas, los términos utilizados, los filtros aplicados y los procedimientos de recuperación documental
(Rethlefsen et al., 2021).
La búsqueda documental se realizó en las bases de datos Scopus y Web of Science, por tratarse
de fuentes reconocidas para la recuperación de literatura científica indexada. La estrategia de búsqueda
incluyó términos relacionados con las categorías centrales del estudio, tales como artificial intelligence, AI
governance, digital governance, public administration, public sector, algorithmic governance, automated
decision-making, e-government, inteligencia artificial, gobernanza digital y administración pública. Estos
términos fueron combinados mediante operadores booleanos y filtros por año de publicación, tipo de
documento y base de indexación.
Respecto a los criterios de inclusión, se consideraron artículos publicados, aceptados o disponibles
en línea hasta la fecha de cierre de la búsqueda documental en 2025, siempre que estuvieran indexados
en Scopus o Web of Science, contaran con DOI y abordaran evidencia, datos o análisis relacionados con
el periodo 2018–2025. Asimismo, se incluyeron estudios cuyo objetivo y contenido guardaran relación
directa con la inteligencia artificial, la gobernanza digital y la administración pública. Se aceptaron
investigaciones empíricas, teóricas, conceptuales y de revisión publicadas en español, inglés o portugués.
En el caso de artículos con fecha editorial definitiva posterior a 2025, se incluyeron únicamente aquellos
que se encontraban aceptados, disponibles en línea o registrados en las bases de datos consultadas antes
del cierre de la búsqueda documental. Además, su contenido debía referirse a procesos, evidencias o
información correspondientes al periodo establecido para la revisión. Este criterio permitió mantener la
trazabilidad documental de las publicaciones sin modificar la delimitación temporal del estudio. En cuanto
a los criterios de exclusión, se descartaron todos los registros que no cumplieron con los criterios de
4
inclusión establecidos. Asimismo, se eliminaron los documentos duplicados y aquellos que no
correspondían a artículos científicos, tales como editoriales, capítulos de libro, actas de congresos, reseñas
y literatura gris.
El proceso de selección comenzó con la identificación de registros en Scopus y Web of Science.
Tras la eliminación de duplicados, se realizó el cribado mediante la revisión de títulos, resúmenes, palabras
clave, DOI, idioma y pertinencia temática, lo que permitió seleccionar 50 artículos relacionados
directamente con el objeto de estudio.
La transparencia metodológica se garantizó mediante la aplicación de criterios de inclusión y
exclusión, así como el uso de una matriz de cribado documental para registrar las razones de exclusión.
Además, la selección y evaluación de los estudios fue realizada de manera independiente por dos
investigadores, quienes revisaron los registros identificados y contrastaron sus decisiones en cada fase
del proceso. En los casos de discrepancia, se alcanzó un consenso mediante discusión conjunta.
La calidad metodológica de los 50 estudios seleccionados se evaluó mediante el Mixed Methods
Appraisal Tool (Hong et al., 2018) y las listas de verificación (CASP Checklists - Critical Appraisal Skills
Programme, s/f). Los criterios considerados incluyeron la claridad de los objetivos, la coherencia
metodológica, la validez de los hallazgos y su relevancia para el objeto de estudio. Esta evaluación sirvió
como apoyo para la lectura crítica de los artículos incluidos, los cuales fueron organizados en una matriz
de extracción de datos.
El proceso de identificación, cribado, elegibilidad e inclusión de los estudios se representa en el
diagrama de flujo PRISMA (Figura 1).
Figura 1. Diagrama de flujo PRISMA del proceso de selección de artículos sobre inteligencia artificial y
gobernanza digital en la administración pública, 2018–2025.
5
Nota. Se identificaron 379 registros en Scopus y Web of Science. Luego de eliminar 101 duplicados, se
cribaron 278 registros. De estos, 75 fueron excluidos en la fase inicial y 203 fueron evaluados para
elegibilidad. Finalmente, se excluyeron 153 por no cumplir los criterios establecidos y se incluyeron 50
estudios en la síntesis. Elaboración propia basada en PRISMA 2020.
Resultados
Caracterización del corpus y evolución temporal
El corpus final estuvo conformado por 50 artículos científicos identificados bajo el periodo de
búsqueda documental 2018–2025, seleccionados por su relación directa con la inteligencia artificial, la
gobernanza digital y la administración pública. De los 50 documentos que se logró recuperar, 31 artículos
procedían de Scopus, 11 de Web of Science y 8 están indexados en ambas bases de datos (Tabla 1).
Tabla 1. Artículos por base de datos
Fuente
N.º de artículos
Porcentaje
Scopus
31
62 %
Web of Science
11
22 %
Scopus y Web of Science
8
16 %
Total
50
100%
Fuente: Elaboración propia
De acuerdo con la distribución temporal, los primeros artículos incluidos en este estudio
corresponden a los años 2020, con respecto a los años 2018 y 2019 no se ha podido recuperar ningún
artículo. Asimismo, en el año 2025 se concentra la mayor cantidad de artículos, con 25 artículos (50%) y
en el periodo 2024-2025 son 35 artículos que corresponde al 70% del total.
