Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 332
LA INTELIGENCIA ARTIFICIAL COMO HERRAMIENTA DE APOYO A LA TOMA DE
DECISIONES ESTRATÉGICAS EN LA ADMINISTRACIÓN PÚBLICA
ARTIFICIAL INTELLIGENCE AS A TOOL TO SUPPORT STRATEGIC DECISION-
MAKING IN PUBLIC ADMINISTRATION
Autores: ¹Ingrid Alexandra Salazar Delgado, ²Marco David Loza Vargas y ³José Luis Andrade
Vilela.
¹ORCID ID: https://orcid.org/0009-0006-3990-5554
²ORCID ID: https://orcid.org/0009-0009-3709-1093
³ORCID ID: https://orcid.org/0009-0002-9153-6400
¹E-mail de contacto: isalazar9493@upse.edu.ec
²E-mail de contacto: marcod.loza3@educacion.gob.ec
³E-mail de contacto: jose.andradev@ug.edu.ec
Afiliación:¹*Universidad Estatal Península de Santa Elena, (Ecuador). ²*Ministerio de Educación Cultura y Deporte, (Ecuador).
³*Universidad de Guayaquil, (Ecuador).
Articulo recibido: 4 de Enero del 2026
Articulo revisado: 9 de Enero del 2026
Articulo aprobado: 14 de Enero del 2026
¹Docente en la Universidad Península de Santa Elena, (Ecuador). Ingeniera en Mercadotecnia, en la Universidad Tecnológica Equinoccial,
(Ecuador). Magíster en Marketing y Dirección de Empresas por la Universidad Tecnológica Empresarial de Guayaquil, (Ecuador).
²Abogado de los Tribunales y Juzgados de la República del Ecuador. Magíster en Derecho con mención en Derecho Procesal
Constitucional por la Universidad Estatal de Milagro, (Ecuador).
³Funcionario del Instituto Nacional de Estadística y Censo INEC, del Departamento de Calidad. Docente en la Universidad de Guayaquil
Facultad de Ciencias Administrativas. Carrera Licenciatura en Finanzas, (Ecuador).
Resumen
La inteligencia artificial (IA) ha pasado de ser
una promesa tecnológica a un soporte crítico
para la toma de decisiones estratégicas en el
sector público. El objetivo de este estudio es
analizar la evidencia científica sobre el impacto
de la IA en la gestión estratégica
gubernamental durante el periodo 2020-2025.
Se empleó una metodología de revisión
sistemática bajo el protocolo PRISMA 2020,
consultando bases de datos como Scopus, Web
of Science, SciELO y Redalyc, logrando un
corpus final de 19 artículos de alto rigor
metodológico. Los resultados demuestran que
la implementación de analítica avanzada
incrementa la precisión proyectiva hasta en un
89% y mejora la eficiencia operativa entre un
18% y 55%. No obstante, se identificó que el
éxito de la adopción depende en un 47% de la
infraestructura y capacitación técnica previa.
Se concluye que, si bien la IA reduce la
incertidumbre y optimiza recursos, su
sostenibilidad estratégica requiere de marcos
regulatorios claros que garanticen la
transparencia algorítmica y la ética pública,
especialmente en contextos de adopción
fragmentada como América Latina y Ecuador.
Palabras clave: Inteligencia artificial,
Administración pública, Toma de
decisiones, Gestión estratégica,
Modernización del Estado.
Abstract
Artificial intelligence (AI) has evolved from a
technological promise to a critical support for
strategic decision-making in the public sector.
This study aims to analyze the scientific
evidence on the impact of AI on strategic
government management during the period
2020–2025. A systematic review methodology
was employed under the PRISMA 2020
protocol, consulting databases such as Scopus,
Web of Science, SciELO, and Redalyc,
resulting in a final corpus of 19
methodologically rigorous articles. The results
demonstrate that the implementation of
advanced analytics increases projective
accuracy by up to 89% and improves
operational efficiency by between 18% and
55%. However, it was identified that the
success of adoption depends 47% on
infrastructure and prior technical training. It is
concluded that, while AI reduces uncertainty
and optimizes resources, its strategic
sustainability requires clear regulatory
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 333
frameworks that guarantee algorithmic
transparency and public ethics, especially in
contexts of fragmented adoption such as Latin
America and Ecuador.
Keywords: Artificial intelligence, Public
administration, Decision-making, Strategic
management, State modernization.
