Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
Introducción
El termino de inteligencia artificial (IA) se usó por primera vez en 1958 por los científicos McCarthy, Minsky, Rocherster y Shannon, quienes la definieron como “la ciencia y la ingeniería para crear máquinas inteligentes” (Poole y Mackworth, 2017). Una conceptualización más reciente la define como el área de la ciencia de la computación que tiene como objetivo emular las funciones cognitivas del ser humano mediante el uso de sistemas computacionales (Manyika et al., 2017). Una explicación más amplia del concepto la presentan Poole y Mackworth (2017), quienes definen la IA como “el estudio y diseño de agentes inteligentes”; entendiendo que un agente es “algo” que actúa en un entorno que se denomina “inteligente” cuando realiza acciones de acuerdo con las circunstancias y los objetivos propuestos (Russell y Norvig, 2009). Se han desarrollado diversas técnicas de IA, algunas de estas son: redes neuronales, lógica difusa, algoritmos genéticos, modelos basados en agentes, entre otras más. Estas herramientas se han usado para dar solución a diferentes clases de problemas, uno de ellos ha sido ayudar al ser humano a mejorar el proceso de toma de decisiones, teniendo en cuenta la racionalidad limitada propia de las personas, la cual explica que el ser humano toma decisiones de forma parcialmente irracional debido a las limitaciones cognitivas, de información y de tiempo (Simon, 1979).
La IA ha ayudado al proceso de toma de decisiones en diferentes áreas del conocimiento. A continuación, se nombran algunas de estas. La inteligencia de negocios que ayuda al proceso de toma de decisiones gerenciales (Chávez et al., 2018; Flath y Stein, 2018; Lin et al., 2017; Marine-Roig, 2017; Zamora, 2017). También, en el área de la salud para mejorar los procesos de toma de decisiones en atención médica (Chen et al., 2017; Chen et al., 2020; Jiang et al., 2017; Mehta y Pandit, 2018; Ramesh et al., 2016; Thesmar et al., 2019). En el mercado de valores para determinar en qué momento comprar o vender acciones (Chatzis et al., 2018; Chen et al., 2018; Fernández et al., 2013; Nayak et al., 2016; Shah et al., 2018). En el sector bancario para la aprobación de créditos (Okesola et al., 2018; Peña et al., 2017; Turkson et al., 2016). También se ha usado la IA para procesos de selección de personal (Menon y Rahulnath, 2017; Nawaz, 2019; Van Esch et al., 2019). Otra aplicación ha sido en generar sistemas de alertas tempranas para eventos meteorológicos (Moon et al., 2019; Moreno et al., 2018; Santacreu et al., 2015; Šaur, 2017). Como las ya mencionadas, hay muchas más aplicaciones en la cuales se han usado estas herramientas tecnológicas. Por lo cual, la IA ha comprobado que son instrumentos muy útiles para el proceso de toma de decisiones.
Una de las áreas que tiene grandes inconvenientes en el proceso de toma de decisiones es la formulación de políticas públicas, esto debido al alto grado de complejidad. Esta se puede explicar a través del modelo de caneca de basura, el cual revela que el proceso de toma de decisiones se hace sobre una anarquía organizada. Esto debido a que todos los elementos que intervienen en el proceso de toma de decisiones como los problemas, las soluciones, los participantes o las oportunidades de elección se entremezclan entre sí de forma caótica y al mismo tiempo como si estuvieran dentro de una caneca de basura (Cohen et al., 1972); haciendo que el proceso sea complejo y provoque que no siempre se tome la decisión más idónea. Un ejemplo en el cual se evidencia que no se han tomado las mejores decisiones en política pública es el caso colombiano, pues las políticas públicas agrarias implementadas han tenido efectos contrarios a los esperados, los cuales han perjudicado a la población campesina y profundizado la inequidad social (Baudasse y Calderón, 2009; Gómez, 2016; Morales et al., 2017; Ospina, 2017; Soto, 2003; Vargas et al., 2016).
Por estos motivos, el presente artículo tiene como objetivo hacer una revisión de las publicaciones científicas relacionadas al uso de herramientas de IA en el proceso de toma de decisiones al realizar la formulación de políticas públicas. Para lo cual el artículo se divide en la presente introducción, sigue con la metodología aplicada, luego de ello se presenta los resultados obtenidos y se finaliza con las conclusiones.