La evolución temporal del corpus muestra que los primeros estudios incluidos aparecen en 2020 y
que la producción se concentra principalmente en 2024 y 2025. Este crecimiento se desprende de los
datos de la revisión, mientras que los trabajos de Henman (2020), Kuziemski & Misuraca (2020) y Wirtz
et al. (2020) funcionan como antecedentes tempranos del debate sobre IA, automatización, riesgos y
gobernanza en la administración pública.
Tabla 2. Distribución de artículos según año de publicación
Año
N.º de artículos
Porcentaje
2020
3
6 %
2021
1
2 %
2022
8
16 %
2023
3
6 %
2024
10
20 %
2025
25
50 %
Total
50
100%
Fuente: Elaboración propia
Categorías temáticas
Se establecieron categorías temáticas a fin de identificar que la IA se emplea en la gobernanza
pública, pero en asociación con principios de regulación y transparencia (Tabla 3). Al respecto, algunos
estudios advierten que el uso de la IA dentro del sector público necesita de marcos de gobernanza que
garanticen el control de sus efectos sobre la legitimidad, rendición de cuentas, etc (de Bruijn et al., 2022;
Kuziemski & Misuraca, 2020; Wirtz et al., 2020).
6
Vesolovska et al. (2025) destacan que la inteligencia emocional de los funcionarios públicos influye en la
implementación efectiva de la IA en la administración pública. De manera complementaria, Robles &
Mallinson (2023) plantean la necesidad de consolidar marcos cohesivos de gobernanza de IA que articulen
responsabilidades, capacidades institucionales y coordinación pública.
Esta orientación también se observa en estudios que analizan dimensiones específicas de la
gobernanza de IA: el desarrollo ético y responsable de la IA en administraciones públicas (Sigfrids et al.,
2022), la responsabilidad y rendición de cuentas de sistemas basados en IA en el sector público (Yuan &
Chen, 2025), los derechos digitales y marcos legales frente a la IA (Khammassi & AlShanqityi, 2025), y la
evolución intelectual y temática de la gobernanza digital como campo de investigación (Gunawan et al.,
2025).
Tabla 3. Categorías temáticas identificadas en los 50 artículos.
Categoría temática
N.º de artículos
Porcentaje
Ética, transparencia, responsabilidad y rendición de cuentas
46
92%
Regulación de la IA
42
84%
Riesgos, vigilancia o desafíos institucionales
41
82%
Automatización en la toma de decisiones
40
80%
Eficiencia, modernización y mejora de servicios públicos
35
70%
Justicia, derechos y equidad
28
56%
Confianza ciudadana, legitimidad y aceptación pública
19
38%
Dependencia tecnológica, soberanía digital
13
26%
Equidad explícita: inclusión, desigualdad, discriminación o grupos
vulnerables
12
24%
Fuente: Elaboración propia
Resultados positivos frente a resultados críticos o negativos
En la revisión de la literatura se identificaron dos posturas respecto al uso de la IA dentro de la
administración pública. Se encontró que, 35 estudios (70 %) establecieron los beneficios de su uso, sobre
todo, en términos de eficiencia y fortalecimiento de la capacidad administrativa. Por el contrario, fueron 41
estudios (82 %) los que resaltan los riesgos y limitaciones relacionados con el uso de la IA (Tabla 4).
Tabla 4. Comparación entre resultados positivos y resultados críticos.
Orientación del resultado
N.º de artículos
Porcentaje
Reportan eficiencia, modernización o mejora de servicios
35
70%
Reportan riesgos, desafíos o efectos críticos
41
82%
Presentan simultáneamente beneficios y riesgos
31
62%
Presentan principalmente beneficios
4
8%
Presentan principalmente riesgos o problemas
10
20%
Presentan enfoque conceptual o general sin énfasis claro en
beneficio/riesgo
5
10%
Fuente: Elaboración propia
A partir de estos datos se observa que, aunque la literatura reconoce el potencial de la IA para
mejorar la eficiencia pública, la automatización y la prestación de servicios, también advierte que dichos
beneficios dependen de condiciones institucionales previas, como transparencia, supervisión humana,
capacidad técnica y mecanismos de rendición de cuentas. En esta línea, Henman (2020) analiza tanto las
posibilidades como los riesgos de la IA en los servicios públicos, mientras que Hickok (2022) advierte sobre
7
los riesgos asociados a la contratación pública de sistemas de IA, especialmente cuando las instituciones
no cuentan con capacidades suficientes para evaluar, auditar o supervisar estas tecnologías. De manera
complementaria, estudios recientes refuerzan la dimensión positiva de la IA en el sector público al destacar
su potencial para mejorar servicios electrónicos, administración pública inteligente y transparencia
gubernamental (Barsekh-Onji et al., 2025; Papageorgiou et al., 2024; Zhao et al., 2025). Otro de los
aspectos identificados fue que el 70 % de los estudios aborda eficiencia o modernización frente a un 24 %
de estudios que tratan explícitamente sobre equidad o desigualdad. Respecto a esta brecha se puede
decir que en la literatura analizada se da mayor atención a aspectos como la optimización institucional
sobre las consecuencias de la IA en poblaciones vulnerables (Fountain, 2022; Joamets, 2025).