Sumário
A inteligência artificial (IA) evoluiu de uma
promessa tecnológica para um suporte crítico
na tomada de decisões estratégicas no setor
público. Este estudo visa analisar as evidências
científicas sobre o impacto da IA na gestão
estratégica governamental durante o período de
2020 a 2025. Foi empregada uma metodologia
de revisão sistemática sob o protocolo
PRISMA 2020, consultando bases de dados
como Scopus, Web of Science, SciELO e
Redalyc, resultando em um corpus final de 19
artigos metodologicamente rigorosos. Os
resultados demonstram que a implementação
de análises avançadas aumenta a precisão
preditiva em até 89% e melhora a eficiência
operacional entre 18% e 55%. No entanto,
identificou-se que o sucesso da adoção depende
em 47% da infraestrutura e do treinamento
técnico prévio. Conclui-se que, embora a IA
reduza a incerteza e otimize recursos, sua
sustentabilidade estratégica requer marcos
regulatórios claros que garantam a
transparência algorítmica e a ética pública,
especialmente em contextos de adoção
fragmentada, como na América Latina e no
Equador.
Palavras-chave: Inteligência artificial,
Administração pública, Tomada de decisões,
Gestão estratégica, Modernização do Estado.
Introducción
En la última década, la inteligencia artificial
(IA) ha dejado de ser una promesa tecnológica
para convertirse en un pilar de la modernización
estatal. En la administración pública, su
implementación se justifica por la necesidad de
gestionar entornos de alta complejidad, donde la
presión social y las limitaciones de recursos
exigen respuestas inmediatas y precisas. Como
señala Ramió (2020), la integración de sistemas
inteligentes no solo busca la automatización de
tareas, sino una reconfiguración del servicio
público donde la tecnología y el talento humano
colaboran para elevar la calidad de la
gobernanza. El núcleo de esta transformación
reside en la toma de decisiones estratégicas, un
proceso que tradicionalmente ha dependido de
la intuición política y análisis manuales de datos
limitados. Hoy, el uso de algoritmos predictivos
y analítica avanzada permite a los directivos
públicos integrar volúmenes masivos de
información para anticipar escenarios y reducir
la incertidumbre. Según Wirtz et al. (2023),
estas herramientas de apoyo a la decisión
fortalecen la planificación institucional,
permitiendo que las políticas públicas se
formulen con una base empírica mucho más
sólida y coherente.
A nivel internacional, el panorama es
heterogéneo pero revelador. Mientras que
economías avanzadas utilizan la IA para la
planificación urbana y la gestión financiera
predictiva, en América Latina el proceso
enfrenta barreras estructurales. Naser (2021), en
sus informes para la CEPAL, destaca que la
falta de interoperabilidad y las brechas en
infraestructura digital limitan el alcance de la IA
en la región. No obstante, casos exitosos en
países como Brasil y México demuestran que,
cuando se supera la barrera técnica, la precisión
en la asignación de recursos aumenta
significativamente (Alves et al., 2022). En este
contexto, la "administración pública
algorítmica" plantea desafíos éticos y legales
que no pueden ignorarse. La toma de decisiones
basada en máquinas genera preocupaciones
legítimas sobre la opacidad de los procesos y el
riesgo de sesgos. Cotino (2022) sostiene que es
imperativo establecer marcos regulatorios que
garanticen la transparencia y la rendición de
cuentas, asegurando que el uso de la IA en el
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 334
sector público respete los derechos
fundamentales de la ciudadanía y no se
convierta en una "caja negra" inaccesible. Para
el caso específico de Ecuador, la adopción de
estas herramientas se encuentra en una etapa de
transición crítica. A pesar de los lineamientos
de digitalización emitidos por el Ministerio de
Telecomunicaciones (2022), persiste una
fragmentación institucional que dificulta el uso
de la IA para decisiones de alto impacto en áreas
como el control interno y la evaluación de
programas. Como sugiere Ponce de León
(2023), el país requiere fortalecer su gobernanza
de datos para que la analítica avanzada deje de
ser un esfuerzo aislado y se convierta en una
política de Estado que respalde la visión
estratégica gubernamental.
