APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL
Y EL BIG DATA PARA LA TOMA DE DECISIONES
EN EL SECTOR PÚBLICO NO FINANCIERO DEL
CANTÓN MACHALA, 2026
APPLICATION OF ARTIFICIAL INTELLIGENCE AND BIG
DATA FOR DECISION-MAKING IN THE NON-FINANCIAL
PUBLIC SECTOR OF MACHALA CANTON, 2026
Rosario Selena Quezada Córdova
Universidad Técnica de Machala, Ecuador
Evelyn Marilyn Arista Calderón
Universidad Técnica de Machala, Ecuador
Alexander Geovanny Herrera Freire
Universidad Técnica de Machala, Ecuador
pág. 6654
DOI: https://doi.org/10.37811/cl_rcm.v10i3.24723
Aplicación de la Inteligencia Artificial y el Big Data para la Toma de
Decisiones en el Sector Público No Financiero del cantón Machala, 2026
Rosario Selena Quezada Córdova1
rquezada7@utmachala.edu.ec
https://orcid.org/0009-0007-7699-0644
Universidad Técnica de Machala
Ecuador
Evelyn Marilyn Arista Calderón
earista1@utmachala.edu.ec
https://orcid.org/0009-0004-4360-5621
Universidad Técnica de Machala
Ecuador
Alexander Geovanny Herrera Freire
aherrera@utmachala.edu.ec
https://orcid.org/0000-0003-4039-1029
Universidad Técnica de Machala
Ecuador
RESUMEN
La inteligencia artificial y el Big Data tienen un alto potencial en la clasificación de la información‚
automatización de procesos‚ análisis de datos y apoyo a la toma de decisiones en las técnicas de gestión
pública en la actualidad․ En este artículo se analiza la implementación de la inteligencia artificial y el
Big Data en el Sector Público No Financiero de la ciudad de Machala en el año 2026․ Se utilizó un
diseño mixto de tipo descriptivo-correlacional‚ con tres técnicas: la revisión de documentos‚ la encuesta
a 15 servidores públicos‚ y la entrevista abierta; y una sola herramienta: la ficha de observación
estructurada․ Entre las ventajas de la automatización constatadas están la trazabilidad‚ la rapidez en el
análisis‚ el acceso a información institucional y el uso de datos administrativos․ Sin embargo‚ también
se encontraron obstáculos como la infraestructura inadecuada‚ la falta de capacitación‚ la fragmentación
de datos‚ la baja interoperabilidad‚ los riesgos de privacidad y la necesidad de mayor transparencia en
la gobernanza digital․ El estudio proporciona un marco conceptual y metodológico para entender las
oportunidades y obstáculos de estas tecnologías desde una perspectiva institucional‚ ética y operativa․
Palabras clave: inteligencia artificial, big data, toma de decisiones públicas, sector público no
financiero, gobernanza de datos.
1 Autor principal
Correspondencia: rquezada7@utmachala.edu.ec
DOI: https://doi.org/10.37811/cl_rcm.v10i3.24723
Aplicación de la Inteligencia Artificial y el Big Data para la Toma de
Decisiones en el Sector Público No Financiero del cantón Machala, 2026
Rosario Selena Quezada Córdova1
rquezada7@utmachala.edu.ec
https://orcid.org/0009-0007-7699-0644
Universidad Técnica de Machala
Ecuador
Evelyn Marilyn Arista Calderón
earista1@utmachala.edu.ec
https://orcid.org/0009-0004-4360-5621
Universidad Técnica de Machala
Ecuador
Alexander Geovanny Herrera Freire
aherrera@utmachala.edu.ec
https://orcid.org/0000-0003-4039-1029
Universidad Técnica de Machala
Ecuador
RESUMEN
La inteligencia artificial y el Big Data tienen un alto potencial en la clasificación de la información‚
automatización de procesos‚ análisis de datos y apoyo a la toma de decisiones en las técnicas de gestión
pública en la actualidad․ En este artículo se analiza la implementación de la inteligencia artificial y el
Big Data en el Sector Público No Financiero de la ciudad de Machala en el año 2026․ Se utilizó un
diseño mixto de tipo descriptivo-correlacional‚ con tres técnicas: la revisión de documentos‚ la encuesta
a 15 servidores públicos‚ y la entrevista abierta; y una sola herramienta: la ficha de observación
estructurada․ Entre las ventajas de la automatización constatadas están la trazabilidad‚ la rapidez en el
análisis‚ el acceso a información institucional y el uso de datos administrativos․ Sin embargo‚ también
se encontraron obstáculos como la infraestructura inadecuada‚ la falta de capacitación‚ la fragmentación
de datos‚ la baja interoperabilidad‚ los riesgos de privacidad y la necesidad de mayor transparencia en
la gobernanza digital․ El estudio proporciona un marco conceptual y metodológico para entender las
oportunidades y obstáculos de estas tecnologías desde una perspectiva institucional‚ ética y operativa․
Palabras clave: inteligencia artificial, big data, toma de decisiones públicas, sector público no
financiero, gobernanza de datos.
1 Autor principal
Correspondencia: rquezada7@utmachala.edu.ec
pág. 6655
Application of Artificial Intelligence and Big Data for Decision-Making in
the Non-Financial Public Sector of Machala Canton, 2026
ABSTRACT
Artificial intelligence and big data hold great potential for information classification, process
automation, data analysis, and decision-making support in current public management practices. This
article analyzes the implementation of artificial intelligence and big data in the non-financial public
sector of the city of Machala in 2026. A mixed-methods design of a descriptive-correlational type was
used, employing three techniques: document review, a survey of 15 public servants, and open-ended
interviews; and a single tool: the structured observation form. Among the observed advantages of
automation are traceability, speed in analysis access to institutional information, and the use of
administrative data. However, obstacles were also identified, such as inadequate infrastructure, lack of
training, data fragmentation, low interoperability, privacy risks, and the need for greater transparency
in digital governance. The study provides a conceptual and methodological framework for
understanding the opportunities and obstacles of these technologies from an institutional, ethical, and
operational perspective.
Keywords: artificial intelligence, big data, public decision-making, non-financial public sector, data
governance.
Artículo recibido 20 mayo 2026
Aceptado para publicación: 20 junio 2026
Application of Artificial Intelligence and Big Data for Decision-Making in
the Non-Financial Public Sector of Machala Canton, 2026
ABSTRACT
Artificial intelligence and big data hold great potential for information classification, process
automation, data analysis, and decision-making support in current public management practices. This
article analyzes the implementation of artificial intelligence and big data in the non-financial public
sector of the city of Machala in 2026. A mixed-methods design of a descriptive-correlational type was
used, employing three techniques: document review, a survey of 15 public servants, and open-ended
interviews; and a single tool: the structured observation form. Among the observed advantages of
automation are traceability, speed in analysis access to institutional information, and the use of
administrative data. However, obstacles were also identified, such as inadequate infrastructure, lack of
training, data fragmentation, low interoperability, privacy risks, and the need for greater transparency
in digital governance. The study provides a conceptual and methodological framework for
understanding the opportunities and obstacles of these technologies from an institutional, ethical, and
operational perspective.
Keywords: artificial intelligence, big data, public decision-making, non-financial public sector, data
governance.
Artículo recibido 20 mayo 2026
Aceptado para publicación: 20 junio 2026
pág. 6656
INTRODUCCIÓN
Con la transformación digital del Estado, los métodos que utilizan las instituciones públicas para
presentar, procesar y organizar información, procedimientos y respaldar decisiones administrativas han
sido modificados. En relación con esto, tanto la inteligencia artificial como el Big Data se están
volviendo cada vez más cruciales para la gestión pública. Estas tecnologías, a las que hace referencia
Ocaña-Fernández et al. (2021) y Criado (2021), son marcos para la organización de datos, la
automatización de tareas y el reconocimiento de patrones que permiten a las instituciones formular
respuestas más fundamentadas técnicamente.
El Sector Público No Financiero incorpora los procesos y sistemas de planificación, presupuestación,
gestión documental y control interno, así como la contratación pública, el servicio ciudadano y la
medición del progreso. Estos elementos requieren datos que sean actuales, pertinentes y de fácil
obtención. Los estudios de Serna (2021), Valle-Cruz et al. (2023) y Zamora-Mendoza (2025) indican
que la calidad de los datos promueve la asignación óptima de recursos junto con la evaluación y el
monitoreo de las decisiones públicas y administrativas.
Big Data e IA también tienen sus desventajas. Filgueiras (2021), Berning Prieto (2023), Ponce Solé
(2022) y Gómez Rodríguez (2026) sugieren que, para proteger la privacidad de las personas, los datos
personales integrados en sistemas automatizados deben tener control humano, ser monitorizables y
justificar sus decisiones. Si estas medidas de seguridad son insuficientes, los sistemas pueden respaldar
decisiones opacas y desfavorables o incorporar sesgos en los procesos públicos.
El objetivo general de la presente investigación es el análisis del impacto de la inteligencia artificial y
el Big Data en la toma de decisiones de los servidores públicos del Sector Público No Financiero del
cantón Machala‚ periodo 2026․
Mientras que los objetivos específicos son: Determinar el nivel de uso de las herramientas digitales‚ de
la inteligencia artificial y del Big Data en los procesos administrativos institucionales y determinar la
relación entre la calidad de los datos‚ el uso de los sistemas digitales y el apoyo a la toma de decisiones
públicas․
INTRODUCCIÓN
Con la transformación digital del Estado, los métodos que utilizan las instituciones públicas para
presentar, procesar y organizar información, procedimientos y respaldar decisiones administrativas han
sido modificados. En relación con esto, tanto la inteligencia artificial como el Big Data se están
volviendo cada vez más cruciales para la gestión pública. Estas tecnologías, a las que hace referencia
Ocaña-Fernández et al. (2021) y Criado (2021), son marcos para la organización de datos, la
automatización de tareas y el reconocimiento de patrones que permiten a las instituciones formular
respuestas más fundamentadas técnicamente.
El Sector Público No Financiero incorpora los procesos y sistemas de planificación, presupuestación,
gestión documental y control interno, así como la contratación pública, el servicio ciudadano y la
medición del progreso. Estos elementos requieren datos que sean actuales, pertinentes y de fácil
obtención. Los estudios de Serna (2021), Valle-Cruz et al. (2023) y Zamora-Mendoza (2025) indican
que la calidad de los datos promueve la asignación óptima de recursos junto con la evaluación y el
monitoreo de las decisiones públicas y administrativas.
Big Data e IA también tienen sus desventajas. Filgueiras (2021), Berning Prieto (2023), Ponce Solé
(2022) y Gómez Rodríguez (2026) sugieren que, para proteger la privacidad de las personas, los datos
personales integrados en sistemas automatizados deben tener control humano, ser monitorizables y
justificar sus decisiones. Si estas medidas de seguridad son insuficientes, los sistemas pueden respaldar
decisiones opacas y desfavorables o incorporar sesgos en los procesos públicos.
El objetivo general de la presente investigación es el análisis del impacto de la inteligencia artificial y
el Big Data en la toma de decisiones de los servidores públicos del Sector Público No Financiero del
cantón Machala‚ periodo 2026․
Mientras que los objetivos específicos son: Determinar el nivel de uso de las herramientas digitales‚ de
la inteligencia artificial y del Big Data en los procesos administrativos institucionales y determinar la
relación entre la calidad de los datos‚ el uso de los sistemas digitales y el apoyo a la toma de decisiones
públicas․
pág. 6657
ANTECEDENTES
En el ámbito de la administración pública‚ la literatura más reciente sobre gestión pública y el papel de
la IA considera que estamos pasando de la digitalización a la analítica de datos institucionales․ En este
sentido‚ Ocaña-Fernández et al․ (2021) analizan el papel de la IA en la gestión pública‚ citando
ejemplos como la automatización‚ el archivo de documentos o la optimización de tiempos
administrativos․ Criado (2021) también incluye otros elementos de la implementación de la IA‚ como
la cultura organizacional‚ los criterios de toma de decisiones y los límites de la matriz de juicio
automatizado.
Sobre "Big Data" y "datos abiertos", Castillo Aucancela (2021) señaló que la manipulación a gran escala
de datos públicos requiere instrumentos legales, transparencia regulada y la protección de intereses.
Según Salvador Serna (2021), la gobernanza basada en evidencia requiere el establecimiento de la
gobernanza de datos. Los datos públicos solo se vuelven valiosos con el establecimiento de estructuras
institucionales, políticas respecto a su uso y personal capacitado en análisis de datos. Esto está en línea
con los principios de ambos estudios.
La mayoría de los estudios en América Latina relacionan la inteligencia artificial con la planificación y
presupuestación y con el Estado digital. Valle-Cruz et al. (2023) estudiaron el uso de la IA en la
planificación presupuestaria en México y señalaron que puede usarse para apoyar la planificación
presupuestaria. Ospina Díaz y Zambrano Ospina (2023) estudiaron el caso de Colombia y vincularon
el Estado digital y la IA con la mejora de los servicios y la preparación de los ciudadanos para interactuar
con el gobierno digital e integrado.
Los estudios han reportado barreras persistentes. Guillén et al. (2025) reportaron restricciones en la
infraestructura del sector público peruano, lagunas en la capacitación en datos y falta de confianza.
Corcino-Cerafin et al. (2026) asociaron el gobierno electrónico con la optimización de procesos, pero
afirmaron que las mejoras dependen de la optimización de la interoperabilidad y la estabilidad de las
prácticas administrativas. Zamora-Mendoza (2025) abordó el uso de instrumentos digitales en la
simplificación administrativa y modernización de las instituciones públicas desde la perspectiva
ecuatoriana.
ANTECEDENTES
En el ámbito de la administración pública‚ la literatura más reciente sobre gestión pública y el papel de
la IA considera que estamos pasando de la digitalización a la analítica de datos institucionales․ En este
sentido‚ Ocaña-Fernández et al․ (2021) analizan el papel de la IA en la gestión pública‚ citando
ejemplos como la automatización‚ el archivo de documentos o la optimización de tiempos
administrativos․ Criado (2021) también incluye otros elementos de la implementación de la IA‚ como
la cultura organizacional‚ los criterios de toma de decisiones y los límites de la matriz de juicio
automatizado.
Sobre "Big Data" y "datos abiertos", Castillo Aucancela (2021) señaló que la manipulación a gran escala
de datos públicos requiere instrumentos legales, transparencia regulada y la protección de intereses.
Según Salvador Serna (2021), la gobernanza basada en evidencia requiere el establecimiento de la
gobernanza de datos. Los datos públicos solo se vuelven valiosos con el establecimiento de estructuras
institucionales, políticas respecto a su uso y personal capacitado en análisis de datos. Esto está en línea
con los principios de ambos estudios.
La mayoría de los estudios en América Latina relacionan la inteligencia artificial con la planificación y
presupuestación y con el Estado digital. Valle-Cruz et al. (2023) estudiaron el uso de la IA en la
planificación presupuestaria en México y señalaron que puede usarse para apoyar la planificación
presupuestaria. Ospina Díaz y Zambrano Ospina (2023) estudiaron el caso de Colombia y vincularon
el Estado digital y la IA con la mejora de los servicios y la preparación de los ciudadanos para interactuar
con el gobierno digital e integrado.
Los estudios han reportado barreras persistentes. Guillén et al. (2025) reportaron restricciones en la
infraestructura del sector público peruano, lagunas en la capacitación en datos y falta de confianza.