La dimensión positiva de la IA también ha sido destacada en investigaciones sobre eficiencia del
reporte financiero en gobiernos locales, mejora de servicios electrónicos mediante modelos de lenguaje,
administración pública inteligente e intención ciudadana de seguir recomendaciones generadas por
sistemas de IA respaldados por el gobierno (Barsekh-Onji et al., 2025; Darmawati et al., 2025;
Papageorgiou et al., 2024; Wang et al., 2025).
Problematización crítica y presencia de América Latina
Respecto a la problemática de la IA dentro de la administración pública se encontró que su
implementación sin transparencia ni regulación puede generar nuevas asimetrías, teniendo en cuenta que
la opacidad algorítmica ha sido abordada en estudios, como un problema que limita la posibilidad de que
la ciudadanía comprenda o cuestione decisiones automatizadas (Adeleke & Razzano, 2024; de Bruijn
et al., 2022; Nalbandian, 2022). De la misma manera, otra de las problemáticas es la dependencia
tecnológica (26 %), abordada en estudios donde se advierte que la implementación de sistemas de IA
puede generar riesgos institucionales si el Estado no está preparado para este tipo de tecnología, es decir,
no cuenta con capacidad técnica suficientes que le permita auditar dichas tecnologías (Hickok, 2022;
Nitzberg & Zysman, 2022).
De manera complementaria, la literatura reciente problematiza aspectos específicos de la IA en el
sector público: la distribución del poder decisional y la responsabilidad en administraciones automatizadas
(Langer, 2024), la transparencia de las decisiones algorítmicas (Fang et al., 2025), los vínculos entre IA,
vigilancia, poder y democracia (Suat, 2025), la gobernanza algorítmica local y la IA soberana (Capón et al.,
2025), los desafíos urbanos de la IA generativa (Calzada, 2025) y el uso de IA en procesos electorales
sensibles (Syafhendry et al., 2025).
Con respecto a los estudios en América Latina estos son muy limitados, así pues, solo 2 artículos
(4 %) abordaron explícitamente casos latinoamericanos (Tabla 5). Esta baja representación evidencia una
brecha regional en la producción científica sobre inteligencia artificial y administración pública. Esto reduce
la disponibilidad de evidencias respecto a cómo se implementa la IA en contextos donde ya existen serias
brechas digitales y fragilidad institucional. Así pues, los estudios acerca de gobiernos latinoamericanos y
en el sector público de Guayaquil evidencian avances iniciales, aunque insuficientes sobre la gobernanza
de la IA en la región (Juárez-Merino, 2025; Prieto et al., 2024).
Tabla 5. Presencia de América Latina en los artículos incluidos
Región
N.º de artículos
Porcentaje
América Latina
2
4%
Otras regiones o enfoques globales
48
96%
Total
50
100%
Fuente: Elaboración propia
8
Discusión
Inteligencia artificial pública, eficiencia y gobernanza democrática
Los resultados de este artículo mostraron que desde los años 2024 y 2025 el estudio de la
inteligencia artificial y la gobernanza digital ha recibido mayor interés. Lo que sugiere que la IA más que
un recurso técnico, viene siendo un problema real dentro de la gobernanza pública ya que influye en
procesos que involucran la toma de decisión, automatización de servicios, asignación de recursos, entre
otros.
Respecto a ello, diversos estudios señalan que la IA puede contribuir a la mejora de los servicios
públicos, la automatización de procesos y el fortalecimiento de la eficiencia administrativa del Estado
(Henman, 2020; Zhao et al., 2025;Al-Ansi et al. 2024). Sin embargo, la literatura también advierte riesgos
vinculados con la opacidad algorítmica, la vigilancia, la pérdida de autonomía institucional y el
debilitamiento de la confianza pública cuando no existen mecanismos adecuados de supervisión y
rendición de cuentas (de Bruijn et al., 2022; Wirtz et al., 2020). En ese sentido, la discusión más que
centrarse en si la IA mejora la administración pública, es necesario evaluar las condiciones bajo las cuales
se implementa y sus riesgos en caso el Estado no tenga la capacidad ni madurez para implementarlo.