La literatura científica reciente, aunque
abundante en estudios de caso, carece
frecuentemente de una visión de conjunto que
sintetice las condiciones de éxito para una
implementación efectiva. Investigaciones como
las de Valle-Cruz et al. (2020) subrayan que la
eficacia de la IA depende en gran medida de la
madurez digital de la organización y de la
capacitación del personal. Esta dispersión de
hallazgos justifica la realización de una revisión
sistemática que permita identificar patrones,
beneficios tangibles y riesgos recurrentes en el
uso de la IA como soporte estratégico. Bajo este
contexto el trabajo se justifica porque la
transición hacia una administración pública
algorítmica no representa únicamente una
actualización tecnológica, sino una respuesta
estratégica a la saturación de datos y la
complejidad de las demandas sociales
contemporáneas. Mientras que la evidencia en
América Latina (CEPAL, 2023) muestra una
adopción fragmentada, el presente estudio
busca trascender los análisis de casos aislados
para ofrecer una visión sistémica. Mediante la
metodología PRISMA 2020, esta investigación
se propone examinar de forma crítica la
producción científica del periodo 2020-2025. El
enfoque principal no es solo cuantificar la
eficiencia operativa, sino evaluar las
condiciones éticas y de gobernanza que
permiten que la IA actúe como un soporte real
para la decisión estratégica. En consecuencia, el
presente estudio tiene como objetivo general
analizar la evidencia científica sobre el impacto
de la inteligencia artificial en la toma de
decisiones estratégicas de la administración
pública, con el fin de estructurar un marco
teórico que guíe la implementación de políticas
digitales que sean, ante todo, transparentes,
equitativas y sostenibles en el tiempo.
Materiales y Métodos
La presente investigación se fundamenta en una
revisión sistemática de la literatura, ejecutada
bajo los estándares de rigor y transparencia del
protocolo PRISMA 2020 (Preferred Reporting
Items for Systematic Reviews and Meta-
Analyses). Esta aproximación metodológica
garantiza la exhaustividad y replicabilidad
necesaria para analizar la incidencia de la
Inteligencia Artificial (IA) en la gestión pública
estratégica. El levantamiento documental se
realizó durante el año 2025, consultando
repositorios científicos de alto impacto como
Scopus, Web of Science, SciELO y Redalyc,
además de Google Académico para fortalecer la
cobertura. Se diseñaron ecuaciones de búsqueda
empleando operadores booleanos ($AND$ y
$OR$) con términos controlados en español e
inglés, tales como: "artificial intelligence",
"strategic decision-making", "public sector" y
"machine learning".
Se aplicaron filtros de selección estrictos para
asegurar la calidad de la evidencia: Inclusión:
Artículos originales (empíricos y teóricos)
publicados entre 2020 y 2025 en revistas
arbitradas, en idiomas inglés, español o
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 335
portugués, que aborden directamente la IA
como soporte a la decisión en la administración
pública; Exclusión: Se descartó literatura gris,
actas de congresos, tesis y estudios donde la IA
se aplicará a áreas técnicas (defensa, salud o
educación) sin una transferencia clara hacia la
gestión administrativa o estratégica. El proceso
de selección se organizó en fases secuenciales:
inspección de títulos, revisión de resúmenes y
análisis crítico de textos completos. Para
minimizar el sesgo de selección, el proceso fue
realizado por investigadores independientes,
resolviendo discrepancias mediante consenso.
Finalmente, conforme a las directrices de
PRISMA 2020 para la evaluación del riesgo de
sesgo en los estudios incluidos, la robustez de
los artículos seleccionados se analizó mediante
herramientas estandarizadas para diseños
cuantitativos. Se empleó el Critical Appraisal
Skills Programme (CASP), específicamente en
sus listas de verificación para estudios
transversales y de cohorte. Este instrumento
permitió auditar de forma sistemática la validez
interna, la precisión de los hallazgos y la
relevancia administrativa de cada investigación,
garantizando que la síntesis de evidencia sobre
la Inteligencia Artificial se fundamente en datos
estadísticamente rigurosos y
metodológicamente sólidos.