Corcino-Cerafin et al. (2026) asociaron el gobierno electrónico con la optimización de procesos, pero
afirmaron que las mejoras dependen de la optimización de la interoperabilidad y la estabilidad de las
prácticas administrativas. Zamora-Mendoza (2025) abordó el uso de instrumentos digitales en la
simplificación administrativa y modernización de las instituciones públicas desde la perspectiva
ecuatoriana.
pág. 6658
Los recursos legales y éticos también respaldan esto. Berning Prieto (2023) y Villagrasa y Ponce Solé
(2022), entre otros, enfatizan el uso responsable de la tecnología del Estado y la auditoría, explicabilidad
y alineación con garantías procedimentales y de derechos de la tecnología utilizada en la administración
y el servicio a los ciudadanos.
Aunque gran parte de la literatura ya está consolidada, todavía existen brechas desde la perspectiva de
las instituciones públicas no financieras a nivel local. El cantón de Machala es un sitio ideal para
explorar las percepciones de los funcionarios públicos respecto al uso de herramientas analíticas y el
papel de las TIC, la gestión documental, el servicio ciudadano y el control interno en la toma de
decisiones administrativas de rutina.
Definición del problema
La gestión pública, además de las finanzas, implica el procesamiento y la obtención de datos amplios y
diversos: documentos, demandas ciudadanas, estados financieros, indicadores de gestión, registros de
procedimientos, contratos y bases de datos. Algunos datos viajan a través de sistemas organizacionales,
hojas de cálculo, sistemas de gestión documental y correos electrónicos administrativos. Sin una
integración adecuada, los datos se fragmentarán, lo que limitará la toma de decisiones.
La IA y el Big Data permiten procesar información‚ clasificar documentos‚ detectar patrones y generar
reportes‚ entre otros‚ lo que podría facilitar mejoras en la administración pública‚ aunque su uso se ve
limitado por la infraestructura‚ la falta de interoperabilidad‚ la capacitación‚ la privacidad‚ la opacidad
de algoritmos y la falta de control․ Filgueiras (2021)‚ Guillén Guillén et al․ (2025) y Gómez Rodríguez
(2026) argumentan que esos elementos limitan la capacidad de la gestión para tomar decisiones basadas
en evidencia.
Sin embargo‚ la información de los sistemas de las instituciones públicas no financieras del cantón
Machala se está empezando a digitalizar‚ a pesar de que los servidores públicos aún utilizan diferentes
sistemas‚ informes y documentos․ Por ello‚ y en la medida en que se trata de un sistema‚ la relación de
la IA y el Big Data con los sistemas debe ser objeto de una lectura sistémica que permite entender su
avance‚ sus límites‚ sus potencialidades y sus necesidades de formación en el seno de las instituciones.
¿Hasta qué punto la aplicación de la inteligencia artificial y Big Data se relaciona con el soporte a la
toma de decisiones de los empleados públicos del Sector Público No Financiero del cantón Machala en
Los recursos legales y éticos también respaldan esto. Berning Prieto (2023) y Villagrasa y Ponce Solé
(2022), entre otros, enfatizan el uso responsable de la tecnología del Estado y la auditoría, explicabilidad
y alineación con garantías procedimentales y de derechos de la tecnología utilizada en la administración
y el servicio a los ciudadanos.
Aunque gran parte de la literatura ya está consolidada, todavía existen brechas desde la perspectiva de
las instituciones públicas no financieras a nivel local. El cantón de Machala es un sitio ideal para
explorar las percepciones de los funcionarios públicos respecto al uso de herramientas analíticas y el
papel de las TIC, la gestión documental, el servicio ciudadano y el control interno en la toma de
decisiones administrativas de rutina.
Definición del problema
La gestión pública, además de las finanzas, implica el procesamiento y la obtención de datos amplios y
diversos: documentos, demandas ciudadanas, estados financieros, indicadores de gestión, registros de
procedimientos, contratos y bases de datos. Algunos datos viajan a través de sistemas organizacionales,
hojas de cálculo, sistemas de gestión documental y correos electrónicos administrativos. Sin una
integración adecuada, los datos se fragmentarán, lo que limitará la toma de decisiones.
La IA y el Big Data permiten procesar información‚ clasificar documentos‚ detectar patrones y generar
reportes‚ entre otros‚ lo que podría facilitar mejoras en la administración pública‚ aunque su uso se ve
limitado por la infraestructura‚ la falta de interoperabilidad‚ la capacitación‚ la privacidad‚ la opacidad
de algoritmos y la falta de control․ Filgueiras (2021)‚ Guillén Guillén et al․ (2025) y Gómez Rodríguez
(2026) argumentan que esos elementos limitan la capacidad de la gestión para tomar decisiones basadas
en evidencia.
Sin embargo‚ la información de los sistemas de las instituciones públicas no financieras del cantón
Machala se está empezando a digitalizar‚ a pesar de que los servidores públicos aún utilizan diferentes
sistemas‚ informes y documentos․ Por ello‚ y en la medida en que se trata de un sistema‚ la relación de
la IA y el Big Data con los sistemas debe ser objeto de una lectura sistémica que permite entender su
avance‚ sus límites‚ sus potencialidades y sus necesidades de formación en el seno de las instituciones.
¿Hasta qué punto la aplicación de la inteligencia artificial y Big Data se relaciona con el soporte a la
toma de decisiones de los empleados públicos del Sector Público No Financiero del cantón Machala en
pág. 6659
el año 2026? Esta es la pregunta que el estudio busca responder. La pregunta está dirigida a un estudio
descriptivo-correlacional, en el cual se realizó una encuesta a 15 empleados, una entrevista abierta y
observaciones directas en tres unidades administrativas.
Justificación
El estudio se centra en la modernización de la administración pública y la calidad de las decisiones
tomadas respecto a servicios, procedimientos y recursos. Según Macías-Ibarra y Guadarrama Chaparro
(2025), la participación ciudadana, el gobierno abierto y la inteligencia artificial están relacionados con
nuevas demandas de transparencia. Según Oszlak (2022), un Estado Abierto es aquel que tiene
interacción, datos accesibles y una capacidad institucional adecuada para responder a los ciudadanos.
El estudio abarca el análisis de la disponibilidad de datos y el uso de herramientas digitales‚ la revisión
de informes y bases de datos institucionales‚ y la evaluación del Sector Público No Financiero a través
de la revisión humana․ Este estudio puede ayudar a los ciudadanos a desarrollar nuevas capacitaciones‚
mejorar procedimientos y diseñar nuevos protocolos internos․ Salvador Serna (2021) y Filgueira (2023)
consideran que la gobernanza de datos es producto de las capacidades organizacionales y la
infraestructura y reglas para la coordinación intersectorial.
En relación con los procesos de planeación‚ presupuesto‚ documentación‚ atención al ciudadano y
control interno‚ se pueden identificar‚ a partir de los niveles de tecnología y el uso de sistemas de apoyo
a la decisión‚ las brechas en la actualización de información‚ en la protección de la información al
interior‚ en la comunicación al interior y en el uso de indicadores․ Según lo expuesto por Sánchez-
Chero et al․ (2025) y Santini-Rodríguez (2026)‚ los instrumentos analíticos requieren un marco de
contratación‚ supervisión y control en el sector público.
El vínculo de la aplicación de IA y Big Data, y del apoyo a la toma de decisiones es el núcleo de esta
contribución. La relación de las dos variables puede ser analizada en el contexto de un grupo de
servidores públicos y puede ser la base para futuros estudios con una cobertura más amplia y para
comparaciones interinstitucionales y evaluaciones de los contextos locales de gobernanza de datos
públicos.
el año 2026? Esta es la pregunta que el estudio busca responder. La pregunta está dirigida a un estudio
descriptivo-correlacional, en el cual se realizó una encuesta a 15 empleados, una entrevista abierta y
observaciones directas en tres unidades administrativas.
Justificación
El estudio se centra en la modernización de la administración pública y la calidad de las decisiones
tomadas respecto a servicios, procedimientos y recursos. Según Macías-Ibarra y Guadarrama Chaparro
(2025), la participación ciudadana, el gobierno abierto y la inteligencia artificial están relacionados con
nuevas demandas de transparencia. Según Oszlak (2022), un Estado Abierto es aquel que tiene
interacción, datos accesibles y una capacidad institucional adecuada para responder a los ciudadanos.
El estudio abarca el análisis de la disponibilidad de datos y el uso de herramientas digitales‚ la revisión
de informes y bases de datos institucionales‚ y la evaluación del Sector Público No Financiero a través
de la revisión humana․ Este estudio puede ayudar a los ciudadanos a desarrollar nuevas capacitaciones‚
mejorar procedimientos y diseñar nuevos protocolos internos․ Salvador Serna (2021) y Filgueira (2023)
consideran que la gobernanza de datos es producto de las capacidades organizacionales y la
infraestructura y reglas para la coordinación intersectorial.
En relación con los procesos de planeación‚ presupuesto‚ documentación‚ atención al ciudadano y
control interno‚ se pueden identificar‚ a partir de los niveles de tecnología y el uso de sistemas de apoyo
a la decisión‚ las brechas en la actualización de información‚ en la protección de la información al
interior‚ en la comunicación al interior y en el uso de indicadores․ Según lo expuesto por Sánchez-
Chero et al․ (2025) y Santini-Rodríguez (2026)‚ los instrumentos analíticos requieren un marco de
contratación‚ supervisión y control en el sector público.
El vínculo de la aplicación de IA y Big Data, y del apoyo a la toma de decisiones es el núcleo de esta
contribución. La relación de las dos variables puede ser analizada en el contexto de un grupo de
servidores públicos y puede ser la base para futuros estudios con una cobertura más amplia y para
comparaciones interinstitucionales y evaluaciones de los contextos locales de gobernanza de datos
públicos.
pág. 6660
Objetivo general
Analizar la aplicación de la inteligencia artificial y Big Data como herramienta de apoyo en la toma de
decisiones de los servidores públicos del Sector Público No Financiero del cantón Machala durante el
periodo 2026.
Objetivos específicos
1. Identificar el nivel de implementación de tecnologías digitales, incluyendo inteligencia artificial y
Big Data, en las instituciones del Sector Público No Financiero del cantón Machala.
2. Analizar la calidad y utilidad de la información contenida en los informes institucionales para
apoyar a la toma de decisiones de los servidores públicos.
3. Evaluar el nivel de apoyo que brindan las herramientas tecnológicas, los sistemas digitales, los datos
institucionales en los procesos de toma de decisiones.
Marco conceptual
Inteligencia artificial en la gestión pública
La inteligencia artificial en el gobierno se refiere al uso de inteligencia artificial para la clasificación de
información‚ la detección de patrones‚ la organización de información‚ las alertas y la asistencia en
tareas administrativas bajo supervisión humana․ Se ha utilizado en la administración pública para la
gestión de documentos‚ la atención al público‚ la evaluación de riesgos‚ la revisión de documentos y la
redacción de informes técnicos․ Para Ocaña (2021) la inteligencia artificial en la administración pública
mejora la gestión administrativa y la capacidad de respuesta a las demandas de las instituciones․ No se
trata solo de utilizar un software‚ sino de integrar la inteligencia artificial en el tratamiento ordenado de
la información para facilitar la toma de decisiones técnicamente fundamentadas.
La inteligencia artificial cambia la forma en que se genera la información y se toman las decisiones en
las administraciones públicas․ Según Criado (2021)‚ su implementación requiere una revisión cultural‚
de los criterios de decisión y de los límites del juicio automatizado․ En el ámbito del Sector Público No
Financiero‚ su uso debe contemplar siempre la validación humana‚ el control jurídico y la definición
de criterios administrativos en ámbitos como la planificación‚ control interno‚ archivo‚ atención al
usuario y seguimiento de metas institucionales․ La decisión pública es de responsabilidad institucional‚
por lo tanto‚ nunca habrá recomendaciones automatizadas en lugar del juicio del servidor público․
Objetivo general
Analizar la aplicación de la inteligencia artificial y Big Data como herramienta de apoyo en la toma de
decisiones de los servidores públicos del Sector Público No Financiero del cantón Machala durante el
periodo 2026.
Objetivos específicos
1. Identificar el nivel de implementación de tecnologías digitales, incluyendo inteligencia artificial y
Big Data, en las instituciones del Sector Público No Financiero del cantón Machala.
2. Analizar la calidad y utilidad de la información contenida en los informes institucionales para
apoyar a la toma de decisiones de los servidores públicos.
3. Evaluar el nivel de apoyo que brindan las herramientas tecnológicas, los sistemas digitales, los datos
institucionales en los procesos de toma de decisiones.
Marco conceptual
Inteligencia artificial en la gestión pública
La inteligencia artificial en el gobierno se refiere al uso de inteligencia artificial para la clasificación de
información‚ la detección de patrones‚ la organización de información‚ las alertas y la asistencia en
tareas administrativas bajo supervisión humana․ Se ha utilizado en la administración pública para la
gestión de documentos‚ la atención al público‚ la evaluación de riesgos‚ la revisión de documentos y la
redacción de informes técnicos․ Para Ocaña (2021) la inteligencia artificial en la administración pública
mejora la gestión administrativa y la capacidad de respuesta a las demandas de las instituciones․ No se
trata solo de utilizar un software‚ sino de integrar la inteligencia artificial en el tratamiento ordenado de
la información para facilitar la toma de decisiones técnicamente fundamentadas.