Reconfiguración de la administración pública clásica
La literatura permite interpretar la IA en la administración pública como una perspectiva teórica que
explica que la IA reconfigura, más no reemplaza, los principios clásicos de la administración pública. Así
pues, principios como la legalidad o rendición de cuentas siguen siendo fundamentales, pero adquieren
mayor complejidad cuando las decisiones públicas son mediadas por algoritmos. Al respecto Cetina
Presuel & Martinez Sierra (2024) permiten comprender esta tensión desde una lectura weberiana de la
toma de decisiones burocráticas. Donde la automatización puede fortalecer la eficiencia, pero también
debilitar la responsabilidad pública si las decisiones se justifican únicamente en resultados algorítmicos.
Vesolovska et al. (2025) destacan que la inteligencia emocional de los funcionarios públicos puede
influir en la implementación efectiva de la IA en la administración pública. De manera complementaria,
Robles & Mallinson (2023) sostienen la necesidad de consolidar marcos cohesivos de gobernanza de IA
que articulen responsabilidades, capacidades institucionales y coordinación pública.
Esta discusión se refuerza con estudios que advierten que la elección de sistemas de IA en la
administración pública no es neutral, sino que involucra ambigüedad institucional, responsabilidad
decisional, criterios éticos y nuevas formas de gestión algorítmica en entornos municipales y
administrativos (Filgueiras, 2021a, 2021b; Langer, 2024; Sergei et al., 2022).
Comparaciones internacionales y brecha de producción científica
La comparación de estudios muestra diferencias dependiendo de la región, por ejemplo, en
Europa, los estudios se concentran en regulación, derechos, justicia administrativa y gobernanza
algorítmica, como se observa en investigaciones sobre la Unión Europea, Estonia, Italia, España y Ucrania
(Joamets, 2025; Küsters, 2025; Kwilinski & Reznik, 2025). En Norteamérica, especialmente en Canadá y
Estados Unidos, la literatura enfatiza la confianza pública, la rendición de cuentas y la evaluación de
sistemas automatizados en servicios estatales (Attard-Frost et al., 2024; Nalbandian, 2022; Robles &
Mallinson, 2025). En Asia, la discusión se orienta hacia la regulación de algoritmos, la estandarización
tecnológica, el gobierno inteligente y la automatización en gobiernos locales (Cantero Gamito, 2023; Long
& Gil-Garcia, 2023; Xu, 2024). En América Latina, los estudios son escasos y resaltan la necesidad de que
la producción científica se centre en el estudio de la IA en contextos donde existen brechas digitales.
Otros estudios complementan esta lectura internacional desde casos y enfoques específicos.
Forgione (2024) examina la aplicación de la inteligencia artificial en procedimientos y actividades
9
administrativas en Italia. Lozano-Paredes (2025) analiza la integración de IA generativa en la gobernanza
de Nueva Gales del Sur desde una perspectiva sociotécnica. Khisro (2025) aborda la gobernanza,
innovación y gestión del riesgo de IA en agencias gubernamentales estadounidenses. Elbehairy et al.
(2025) estudian el papel de los gobiernos municipales como actores de innovación en la gobernanza de la
IA. Finalmente, Maria & Halim (2026) analizan la preparación institucional y la resistencia frente a
plataformas contables públicas basadas en IA en gobiernos locales de Indonesia; aunque su año
bibliográfico final es 2026, el artículo fue aceptado y publicado en línea en 2025, por lo que se mantiene
dentro del corpus bajo el criterio de disponibilidad documental hasta el cierre de búsqueda.
Dependencia tecnológica, colonialismo de datos y desigualdades
Uno de los principales hallazgos sobre la implementación de la IA en la administración pública se
centra en que su aplicación en un gobierno que carece de la capacidad para auditar los sistemas
automatizados puede generar dependencia tecnológica. Así pues, se ha determinado que el uso de
tecnología con un alto grado de complejidad a través de proveedores externos puede limitar la autonomía
del Estado al trasladar decisiones importantes hacia actores privados (Hickok, 2022; Nitzberg & Zysman,
2022).
En esta línea, la gobernanza de IA también ha sido discutida desde la soberanía tecnológica, los
derechos digitales, la democracia, la vigilancia, la transparencia institucional y la regulación de sistemas
inteligentes en la administración pública (Capón et al., 2025; Robles & Mallinson, 2025; Suat, 2025;
Vatamanu & Tofan, 2025).
El concepto de colonialismo de datos de Couldry & Mejias (2019) se emplea en este estudio como
marco teórico externo para interpretar los riesgos de dependencia tecnológica en la gobernanza pública
basada en IA. Aunque no corresponde a un estudio específico sobre inteligencia artificial en administración
pública, permite analizar críticamente cómo la extracción y gestión masiva de datos ciudadanos mediante
plataformas externas puede generar nuevas asimetrías institucionales. Dentro del sector público, este tipo
de fenómenos se manifiestan cuando los datos de los ciudadanos son a través de plataformas algorítmicas
externas o en casos donde las decisiones estatales dependen de plataformas que el propio Estado no
controla plenamente.