Tabla 1. Proceso de Identificación y Selección
de Fuentes (Protocolo PRISMA 2020)
Base de
Datos
Estrategia de
Búsqueda (Ecuación)
Resultados
Iniciales
Cribado
por Título
Evaluación
de Resumen
Inclusión
Texto
Completo
Scopus
("artificial intelligence"
AND "strategic decision-
making" AND "public
administration")
451
66
31
7
Web of
Science
("AI decision support"
AND "public sector" AND
"strategic management")
324
58
26
5
Redalyc
("inteligencia artificial"
AND "decisiones
estratégicas" AND "sector
público")
76
21
13
2
SciELO
("inteligencia artificial"
AND "toma de decisiones"
AND "administración
pública")
91
24
15
3
Google
Scholar
("artificial intelligence"
AND "strategic decisions"
AND "digital
government")
219
95
43
2
TOTAL
1,161
264
128
19
Fuente: elaboración propia
La calidad de las fuentes seleccionadas se
determinó mediante una escala de valoración
(alta, media y baja), fundamentada en el rigor
del diseño, la validez de los datos cuantitativos
y la consistencia de los hallazgos. Una vez
superado el filtro de calidad, se procedió a la
estructuración de una matriz de sistematización
para categorizar la información. El
procesamiento de los datos se realizó bajo un
enfoque de síntesis narrativa, organizando la
evidencia en ejes estratégicos: tipología de
algoritmos de IA, impacto en la eficiencia
burocrática, métricas de desempeño
institucional y determinantes éticos para la
gobernanza digital.
Figura 1. Diagrama de flujo del proceso de
selección de fuentes
El proceso de depuración documental, detallado
en la Figura 1, se inició con la identificación de
1.161 registros distribuidos en las cinco bases
de datos seleccionadas. Tras una fase inicial de
limpieza técnica, donde se eliminaron los
registros duplicados y aquellos con
inconsistencias bibliográficas, se retuvieron
264 títulos para la fase de cribado. Durante esta
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 336
etapa, se descartaron las obras que no
presentaban una vinculación directa con la toma
de decisiones estratégicas. Posteriormente, el
análisis de 128 resúmenes permitió filtrar
aquellos estudios con debilidades en su
arquitectura metodológica o enfoques ajenos a
la administración pública. Finalmente, tras un
examen exhaustivo a texto completo, se
consolidó un corpus definitivo de 19 artículos
científicos. Estos estudios fueron seleccionados
por cumplir con los más altos estándares de
rigor metodológico y por su relevancia directa
para los objetivos de esta revisión sistemática.
Resultados y Discusión
Tras el proceso de selección sistemática, se
analizaron 19 artículos que cumplen con los
criterios de rigor metodológico. Los hallazgos
demuestran que la implementación de modelos
predictivos de IA incrementa la precisión en la
planificación institucional en un 25% en
comparación con los métodos de análisis
manual tradicionales. De los estudios
seleccionados, el 60% destaca que el
aprendizaje automático (Machine Learning) es
la técnica con mayor impacto en la reducción de
la incertidumbre durante la formulación de
políticas públicas. La extracción de datos
permitió identificar tres áreas clave donde la IA
actúa como herramienta de apoyo:
Optimización de Recursos: El 45% de la
evidencia (especialmente en contextos como
Brasil y Emiratos Árabes) señala que la IA
permite una asignación presupuestaria basada
en datos, reduciendo el desperdicio operativo.
Anticipación de Escenarios: Los sistemas de
apoyo a la decisión (DSS) han permitido a los
directivos públicos simular el impacto de
decisiones estratégicas antes de su ejecución
real. Transparencia y Trazabilidad: Un 30% de
los estudios enfocados en modelos de
gobernanza indican que el uso de algoritmos
facilita la auditoría de las decisiones, siempre
que el sistema no sea una "caja negra". El
análisis sistemático confirma que la Inteligencia
Artificial no solo automatiza procesos, sino que
redefine la arquitectura del pensamiento
estratégico en el sector público. Como sostiene
Ramió (2020), esta transformación requiere una
simbiosis entre el algoritmo y el talento
humano, donde la tecnología potencia la
capacidad de gobernanza sin sustituir la
responsabilidad política. Además, los
resultados coinciden con lo planteado por Wirtz
et al. (2023), quienes subrayan que la analítica
avanzada proporciona una base empírica que
minimiza la dependencia de la intuición
política. No obstante, la efectividad de este
soporte está condicionada por la infraestructura
y la creación de capacidades, un punto en el que
Alam (2021) es enfático: sin una base técnica
sólida, la IA no logra.
Existe una brecha notable entre la teoría y la
práctica en la región. Mientras que Alves et al.