La inteligencia artificial cambia la forma en que se genera la información y se toman las decisiones en
las administraciones públicas․ Según Criado (2021)‚ su implementación requiere una revisión cultural‚
de los criterios de decisión y de los límites del juicio automatizado․ En el ámbito del Sector Público No
Financiero‚ su uso debe contemplar siempre la validación humana‚ el control jurídico y la definición
de criterios administrativos en ámbitos como la planificación‚ control interno‚ archivo‚ atención al
usuario y seguimiento de metas institucionales․ La decisión pública es de responsabilidad institucional‚
por lo tanto‚ nunca habrá recomendaciones automatizadas en lugar del juicio del servidor público․
pág. 6661
Algunos de los elementos a considerar para medir el grado de implementación de IA son sistemas
digitales‚ reportes automáticos‚ tableros de información‚ bases de datos‚ frecuencia de uso y la
capacidad del personal para analizar los resultados․ De acuerdo con Loayza-Pereira y Herrera-Freire
(2025)‚ cuando se cuenta con habilidades digitales‚ la IA tiene el potencial de aumentar la precisión‚
disminuir los errores y hacer que los procesos sean más eficientes․ En función de lo planteado‚ se
presenta el primer objetivo específico‚ que busca determinar el nivel de incorporación de tecnologías
digitales‚ inteligencia artificial y Big Data en las entidades públicas no financieras del cantón Machala․
Big Data y datos administrativos
El concepto de Big Data se relaciona con la capacidad de procesar la gran cantidad de datos generados
por sistemas‚ registros‚ informes‚ trámites‚ plataformas institucionales y bases administrativas․ Su uso
en el Estado depende de la capacidad de organizar la información según criterios de velocidad‚
variedad‚ veracidad y utilidad․ Para Castillo (2021)‚ en un contexto donde los datos públicos son
masivamente tratados‚ se requieren estándares sobre la apertura‚ resguardo y uso de la información
institucional․ En este sentido‚ los datos públicos no son valiosos por su masividad‚ sino que deben ser
de calidad‚ trazables‚ actualizados y utilizados para la solución de problemas administrativos․
Los datos administrativos son aquellos que se generan en el funcionamiento cotidiano de las
instituciones‚ tales como expedientes‚ solicitudes ciudadanas‚ indicadores de gestión‚ contratos‚
informes presupuestarios‚ reportes de atención‚ archivos digitales y bases de control․ Según Salvador
(2021)‚ la gobernanza de datos organiza responsabilidades‚ flujos‚ validaciones y criterios de uso․ Sin
ella‚ los datos desordenados‚ duplicados y obsoletos generan informes poco fiables y dificultan la
planificación‚ las respuestas a los acontecimientos‚ el control interno y la rendición de cuentas ante las
autoridades‚ los usuarios y los organismos de control․
El uso de Big Data en la administración pública requiere interoperabilidad․ Según Corcino-Cerafin
(2026)‚ el gobierno electrónico como optimización de procesos requiere que las áreas se encuentren
interconectadas y que las prácticas administrativas sean estables en el tiempo․ La información de
planeación‚ presupuesto‚ gestión documental‚ atención ciudadana y control interno del Sector Público
No Financiero debe estar comunicada․
Algunos de los elementos a considerar para medir el grado de implementación de IA son sistemas
digitales‚ reportes automáticos‚ tableros de información‚ bases de datos‚ frecuencia de uso y la
capacidad del personal para analizar los resultados․ De acuerdo con Loayza-Pereira y Herrera-Freire
(2025)‚ cuando se cuenta con habilidades digitales‚ la IA tiene el potencial de aumentar la precisión‚
disminuir los errores y hacer que los procesos sean más eficientes․ En función de lo planteado‚ se
presenta el primer objetivo específico‚ que busca determinar el nivel de incorporación de tecnologías
digitales‚ inteligencia artificial y Big Data en las entidades públicas no financieras del cantón Machala․
Big Data y datos administrativos
El concepto de Big Data se relaciona con la capacidad de procesar la gran cantidad de datos generados
por sistemas‚ registros‚ informes‚ trámites‚ plataformas institucionales y bases administrativas․ Su uso
en el Estado depende de la capacidad de organizar la información según criterios de velocidad‚
variedad‚ veracidad y utilidad․ Para Castillo (2021)‚ en un contexto donde los datos públicos son
masivamente tratados‚ se requieren estándares sobre la apertura‚ resguardo y uso de la información
institucional․ En este sentido‚ los datos públicos no son valiosos por su masividad‚ sino que deben ser
de calidad‚ trazables‚ actualizados y utilizados para la solución de problemas administrativos․
Los datos administrativos son aquellos que se generan en el funcionamiento cotidiano de las
instituciones‚ tales como expedientes‚ solicitudes ciudadanas‚ indicadores de gestión‚ contratos‚
informes presupuestarios‚ reportes de atención‚ archivos digitales y bases de control․ Según Salvador
(2021)‚ la gobernanza de datos organiza responsabilidades‚ flujos‚ validaciones y criterios de uso․ Sin
ella‚ los datos desordenados‚ duplicados y obsoletos generan informes poco fiables y dificultan la
planificación‚ las respuestas a los acontecimientos‚ el control interno y la rendición de cuentas ante las
autoridades‚ los usuarios y los organismos de control․
El uso de Big Data en la administración pública requiere interoperabilidad․ Según Corcino-Cerafin
(2026)‚ el gobierno electrónico como optimización de procesos requiere que las áreas se encuentren
interconectadas y que las prácticas administrativas sean estables en el tiempo․ La información de
planeación‚ presupuesto‚ gestión documental‚ atención ciudadana y control interno del Sector Público
No Financiero debe estar comunicada․
pág. 6662
Si cada área administra la información en diferentes formatos‚ la información no puede fluir e integrar
reportes oportunos․ Este marco teórico sirve para examinar la calidad y utilidad de los informes
institucionales․
Calidad de la información institucional
La calidad de la información institucional es la que se manifiesta en la información actualizada‚
completa‚ verificable‚ resguardada y comprensible para los usuarios administrativos․ Un informe
institucional puede ser útil si se elabora con fuentes de información‚ fechas de última actualización‚
criterios de validación y responsables claramente establecidos․ Guillén (2025) señala que en el sector
público hay desafíos relacionados a la infraestructura‚ la capacidad de formación y la confianza en la
información que dificultan la lectura de reportes y la posibilidad de transformar información dispersa
en evidencia que informe la toma de decisiones․
Su efectividad para la gestión institucional depende de la alineación con las prioridades de la institución
y pueden servir para informar sobre prioridades‚ avances‚ retrasos‚ riesgos e indicadores para el
cumplimiento de objetivos․ Según Zamora (2025)‚ el uso de herramientas digitales tiene que ver con la
simplificación administrativa en Ecuador cuando apoyan trámites‚ reducen cargas y la información está
disponible para los tomadores de decisiones․ Los datos que requieren de una interpretación excesiva o
de una revisión manual constante ralentizan el proceso de toma de decisiones y aumentan el riesgo de
errores administrativos․
El segundo objetivo específico se justifica en base a que para analizar la calidad y utilidad de los reportes
institucionales se debe abordar temas como la actualización‚ consistencia‚ trazabilidad‚ seguridad y
pertinencia de la información‚ ya que según Salvador (2021)‚ la gobernanza de datos establece reglas
respecto a la responsabilidad en la creación‚ validación‚ uso y protección de los datos․ Sin estos
criterios‚ la entidad puede tener datos‚ pero no información confiable․ En el caso de las instituciones
públicas no financieras‚ la calidad de datos es un prerrequisito para que la inteligencia artificial y Big
Data puedan servir a la toma de decisiones․
Toma de decisiones públicas
Tomar decisiones en la SPNF incluye los procesos para elegir acciones‚ asignar recursos‚ establecer
prioridades‚ controlar operaciones‚ evaluar resultados y responder a las necesidades de la ciudadanía․
Si cada área administra la información en diferentes formatos‚ la información no puede fluir e integrar
reportes oportunos․ Este marco teórico sirve para examinar la calidad y utilidad de los informes
institucionales․
Calidad de la información institucional
La calidad de la información institucional es la que se manifiesta en la información actualizada‚
completa‚ verificable‚ resguardada y comprensible para los usuarios administrativos․ Un informe
institucional puede ser útil si se elabora con fuentes de información‚ fechas de última actualización‚
criterios de validación y responsables claramente establecidos․ Guillén (2025) señala que en el sector
público hay desafíos relacionados a la infraestructura‚ la capacidad de formación y la confianza en la
información que dificultan la lectura de reportes y la posibilidad de transformar información dispersa
en evidencia que informe la toma de decisiones․
Su efectividad para la gestión institucional depende de la alineación con las prioridades de la institución
y pueden servir para informar sobre prioridades‚ avances‚ retrasos‚ riesgos e indicadores para el
cumplimiento de objetivos․ Según Zamora (2025)‚ el uso de herramientas digitales tiene que ver con la
simplificación administrativa en Ecuador cuando apoyan trámites‚ reducen cargas y la información está
disponible para los tomadores de decisiones․ Los datos que requieren de una interpretación excesiva o
de una revisión manual constante ralentizan el proceso de toma de decisiones y aumentan el riesgo de
errores administrativos․
El segundo objetivo específico se justifica en base a que para analizar la calidad y utilidad de los reportes
institucionales se debe abordar temas como la actualización‚ consistencia‚ trazabilidad‚ seguridad y
pertinencia de la información‚ ya que según Salvador (2021)‚ la gobernanza de datos establece reglas
respecto a la responsabilidad en la creación‚ validación‚ uso y protección de los datos․ Sin estos
criterios‚ la entidad puede tener datos‚ pero no información confiable․ En el caso de las instituciones
públicas no financieras‚ la calidad de datos es un prerrequisito para que la inteligencia artificial y Big
Data puedan servir a la toma de decisiones․
Toma de decisiones públicas
Tomar decisiones en la SPNF incluye los procesos para elegir acciones‚ asignar recursos‚ establecer
prioridades‚ controlar operaciones‚ evaluar resultados y responder a las necesidades de la ciudadanía․
pág. 6663
Para Valle-Cruz (2023)‚ la inteligencia artificial puede intervenir en la planeación presupuestaria para
asignar el gasto público usando datos‚ siempre y cuando existan fuentes y criterios técnicos․ En estos
organismos‚ el uso de información para la toma de decisiones implica revisar indicadores‚ realizar
comparaciones‚ evaluar riesgos y justificar acciones‚ a partir de reportes․ En este sentido‚ la tecnología
es un soporte‚ pero la toma de decisiones le corresponde a la administración․
Sobresale el debate entre evidencia técnica y juicio institucional․ Para Oszlak (2022)‚ el Estado abierto
se relaciona con datos abiertos‚ participación ciudadana y rendición de cuentas․ Según Macías-Ibarra
(2025)‚ el gobierno abierto‚ la participación y la inteligencia artificial están relacionados con la
demanda de transparencia․ Por ello‚ las decisiones deben ser datificadas‚ comprensibles‚ verificables y
comunicadas a las unidades que correspondan․ Aunque la inteligencia artificial y los sistemas digitales
pueden clasificar la información‚ la administración debe dar explicaciones‚ evaluar el impacto y
conservar los datos․
El tercer objetivo específico está basado en este aspecto conceptual․ La decisión acerca del apoyo
tecnológico está relacionada con la forma en que funciona el sistema para establecer prioridades‚ hacer
seguimiento a objetivos‚ controlar procesos‚ asignar recursos y dar apoyo en la toma de decisiones․ Los
reportes institucionales‚ tableros‚ hojas de cálculo y bases de datos sirven de apoyo a la decisión cuando
son empleados por servidores públicos con capacidad analítica․ La relación entre la herramienta
tecnológica y el soporte a la toma de decisiones debe considerar el uso cotidiano‚ la calidad de los datos‚
la oportunidad de los informes y el control humano․
Gobernanza de datos
La gobernanza de datos es el conjunto de normas‚ responsables‚ procedimientos y controles aplicados
a lo largo del ciclo de vida de los datos‚ desde su recogida‚ almacenamiento‚ validación‚ acceso‚ uso y
protección‚ hasta su eliminación․ Según Salvador (2021)‚ la gobernanza de datos permite a las
administraciones públicas desarrollar iniciativas de IA con datos de calidad․ Sin reglas comunes‚ los
informes pueden contener errores de registro‚ duplicidades o interpretaciones inconsistentes․ La
gobernanza distribuye el trabajo entre las distintas unidades y no se basa únicamente en la experiencia
de los empleados․
Para Valle-Cruz (2023)‚ la inteligencia artificial puede intervenir en la planeación presupuestaria para
asignar el gasto público usando datos‚ siempre y cuando existan fuentes y criterios técnicos․ En estos
organismos‚ el uso de información para la toma de decisiones implica revisar indicadores‚ realizar
comparaciones‚ evaluar riesgos y justificar acciones‚ a partir de reportes․ En este sentido‚ la tecnología
es un soporte‚ pero la toma de decisiones le corresponde a la administración․
Sobresale el debate entre evidencia técnica y juicio institucional․ Para Oszlak (2022)‚ el Estado abierto
se relaciona con datos abiertos‚ participación ciudadana y rendición de cuentas․ Según Macías-Ibarra
(2025)‚ el gobierno abierto‚ la participación y la inteligencia artificial están relacionados con la
demanda de transparencia․ Por ello‚ las decisiones deben ser datificadas‚ comprensibles‚ verificables y
comunicadas a las unidades que correspondan․ Aunque la inteligencia artificial y los sistemas digitales
pueden clasificar la información‚ la administración debe dar explicaciones‚ evaluar el impacto y
conservar los datos․
El tercer objetivo específico está basado en este aspecto conceptual․ La decisión acerca del apoyo
tecnológico está relacionada con la forma en que funciona el sistema para establecer prioridades‚ hacer
seguimiento a objetivos‚ controlar procesos‚ asignar recursos y dar apoyo en la toma de decisiones․ Los
reportes institucionales‚ tableros‚ hojas de cálculo y bases de datos sirven de apoyo a la decisión cuando
son empleados por servidores públicos con capacidad analítica․ La relación entre la herramienta
tecnológica y el soporte a la toma de decisiones debe considerar el uso cotidiano‚ la calidad de los datos‚
la oportunidad de los informes y el control humano․
Gobernanza de datos
La gobernanza de datos es el conjunto de normas‚ responsables‚ procedimientos y controles aplicados
a lo largo del ciclo de vida de los datos‚ desde su recogida‚ almacenamiento‚ validación‚ acceso‚ uso y
protección‚ hasta su eliminación․ Según Salvador (2021)‚ la gobernanza de datos permite a las
administraciones públicas desarrollar iniciativas de IA con datos de calidad․ Sin reglas comunes‚ los
informes pueden contener errores de registro‚ duplicidades o interpretaciones inconsistentes․ La
gobernanza distribuye el trabajo entre las distintas unidades y no se basa únicamente en la experiencia
de los empleados․
pág. 6664
En el caso de la administración pública no financiera‚ la gobernanza de datos está relacionada con la
planificación (que requiere indicadores de calidad)‚ con el presupuesto (que requiere datos
actualizados)‚ con la gestión documental (que requiere trazabilidad)‚ con la atención ciudadana (que
requiere información del estado de los trámites) y con el control interno (que requiere datos
verificables)․ Filgueira (2023) identifica como obstáculos para la institucionalización de la inteligencia
artificial y el Big Data en América Latina la falta de infraestructura‚ la dependencia tecnológica y la
falta de talento‚ que afectan la madurez digital de las instituciones de la región․
La gobernanza de los datos está relacionada con los tres objetivos de la investigación como ayuda para
determinar el nivel de implementación tecnológica en función de la existencia de sistemas‚ responsables
y flujos․ En segundo lugar‚ establece un enfoque para la calidad y utilidad de la información
institucional en términos de actualización‚ validación y trazabilidad․ Tercero‚ la gobernanza mejora la
calidad de la evaluación de capacidades de apoyo a la toma de decisiones‚ que debe basarse en
información confiable y procedimientos documentados․ Sin gobernanza‚ la tecnología puede operar en
silos‚ con baja supervisión institucional y menor capacidad de recuperación técnica.
Transparencia y control algorítmico
La transparencia algorítmica se refiere a la capacidad de la institución de explicar cómo funcionan sus
sistemas de clasificación‚ recomendación y previsión․ Según Berning (2023)‚ el uso de la IA por parte
de las administraciones públicas exige responsabilidad‚ control y propuestas para un uso regulado․
Inteligencia artificial‚ regulación y ética se ocupan de los límites en el sector público (Ponce 2022): la
tecnología es un apoyo a la decisión‚ la administración tiene que conocer los criterios‚ evaluar el
resultado y documentar el uso de la tecnología․
Los riesgos de la IA incluyen sesgos‚ errores‚ opacidad‚ afectación de la privacidad‚ dependencia de
proveedores y uso indebido de datos․ Así‚ Gómez (2026) se centra en la gobernanza de la IA en la
administración pública‚ subrayando la necesidad de mantener la vigilancia institucional y el escrutinio․
En auditorías gubernamentales‚ cuando la IA está en el proceso‚ Santini-Rodríguez (2026) menciona
riesgos éticos y de auditoría․ En el Sector Público No Financiero‚ esto se relaciona con los trámites‚
recursos‚ prioridades o respuestas ciudadanas que pueden estar influenciados por informes o sistemas
que utilizan IA․
En el caso de la administración pública no financiera‚ la gobernanza de datos está relacionada con la
planificación (que requiere indicadores de calidad)‚ con el presupuesto (que requiere datos
actualizados)‚ con la gestión documental (que requiere trazabilidad)‚ con la atención ciudadana (que
requiere información del estado de los trámites) y con el control interno (que requiere datos
verificables)․ Filgueira (2023) identifica como obstáculos para la institucionalización de la inteligencia
artificial y el Big Data en América Latina la falta de infraestructura‚ la dependencia tecnológica y la
falta de talento‚ que afectan la madurez digital de las instituciones de la región․
La gobernanza de los datos está relacionada con los tres objetivos de la investigación como ayuda para
determinar el nivel de implementación tecnológica en función de la existencia de sistemas‚ responsables
y flujos․ En segundo lugar‚ establece un enfoque para la calidad y utilidad de la información
institucional en términos de actualización‚ validación y trazabilidad․ Tercero‚ la gobernanza mejora la
calidad de la evaluación de capacidades de apoyo a la toma de decisiones‚ que debe basarse en
información confiable y procedimientos documentados․ Sin gobernanza‚ la tecnología puede operar en
silos‚ con baja supervisión institucional y menor capacidad de recuperación técnica.