De la misma manera, los resultados evidencian que el uso de la IA en la gobernanza pública puede
llegar a reproducir desigualdades cuando se implementa sobre datos ya sesgados o incompletos. Si bien
el 70 % de los estudios abordan temas de eficiencia y mejora de servicios públicos, solo un 24 % centra el
problema en temas referidos a la inclusión y desigualdad. Por lo que, esta diferencia muestra que en la
literatura se sigue priorizando los beneficios de la IA por encima de sus impactos negativos. Al respecto
Fountain (2022) y Joamets (2025) advierten que la prevención de sesgos y la justicia algorítmica deben
formar parte de la gobernanza de los servicios públicos automatizados.
Conclusiones
En este artículo se mostró la relación entre la inteligencia artificial y la gobernanza digital en la
administración pública, durante el periodo 2018–2025. Se identificaron tendencias temáticas, enfoques
geográficos y vacíos de investigación, que muestran que la inteligencia artificial puede ser una oportunidad
para modernizar el Estado, pero también plantea desafíos, sobre todo cuando interviene en decisiones
que afectan derechos o el acceso a servicios públicos de la ciudadanía.
Se encontró que, la producción científica se concentra entre los años 2024 y 2025, lo que sugiere
que la inteligencia artificial aplicada a la administración pública es un tema de creciente y cuyo estudio se
ha visto impulsado debido al rápido desarrollo de sistemas automatizados, IA generativa y procesos de
transformación digital dentro del sector público.
10
Se identificó una tensión entre los beneficios y los riesgos del uso de la IA dentro del sector público. Si bien
en varios estudios se destaca sus beneficios en términos de modernización, automatización y mejora de
servicios, se advierte también sobre sus riesgos sobre todo con opacidad o sesgos algorítmicos. Esta
situación, refuerza la idea de que la evaluación de la IA no debe simplemente limitarse a criterios de
eficiencia, sino que debe incorporar dimensiones éticas y democráticas.
La principal contribución del estudio es que permite integrar la discusión relacionada a inteligencia
artificial en la gobernanza pública con enfoques críticos vinculados a dependencia tecnológica,
colonialismo de datos y reproducción de desigualdades. De esta manera, la investigación permitió
comprender como la IA puede redefinir capacidades estatales, responsabilidades institucionales y
relaciones de poder en la administración pública.
Desde el plano teórico, el estudio permite sostener que la inteligencia artificial no reemplaza los
principios clásicos de la administración pública, sino que los reconfigura. Asimismo, permitió ampliar la
discusión respecto a la incorporación de una perspectiva crítica relacionado a la dependencia tecnológica
y colonialismo de datos, sobre todo en estados que presentan capacidades institucionales desiguales.
Desde el plano práctico, los resultados sugieren que la implementación de inteligencia artificial en el sector
público debe basarse en principios de gobernanza responsable, lo que implica establecer marcos
normativos claros y supervisión humana efectiva.
Por lo tanto, se sugiere que los responsables de política pública deben fortalecer las capacidades
estatales antes de la adopción masiva de sistemas de IA, sobre todo en contextos como América Latina,
donde existe un alto riesgo de dependencia tecnológica y adopción de modelos algorítmicos sesgados.
Finalmente, las futuras investigaciones deberían ampliar el análisis empírico sobre inteligencia
artificial y gobernanza digital en la administración pública, especialmente en regiones como América Latina
donde la literatura disponible es escasa. También resulta necesario profundizar en investigaciones que
consideren el impacto de la IA en poblaciones vulnerables como territorios rurales o comunidades donde
no hay un alto grado de alfabetización digital.
Referencias
Adeleke, F., & Razzano, G. (2024). Algorithms and Administrative Justice in Africa: A Case Study from
Nigeria. Development 2024 67:1, 67(1), 14–21. https://doi.org/10.1057/S41301-024-00407-5
Al-Ansi, A. M., Garad, A., Jaboob, M., & Al-Ansi, A. (2024). Elevating e-government: Unleashing the power
of AI and IoT for enhanced public services. Heliyon, 10(23).
https://doi.org/10.1016/j.heliyon.2024.e40591
Al-Kasasbeh, H. H., Albalawee, N., Al-Khawaja, H. A., & Qtaishat, A. K. (2025). Legal Challenges of Using
AI and Big Data in Public Administration: Administrative Liability, Data Protection, and Public
Services Efficiency. International Journal of Sustainable Development and Planning, 20(6), 2639–
2650. https://doi.org/10.18280/IJSDP.200631
Androniceanu, A., & Colesca, S. E. (2025). Triple Helix Model and Artificial Intelligence in Public
Administration. Central European Public Administration Review, 23(2), 63–91.
https://doi.org/10.17573/CEPAR.2025.2.03
Attard-Frost, B., Brandusescu, A., & Lyons, K. (2024). The governance of artificial intelligence in Canada:
Findings and opportunities from a review of 84 AI governance initiatives. Government Information
Quarterly, 41(2), 101929. https://doi.org/10.1016/J.GIQ.2024.101929
Barsekh-Onji, A., Torres Hernandez, Z., & Cardoso Espinosa, E. O. (2025). Advancing smart public
administration: Challenges and benefits of artificial intelligence. Urban Governance, 5(3), 279–292.
https://doi.org/10.1016/J.UGJ.2025.06.003
11
Calzada, I. (2025). Generative AI and the urban AI policy challenges ahead: Trustworthy for whom?