(2022) reportan experiencias positivas en la
gestión de datos en Brasil, la realidad general en
América Latina refleja las limitaciones descritas
por Naser (2021) para la CEPAL. La
fragmentación institucional y la falta de
interoperabilidad de datos mencionada también
por Ponce de León (2023) en el contexto
ecuatoriano actúan como cuellos de botella que
impiden que la IA pase de ser una herramienta
operativa a un soporte estratégico real. Un
hallazgo recurrente en el corpus seleccionado
(especialmente en Chatfield & Reddick, 2023)
es que la adopción de la IA depende de la
confianza ciudadana. Esto refuerza la necesidad
de marcos legales que, como sugiere Cotino
Hueso (2022), garanticen que las decisiones
administrativas asistidas por IA sean
transparentes y expliquen su lógica interna. La
discusión final apunta a que el éxito de la
administración pública algorítmica no reside en
la potencia del cálculo, sino en la solidez ética
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 337
y la madurez digital de la organización,
validando así las tesis de Valle-Cruz et al.
(2020) sobre el impacto directo de estas
herramientas en los servicios digitales de
gobierno. Finalmente se puede concluir, que la
IA se consolida como una herramienta de apoyo
indispensable para gestionar la complejidad
actual. Sin embargo, su implementación
estratégica en países como Ecuador requiere
superar la etapa de "esfuerzos aislados" para
avanzar hacia una política de Estado que integre
gobernanza de datos, capacitación técnica y
transparencia algorítmica.
Sistematización de la evidencia y
contrastación empírica
De acuerdo con Misuraca et al. (2020), la
evaluación de iniciativas de IA en gobiernos
locales europeos mediante análisis multicaso
permitió identificar una mejora en el
rendimiento institucional del 50 %, aunque se
subrayó la vulnerabilidad ética en la gestión de
datos. En una línea similar, Zuiderwijk y Chen
(2023) determinaron que la existencia de
políticas regulatorias nítidas actúa como un
catalizador, elevando la tasa de adopción en las
organizaciones en un 40 %. Por otro lado, la
investigación de Gil et al. (2022) en el contexto
mexicano validó que el uso de modelos
predictivos optimiza la trazabilidad
administrativa en un 32 %. En el ámbito
anglosajón, Chatfield y Reddick (2023)
reportaron una reducción de casi la mitad del
tiempo de respuesta (45 %) en servicios
gubernamentales. Estos hallazgos se
complementan con la evidencia en Portugal
presentada por Alves et al. (2022), donde la
automatización alcanzó el 63 % de las funciones
mecánicas, y con los reportes de Rodríguez
Bolívar (2022), quien documentó una caída del
28 % en la tasa de errores operativos en
ayuntamientos españoles.
Ejes funcionales de la IA en la decisión
gubernamental
La literatura científica converge en que la IA se
ha transformado en un soporte fundamental
para la dirección estatal, extendiendo su utilidad
desde la proyección de escenarios hasta la
gestión inteligente de la atención ciudadana.
Autores como Wirtz et al. (2023) y Janssen y
van der Voort (2021) sostienen que la
integración de algoritmos permite jerarquizar
casos críticos y robustecer la memoria
institucional, siempre que existan capacidades
analíticas previas. Asimismo, Sun y Medaglia
(2023) destacan cómo el procesamiento masivo
de datos permite a los gobiernos locales realizar
evaluaciones de riesgo en tiempo real. En
experiencias regionales, Valle-Cruz et al.
(2020) y Zuiderwijk et al. (2021) demuestran
que el aprendizaje automático facilita la
organización de flujos de trabajo en función de
la demanda ciudadana, logrando que la
planificación estratégica dependa menos de la
subjetividad manual y más de la evidencia
estadística.
Impacto de la Analítica Avanzada en el
Desempeño Institucional
La síntesis de los datos recolectados ratifica que
la IA produce cambios disruptivos en la
efectividad de la gestión. Wirtz et al. (2023)
reportan rangos de optimización que llegan
hasta el 55 %, mientras que Valle et al. (2020)
destacan una mejora del 27 % en la fiabilidad de
la documentación administrativa. En términos
de precisión proyectiva, Elgohary y Eltekriti
(2023) logran niveles de exactitud del 89 %,
factor que consolida la toma de decisiones
basada en datos como un estándar de calidad.
Además, según Janssen y van der Voort (2021),
la implementación de auditorías algorítmicas
reduce los fallos en la planificación estratégica
en un 35 %, lo cual no solo optimiza el
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 338
presupuesto, sino que fortalece la confianza en
la gestión pública.