Transparencia y control algorítmico
La transparencia algorítmica se refiere a la capacidad de la institución de explicar cómo funcionan sus
sistemas de clasificación‚ recomendación y previsión․ Según Berning (2023)‚ el uso de la IA por parte
de las administraciones públicas exige responsabilidad‚ control y propuestas para un uso regulado․
Inteligencia artificial‚ regulación y ética se ocupan de los límites en el sector público (Ponce 2022): la
tecnología es un apoyo a la decisión‚ la administración tiene que conocer los criterios‚ evaluar el
resultado y documentar el uso de la tecnología․
Los riesgos de la IA incluyen sesgos‚ errores‚ opacidad‚ afectación de la privacidad‚ dependencia de
proveedores y uso indebido de datos․ Así‚ Gómez (2026) se centra en la gobernanza de la IA en la
administración pública‚ subrayando la necesidad de mantener la vigilancia institucional y el escrutinio․
En auditorías gubernamentales‚ cuando la IA está en el proceso‚ Santini-Rodríguez (2026) menciona
riesgos éticos y de auditoría․ En el Sector Público No Financiero‚ esto se relaciona con los trámites‚
recursos‚ prioridades o respuestas ciudadanas que pueden estar influenciados por informes o sistemas
que utilizan IA․
pág. 6665
La transparencia y el control algorítmico son principios fundamentales para evaluar en qué medida las
herramientas digitales pueden ayudar a la toma de decisiones․ La velocidad no es el único criterio a
tener en cuenta para evaluar las herramientas digitales‚ y la explicabilidad‚ la auditoría de datos y la
corrección de errores son igualmente importantes․ Pese a las oportunidades que la aplicación de
inteligencia artificial puede generar en la lucha contra la corrupción‚ Villagrasa y Ponce (2022)
advierten de los riesgos que puede conllevar su uso descontrolado․ Con un marco teórico que abarca la
implementación‚ la calidad de los datos y el soporte en la toma de decisiones‚ se analiza de manera
completa la aplicación de inteligencia artificial y Big Data en la gestión pública local․
MÉTODO
La investigación fue diseñada como un estudio transversal con un enfoque descriptivo-correlacional y
método mixto. El estudio correlacional cuantitativo evaluó el uso de la Inteligencia Artificial y Big Data
y las implicaciones para la toma de decisiones. El estudio cualitativo, que incluyó una entrevista abierta
y observación estructurada, tuvo como objetivo comparar percepciones con prácticas administrativas.
La población estudiada estuvo formada por los empleados públicos que realizan las actividades
administrativas del Sector Público No Financiero del cantón Machala. El estudio tuvo un alcance
exploratorio y local, por lo que la muestra estuvo conformada por 15 empleados públicos de las áreas
de planificación, TI, gestión documental, atención al ciudadano, presupuesto y control interno. Estos
empleados fueron seleccionados por su participación directa en el registro, consulta y/o uso de datos
institucionales.
La encuesta recopiló información de 15 servidores públicos. Se realizó una entrevista exhaustiva a un
gerente administrativo especialista en sistemas, informes y validación. Se aplicó un marco de
observación en los sectores de Planificación Institucional, Gestión Documental y Servicio Ciudadano.
Dado el diseño del estudio y los sectores cubiertos, no fue necesaria una encuesta más amplia para
recopilar datos declarativos, narrativos y operativos.
Se definieron dos variables para este estudio. La primera cubrió la aplicación de IA, medición de Big
Data, métricas tecnológicas, y, datos, calidad, automatización, trazabilidad y seguridad. La segunda‚
que cubría el sistema de apoyo a la toma de decisiones‚ se medía en función de los informes‚ la
La transparencia y el control algorítmico son principios fundamentales para evaluar en qué medida las
herramientas digitales pueden ayudar a la toma de decisiones․ La velocidad no es el único criterio a
tener en cuenta para evaluar las herramientas digitales‚ y la explicabilidad‚ la auditoría de datos y la
corrección de errores son igualmente importantes․ Pese a las oportunidades que la aplicación de
inteligencia artificial puede generar en la lucha contra la corrupción‚ Villagrasa y Ponce (2022)
advierten de los riesgos que puede conllevar su uso descontrolado․ Con un marco teórico que abarca la
implementación‚ la calidad de los datos y el soporte en la toma de decisiones‚ se analiza de manera
completa la aplicación de inteligencia artificial y Big Data en la gestión pública local․
MÉTODO
La investigación fue diseñada como un estudio transversal con un enfoque descriptivo-correlacional y
método mixto. El estudio correlacional cuantitativo evaluó el uso de la Inteligencia Artificial y Big Data
y las implicaciones para la toma de decisiones. El estudio cualitativo, que incluyó una entrevista abierta
y observación estructurada, tuvo como objetivo comparar percepciones con prácticas administrativas.
La población estudiada estuvo formada por los empleados públicos que realizan las actividades
administrativas del Sector Público No Financiero del cantón Machala. El estudio tuvo un alcance
exploratorio y local, por lo que la muestra estuvo conformada por 15 empleados públicos de las áreas
de planificación, TI, gestión documental, atención al ciudadano, presupuesto y control interno. Estos
empleados fueron seleccionados por su participación directa en el registro, consulta y/o uso de datos
institucionales.
La encuesta recopiló información de 15 servidores públicos. Se realizó una entrevista exhaustiva a un
gerente administrativo especialista en sistemas, informes y validación. Se aplicó un marco de
observación en los sectores de Planificación Institucional, Gestión Documental y Servicio Ciudadano.
Dado el diseño del estudio y los sectores cubiertos, no fue necesaria una encuesta más amplia para
recopilar datos declarativos, narrativos y operativos.
Se definieron dos variables para este estudio. La primera cubrió la aplicación de IA, medición de Big
Data, métricas tecnológicas, y, datos, calidad, automatización, trazabilidad y seguridad. La segunda‚
que cubría el sistema de apoyo a la toma de decisiones‚ se medía en función de los informes‚ la
pág. 6666
asignación de recursos‚ la definición de prioridades‚ la presencia de un revisor‚ la comunicación entre
servicios y los procedimientos establecidos․
El instrumento tenía 18 ítems con respuesta en escala de Likert de 5 puntos‚ y una puntuación total de
18 a 90 puntos‚ y la variable se clasificó en alta‚ media y baja‚ según la puntuación total․
La entrevista abierta consistió en 10 preguntas sobre herramientas‚ calidad de datos‚ colaboración entre
servicios‚ revisión humana‚ riesgo‚ gobernanza y calidad de datos․ La guía de observación consistió en
preguntar y observar en el campo el uso de herramientas‚ la entrada de registros humanos y la
vinculación a bases de datos‚ la elaboración de informes‚ la supervisión humana‚ la coordinación y la
colaboración entre instituciones‚ la seguridad‚ la capacitación y la gobernanza de datos․ Las
herramientas fueron evaluadas por su claridad‚ relevancia y precisión‚ y valoradas por su alineación
con el estudio.
Para el análisis cuantitativo se utilizó el conteo de frecuencias‚ el cálculo de porcentajes‚ la media del
puntaje por dimensión y el cálculo del rho de Spearman․ Debido a la muestra pequeña que se utilizó y
al tipo de respuesta ordinal‚ esta fue la mejor opción para el análisis de los datos․ Para la parte cualitativa
del análisis‚ se realizaron entrevistas y observaciones sobre las cinco dimensiones del uso de la
tecnología‚ la calidad de los datos‚ el apoyo a la toma de decisiones‚ la transparencia y las restricciones‚
y se elaboró una tabla de triangulación.
Este proceso mantuvo la confidencialidad y la propiedad académica de la información. Los nombres y
datos identificativos de los participantes no fueron documentados. Antes de aplicar los instrumentos, se
aclaró el objetivo y la naturaleza voluntaria del estudio. Los datos fueron codificados digitalmente en
una matriz y revisados previamente al análisis.
Tabla 1 Distribución de participantes e instrumentos aplicados
Fuente Número Perfil Propósito
Encuesta 15 servidores Áreas de planificación, TIC,
archivo, atención ciudadana,
presupuesto y control
Medir niveles de aplicación
tecnológica y apoyo decisional
Entrevista abierta 1 responsable Perfil técnico-administrativo con
acceso a sistemas y reportes
Profundizar criterios de gestión de
datos y revisión humana
Observación
estructurada
3 áreas Planificación, gestión documental
y atención ciudadana
Contrastar prácticas visibles con
respuestas declaradas
Nota. Elaboración propia.
asignación de recursos‚ la definición de prioridades‚ la presencia de un revisor‚ la comunicación entre
servicios y los procedimientos establecidos․
El instrumento tenía 18 ítems con respuesta en escala de Likert de 5 puntos‚ y una puntuación total de
18 a 90 puntos‚ y la variable se clasificó en alta‚ media y baja‚ según la puntuación total․
La entrevista abierta consistió en 10 preguntas sobre herramientas‚ calidad de datos‚ colaboración entre
servicios‚ revisión humana‚ riesgo‚ gobernanza y calidad de datos․ La guía de observación consistió en
preguntar y observar en el campo el uso de herramientas‚ la entrada de registros humanos y la
vinculación a bases de datos‚ la elaboración de informes‚ la supervisión humana‚ la coordinación y la
colaboración entre instituciones‚ la seguridad‚ la capacitación y la gobernanza de datos․ Las
herramientas fueron evaluadas por su claridad‚ relevancia y precisión‚ y valoradas por su alineación
con el estudio.
Para el análisis cuantitativo se utilizó el conteo de frecuencias‚ el cálculo de porcentajes‚ la media del
puntaje por dimensión y el cálculo del rho de Spearman․ Debido a la muestra pequeña que se utilizó y
al tipo de respuesta ordinal‚ esta fue la mejor opción para el análisis de los datos․ Para la parte cualitativa
del análisis‚ se realizaron entrevistas y observaciones sobre las cinco dimensiones del uso de la
tecnología‚ la calidad de los datos‚ el apoyo a la toma de decisiones‚ la transparencia y las restricciones‚
y se elaboró una tabla de triangulación.
Este proceso mantuvo la confidencialidad y la propiedad académica de la información. Los nombres y
datos identificativos de los participantes no fueron documentados. Antes de aplicar los instrumentos, se
aclaró el objetivo y la naturaleza voluntaria del estudio. Los datos fueron codificados digitalmente en
una matriz y revisados previamente al análisis.
Tabla 1 Distribución de participantes e instrumentos aplicados
Fuente Número Perfil Propósito
Encuesta 15 servidores Áreas de planificación, TIC,
archivo, atención ciudadana,
presupuesto y control
Medir niveles de aplicación
tecnológica y apoyo decisional
Entrevista abierta 1 responsable Perfil técnico-administrativo con
acceso a sistemas y reportes
Profundizar criterios de gestión de
datos y revisión humana
Observación
estructurada
3 áreas Planificación, gestión documental
y atención ciudadana
Contrastar prácticas visibles con
respuestas declaradas
Nota. Elaboración propia.
pág. 6667
Tabla 2 Matriz de operacionalización
Variable Dimensión Indicadores Instrumento
Aplicación de IA y Big
Data
Uso tecnológico Sistemas activos, reportes,
automatización, consulta de tableros
Encuesta y observación
Aplicación de IA y Big
Data
Gestión de datos Actualización, interoperabilidad,
calidad, trazabilidad, seguridad
Encuesta, entrevista y
observación
Apoyo a la toma de
decisiones
Soporte analítico Uso de indicadores, priorización de
recursos, revisión de alternativas
Encuesta y entrevista
Apoyo a la toma de
decisiones
Transparencia y
control
Explicación de criterios, revisión
humana, registro de cambios
Encuesta, entrevista y
observación
Condiciones
institucionales
Riesgos y
barreras
Sesgos, privacidad, capacitación,
infraestructura, regulación interna
Encuesta, entrevista y
observación
Nota. Elaboración propia.
Tabla 3 Triangulación metodológica prevista
Fuente Información que aporta Contraste previsto
Encuesta Percepciones y niveles por dimensión
en 15 servidores públicos
Comparar tendencias cuantitativas
con relato técnico y práctica visible
Entrevista abierta Criterios de uso, barreras, revisión
humana y gobierno de datos
Explicar causas de puntajes medios o
altos en la encuesta
Observación
estructurada
Evidencia visible sobre sistemas,
registros, reportes y resguardo
Verificar correspondencia entre
discurso y rutina operativa
Síntesis triangular Convergencias, diferencias y zonas de
mejora
Construir una lectura final para
recomendaciones institucionales
Nota. Elaboración propia.
RESULTADOS
La muestra incluyó a 15 funcionarios públicos del Sector Público No Financiero del cantón Machala.
Los perfiles incluidos fueron planificación institucional, tecnología de la información, gestión
documental, atención ciudadana, presupuestación y control interno. Predominantemente, gestionaron o
utilizaron alguna forma de sistema digital y/o hoja de cálculo, sistema de procesamiento y/o informes
internos a diario. Para el análisis cuantitativo se utilizó el conteo de frecuencias‚ el cálculo de
porcentajes‚ la media del puntaje por dimensión y el cálculo del rho de Spearman․
Tabla 2 Matriz de operacionalización
Variable Dimensión Indicadores Instrumento
Aplicación de IA y Big
Data
Uso tecnológico Sistemas activos, reportes,
automatización, consulta de tableros
Encuesta y observación
Aplicación de IA y Big
Data
Gestión de datos Actualización, interoperabilidad,
calidad, trazabilidad, seguridad
Encuesta, entrevista y
observación
Apoyo a la toma de
decisiones
Soporte analítico Uso de indicadores, priorización de
recursos, revisión de alternativas
Encuesta y entrevista
Apoyo a la toma de
decisiones
Transparencia y
control
Explicación de criterios, revisión
humana, registro de cambios
Encuesta, entrevista y
observación
Condiciones
institucionales
Riesgos y
barreras
Sesgos, privacidad, capacitación,
infraestructura, regulación interna
Encuesta, entrevista y
observación
Nota. Elaboración propia.
Tabla 3 Triangulación metodológica prevista
Fuente Información que aporta Contraste previsto
Encuesta Percepciones y niveles por dimensión
en 15 servidores públicos
Comparar tendencias cuantitativas
con relato técnico y práctica visible
Entrevista abierta Criterios de uso, barreras, revisión
humana y gobierno de datos
Explicar causas de puntajes medios o
altos en la encuesta
Observación
estructurada
Evidencia visible sobre sistemas,
registros, reportes y resguardo
Verificar correspondencia entre
discurso y rutina operativa
Síntesis triangular Convergencias, diferencias y zonas de
mejora
Construir una lectura final para
recomendaciones institucionales
Nota. Elaboración propia.
RESULTADOS
La muestra incluyó a 15 funcionarios públicos del Sector Público No Financiero del cantón Machala.
Los perfiles incluidos fueron planificación institucional, tecnología de la información, gestión
documental, atención ciudadana, presupuestación y control interno. Predominantemente, gestionaron o
utilizaron alguna forma de sistema digital y/o hoja de cálculo, sistema de procesamiento y/o informes
internos a diario. Para el análisis cuantitativo se utilizó el conteo de frecuencias‚ el cálculo de
porcentajes‚ la media del puntaje por dimensión y el cálculo del rho de Spearman․
pág. 6668
Debido a la muestra pequeña que se utilizó y al tipo de respuesta ordinal‚ esta fue la mejor opción para
el análisis de los datos․ Para la parte cualitativa del análisis‚ se realizaron entrevistas y observaciones
sobre las cinco dimensiones del uso de la tecnología‚ la calidad de los datos‚ el apoyo a la toma de
decisiones‚ la transparencia y las restricciones‚ y se elaboró una tabla de triangulación. Seis
participantes tenían entre cuatro y siete años de experiencia trabajando en el sector público. Cinco
habían trabajado en el sector público durante ocho años o más. Cuatro participantes tenían experiencia
trabajando en el sector público entre uno y tres años.