Transforming Government: People, Process and Policy, 1–17. https://doi.org/10.1108/TG-08-2025-
0240
Cantero Gamito, M. (2023). The influence of China in AI governance through standardisation.
Telecommunications Policy, 47(10), 102673. https://doi.org/10.1016/J.TELPOL.2023.102673
Capón, P. R., Lombardero, J. A. A., & Verea, N. F. (2025). Gobernanza algorítmica local: diseño e
implementación de un stack de IA soberana en código abierto para entidades supramunicipales.
IDP. Revista de Internet, Derecho y Política, (43), 1–15. https://doi.org/10.7238/IDP.V0I43.9800300
CASP Checklists - Critical Appraisal Skills Programme. (s/f). Recuperado el 13 de mayo de 2026, de
https://casp-uk.net/casp-tools-checklists/
Cetina Presuel, R., & Martinez Sierra, J. M. (2024). The Adoption of Artificial Intelligence in Bureaucratic
Decision-making: A Weberian Perspective. Digital Government: Research and Practice, 5(1).
https://doi.org/10.1145/3609861
Couldry, Nick., & Mejias, U. Ali. (2019). The costs of connection: how data is colonizing human life and
appropriating it for capitalism. Stanford University Press.
https://www.sup.org/books/sociology/costs-connection
Darmawati, D., Jaafar, N. I., HS, R., Baja, H. K., Purisamya, A. J., Yolanda, A. M. W., Amir, B., & Juanda,
M. R. P. (2025). The Role of Artificial Intelligence in Improving the Efficiency and Accuracy of Local
Government Financial Reporting: A Systematic Literature Review. Journal of Risk and Financial
Management 2025, Vol. 18, Page 601, 18(11), 601. https://doi.org/10.3390/JRFM18110601
de Bruijn, H., Warnier, M., & Janssen, M. (2022). The perils and pitfalls of explainable AI: Strategies for
explaining algorithmic decision-making. Government Information Quarterly, 39(2), 101666.
https://doi.org/10.1016/J.GIQ.2021.101666
Elbehairy, F., Mora, L., & Soe, R. M. (2025). Who are you? Examining the multifaceted innovation roles of
municipal governments in AI governance. Technovation, 147, 103303.
https://doi.org/10.1016/J.TECHNOVATION.2025.103303
Fang, X., Zhou, H., & Chen, S. (2025). A Replication of “Explaining Why the Computer Says No: Algorithmic
Transparency Affects the Perceived Trustworthiness of Automated Decision-Making”. Public
Administration, 103(4), 1232–1252. https://doi.org/10.1111/PADM.70015
Filgueiras, F. (2021a). Inteligencia Artificial en la administración pública: ambigüedad y elección de
sistemas de IA y desafíos de gobernanza digital. Revista del CLAD Reforma y Democracia, (79),
5–38. https://doi.org/10.69733/CLAD.RYD.N79.A221
Filgueiras, F. (2021b). New Pythias of public administration: ambiguity and choice in AI systems as
challenges for governance. AI & SOCIETY 2021 37:4, 37(4), 1473–1486.
https://doi.org/10.1007/S00146-021-01201-4
Forgione, I. (2024). The perspective of artificial intelligence in administrative procedures and activities.
Rivista italiana di informatica e diritto, 6(2), 505–516. https://doi.org/10.32091/RIID0172
Fountain, J. E. (2022). The moon, the ghetto and artificial intelligence: Reducing systemic racism in
computational algorithms. Government Information Quarterly, 39(2), 101645.
https://doi.org/10.1016/J.GIQ.2021.101645
12
Gunawan, H., Alfitri, Lionardo, A., Thamrin, M. H., & Perdana, D. A. (2025). Mapping the Intellectual
Landscape of Digital Governance: Trends, Thematic Development, and Global Research
Networks. Architecture Image Studies, 6(3), 1258–1270. https://doi.org/10.62754/AIS.V6I3.441
Henman, P. (2020). Improving public services using artificial intelligence: possibilities, pitfalls, governance.