Determinantes Críticos, Riesgos y
Asimetrías de Adopción
Pese al potencial detectado, la transición hacia
una gestión algorítmica presenta desafíos
complejos. Zuiderwijk et al. (2021) y Chatfield
& Reddick (2023) alertan que la opacidad de los
algoritmos y los posibles sesgos de
programación ponen en riesgo la imparcialidad
del Estado. Misuraca et al. (2020) enfatizan que
la privacidad del ciudadano sigue siendo una
brecha regulatoria pendiente. En el entorno
latinoamericano, Gil et al. (2022) y Naser
(2021) identifican la obsolescencia de la
infraestructura como el principal obstáculo; un
argumento que Alam (2021) cuantifica al
señalar que casi la mitad del éxito de estos
proyectos (47 %) depende directamente del
soporte tecnológico disponible. Finalmente,
Desouza y Jacob (2020) recomiendan un
modelo de gobernanza responsable donde la
supervisión humana actúe como filtro ético para
prevenir errores sistemáticos en la toma de
decisiones de alto impacto.
Conclusiones
Se concluye que la Inteligencia Artificial ha
dejado de ser una promesa tecnológica para
consolidarse como el eje motor de la toma de
decisiones estratégicas en la administración
pública. Los hallazgos demuestran que la
implementación de analítica avanzada y
modelos predictivos incrementa la precisión
proyectiva hasta en un 89%, permitiendo que la
planificación institucional trascienda la
intuición política y se fundamente en una base
empírica sólida. Este cambio de paradigma no
solo optimiza la eficiencia operativa, sino que
dota a los directivos públicos de herramientas
capaces de gestionar entornos de alta
complejidad con una reducción significativa de
la incertidumbre. En consecuencia, la
investigación confirma que el éxito de la IA no
es un fenómeno puramente tecnológico, sino
que está intrínsecamente ligado a la madurez
digital y a la capacitación del talento humano.
Al identificarse que el 47% del éxito en la
adopción institucional depende de la
infraestructura y el desarrollo de capacidades,
resulta evidente que la modernización estatal
requiere una inversión integral. No basta con la
adquisición de algoritmos; es imperativo
fortalecer la gobernanza de datos y la formación
analítica de los funcionarios para evitar que la
tecnología se convierta en un esfuerzo aislado
sin impacto real en la visión estratégica
gubernamental.
Se determina que la transparencia y la ética
pública son pilares innegociables para la
sostenibilidad de la administración algorítmica.
La existencia de una "caja negra" en los
procesos de decisión y el riesgo de sesgos
algorítmicos representan las mayores amenazas
para la legitimidad estatal. La evidencia
analizada sugiere que la adopción de estas
herramientas aumenta en un 40% cuando
existen marcos regulatorios claros; por tanto, es
responsabilidad del Estado garantizar una
rendición de cuentas efectiva que asegure que el
uso de la IA respete los derechos ciudadanos y
mantenga siempre una supervisión humana
crítica. Finalmente, para el contexto de Ecuador
y América Latina, se concluye que la
superación de la fragmentación institucional es
el desafío prioritario para el periodo 2020-2025.
La transición hacia una gestión inteligente
demanda la evolución desde lineamientos de
digitalización básicos hacia una política de
Estado robusta y sostenible. Solo mediante la
integración de sistemas, la interoperabilidad de
datos y un compromiso firme con la equidad
social, la inteligencia artificial podrá cumplir su
propósito de elevar la calidad de la gobernanza,
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 339
convirtiéndose en un soporte transparente y
eficiente para la toma de decisiones que
impactan el bienestar de la ciudadanía.
Referencias Bibliográficas
Alam, A. (2021). Adoption of artificial
intelligence in public sector organizations:
Infrastructure and capacity building.
Australian Journal of Public Administration,
80(3), 455–472.
https://doi.org/10.1111/1467-8500.12482
Alves, T., Silva, P., & Costa, R. (2022).
Artificial intelligence adoption in public
sector institutions: Experiences from Brazil
and Uruguay. Government Information
Quarterly, 39(4), Article 101615.
https://doi.org/10.1016/j.giq.2022.101615
CEPAL. (2023). Informe sobre la digitalización
y el uso de analítica avanzada en
instituciones públicas de América Latina.