Tabla 4 Características generales de los participantes
Ítem Categoría Frecuencia Porcentaje
Área funcional
Planificación institucional 3 20.0 %
Tecnologías de la información 3 20.0 %
Gestión documental o archivo 3 20.0 %
Atención ciudadana 3 20.0 %
Presupuesto o control interno 3 20.0 %
Experiencia
1 a 3 años 4 26.7 %
4 a 7 años 6 40.0 %
8 años o más 5 33.3 %
Uso de sistemas digitales Diario 12 80.0 %
Tres a cuatro veces por semana 3 20.0 %
Nota. Elaboración propia a partir de la encuesta aplicada.
La mayoría de las respuestas para las aplicaciones de IA y Big Data se ubicaron en nivel medio (8),
nivel alto (5) y nivel bajo (2). A pesar de contar con algunas herramientas digitales y reportes‚ el avance
en la integración de bases de datos y en la trazabilidad y comprensión de los estándares de calidad de
los datos es desigual․
La mayoría de las respuestas en el apoyo a la toma de decisiones fueron de nivel medio: nueve
participantes fueron de nivel medio‚ cinco de nivel alto y uno de nivel bajo․ Las mejores respuestas
incluyen informes para verificar y agilizar procesos y tiempos administrativos. Las puntuaciones más
bajas fueron para la explicación formal de los criterios y los procedimientos de corrección de errores.
Tabla 5 Niveles de aplicación tecnológica y apoyo decisional
Variable Nivel bajo Nivel medio Nivel alto
Aplicación de IA y Big Data 2 (13.3 %) 8 (53.3 %) 5 (33.3 %)
Apoyo a la toma de decisiones 1 (6.7 %) 9 (60.0 %) 5 (33.3 %)
Nota. Elaboración propia a partir de la escala aplicada a 15 servidores.
Debido a la muestra pequeña que se utilizó y al tipo de respuesta ordinal‚ esta fue la mejor opción para
el análisis de los datos․ Para la parte cualitativa del análisis‚ se realizaron entrevistas y observaciones
sobre las cinco dimensiones del uso de la tecnología‚ la calidad de los datos‚ el apoyo a la toma de
decisiones‚ la transparencia y las restricciones‚ y se elaboró una tabla de triangulación. Seis
participantes tenían entre cuatro y siete años de experiencia trabajando en el sector público. Cinco
habían trabajado en el sector público durante ocho años o más. Cuatro participantes tenían experiencia
trabajando en el sector público entre uno y tres años.
Tabla 4 Características generales de los participantes
Ítem Categoría Frecuencia Porcentaje
Área funcional
Planificación institucional 3 20.0 %
Tecnologías de la información 3 20.0 %
Gestión documental o archivo 3 20.0 %
Atención ciudadana 3 20.0 %
Presupuesto o control interno 3 20.0 %
Experiencia
1 a 3 años 4 26.7 %
4 a 7 años 6 40.0 %
8 años o más 5 33.3 %
Uso de sistemas digitales Diario 12 80.0 %
Tres a cuatro veces por semana 3 20.0 %
Nota. Elaboración propia a partir de la encuesta aplicada.
La mayoría de las respuestas para las aplicaciones de IA y Big Data se ubicaron en nivel medio (8),
nivel alto (5) y nivel bajo (2). A pesar de contar con algunas herramientas digitales y reportes‚ el avance
en la integración de bases de datos y en la trazabilidad y comprensión de los estándares de calidad de
los datos es desigual․
La mayoría de las respuestas en el apoyo a la toma de decisiones fueron de nivel medio: nueve
participantes fueron de nivel medio‚ cinco de nivel alto y uno de nivel bajo․ Las mejores respuestas
incluyen informes para verificar y agilizar procesos y tiempos administrativos. Las puntuaciones más
bajas fueron para la explicación formal de los criterios y los procedimientos de corrección de errores.
Tabla 5 Niveles de aplicación tecnológica y apoyo decisional
Variable Nivel bajo Nivel medio Nivel alto
Aplicación de IA y Big Data 2 (13.3 %) 8 (53.3 %) 5 (33.3 %)
Apoyo a la toma de decisiones 1 (6.7 %) 9 (60.0 %) 5 (33.3 %)
Nota. Elaboración propia a partir de la escala aplicada a 15 servidores.
pág. 6669
Por dimensión‚ el análisis dimensional mostró que el soporte analítico y el uso de tecnología tenían las
calificaciones más altas con 3․73 y 3․67‚ mientras que la calidad de los datos‚ la transparencia‚ el
control y las barreras de riesgo eran las de menor calificación․ Esto indica que‚ a pesar de la
disponibilidad de herramientas‚ aún es necesario abordar la formalización de las prácticas de
gobernanza de datos en estas áreas.
El coeficiente rho de Spearman se calculó como 0.71. El valor p se determinó en 0.003. Por lo tanto,
emergió una relación positiva significativa entre el uso de IA y Big Data y el apoyo a las decisiones. En
este caso, los encuestados que consideraron que la presencia de herramientas analíticas y datos e
informes oportunos eran fuertes, evaluaron positivamente el uso de evidencia para clasificar, ordenar y
evaluar las acciones administrativas y las alternativas de decisión.
Tabla 6 Promedios por dimensión
Dimensión Promedio sobre 5 Lectura
Uso tecnológico 3.73 Presencia frecuente de sistemas, reportes y
plataformas
Gestión y calidad de datos 3.29 Avance parcial en actualización, integración y
corrección
Apoyo a la decisión 3.67 Uso moderado-alto de evidencia para revisar
procesos
Transparencia y control 3.31 Explicación y registro todavía no uniformes
Riesgos y barreras 3.02 Capacitación e infraestructura requieren atención
Nota. Elaboración propia.
Tabla 7 Asociación entre variables
Indicador Valor Interpretación
Coeficiente rho de Spearman 0.71 Asociación positiva alta
Valor p 0.003 Menor que 0.05
Tamaño de muestra 15 servidores Grupo local de análisis
Nota. Elaboración propia a partir del procesamiento estadístico.
La entrevista abierta mostró que la organización combina el uso de hojas de cálculo y gestores de
documentos, junto con informes administrativos, para evaluar procedimientos, el logro de metas y la
evaluación del tiempo de respuesta. La persona entrevistada dijo que, para algunas decisiones, todavía
depende de consolidaciones manuales.
Por dimensión‚ el análisis dimensional mostró que el soporte analítico y el uso de tecnología tenían las
calificaciones más altas con 3․73 y 3․67‚ mientras que la calidad de los datos‚ la transparencia‚ el
control y las barreras de riesgo eran las de menor calificación․ Esto indica que‚ a pesar de la
disponibilidad de herramientas‚ aún es necesario abordar la formalización de las prácticas de
gobernanza de datos en estas áreas.
El coeficiente rho de Spearman se calculó como 0.71. El valor p se determinó en 0.003. Por lo tanto,
emergió una relación positiva significativa entre el uso de IA y Big Data y el apoyo a las decisiones. En
este caso, los encuestados que consideraron que la presencia de herramientas analíticas y datos e
informes oportunos eran fuertes, evaluaron positivamente el uso de evidencia para clasificar, ordenar y
evaluar las acciones administrativas y las alternativas de decisión.
Tabla 6 Promedios por dimensión
Dimensión Promedio sobre 5 Lectura
Uso tecnológico 3.73 Presencia frecuente de sistemas, reportes y
plataformas
Gestión y calidad de datos 3.29 Avance parcial en actualización, integración y
corrección
Apoyo a la decisión 3.67 Uso moderado-alto de evidencia para revisar
procesos
Transparencia y control 3.31 Explicación y registro todavía no uniformes
Riesgos y barreras 3.02 Capacitación e infraestructura requieren atención
Nota. Elaboración propia.
Tabla 7 Asociación entre variables
Indicador Valor Interpretación
Coeficiente rho de Spearman 0.71 Asociación positiva alta
Valor p 0.003 Menor que 0.05
Tamaño de muestra 15 servidores Grupo local de análisis
Nota. Elaboración propia a partir del procesamiento estadístico.
La entrevista abierta mostró que la organización combina el uso de hojas de cálculo y gestores de
documentos, junto con informes administrativos, para evaluar procedimientos, el logro de metas y la
evaluación del tiempo de respuesta. La persona entrevistada dijo que, para algunas decisiones, todavía
depende de consolidaciones manuales.
pág. 6670
También afirmó que, si las bases de datos tienen formatos incompatibles y se actualizan con diferentes
estándares, entonces la integración de diferentes secciones de la organización se realizará muy
lentamente.
El entrevistado mencionó algunas barreras. Algunas incluyen una capacitación inconsistente y una
dependencia de validaciones manuales, junto con la falta de estándares comunes de calidad de datos.
Comentó en profundidad las validaciones manuales, especialmente en aquellos informes que afectan la
organización de procedimientos y la asignación de recursos. Esto está en consonancia con los estudios
de Berning Prieto (2023) y Gómez Rodríguez (2026), ya que se refieren a la inteligencia artificial
pública y su relación con la explicación, el control y la responsabilidad en la administración pública.
Tabla 8 Síntesis de la entrevista abierta
Eje Hallazgo principal Lectura analítica
Herramientas usadas Sistemas de trámite, reportes, hojas de
cálculo y bases internas
Existe soporte digital, con uso no
homogéneo entre áreas
Calidad de datos Se revisan duplicados y errores, pero sin
protocolo único
La validación depende de experiencia
del personal
Apoyo decisional Los reportes orientan prioridades,
tiempos y seguimiento de metas
El dato incide en decisiones operativas
Supervisión humana Toda recomendación se revisa antes de
decidir
La revisión humana actúa como barrera
de control
Barreras Capacitación, integración y seguridad de
información
La gestión requiere gobierno de datos
más formal
Nota. Elaboración propia a partir de entrevista abierta.
Los sistemas y registros digitales estaban disponibles en los tres sectores al analizar los sistemas
digitales para la planificación, gestión de documentos y atención ciudadana. En planificación, se
observó el uso de informes para el seguimiento de metas. En gestión de documentos, se verificaron
archivos y estados de procesamiento. En el caso de atención ciudadana‚ para las solicitudes a través de
plataformas‚ se hacía una revisión humana de los resultados en los tres sectores antes de dar la
información y el resultado․
La integración de bases de datos‚ el logging‚ la formación continua y la protección de datos eran áreas
en las que había más debilidades․ En particular‚ la protección de datos se aplicaba de forma parcial en
sistemas de contraseñas y control de acceso‚ pero no se apreciaban instrucciones claras y concretas
También afirmó que, si las bases de datos tienen formatos incompatibles y se actualizan con diferentes
estándares, entonces la integración de diferentes secciones de la organización se realizará muy
lentamente.
El entrevistado mencionó algunas barreras. Algunas incluyen una capacitación inconsistente y una
dependencia de validaciones manuales, junto con la falta de estándares comunes de calidad de datos.
Comentó en profundidad las validaciones manuales, especialmente en aquellos informes que afectan la
organización de procedimientos y la asignación de recursos. Esto está en consonancia con los estudios
de Berning Prieto (2023) y Gómez Rodríguez (2026), ya que se refieren a la inteligencia artificial
pública y su relación con la explicación, el control y la responsabilidad en la administración pública.
Tabla 8 Síntesis de la entrevista abierta
Eje Hallazgo principal Lectura analítica
Herramientas usadas Sistemas de trámite, reportes, hojas de
cálculo y bases internas
Existe soporte digital, con uso no
homogéneo entre áreas
Calidad de datos Se revisan duplicados y errores, pero sin
protocolo único
La validación depende de experiencia
del personal
Apoyo decisional Los reportes orientan prioridades,
tiempos y seguimiento de metas
El dato incide en decisiones operativas
Supervisión humana Toda recomendación se revisa antes de
decidir
La revisión humana actúa como barrera
de control
Barreras Capacitación, integración y seguridad de
información
La gestión requiere gobierno de datos
más formal
Nota. Elaboración propia a partir de entrevista abierta.
Los sistemas y registros digitales estaban disponibles en los tres sectores al analizar los sistemas
digitales para la planificación, gestión de documentos y atención ciudadana. En planificación, se
observó el uso de informes para el seguimiento de metas. En gestión de documentos, se verificaron
archivos y estados de procesamiento. En el caso de atención ciudadana‚ para las solicitudes a través de
plataformas‚ se hacía una revisión humana de los resultados en los tres sectores antes de dar la
información y el resultado․
La integración de bases de datos‚ el logging‚ la formación continua y la protección de datos eran áreas
en las que había más debilidades․ En particular‚ la protección de datos se aplicaba de forma parcial en
sistemas de contraseñas y control de acceso‚ pero no se apreciaban instrucciones claras y concretas
pág. 6671
sobre la protección de datos de naturaleza sensible. La capacitación se realizó ocasionalmente, con
mentoría informal entre pares y pocos o ningún indicio de capacitación formal.
Tabla 9 Resultados de la observación estructurada
Categoría Planificación Gestión documental Atención ciudadana
Disponibilidad tecnológica Sí Sí Parcial
Actualización de registros Parcial Sí Parcial
Integración entre bases Parcial Parcial No
Uso de reportes para decidir Sí Parcial Parcial
Supervisión humana Sí Sí Sí
Transparencia interna Parcial Parcial Parcial
Seguridad y privacidad Parcial Sí Parcial
Capacitación visible Parcial No No
Nota. Sí = presencia clara; Parcial = presencia incompleta; No = ausencia visible durante la observación.
El método de triangulación combina encuestas, entrevistas y observaciones. Las tres herramientas
demostraron que la institución emplea tecnología para estructurar la información y facilitar la toma de
decisiones, pero también evidenciaron brechas en las áreas de interoperabilidad, capacitación y el marco
de calidad de datos. La encuesta ofreció valoraciones y la oportunidad de algunas correlaciones. Las
entrevistas proporcionaron explicaciones sobre las correlaciones y analizaron las prácticas. La
observación identificó las estructuras, los sistemas, los informes y los controles.
En cuanto a la supervisión humana, hubo el mayor nivel de convergencia. La encuesta presentó a los
gerentes con una evaluación favorable. La entrevista analizó esto como una premisa para la relación en
la toma de decisiones, mientras que la observación confirmó la validación antes de la presentación de
los datos.
La mayor divergencia fue en el área de calidad de los datos. La encuesta mostró un nivel medio de
calidad, mientras que la observación mostró diversidad en las diferentes áreas y la ausencia de criterios
de revisión de calidad.
Tabla 10 Triangulación de hallazgos
Eje Encuesta Entrevista y observación Síntesis
Uso tecnológico Nivel medio-alto en la
mayoría de servidores
Sistemas y reportes visibles
en las tres áreas
La tecnología se usa de
forma cotidiana
Calidad de datos Promedio medio Registros parciales y
criterios no uniformes
La calidad requiere
protocolo común
sobre la protección de datos de naturaleza sensible. La capacitación se realizó ocasionalmente, con
mentoría informal entre pares y pocos o ningún indicio de capacitación formal.
Tabla 9 Resultados de la observación estructurada
Categoría Planificación Gestión documental Atención ciudadana
Disponibilidad tecnológica Sí Sí Parcial
Actualización de registros Parcial Sí Parcial
Integración entre bases Parcial Parcial No
Uso de reportes para decidir Sí Parcial Parcial
Supervisión humana Sí Sí Sí
Transparencia interna Parcial Parcial Parcial
Seguridad y privacidad Parcial Sí Parcial
Capacitación visible Parcial No No
Nota. Sí = presencia clara; Parcial = presencia incompleta; No = ausencia visible durante la observación.