Asia Pacific Journal of Public Administration, 42(4), 209–221.
https://doi.org/10.1080/23276665.2020.1816188
Hickok, M. (2022). Public procurement of artificial intelligence systems: new risks and future proofing. AI &
SOCIETY 2022 39:3, 39(3), 1213–1227. https://doi.org/10.1007/S00146-022-01572-2
Hong, Q. N., Fàbregues, S., Bartlett, G., Boardman, F., Cargo, M., Dagenais, P., Gagnon, M.-P., Griffiths,
F., Nicolau, B., O’Cathain, A., Rousseau, M.-C., Vedel, I., & Pluye, P. (2018). The Mixed Methods
Appraisal Tool (MMAT) version 2018 for information professionals and researchers. Education for
Information, 34(4), 285–291. https://doi.org/10.3233/EFI-180221
Joamets, K. (2025). Towards fair AI in Estonia’s public service: discussing and disseminating bias
prevention in automated decision-making. TalTech Journal of European Studies, 15(3), 201–224.
https://doi.org/10.2478/BJES-2025-0037
Juárez-Merino, M. Á. (2025). Artificial intelligence and citizenship in Latin American governments. Вопросы
государственного и муниципального управления, 5(5), 71–86. https://doi.org/10.17323/1999-
5431-2025-0-5-71-86
Khisro, J. (2025). Towards Advancing AI Governance, Innovation, and Risk Management: US Government
Agencies’ Reflections. Proceedings of the Association for Information Science and Technology,
62(1), 335–346. https://doi.org/10.1002/PRA2.1260
Kooiman, J. (2003). Governing as governance. SAGE Publications Inc.
https://doi.org/10.4135/9781446215012
Küsters, A. (2025). Future-proofing the EU: ordoliberal governance and algorithmic regulation.
Constitutional Political Economy 2025 36:4, 36(4), 469–494. https://doi.org/10.1007/S10602-025-
09467-2
Kuziemski, M., & Misuraca, G. (2020). AI governance in the public sector: Three tales from the frontiers of
automated decision-making in democratic settings. Telecommunications Policy, 44(6), 101976.
https://doi.org/10.1016/J.TELPOL.2020.101976
Kwilinski, A., & Reznik, O. (2025). Governance of Artificial Intelligence Technologies and Systems in the EU
and Ukraine: Legal Foundations and Institutional Mechanisms. Forum Scientiae Oeconomia, 13(3),
8-52–58–52. https://doi.org/10.23762/FSO_VOL13_NO3_1
Langer, C. (2024). Decision-making power and responsibility in an automated administration. Discover
Artificial Intelligence 2024 4:1, 4(1), 59-. https://doi.org/10.1007/S44163-024-00152-1
Long, Y., & Gil-Garcia, J. R. (2023). Understanding the Extent of Automation and Process Transparency
Appropriate for Public Services: AI in Chinese Local Governments. 19(1), 1–20.
https://doi.org/10.4018/IJEGR.322550
Lozano-Paredes, L. (2025). Mapping AI’s role in NSW governance: a socio-technical analysis of GenAI
integration. Frontiers in Political Science, 7, 1595345. https://doi.org/10.3389/fpos.2025.1595345
13
Maria, E., & Halim, A. (2026). Institutional readiness and resistance to AI-based accounting platforms:
evidence from Indonesian local governments. Transforming Government: People, Process and
Policy, 20(2), 248–266. https://doi.org/10.1108/TG-06-2025-0176
Nalbandian, L. (2022). Increasing the accountability of automated decision-making systems: An
assessment of the automated decision-making system introduced in Canada’s temporary resident
visa immigration stream. Journal of Responsible Technology, 10, 100023.
https://doi.org/10.1016/J.JRT.2021.100023
Nitzberg, M., & Zysman, J. (2022). Algorithms, data, and platforms: the diverse challenges of governing AI.
Journal of European Public Policy, 29(11), 1753–1778.
https://doi.org/10.1080/13501763.2022.2096668
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L.,
Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A.,
Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA
2020 statement: an updated guideline for reporting systematic reviews. BMJ, 372.
https://doi.org/10.1136/BMJ.N71
Papageorgiou, G., Sarlis, V., Maragoudakis, M., & Tjortjis, C. (2024). Enhancing E-Government Services
through State-of-the-Art, Modular, and Reproducible Architecture over Large Language Models.
Applied Sciences 2024, Vol. 14, Page 8259, 14(18), 8259. https://doi.org/10.3390/APP14188259
Prieto, E. A. C., Galarza, I. A. S., Guevara, A. P., Sanchez, S. P. V., & Calderón, R. F. C. (2024). Governance
Model for Artificial Intelligence in the Public Sector of Guayaquil, Ecuador, 2024. Journal of
Ecohumanism, 3(8), 12850-12859–12850 – 12859. https://doi.org/10.62754/JOE.V3I8.6113
Rethlefsen, M. L., Kirtley, S., Waffenschmidt, S., Ayala, A. P., Moher, D., Page, M. J., Koffel, J. B., Blunt, H.,
Brigham, T., Chang, S., Clark, J., Conway, A., Couban, R., de Kock, S., Farrah, K., Fehrmann, P.,
Foster, M., Fowler, S. A., Glanville, J., … Young, S. (2021). PRISMA-S: an extension to the PRISMA
Statement for Reporting Literature Searches in Systematic Reviews. Systematic Reviews 2021
10:1, 10(1), 39-. https://doi.org/10.1186/S13643-020-01542-Z
Robles, P., & Mallinson, D. J. (2023). Catching up with AI: Pushing toward a cohesive governance
framework. Politics & Policy, 51(3), 355–372. https://doi.org/10.1111/POLP.12529
Robles, P., & Mallinson, D. J. (2025). Artificial intelligence technology, public trust, and effective governance.