Comisión Económica para América Latina y
el Caribe.
https://www.cepal.org/es/publicaciones
Chatfield, A., & Reddick, C. (2023). Artificial
intelligence and decision-making in public
administration: A citizen-centric
perspective. Public Administration Review,
83(2), 290–305.
https://doi.org/10.1111/puar.13510
Cotino, L. (2022). Ética y derecho en el uso de
la inteligencia artificial para la toma de
decisiones administrativas. Revista de
Derecho Público y Nuevas Tecnologías,
18(2), 101–134.
https://doi.org/10.1542/rdp.2022.102
Desouza, K., & Jacob, B. (2020). Artificial
intelligence in the public sector: A review of
applications and progress. Governance and
Technology Review, 12(1), 45–68.
Elgohary, H., & Eltekriti, S. (2023). Machine
learning for strategic decision-making in
public administration: Evidence from urban
planning in the UAE. International Journal
of Public Sector Management, 36(1), 55–75.
https://doi.org/10.1108/IJPSM-05-2022-
0098
Gil-García, J., Valle-Cruz, D., & Ruiz-Guzmán,
J. (2022). Predictive models and AI in the
public sector: Enhancing traceability and
administrative efficiency. Social Science
Computer Review, 40(3), 750–768.
https://doi.org/10.1177/0894439321101567
1
Janssen, M., & van der Voort, H. (2021).
Adaptive governance: Using AI to support
public sector decision-making. Government
Information Quarterly, 38(1), Article
101504.
https://doi.org/10.1016/j.giq.2020.101504
Ministerio de Telecomunicaciones del Ecuador.
(2022). Estado de la digitalización en la
administración pública ecuatoriana.
Gobierno de Ecuador.
https://www.telecomunicaciones.gob.ec
Misuraca, G., van Noordt, C., & Boukli, A.
(2020). The AI Watch: AI uptake in public
administration. European Commission, Joint
Research Centre.
https://doi.org/10.2760/039619
Naser, A. (2021). Gobernanza digital e
inteligencia artificial en la gestión pública:
Desafíos para América Latina y el Caribe.
Comisión Económica para América Latina y
el Caribe.
https://www.cepal.org/es/publicaciones/469
45
Page, M., McKenzie, J., Bossuyt, P., Boutron,
I., Hoffmann, T., Mulrow, C., & Moher, D.
(2021). The PRISMA 2020 statement: An
updated guideline for reporting systematic
reviews. BMJ, 372(n71).
https://doi.org/10.1136/bmj.n71
Ponce de León, J. (2023). Transformación
digital y analítica avanzada: Hacia una toma
de decisiones informada en el sector público
ecuatoriano. Ecuador Digital: Revista de
Ciencia y Tecnología, 9(3), 205–222.
https://doi.org/10.4567/edigital.2023.003
Ramió, C. (2020). Inteligencia artificial y
administración pública: Robots y humanos
compartiendo el servicio público. Catarata.
Rodríguez, M. (2022). Setting the stage for the
use of artificial intelligence in public
administration. En Smart governance for
cities (pp. 1–20). Springer.
https://doi.org/10.1007/978-3-030-93512-
2_1
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.1
Edición Especial I 2026
Página 340
Sun, T., & Medaglia, R. (2023). Mapping the
challenges of artificial intelligence in the
public sector: Evidence from local
governments in China. Government
Information Quarterly, 36(1), 368–383.
https://doi.org/10.1016/j.giq.2022.101650
Valle-Cruz, D., Gil-García, J., & Ruiz-Guzmán,
J. (2020). Impact of artificial intelligence on
strategic decision-making in digital
government services in Mexico.
International Journal of Public
Administration in the Digital Age, 7(4), 45–
63.
https://doi.org/10.4018/IJPADA.202010010
3
Wirtz, B., Weyerer, J., & Geyer, C. (2023).
Artificial intelligence and the public sector:
Applications, opportunities, and challenges.
Business & Information Systems
Engineering, 65(1), 17–35.
https://doi.org/10.1007/s12599-023-00810-
3
Zuiderwijk, A., Chen, W., & Salem, F. (2021).
Algorithmic decision-making in local
governments: Barriers and facilitators for AI
adoption in the Netherlands. Government
Information Quarterly, 38(4), Article
101556.
https://doi.org/10.1016/j.giq.2021.101556
Zuiderwijk, A., & Chen, W. (2023). Regulatory
frameworks for AI in European public
administration: Increasing adoption through
clear guidelines. Social Science Computer
Review, 41(2), 122–140.
https://doi.org/10.1177/0894439322101000
1
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Ingrid Alexandra
Salazar Delgado, Marco David Loza Vargas y José
Luis Andrade Vilela.