El método de triangulación combina encuestas, entrevistas y observaciones. Las tres herramientas
demostraron que la institución emplea tecnología para estructurar la información y facilitar la toma de
decisiones, pero también evidenciaron brechas en las áreas de interoperabilidad, capacitación y el marco
de calidad de datos. La encuesta ofreció valoraciones y la oportunidad de algunas correlaciones. Las
entrevistas proporcionaron explicaciones sobre las correlaciones y analizaron las prácticas. La
observación identificó las estructuras, los sistemas, los informes y los controles.
En cuanto a la supervisión humana, hubo el mayor nivel de convergencia. La encuesta presentó a los
gerentes con una evaluación favorable. La entrevista analizó esto como una premisa para la relación en
la toma de decisiones, mientras que la observación confirmó la validación antes de la presentación de
los datos.
La mayor divergencia fue en el área de calidad de los datos. La encuesta mostró un nivel medio de
calidad, mientras que la observación mostró diversidad en las diferentes áreas y la ausencia de criterios
de revisión de calidad.
Tabla 10 Triangulación de hallazgos
Eje Encuesta Entrevista y observación Síntesis
Uso tecnológico Nivel medio-alto en la
mayoría de servidores
Sistemas y reportes visibles
en las tres áreas
La tecnología se usa de
forma cotidiana
Calidad de datos Promedio medio Registros parciales y
criterios no uniformes
La calidad requiere
protocolo común
pág. 6672
Apoyo decisional Asociación positiva con
aplicación tecnológica
Reportes orientan
prioridades y seguimiento
El dato apoya decisiones
operativas
Transparencia y
control
Valoración media Revisión humana constante,
registro incompleto
El control existe, pero
necesita documentación
Riesgos y barreras Capacitación e
infraestructura con
puntajes bajos
Formación irregular e
integración limitada
La mejora depende de
capacidades internas
Nota. Elaboración propia a partir del cruce de instrumentos.
La limitación del tamaño de la muestra y de la investigación en el ámbito local hacen que los resultados
deban ser considerados como aproximaciones exploratorias al caso estudiado․ La encuesta aplicada a
15 funcionarios‚ la entrevista en profundidad y la observación estructurada permiten trazar tendencias‚
observar la relación entre variables y contrastar percepciones con lo que puede verse․ Sin embargo‚ los
hallazgos no son generalizables al total del Sector Público No Financiero ecuatoriano‚ aunque se han
presentado como evidencia situada sobre el uso de inteligencia artificial‚ Big Data y datos
institucionales en el ámbito administrativo del cantón Machala․
Análisis de resultados
Los resultados indican que, dentro de la población estudiada, el uso de IA y Big Data se encuentra en
una fase intermedia. Los sistemas, informes y presencia en plataformas indican un nivel de completitud
de procesos digitales, pero el proceso de datos tiene limitaciones. Esto se alinea con los hallazgos de
Guillén Guillén et al. (2025) y las barreras identificadas en la encuesta, que estaban relacionadas con
infraestructura, capacitación y falta de confianza en los datos en el sector público.
Una correlación positiva entre la aplicación tecnológica y el apoyo a la toma de decisiones indica que
los servidores que perciben un mayor número de informes accesibles y actualizados, así como sistemas
de consulta, también perciben un entorno más favorable para la toma de decisiones. Valle-Cruz et al.
(2023) indican que la IA puede dirigir el presupuesto cuando hay datos suficientes disponibles. En el
caso específico, la correlación fue en el seguimiento de objetivos, control de procedimientos y
sistematización de tareas administrativas.
Las concentraciones en el nivel medio muestran cómo la tecnología puede ser diferente en múltiples
dimensiones. Por ejemplo, la planificación puede considerarse como el enfoque en integrar más
informes, mientras que las consultas operativas se centran más en los ciudadanos.
Apoyo decisional Asociación positiva con
aplicación tecnológica
Reportes orientan
prioridades y seguimiento
El dato apoya decisiones
operativas
Transparencia y
control
Valoración media Revisión humana constante,
registro incompleto
El control existe, pero
necesita documentación
Riesgos y barreras Capacitación e
infraestructura con
puntajes bajos
Formación irregular e
integración limitada
La mejora depende de
capacidades internas
Nota. Elaboración propia a partir del cruce de instrumentos.
La limitación del tamaño de la muestra y de la investigación en el ámbito local hacen que los resultados
deban ser considerados como aproximaciones exploratorias al caso estudiado․ La encuesta aplicada a
15 funcionarios‚ la entrevista en profundidad y la observación estructurada permiten trazar tendencias‚
observar la relación entre variables y contrastar percepciones con lo que puede verse․ Sin embargo‚ los
hallazgos no son generalizables al total del Sector Público No Financiero ecuatoriano‚ aunque se han
presentado como evidencia situada sobre el uso de inteligencia artificial‚ Big Data y datos
institucionales en el ámbito administrativo del cantón Machala․
Análisis de resultados
Los resultados indican que, dentro de la población estudiada, el uso de IA y Big Data se encuentra en
una fase intermedia. Los sistemas, informes y presencia en plataformas indican un nivel de completitud
de procesos digitales, pero el proceso de datos tiene limitaciones. Esto se alinea con los hallazgos de
Guillén Guillén et al. (2025) y las barreras identificadas en la encuesta, que estaban relacionadas con
infraestructura, capacitación y falta de confianza en los datos en el sector público.
Una correlación positiva entre la aplicación tecnológica y el apoyo a la toma de decisiones indica que
los servidores que perciben un mayor número de informes accesibles y actualizados, así como sistemas
de consulta, también perciben un entorno más favorable para la toma de decisiones. Valle-Cruz et al.
(2023) indican que la IA puede dirigir el presupuesto cuando hay datos suficientes disponibles. En el
caso específico, la correlación fue en el seguimiento de objetivos, control de procedimientos y
sistematización de tareas administrativas.
Las concentraciones en el nivel medio muestran cómo la tecnología puede ser diferente en múltiples
dimensiones. Por ejemplo, la planificación puede considerarse como el enfoque en integrar más
informes, mientras que las consultas operativas se centran más en los ciudadanos.
pág. 6673
La gestión de documentos resulta en una mayor trazabilidad, mientras que la integración con más bases
de datos sigue un camino similar. Corcino-Cerafin et al. (2026) también mencionaron la necesidad de
interoperabilidad en la optimización de procesos.
En el caso de las evaluaciones sobre la calidad de los datos, las observaciones coincidieron con las
entrevistas. La consistencia de los informes, que el equipo multidisciplinario dijo que era importante,
faltaba, por lo que los informes tuvieron que ser validados manualmente, lo que en última instancia
resultó en redundancia. Salvador Serna (2021) señaló que la gobernanza de datos ayuda a identificar a
los responsables de los datos y desarrollar marcos y estándares, además de facilitar la gestión de la
redundancia de datos. Faltaba control de los datos, y por lo tanto la institución dependía del
conocimiento del personal, lo que a su vez aumentaba el riesgo institucional.
Un aspecto positivo de esta situación es la presencia de supervisión. El personal valoró la revisión de
las sugerencias, y las observaciones respaldaron esta práctica en el campo. Berning Prieto (2023), Ponce
Solé (2022) y Gómez Rodríguez (2026) argumentan que la presencia de individuos es fundamental para
asegurar que no se lleven a cabo procesos opacos. Aunque las comprobaciones locales indican que se
ejerce control‚ el razonamiento detrás de los cambios no se documenta․
Además de los riesgos más técnicos‚ también existen riesgos de privacidad‚ sesgos‚ dependencia de
proveedores‚ falta de formación y gobernanza de los datos inadecuada․ Según Santini-Rodríguez
(2026)‚ la aplicación de la inteligencia artificial a los mecanismos de control estatal exige un marco
ético y una supervisión.
En cambio, Pérez-Torres y Morales-Salazar (2026) consideran que el uso de IA en la lucha contra la
corrupción exige evidencias y procesos que sean verificables y auditables. En este estudio, la
triangulación es la forma más sólida de respaldar la interpretación. La encuesta encuentra una
evaluación estadística; la entrevista muestra cómo se procesan los informes; la observación respalda el
comportamiento reportado. El objetivo fue evitar reducir el análisis a las percepciones de los
participantes del estudio. Se pudo demostrar que el progreso digital debe estar acompañado por el
trabajo de funcionarios y especialistas para desarrollar protocolos, fomentar la coordinación
interinstitucional y realizar evaluaciones continuas de la seguridad de los datos.
La gestión de documentos resulta en una mayor trazabilidad, mientras que la integración con más bases
de datos sigue un camino similar. Corcino-Cerafin et al. (2026) también mencionaron la necesidad de
interoperabilidad en la optimización de procesos.
En el caso de las evaluaciones sobre la calidad de los datos, las observaciones coincidieron con las
entrevistas. La consistencia de los informes, que el equipo multidisciplinario dijo que era importante,
faltaba, por lo que los informes tuvieron que ser validados manualmente, lo que en última instancia
resultó en redundancia. Salvador Serna (2021) señaló que la gobernanza de datos ayuda a identificar a
los responsables de los datos y desarrollar marcos y estándares, además de facilitar la gestión de la
redundancia de datos. Faltaba control de los datos, y por lo tanto la institución dependía del
conocimiento del personal, lo que a su vez aumentaba el riesgo institucional.
Un aspecto positivo de esta situación es la presencia de supervisión. El personal valoró la revisión de
las sugerencias, y las observaciones respaldaron esta práctica en el campo. Berning Prieto (2023), Ponce
Solé (2022) y Gómez Rodríguez (2026) argumentan que la presencia de individuos es fundamental para
asegurar que no se lleven a cabo procesos opacos. Aunque las comprobaciones locales indican que se
ejerce control‚ el razonamiento detrás de los cambios no se documenta․
Además de los riesgos más técnicos‚ también existen riesgos de privacidad‚ sesgos‚ dependencia de
proveedores‚ falta de formación y gobernanza de los datos inadecuada․ Según Santini-Rodríguez
(2026)‚ la aplicación de la inteligencia artificial a los mecanismos de control estatal exige un marco
ético y una supervisión.
En cambio, Pérez-Torres y Morales-Salazar (2026) consideran que el uso de IA en la lucha contra la
corrupción exige evidencias y procesos que sean verificables y auditables. En este estudio, la
triangulación es la forma más sólida de respaldar la interpretación. La encuesta encuentra una
evaluación estadística; la entrevista muestra cómo se procesan los informes; la observación respalda el
comportamiento reportado. El objetivo fue evitar reducir el análisis a las percepciones de los
participantes del estudio. Se pudo demostrar que el progreso digital debe estar acompañado por el
trabajo de funcionarios y especialistas para desarrollar protocolos, fomentar la coordinación
interinstitucional y realizar evaluaciones continuas de la seguridad de los datos.
pág. 6674
El estudio no pretende generalizar los hallazgos a todo el sector público ecuatoriano. Tiene el mérito de
ofrecer un análisis local y exploratorio de 15 servidores públicos, 1 entrevista gerencial y 3 áreas
observadas. Este alcance responde al aspecto situacional del caso y proporciona una base para futuros
estudios con mayor número de instituciones, muestras más amplias y seguimiento de mayor duración.
CONCLUSIONES
Respecto al primer objetivo específico, el nivel de aplicación de las tecnologías digitales, inteligencia
artificial y Big Data dentro del Sector Público No Financiero del cantón Machala es de nivel medio.
Los servidores públicos informados gestionan las actividades institucionales mediante el uso de
sistemas digitales, plataformas administrativas y reportes internos. El uso de inteligencia artificial y Big
Data aún está en su fase inicial, ya que la mayoría de las prácticas se centran en la gestión de datos
operativos en lugar de en la automatización de datos masivos integrados y el alto nivel de previsión
administrativa.
Con respecto al segundo objetivo específico, se encontró que los informes institucionales contienen
datos relevantes para ayudar a rastrear el cumplimiento de los objetivos, revisar los procedimientos,
controlar los tiempos de respuesta y el orden de las prioridades administrativas. Sin embargo, la calidad
de la información es pobre debido a registros que se actualizan parcialmente, formatos diferentes en las
distintas unidades, criterios de validación que varían y dependen de revisiones manuales. Esto reduce
la confiabilidad de los informes y requiere un aumento de la gobernanza de datos para abordar las
definiciones de los responsables de los datos, la trazabilidad, la seguridad de los datos, la corrección de
datos y el uso institucional acordado de los datos.
En relación con el tercer objetivo específico, se encontró que el uso de herramientas tecnológicas,
sistemas digitales y datos institucionales ofrece un nivel de apoyo moderado-alto para el proceso de
toma de decisiones. Con un coeficiente Rho de Spearman de 0.71 y un valor p de 0.003, es evidente
que existe una fuerte relación positiva entre el uso de la tecnología y el apoyo a los procesos de toma
de decisiones. Los servidores públicos consideran que la disponibilidad de herramientas tecnológicas,
sistemas y datos proporciona mejores medios para el análisis de alternativas, orden de prioridades,
asignación de recursos y evaluación del cumplimiento de metas.
El estudio no pretende generalizar los hallazgos a todo el sector público ecuatoriano. Tiene el mérito de
ofrecer un análisis local y exploratorio de 15 servidores públicos, 1 entrevista gerencial y 3 áreas
observadas. Este alcance responde al aspecto situacional del caso y proporciona una base para futuros
estudios con mayor número de instituciones, muestras más amplias y seguimiento de mayor duración.
CONCLUSIONES
Respecto al primer objetivo específico, el nivel de aplicación de las tecnologías digitales, inteligencia
artificial y Big Data dentro del Sector Público No Financiero del cantón Machala es de nivel medio.
Los servidores públicos informados gestionan las actividades institucionales mediante el uso de
sistemas digitales, plataformas administrativas y reportes internos. El uso de inteligencia artificial y Big
Data aún está en su fase inicial, ya que la mayoría de las prácticas se centran en la gestión de datos
operativos en lugar de en la automatización de datos masivos integrados y el alto nivel de previsión
administrativa.
Con respecto al segundo objetivo específico, se encontró que los informes institucionales contienen
datos relevantes para ayudar a rastrear el cumplimiento de los objetivos, revisar los procedimientos,
controlar los tiempos de respuesta y el orden de las prioridades administrativas. Sin embargo, la calidad
de la información es pobre debido a registros que se actualizan parcialmente, formatos diferentes en las
distintas unidades, criterios de validación que varían y dependen de revisiones manuales. Esto reduce
la confiabilidad de los informes y requiere un aumento de la gobernanza de datos para abordar las
definiciones de los responsables de los datos, la trazabilidad, la seguridad de los datos, la corrección de
datos y el uso institucional acordado de los datos.
En relación con el tercer objetivo específico, se encontró que el uso de herramientas tecnológicas,
sistemas digitales y datos institucionales ofrece un nivel de apoyo moderado-alto para el proceso de
toma de decisiones. Con un coeficiente Rho de Spearman de 0.71 y un valor p de 0.003, es evidente
que existe una fuerte relación positiva entre el uso de la tecnología y el apoyo a los procesos de toma
de decisiones. Los servidores públicos consideran que la disponibilidad de herramientas tecnológicas,
sistemas y datos proporciona mejores medios para el análisis de alternativas, orden de prioridades,
asignación de recursos y evaluación del cumplimiento de metas.
pág. 6675
RECOMENDACIONES
Las tecnologías digitales, la inteligencia artificial y Big Data deben fortalecerse mediante un plan
institucional en avance que se enfoque en la modernización de herramientas e integración de sistemas
y procesos. Este plan debe incluir objetivos para cada área, áreas de responsabilidad para el personal
técnico, recursos disponibles y criterios para la evaluación periódica de los objetivos del plan. Esto debe
apoyar la transición de un uso operativo de la información a un uso más estructurado y significativo del
análisis para la gestión pública.