Metodología
La metodología aplicada fue de tipo descriptivo con enfoque cuantitativo. El primer paso consistió en desarrollar la ecuación de búsqueda y realizar la respectiva prueba en el repositorio de publicaciones científicas de Scopus. Este proceso de generación de la ecuación fue de carácter iterativo; es decir, se observan los resultados obtenidos con la ecuación y se va mejorando para captar mejores resultados. Luego, se aplicaron los indicadores bibliométricos; ya con estos se analizaron y se obtuvieron las conclusiones. A continuación, se explica en mayor detalle cada etapa de la metodología.
Construcción de ecuación de búsqueda
Para la construcción de la ecuación de búsqueda se tomó como base los temas de la investigación: IA, política pública y toma de decisiones. Con los temas se buscaron las palabras claves que los autores y las publicaciones utilizaban para referenciar el tema. Como se explicó, la ecuación se probó sobre la base de datos, se analizaron los resultados obtenidos y se fue mejorando la ecuación, para así optimizar los resultados. Al final se obtuvo la ecuación, con la cual se captaron 1.154 publicaciones. La ecuación de búsqueda se presenta a continuación.
TITLE-ABS-KEY (“artificial intelligence” OR “Cybernetics” OR “Neural Network” OR “Fuzzy logic” OR “Machine learning” OR “Data Mining” OR “Expert systems” OR “genetic algorithms” OR “neuro-fuzzy” OR “agent-based model” OR “particle swarm” OR “cellular automata” OR “Ant Colony Optimization” OR “Big Data” OR “Bayesian Network”) AND TITLE-ABS-KEY (“public poli*” OR “National poli*” OR “Government poli*” OR “political decision-mak” OR “policy mak*”) AND TITLE-ABS-KEY (“decision mak*” OR “Decision Supp*”)
Aplicación de indicadores bibliométricos
A los datos bibliográficos de las 1.154 publicaciones que resultaron del proceso de búsqueda se aplicaron los siguientes indicadores bibliométricos.
Histórico de publicaciones: este indicador muestra el número de publicaciones realizadas por año.
Autores de publicaciones: muestra el listado de autores y el número de publicaciones científicas de cada uno.
País de origen: presenta el número de publicaciones por país, acorde al país donde se realizó la publicación.
Patrocinadores: indica quiénes financiaron las investigaciones que generaron las publicaciones. El número corresponde a las publicaciones que tiene asociada cada patrocinador.
Palabras claves: para analizar y agrupar las palabras claves se usó el método de fuerza de asociación. Este método busca determinar cuáles categorías se relacionan más entre ellas y se agrupan acorde a ello. Para lo cual se utilizó el software libre VosViewer, el cual funciona para el análisis bibliométrico pues ayuda a crear redes bibliométricas para ver gráficamente estas relaciones.
Resultados
Los datos se analizaron desde cinco perspectivas: histórico de publicaciones, autores, países, patrocinadores y palabras claves.
Histórico de publicaciones
En la figura 1 se presentan las publicaciones realizadas entre los años 1991 hasta el 2020. En el 2020 solo corresponde al primer trimestre, por eso no se debe comparar la tendencia con los otros años.
Como se observa en la figura 1, entre el año 2004 al 2008 la tendencia de publicaciones estaba estable; pero, a partir del año 2009 se presentó un crecimiento exponencial de las publicaciones que se ha mantenido hasta el 2019, lo cual evidencia el crecimiento del interés científico sobre este tema durante la última década.
Principales autores
En la figura 2 se presenta el listado de los principales autores sobre el tema, los cuales tienen por lo menos cuatro publicaciones en el área.
El investigador que más tiene publicaciones es Yannis Charalabidis, profesor del área de Gobierno digital y de formulación de políticas públicas. Él trabaja en la Universidad Aegean School of Sciences, en el Departamento de Información e Ingeniería en Sistemas de Comunicaciones. Charalabidis ha trabajado en conjunto con Evripidis Loukis en cinco publicaciones de las seis que tiene Loukis; Charalabidis también ha trabajado con Aggeliki Androutsopoulou en cuatro publicaciones. Loukis y Androutsopoulou son también profesores de The Aegean School of Sciencesen en Grecia. En la tabla 1 se presenta las publicaciones de Charalabidis, Loukis y Androutsopoulou en el área.
Tabla 1 Publicaciones de Charalabidis, Loukis y Androutsopoulou
Fuente: adaptado por los autores de Scopus.