Review of Policy Research, 42(1), 11–28. https://doi.org/10.1111/ROPR.12555
Sergei, K., Alexander, K., Polina, E., & Nikita, A. (2022). Factoring ethics in management algorithms for
municipal information-analytical systems. AI and Ethics 2021 2:1, 2(1), 145–156.
https://doi.org/10.1007/S43681-021-00098-5
Sigfrids, A., Nieminen, M., Leikas, J., & Pikkuaho, P. (2022). How Should Public Administrations Foster the
Ethical Development and Use of Artificial Intelligence? A Review of Proposals for Developing
Governance of AI. Frontiers in Human Dynamics, 4, 858108.
https://doi.org/10.3389/fhumd.2022.858108
Khammassi, S., & AlShanqityi, Y. (2025). Digital Rights, AI, and the Law: International Perspectives on
Saudi Arabia’s Legal Framework and International Experience. Access to Justice in Eastern
Europe, (Special), 1–32. https://doi.org/10.33327/AJEE-18-8.S-a000154
14
Suat, A. (2025). Rethinking AI: Power, Surveillance, and Democracy. Journal of Economic Sociology, 26(5),
138–155. https://doi.org/10.17323/1726-3247-2025-5-138-155
Syafhendry, S., Ganaie, N. A., & Yama, A. (2025). Smart elections or rigged algorithms: the rise of artificial
intelligence in electoral governance in Southeast Asia. Frontiers in Political Science, 7, 1672310.
https://doi.org/10.3389/FPOS.2025.1672310
Vatamanu, A. F., & Tofan, M. (2025). Integrating Artificial Intelligence into Public Administration: Challenges
and Vulnerabilities. Administrative Sciences 2025, Vol. 15, Page 149, 15(4), 149.
https://doi.org/10.3390/ADMSCI15040149
Vesolovska, M., Karkovska, V., & Duma, O. (2025). Artificial intelligence in public administration: how the
emotional intelligence of civil servants influences its effective implementation.
https://doi.org/10.24818/amp/2025.45-02
Wang, Y. F., Chen, Y. C., & Chien, S. Y. (2025). Citizens’ intention to follow recommendations from a
government-supported AI-enabled system. Public Policy and Administration, 40(2), 372–400.
https://doi.org/10.1177/09520767231176126
Weber, M. (1978). Economy and Society. An Outline of Interpretative Sociology. En Economy and Society.
An Outline of Interpretative Sociology. Berkeley: University of California Press.
Wilson, C., & van der Velden, M. (2022). Sustainable AI: An integrated model to guide public sector
decision-making. Technology in Society, 68. https://doi.org/10.1016/j.techsoc.2022.101926
Wirtz, B. W., Weyerer, J. C., & Sturm, B. J. (2020). The Dark Sides of Artificial Intelligence: An Integrated
AI Governance Framework for Public Administration. International Journal of Public Administration,
43(9), 818–829. https://doi.org/10.1080/01900692.2020.1749851
Xu, J. (2024). Opening the ‘black box’ of algorithms: regulation of algorithms in China. Communication
Research and Practice, 10(3), 288–296. https://doi.org/10.1080/22041451.2024.2346415
Yuan, Q., & Chen, T. (2025). Holding AI-Based Systems Accountable in the Public Sector: A Systematic
Review. Public Performance & Management Review, 48(6), 1389–1422.
https://doi.org/10.1080/15309576.2025.2469784
Zhao, X., Huo, Y., Abedin, M. Z., Shang, Y., & Alofaysan, H. (2025). Intelligent government: The impact and
mechanism of government transparency driven by AI. Public Money & Management.
https://doi.org/10.1080/09540962.2025.2500093
CONTRIBUCIÓN DE LA AUTORÍA:
1. Conceptualización: Luis Miguel Alfaro Chirinos
2. Curación de datos: Luis Miguel Alfaro Chirinos
3. Análisis formal: Luis Miguel Alfaro Chirinos
5. Investigación: Luis Miguel Alfaro Chirinos
6. Metodología: Luis Miguel Alfaro Chirinos
7. Dirección del proyecto: Luis Miguel Alfaro Chirinos
8. Recursos: Luis Miguel Alfaro Chirinos
9. Software: Luis Miguel Alfaro Chirinos
10. Supervisión: Luis Miguel Alfaro Chirinos
11. Validación: Luis Miguel Alfaro Chirinos
12. Visualización: Luis Miguel Alfaro Chirinos
13. Redacción - borrador original: Luis Miguel Alfaro Chirinos
14. Redacción - corrección de pruebas y edición: Luis Miguel Alfaro Chirinos