Se recomienda crear protocolos de calidad de datos para mejorar la fiabilidad de los informes
institucionales. Se deben establecer procesos de actualización, validación, trazabilidad, corrección de
errores y seguridad, así como la designación de responsables para cada base de datos. También se
recomienda estandarizar los formatos dentro de las Áreas Administrativas para minimizar duplicados,
inconsistencias y optimizar el uso de los informes institucionales para la toma de decisiones.
Se sugiere integrar informes tecnológicos, indicadores y sistemas digitales que ayuden en la
formulación de políticas públicas. Para lograr este objetivo, cada decisión tomada con base en datos
debe contener información verificable, la fuente de los datos, la fecha de la última actualización, el
revisador y la justificación en el ámbito administrativo. Esto permitirá mejorar la priorización de
acciones, la distribución de recursos y la evaluación de los objetivos de la institución basándose en
criterios documentados.
REFERENCIAS BIBLIOGRAFICAS
Argüelles Toache, E. (2023). Ventajas y desventajas del uso de la inteligencia artificial en el ciclo de
las políticas públicas: análisis de casos internacionales. Acta Universitaria, 33, e3891.
https://doi.org/10.15174/au.2023.3891
Berning Prieto, A. D. (2023). El uso de sistemas basados en inteligencia artificial por las
Administraciones públicas: estado actual de la cuestión y algunas propuestas ad futurum para
un uso responsable. Revista de Estudios de la Administración Local y Autonómica, (20), 165-
185. https://doi.org/10.24965/reala.11247
RECOMENDACIONES
Las tecnologías digitales, la inteligencia artificial y Big Data deben fortalecerse mediante un plan
institucional en avance que se enfoque en la modernización de herramientas e integración de sistemas
y procesos. Este plan debe incluir objetivos para cada área, áreas de responsabilidad para el personal
técnico, recursos disponibles y criterios para la evaluación periódica de los objetivos del plan. Esto debe
apoyar la transición de un uso operativo de la información a un uso más estructurado y significativo del
análisis para la gestión pública.
Se recomienda crear protocolos de calidad de datos para mejorar la fiabilidad de los informes
institucionales. Se deben establecer procesos de actualización, validación, trazabilidad, corrección de
errores y seguridad, así como la designación de responsables para cada base de datos. También se
recomienda estandarizar los formatos dentro de las Áreas Administrativas para minimizar duplicados,
inconsistencias y optimizar el uso de los informes institucionales para la toma de decisiones.
Se sugiere integrar informes tecnológicos, indicadores y sistemas digitales que ayuden en la
formulación de políticas públicas. Para lograr este objetivo, cada decisión tomada con base en datos
debe contener información verificable, la fuente de los datos, la fecha de la última actualización, el
revisador y la justificación en el ámbito administrativo. Esto permitirá mejorar la priorización de
acciones, la distribución de recursos y la evaluación de los objetivos de la institución basándose en
criterios documentados.
REFERENCIAS BIBLIOGRAFICAS
Argüelles Toache, E. (2023). Ventajas y desventajas del uso de la inteligencia artificial en el ciclo de
las políticas públicas: análisis de casos internacionales. Acta Universitaria, 33, e3891.
https://doi.org/10.15174/au.2023.3891
Berning Prieto, A. D. (2023). El uso de sistemas basados en inteligencia artificial por las
Administraciones públicas: estado actual de la cuestión y algunas propuestas ad futurum para
un uso responsable. Revista de Estudios de la Administración Local y Autonómica, (20), 165-
185. https://doi.org/10.24965/reala.11247
pág. 6676
Castillo Aucancela, A. M. (2021). La era del big data y open data en la administración pública. Revista
Eurolatinoamericana de Derecho Administrativo, 8(1), 61-76.
https://doi.org/10.14409/redoeda.v8i1.9520
Corcino-Cerafin, L. A., Cerafin-Urbano, V. A., & Gonzales-Cruz, J. C. (2026). Gobierno electrónico
para la optimización de procesos en la administración pública: una revisión sistemática. Revista
InveCom, 6(3), e603048. https://doi.org/10.5281/zenodo.17479024
Criado, J. I. (2021). Inteligencia artificial (y Administración Pública). Eunomía. Revista en Cultura de
la Legalidad, (20), 348-372. https://doi.org/10.20318/eunomia.2021.6097
Criado, J. I. (2024). Inteligencia artificial en el sector público latinoamericano. Estudio comparado a
partir de la Carta Iberoamericana de Inteligencia Artificial en la Administración Pública.
Revista del CLAD Reforma y Democracia, (88), 116-143.
https://doi.org/10.69733/clad.ryd.n88.a387
Filgueira, F. (2023). Desafíos de gobernanza de inteligencia artificial en América Latina.
Infraestructura, descolonización y nueva dependencia. Revista del CLAD Reforma y
Democracia, (87), 44-70. https://doi.org/10.69733/clad.ryd.n87.a3
Filgueiras, F. (2021). 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
Gómez Rodríguez, J. M. (2026). Hacia la gobernanza de la inteligencia artificial en la Administración
pública. Foro: Revista de Derecho, (45), 29-47. https://doi.org/10.32719/26312484.2026.45.2
Guillén Guillén, E. N., Martínez Hernández, J. A., Massa Palacios, L. A., & Cabel Moscoso, D. J.
(2025). Big data y toma de decisiones en el sector público peruano. Revista Venezolana de
Gerencia, 30(111), 1322-1336. https://doi.org/10.52080/rvgluz.30.111.5
Loayza-Pereira, W. A. y Herrera-Freire, A. G. (2025). El rol del contador en la transformación digital
de la contabilidad a través de la aplicación de la inteligencia artificial. ECORFAN Journal-
Spain, 12(22), 1-11. https://doi.org/10.35429/EJS.2025.12.22.2.1.11
Castillo Aucancela, A. M. (2021). La era del big data y open data en la administración pública. Revista
Eurolatinoamericana de Derecho Administrativo, 8(1), 61-76.
https://doi.org/10.14409/redoeda.v8i1.9520
Corcino-Cerafin, L. A., Cerafin-Urbano, V. A., & Gonzales-Cruz, J. C. (2026). Gobierno electrónico
para la optimización de procesos en la administración pública: una revisión sistemática. Revista
InveCom, 6(3), e603048. https://doi.org/10.5281/zenodo.17479024
Criado, J. I. (2021). Inteligencia artificial (y Administración Pública). Eunomía. Revista en Cultura de
la Legalidad, (20), 348-372. https://doi.org/10.20318/eunomia.2021.6097
Criado, J. I. (2024). Inteligencia artificial en el sector público latinoamericano. Estudio comparado a
partir de la Carta Iberoamericana de Inteligencia Artificial en la Administración Pública.
Revista del CLAD Reforma y Democracia, (88), 116-143.
https://doi.org/10.69733/clad.ryd.n88.a387
Filgueira, F. (2023). Desafíos de gobernanza de inteligencia artificial en América Latina.
Infraestructura, descolonización y nueva dependencia. Revista del CLAD Reforma y
Democracia, (87), 44-70. https://doi.org/10.69733/clad.ryd.n87.a3
Filgueiras, F. (2021). 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
Gómez Rodríguez, J. M. (2026). Hacia la gobernanza de la inteligencia artificial en la Administración
pública. Foro: Revista de Derecho, (45), 29-47. https://doi.org/10.32719/26312484.2026.45.2
Guillén Guillén, E. N., Martínez Hernández, J. A., Massa Palacios, L. A., & Cabel Moscoso, D. J.
(2025). Big data y toma de decisiones en el sector público peruano. Revista Venezolana de
Gerencia, 30(111), 1322-1336. https://doi.org/10.52080/rvgluz.30.111.5
Loayza-Pereira, W. A. y Herrera-Freire, A. G. (2025). El rol del contador en la transformación digital
de la contabilidad a través de la aplicación de la inteligencia artificial. ECORFAN Journal-
Spain, 12(22), 1-11. https://doi.org/10.35429/EJS.2025.12.22.2.1.11
pág. 6677
Macías-Ibarra, G. A., & Guadarrama Chaparro, A. (2025). La participación ciudadana y el gobierno
abierto en la era digital: una mirada desde la IA. Universitas-XXI, (43), 123-150.
https://doi.org/10.17163/uni.n43.2025.05
Maita-Cruz, Y. M., Flores-Sotelo, W. S., Maita-Cruz, Y. A., & Cotrina-Aliaga, J. C. (2022). Inteligencia
artificial en la gestión pública en tiempos de Covid-19. Revista de Ciencias Sociales,
28(Especial 5), 331-340. https://doi.org/10.31876/rcs.v28i.38167
Moncayo-Vives, G., Ros-Medina, J. L., & Mayor Balsas, J. M. (2025). Democracia (re)potenciada: la
inteligencia artificial como catalizadora del Gobierno Abierto en América Latina. Revista del
CLAD Reforma y Democracia, (93), 168-204. https://doi.org/10.69733/clad.ryd.n93.a468
Ocaña-Fernández, Y., Valenzuela-Fernández, L. A., Vera-Flores, M. A., & Rengifo-Lozano, R. A.
(2021). Inteligencia artificial aplicada a la gestión pública. Revista Venezolana de Gerencia,
26(94), 696-707. https://doi.org/10.52080/rvgv26n94.14
Ospina Díaz, M. R., & Zambrano Ospina, K. J. (2023). Gobierno digital e inteligencia artificial, una
mirada al caso colombiano. Administración & Desarrollo, 53(1), 1-34.
https://doi.org/10.22431/25005227.vol53n1.2
Oszlak, O. (2022). Perspectivas del Estado abierto en la era exponencial, a la luz de la experiencia
latinoamericana. Revista del CLAD Reforma y Democracia, (82), 73-114.
https://doi.org/10.69733/clad.ryd.n82.a284
Pérez-Torres, J. del M., & Morales-Salazar, P. O. (2026). Detección de corrupción mediante la
inteligencia artificial en la administración pública. Revisión sistemática. Gestio et Productio.
Revista Electrónica de Ciencias Gerenciales, 8(14), 62-77.
https://doi.org/10.35381/gep.v8i14.702
Ponce Solé, J. (2022). Las relaciones entre inteligencia artificial, regulación y ética, con especial
atención al sector público. Revista General de Derecho Administrativo, (61), 1-29.
https://dialnet.unirioja.es/servlet/articulo?codigo=8642167
Quintana Ruidías, H. D. (2025). Transformación digital en la administración pública y la gestión de
gobierno de una municipalidad distrital en Piura. Revista InveCom, 5(2), e502034.
https://doi.org/10.5281/zenodo.13256575
Macías-Ibarra, G. A., & Guadarrama Chaparro, A. (2025). La participación ciudadana y el gobierno
abierto en la era digital: una mirada desde la IA. Universitas-XXI, (43), 123-150.
https://doi.org/10.17163/uni.n43.2025.05
Maita-Cruz, Y. M., Flores-Sotelo, W. S., Maita-Cruz, Y. A., & Cotrina-Aliaga, J. C. (2022). Inteligencia
artificial en la gestión pública en tiempos de Covid-19. Revista de Ciencias Sociales,
28(Especial 5), 331-340. https://doi.org/10.31876/rcs.v28i.38167
Moncayo-Vives, G., Ros-Medina, J. L., & Mayor Balsas, J. M. (2025). Democracia (re)potenciada: la
inteligencia artificial como catalizadora del Gobierno Abierto en América Latina. Revista del
CLAD Reforma y Democracia, (93), 168-204. https://doi.org/10.69733/clad.ryd.n93.a468
Ocaña-Fernández, Y., Valenzuela-Fernández, L. A., Vera-Flores, M. A., & Rengifo-Lozano, R. A.
(2021). Inteligencia artificial aplicada a la gestión pública. Revista Venezolana de Gerencia,
26(94), 696-707. https://doi.org/10.52080/rvgv26n94.14
Ospina Díaz, M. R., & Zambrano Ospina, K. J. (2023). Gobierno digital e inteligencia artificial, una
mirada al caso colombiano. Administración & Desarrollo, 53(1), 1-34.
https://doi.org/10.22431/25005227.vol53n1.2
Oszlak, O. (2022). Perspectivas del Estado abierto en la era exponencial, a la luz de la experiencia
latinoamericana. Revista del CLAD Reforma y Democracia, (82), 73-114.
https://doi.org/10.69733/clad.ryd.n82.a284
Pérez-Torres, J. del M., & Morales-Salazar, P. O. (2026). Detección de corrupción mediante la
inteligencia artificial en la administración pública. Revisión sistemática. Gestio et Productio.
Revista Electrónica de Ciencias Gerenciales, 8(14), 62-77.
https://doi.org/10.35381/gep.v8i14.702
Ponce Solé, J. (2022). Las relaciones entre inteligencia artificial, regulación y ética, con especial
atención al sector público. Revista General de Derecho Administrativo, (61), 1-29.
https://dialnet.unirioja.es/servlet/articulo?codigo=8642167
Quintana Ruidías, H. D. (2025). Transformación digital en la administración pública y la gestión de
gobierno de una municipalidad distrital en Piura. Revista InveCom, 5(2), e502034.
https://doi.org/10.5281/zenodo.13256575
pág. 6678
Salvador Serna, M. (2021). Inteligencia artificial y gobernanza de datos en las administraciones
públicas: reflexiones y evidencias para su desarrollo. Gestión y Análisis de Políticas Públicas,
(26), 20-32. https://doi.org/10.24965/gapp.i26.10855
Sánchez-Chero, J. A., Sánchez-Chero, M. J., & Villegas-Yarlequé, M. (2025). Inteligencia artificial:
impactos y desafíos en las contrataciones públicas. Revisión sistemática. Universitas-XXI, (43),
37-63. https://doi.org/10.17163/uni.n43.2025.02
Santini-Rodríguez, F. J. (2026). Inteligencia artificial en la fiscalización gubernamental: avances,
desafíos y perspectivas éticas desde una revisión sistemática. Revista InveCom, 6(3), e603108.
https://doi.org/10.5281/zenodo.17807616
Valle-Cruz, D., Fernández-Cortez, V., & Gil-García, J. R. (2023). Inteligencia artificial y planeación
presupuestaria en México: promesas y retos en América Latina para la asignación del gasto
público. Revista del CLAD Reforma y Democracia, (85), 5-52.
https://doi.org/10.69733/clad.ryd.n85.a234
Villagrasa, Ó. C., & Ponce Solé, J. (2022). Nudging e inteligencia artificial contra la corrupción en el
sector público: posibilidades y riesgos. Revista Digital de Derecho Administrativo, (28), 225-
258. https://doi.org/10.18601/21452946.n28.08
Zamora-Mendoza, M. E. (2025). Herramientas digitales para la simplificación administrativa en
Ecuador. Gestio et Productio. Revista Electrónica de Ciencias Gerenciales, 7(13), 437-454.
https://doi.org/10.35381/gep.v7i13.543
Salvador Serna, M. (2021). Inteligencia artificial y gobernanza de datos en las administraciones
públicas: reflexiones y evidencias para su desarrollo. Gestión y Análisis de Políticas Públicas,
(26), 20-32. https://doi.org/10.24965/gapp.i26.10855
Sánchez-Chero, J. A., Sánchez-Chero, M. J., & Villegas-Yarlequé, M. (2025). Inteligencia artificial:
impactos y desafíos en las contrataciones públicas. Revisión sistemática. Universitas-XXI, (43),
37-63. https://doi.org/10.17163/uni.n43.2025.02
Santini-Rodríguez, F. J. (2026). Inteligencia artificial en la fiscalización gubernamental: avances,
desafíos y perspectivas éticas desde una revisión sistemática. Revista InveCom, 6(3), e603108.
https://doi.org/10.5281/zenodo.17807616
Valle-Cruz, D., Fernández-Cortez, V., & Gil-García, J. R. (2023). Inteligencia artificial y planeación
presupuestaria en México: promesas y retos en América Latina para la asignación del gasto
público. Revista del CLAD Reforma y Democracia, (85), 5-52.
https://doi.org/10.69733/clad.ryd.n85.a234
Villagrasa, Ó. C., & Ponce Solé, J. (2022). Nudging e inteligencia artificial contra la corrupción en el
sector público: posibilidades y riesgos. Revista Digital de Derecho Administrativo, (28), 225-
258. https://doi.org/10.18601/21452946.n28.08
Zamora-Mendoza, M. E. (2025). Herramientas digitales para la simplificación administrativa en
Ecuador. Gestio et Productio. Revista Electrónica de Ciencias Gerenciales, 7(13), 437-454.
https://doi.org/10.35381/gep.v7i13.543
pág. 6679
ANEXO
Apéndices
Apéndice 1. Encuesta aplicada a servidores públicos
Objetivo: Recopilar percepciones sobre el uso de inteligencia artificial, Big Data y sistemas de apoyo a
la decisión en el Sector Público No Financiero.