Charalabidis, Loukis y Androutsopoulou han desarrollado investigaciones enfocadas en el uso de herramientas TIC que ayuden a la formulación de políticas públicas. Por lo cual al inicio realizaron investigaciones de cómo usar estas herramientas para la recopilación de información en las redes sociales y así facilitar el proceso de formulación de políticas públicas (Androutsopoulou et al., 2016; Charalabidis y Loukis, 2011; Charalabidis et al., 2011; Charalabidis et al., 2013). Luego se enfocaron al uso de herramientas como big data y minería de datos para recopilar y procesar información que ayudase a la construcción de políticas públicas (Androutsopoulou y Charalabidis, 2018; Androutsopoulou et al., 2018). El último trabajo publicado con respecto al tema corresponde a una metodología para el uso de big data en la formulación de políticas públicas en crisis económicas (Loukis et al., 2019).
Michela Milano es profesora en el Departamento de Ciencias de la Computación e Ingeniería de la Universidad de Bolonia. Es vicepresidenta de la Asociación Europea de Inteligencia Artificial (EurAI) y miembro del Comité Ejecutivo de la Asociación para la Programación de Restricciones y de la Asociación Italiana de Inteligencia Artificial. En la tabla 2 se presentan las publicaciones de Milano con respecto al tema.
Las investigaciones de Michela Milano sobre el tema se han enfocado en cómo usar herramientas de IA, en especial modelos basados en agentes para que ayuden a determinar los posibles resultados que se puedan presentar al implementar las políticas públicas. Para ello Milano ha desarrollado sistemas de soporte de decisiones (DSS-Decision Support System) muy útiles para los formuladores de política pública (Gavanelli et al., 2014; Milano, 2013a). Principalmente, se ha enfocado en aplicaciones sobre el sector energético (Borghesi y Milano, 2019; Gavanelli et al., 2016; Milano, 2013b) y evaluación ambiental (Milano et al., 2014).
Hedwig Van Delden es una de las pioneras en el tema a nivel mundial. Actualmente es la directora del Research Institute for Knowledge Systems (RIKS) en Holanda y es profesora asociada de la Universidad de Adelaide. En la tabla 3 se presentan las publicaciones de Van Delden sobre el tema.
Las publicaciones de Van Delden tratan sobre desarrollos de DSS, los cuales ayudan a soportar el proceso de toma decisiones en formulación de políticas públicas en la Unión Europea (Huser et al., 2009; Van Delden, 2009; Van Delden y Hurkens, 2011; Van Delden et al., 2009; Van Delden et al., 2011; Van Delden et al., 2010). Estos sistemas fueron desarrollados en el Research Institute for Knowledge Systems (RIKS).
Syed Sibte Raza Abidi es profesor de informática y director de informática sanitaria en la Facultad de Informática de la Universidad de Dalhousie (Halifax, Canadá). Realiza investigaciones en las áreas de informática sanitaria, gestión del conocimiento, web semántica y análisis de datos, para lo cual ha usado herramientas como minería de datos o modelamiento basados en agentes para descubrir información que ayude a los formuladores de políticas públicas, en especial en áreas de la salud en formular políticas (Sibte y Abidi, 2001; Zaidi et al., 2002; Zaidi et al., 2004). En la tabla 4 se presenta las publicaciones sobre el tema.
Gary Polhill es investigador senior del James Hutton Institute en el Reino Unido, se graduó en IA y es doctor en redes neuronales; actualmente es el presidente del European Social Simulation Association (Essa). Alessandro Gimona también es un investigador del James Hutton Institute, él es un ecólogo espacial y un geógrafo con experiencia en sistemas terrestres y acuáticos, con magister y doctorado en el área. Polhill y Gimona han trabajado en conjunto y tienen cuatro publicaciones en el tema. En la tabla 5 se presentan estas publicaciones.
Estas publicaciones son resultado de una investigación en el cual buscaban determinar cómo a través de subsidios gubernamentales se lograba el mejor uso de la tierra para el sector agrícola en Escocia (Reino Unido), siendo ser más eficientes en su producción e integrando agricultura sostenible para de esta forma disminuir el impacto ambiental negativo. La herramienta de IA que usaron fue el modelo basado en agentes (Gimona y Polhill, 2011; Gimona et al., 2011; Polhill et al., 2010, 2013).
Al observar las publicaciones de los principales investigadores en el tema se encuentra que se han preocupado en desarrollar DSS que ayuden al proceso de formulación de políticas públicas, donde las herramientas de IA más utilizadas son minería de datos y modelos basados en agentes.
Publicaciones por países
En la figura 3 se presenta los países líderes en investigación sobre formulación de políticas públicas usando IA.
Como se observa en la figura 3, el líder en publicaciones sobre el uso de IA para la formulación de políticas públicas es Estados Unidos, en un segundo grupo se encuentra China y el Reino Unido. Después se encuentra Italia y luego otros países que en su mayoría están ubicados en Asia y Europa. Al identificar cuáles son los países que más publican sobre el tema se observa que la mayoría de estos son países desarrollados y se encuentran ubicados en Asia, Europa y Norte América; el único país latinoamericano que se encuentra en este grupo es Brasil con 28 publicaciones, lo que realmente es muy poco comparado con Estados Unidos, China o Reino Unido.
Patrocinadores
En la figura 4 se presentan los principales patrocinadores de las investigaciones sobre el tema.
Se observa en la figura 4 que las tres principales organizaciones que apoyan las investigaciones en el uso de herramientas de IA para el proceso de formulación de políticas públicas son: National Natural Science Foundation of China, European Commission y National Science Foundation. A continuación, se hace una breve reseña de estas.
National Natural Science Foundation of China: fue creada en 1986 y estaba bajo la jurisdicción del Consejo de Estado; pero, a partir de 2018, se encuentra adscrito al Ministerio de Ciencia y Tecnología de la República Popular China. Esta organización tiene como misión apoyar la investigación, fomentar investigadores, desarrollar la cooperación internacional y promover el desarrollo socioeconómico (NSFC, 2020).
-European Commission: tiene como objetivo desarrollar la estrategia general y la dirección política de la Unión Europea, para lo cual formula políticas para este fin y evalúa el desarrollo de las mismas (Comisión Europea, 2020).
National Science Foundation: la fundación es de carácter gubernamental, la cual financia la investigación y educación en campos de la ciencia y la ingeniería. Lo hace a través de subvenciones y acuerdos de cooperación con instituciones de educación, empresas, organizaciones de ciencias informales y otras organizaciones de investigación en Estados Unidos (National Science Foundation, 2020).
Como se observa, las tres principales organizaciones que apoyan la investigación en IA en política pública son de China, Estados Unidos y Europa; lo cual es coherente con lo analizado anteriormente. También es importante resaltar que las tres organizaciones son de carácter gubernamental, con lo cual se establece que es primordial el apoyo financiero del Estado para el desarrollo y avance científico.
Palabras claves
En la figura 5 se observa la red de relaciones de las palabras claves encontradas en las publicaciones. La herramienta informática que se usó fue VosViewer en su versión libre.
El software bibliométrico VosViever relacionó las palabras claves de las publicaciones y las juntó en cinco grupos, las cuales se distinguen en la figura 5 con diferentes colores. El primer grupo a nombrar es el correspondiente a las investigaciones desarrolladas para formular políticas públicas relacionadas con el área de la salud usando herramientas de IA. El segundo grupo corresponde al desarrollo de algoritmos para análisis de comportamientos en redes sociales paras así generar políticas públicas al respecto. El tercer grupo a la creación de modelos para generar políticas públicas en la generación y uso de energías. El cuarto grupo se relaciona con el uso de herramientas computacionales para formular políticas públicas en el sector agrícola, teniendo en cuenta el uso de la tierra, el agua y el cambio climático. Por último, el quinto grupo corresponde al desarrollo de sistemas de soporte de decisiones (DSS) para la generación de políticas ambientales. En resumen, el uso de herramientas de IA para la formulación de políticas públicas se ha usado principalmente en las áreas de la salud, energía, comportamientos sociales, agricultura y ciencias ambientales.
Conclusiones
Se evidencia la gran utilidad de las herramientas de IA para el proceso de formulación de políticas públicas; en especial las herramientas de big data, minería de datos y modelos basados en agentes.
En la última década se ha presentado un crecimiento en el interés científico en la aplicación de herramientas de IA en el proceso de formulación de políticas públicas. En el cual las herramientas preferidas para recopilación y procesamiento de información son la big data y minería de datos. El modelo basado en agentes es la herramienta que más se ha utilizado para pronosticar y evaluar los posibles resultados que se puedan obtener al implementar alguna política pública
Se observa el interés de los investigadores en desarrollar DSS que ayuden al proceso de formulación de políticas públicas, donde las herramientas de IA más utilizadas son minería de datos y modelos basados en agentes.
Los líderes en investigación y publicaciones en el uso de herramientas de IA aplicada al proceso de formulación de políticas públicas son Estados Unidos, República Popular de China y Reino Unido. Los otros países que realizan un número significativo de investigaciones sobre el tema son países desarrollados ubicados en Asia, Europa y Norte América. Lo cual se alinea con los principales patrocinadores de estas investigaciones que también corresponden a estos continentes. Estas organizaciones patrocinadoras son de carácter gubernamental, lo que evidencia la importancia del apoyo del gobierno para el desarrollo de estas investigaciones.