Escala de respuesta: 1 = total desacuerdo; 2 = en desacuerdo; 3 = ni de acuerdo ni en desacuerdo; 4 =
de acuerdo; 5 = totalmente de acuerdo.
Datos generales: área funcional, cargo, años de experiencia y frecuencia de uso de sistemas digitales.
1. Los sistemas digitales se utilizan para gestionar la información dentro de la entidad.
2. Mi área mantiene registros actualizados que ayudan en la toma de decisiones.
3. Las decisiones operativas están respaldadas por informes verificados o indicadores.
4. La información disponible ayuda a priorizar esfuerzos y/o asignar recursos.
5. Existe un esfuerzo intraorganizacional para proporcionar información relevante a otra unidad.
6. La entidad cuenta con marcos de políticas de seguridad y privacidad de los datos.
7. Los empleados están capacitados en la comprensión de informes analíticos.
8. El valor de la administración de TI es menor debido al tiempo ahorrado.
9. Con los datos, los procesos de la entidad son más rastreables.
10. Las sugerencias digitales son analizadas por el personal encargado.
11. La entidad puede indicar las razones de una decisión basada en datos.
12. Percibo la posibilidad de sesgos, errores o manipulación indebida de datos.
13. La entidad cumple al menos con los requisitos básicos del uso de Inteligencia Artificial y Big Data.
14. Los empleados están conscientes de las normas de calidad de los datos.
15. Existe trazabilidad de auditoría de los cambios realizados en los sistemas de información.
16. Las decisiones tomadas con base en datos se comunican a las unidades correspondientes.
17. Existen procedimientos para la corrección de errores en las bases de datos o informes dentro de la
entidad.
18. Hay una justificación para el uso de los sistemas analíticos para lograr los objetivos de la entidad.
ANEXO
Apéndices
Apéndice 1. Encuesta aplicada a servidores públicos
Objetivo: Recopilar percepciones sobre el uso de inteligencia artificial, Big Data y sistemas de apoyo a
la decisión en el Sector Público No Financiero.
Escala de respuesta: 1 = total desacuerdo; 2 = en desacuerdo; 3 = ni de acuerdo ni en desacuerdo; 4 =
de acuerdo; 5 = totalmente de acuerdo.
Datos generales: área funcional, cargo, años de experiencia y frecuencia de uso de sistemas digitales.
1. Los sistemas digitales se utilizan para gestionar la información dentro de la entidad.
2. Mi área mantiene registros actualizados que ayudan en la toma de decisiones.
3. Las decisiones operativas están respaldadas por informes verificados o indicadores.
4. La información disponible ayuda a priorizar esfuerzos y/o asignar recursos.
5. Existe un esfuerzo intraorganizacional para proporcionar información relevante a otra unidad.
6. La entidad cuenta con marcos de políticas de seguridad y privacidad de los datos.
7. Los empleados están capacitados en la comprensión de informes analíticos.
8. El valor de la administración de TI es menor debido al tiempo ahorrado.
9. Con los datos, los procesos de la entidad son más rastreables.
10. Las sugerencias digitales son analizadas por el personal encargado.
11. La entidad puede indicar las razones de una decisión basada en datos.
12. Percibo la posibilidad de sesgos, errores o manipulación indebida de datos.
13. La entidad cumple al menos con los requisitos básicos del uso de Inteligencia Artificial y Big Data.
14. Los empleados están conscientes de las normas de calidad de los datos.
15. Existe trazabilidad de auditoría de los cambios realizados en los sistemas de información.
16. Las decisiones tomadas con base en datos se comunican a las unidades correspondientes.
17. Existen procedimientos para la corrección de errores en las bases de datos o informes dentro de la
entidad.
18. Hay una justificación para el uso de los sistemas analíticos para lograr los objetivos de la entidad.
pág. 6680
Apéndice 2. Guía de entrevista abierta
1. ¿Qué herramientas analíticas utiliza la institución para ayudar en su toma de decisiones?
2. ¿En qué procesos ha resultado más útil el uso de datos o informes?
3. ¿Qué desafíos existen al intentar combinar datos de diferentes disciplinas?
4. ¿Cómo confirma la integridad de los datos antes de tomar una decisión?
5. ¿Qué preocupaciones tiene respecto a sesgos, transparencia de datos o errores?
6. ¿Qué tan importante es la supervisión humana en relación con los informes automatizados?
7. ¿Qué capacitación del personal considera más importante para usar las herramientas?
8. ¿Qué mejoras en la gobernanza de los datos de la institución considera más importantes?
9. ¿Qué sectores de la institución cree que deben participar en un comité de revisión de datos?
10. ¿Cuál considera que es la mejor manera de comunicar una recomendación justificada basada en un
informe?
Apéndice 3. Ficha de observación estructurada
Categoría Indicador Registro Observaciones
Disponibilidad
tecnológica
Existencia de sistemas, tableros o
plataformas
Sí / No / Parcial
Calidad de datos Actualización, consistencia y
trazabilidad
Sí / No / Parcial
Integración de
información
Articulación entre bases o áreas Sí / No / Parcial
Uso decisional Empleo de reportes en reuniones o
resoluciones
Sí / No / Parcial
Supervisión humana Revisión antes de adoptar una
decisión
Sí / No / Parcial
Transparencia interna Claridad sobre criterios, fuentes y
procedimiento
Sí / No / Parcial
Seguridad y privacidad Medidas de resguardo de información
sensible
Sí / No / Parcial
Capacitación Formación o acompañamiento para
uso de herramientas
Sí / No / Parcial
Nota. Instrumento de apoyo para observación en planificación, gestión documental y atención ciudadana.
Apéndice 2. Guía de entrevista abierta
1. ¿Qué herramientas analíticas utiliza la institución para ayudar en su toma de decisiones?
2. ¿En qué procesos ha resultado más útil el uso de datos o informes?
3. ¿Qué desafíos existen al intentar combinar datos de diferentes disciplinas?
4. ¿Cómo confirma la integridad de los datos antes de tomar una decisión?
5. ¿Qué preocupaciones tiene respecto a sesgos, transparencia de datos o errores?
6. ¿Qué tan importante es la supervisión humana en relación con los informes automatizados?
7. ¿Qué capacitación del personal considera más importante para usar las herramientas?
8. ¿Qué mejoras en la gobernanza de los datos de la institución considera más importantes?
9. ¿Qué sectores de la institución cree que deben participar en un comité de revisión de datos?
10. ¿Cuál considera que es la mejor manera de comunicar una recomendación justificada basada en un
informe?
Apéndice 3. Ficha de observación estructurada
Categoría Indicador Registro Observaciones
Disponibilidad
tecnológica
Existencia de sistemas, tableros o
plataformas
Sí / No / Parcial
Calidad de datos Actualización, consistencia y
trazabilidad
Sí / No / Parcial
Integración de
información
Articulación entre bases o áreas Sí / No / Parcial
Uso decisional Empleo de reportes en reuniones o
resoluciones
Sí / No / Parcial
Supervisión humana Revisión antes de adoptar una
decisión
Sí / No / Parcial
Transparencia interna Claridad sobre criterios, fuentes y
procedimiento
Sí / No / Parcial
Seguridad y privacidad Medidas de resguardo de información
sensible
Sí / No / Parcial
Capacitación Formación o acompañamiento para
uso de herramientas
Sí / No / Parcial
Nota. Instrumento de apoyo para observación en planificación, gestión documental y atención ciudadana.
pág. 6681
Apéndice 4. Matriz para tabulación y triangulación
Dimensión Ítems Cruce sugerido Uso en triangulación
Uso tecnológico 1, 8, 18 Área funcional y frecuencia de
uso
Contrastar con disponibilidad
observada
Gestión y calidad de
datos
2, 5, 6, 14, 17 Área y acceso a datos Cruzar con entrevista sobre
integración
Apoyo a la decisión 3, 4, 9, 10 Rol técnico o administrativo Contrastar con uso visible de
reportes
Transparencia y control 10, 11, 15, 16 Tipo de proceso observado Cruzar con revisión humana y
registro
Riesgos y barreras 7, 12, 13 Experiencia y capacitación Relacionar con seguridad y
formación visible
Nota. La matriz ordena el procesamiento de encuesta, entrevista y observación.
Apéndice 5. Criterios operativos para la aplicación de instrumentos
Criterio Aplicación prevista Evidencia esperada
Vinculación funcional Seleccionar personal que participe en
planificación, registro, soporte TIC,
atención o control
Descripción del uso cotidiano de
reportes, bases o expedientes
Acceso a información Priorizar servidores que consulten
plataformas, tableros, hojas de cálculo o
sistemas de trámite
Identificación de fuentes,
frecuencia de uso y forma de
validación
Capacidad de relato Escoger un responsable que pueda explicar
decisiones, riesgos y validaciones
Narrativa sobre integración de
datos, revisión humana y barreras
Observabilidad del
proceso
Incluir unidades con rutinas visibles de
actualización, consulta y resguardo
Registro de prácticas, soportes
disponibles y controles aplicados
Equilibrio por área Cubrir planificación, TIC, gestión
documental, atención ciudadana y control
Comparación de percepciones por
función administrativa
Nota. Elaboración propia.
Apéndice 4. Matriz para tabulación y triangulación
Dimensión Ítems Cruce sugerido Uso en triangulación
Uso tecnológico 1, 8, 18 Área funcional y frecuencia de
uso
Contrastar con disponibilidad
observada
Gestión y calidad de
datos
2, 5, 6, 14, 17 Área y acceso a datos Cruzar con entrevista sobre
integración
Apoyo a la decisión 3, 4, 9, 10 Rol técnico o administrativo Contrastar con uso visible de
reportes
Transparencia y control 10, 11, 15, 16 Tipo de proceso observado Cruzar con revisión humana y
registro
Riesgos y barreras 7, 12, 13 Experiencia y capacitación Relacionar con seguridad y
formación visible
Nota. La matriz ordena el procesamiento de encuesta, entrevista y observación.
Apéndice 5. Criterios operativos para la aplicación de instrumentos
Criterio Aplicación prevista Evidencia esperada
Vinculación funcional Seleccionar personal que participe en
planificación, registro, soporte TIC,
atención o control
Descripción del uso cotidiano de
reportes, bases o expedientes
Acceso a información Priorizar servidores que consulten
plataformas, tableros, hojas de cálculo o
sistemas de trámite
Identificación de fuentes,
frecuencia de uso y forma de
validación
Capacidad de relato Escoger un responsable que pueda explicar
decisiones, riesgos y validaciones
Narrativa sobre integración de
datos, revisión humana y barreras
Observabilidad del
proceso
Incluir unidades con rutinas visibles de
actualización, consulta y resguardo
Registro de prácticas, soportes
disponibles y controles aplicados
Equilibrio por área Cubrir planificación, TIC, gestión
documental, atención ciudadana y control
Comparación de percepciones por
función administrativa
Nota. Elaboración propia.
pág. 6682
Apéndice 6. Plan de mejora para gobierno de datos y apoyo decisional
Acción Responsable sugerido Evidencia de cumplimiento Periodicidad
Crear lineamientos de
calidad de datos
TIC, planificación y
control interno
Documento con criterios de
actualización, validación y
corrección
Primer trimestre
Diseñar catálogo de
bases y reportes
TIC y responsables de
área
Inventario de fuentes,
responsables, frecuencia y uso
administrativo
Primer trimestre
Registrar revisión
humana de reportes
Jefaturas y analistas Bitácora con fuente, fecha,
responsable y decisión
adoptada
Mensual
Capacitar en lectura
de indicadores
Talento humano y
planificación
Lista de asistencia, material de
trabajo y evaluación breve
Trimestral
Revisar riesgos de
privacidad
Asesoría jurídica, TIC y
control interno
Matriz de riesgos y medidas de
resguardo
Semestral
Evaluar madurez
digital
Comité interno de datos Informe comparativo de
avances y pendientes
Semestral
Nota. Elaboración propia a partir de los resultados del estudio.
Apéndice 7. Lectura de niveles por dimensión
Dimensión Nivel bajo Nivel medio Nivel alto
Uso tecnológico Herramientas escasas o
uso eventual
Sistemas presentes con
uso no uniforme
Uso frecuente de sistemas y
reportes
Gestión de datos Registros incompletos
o dispersos
Actualización parcial y
criterios variables
Datos actualizados, trazables
y validados
Apoyo decisional Decisiones con escaso
soporte documental
Uso de reportes para
algunos procesos
Evidencia usada para
priorizar y justificar
Transparencia y control Criterios poco
explicados
Revisión humana con
registro limitado
Validación documentada y
trazabilidad clara
Riesgos y barreras Capacitación y
seguridad débiles
Controles parciales y
aprendizaje informal
Protocolos conocidos y
seguimiento periódico
Nota. Elaboración propia.
Apéndice 6. Plan de mejora para gobierno de datos y apoyo decisional
Acción Responsable sugerido Evidencia de cumplimiento Periodicidad
Crear lineamientos de
calidad de datos
TIC, planificación y
control interno
Documento con criterios de
actualización, validación y
corrección
Primer trimestre
Diseñar catálogo de
bases y reportes
TIC y responsables de
área
Inventario de fuentes,
responsables, frecuencia y uso
administrativo
Primer trimestre
Registrar revisión
humana de reportes
Jefaturas y analistas Bitácora con fuente, fecha,
responsable y decisión
adoptada
Mensual
Capacitar en lectura
de indicadores
Talento humano y
planificación
Lista de asistencia, material de
trabajo y evaluación breve
Trimestral
Revisar riesgos de
privacidad
Asesoría jurídica, TIC y
control interno
Matriz de riesgos y medidas de
resguardo
Semestral
Evaluar madurez
digital
Comité interno de datos Informe comparativo de
avances y pendientes
Semestral
Nota. Elaboración propia a partir de los resultados del estudio.
Apéndice 7. Lectura de niveles por dimensión
Dimensión Nivel bajo Nivel medio Nivel alto
Uso tecnológico Herramientas escasas o
uso eventual
Sistemas presentes con
uso no uniforme
Uso frecuente de sistemas y
reportes
Gestión de datos Registros incompletos
o dispersos
Actualización parcial y
criterios variables
Datos actualizados, trazables
y validados
Apoyo decisional Decisiones con escaso
soporte documental
Uso de reportes para
algunos procesos
Evidencia usada para
priorizar y justificar
Transparencia y control Criterios poco
explicados
Revisión humana con
registro limitado
Validación documentada y
trazabilidad clara
Riesgos y barreras Capacitación y
seguridad débiles
Controles parciales y
aprendizaje informal
Protocolos conocidos y
seguimiento periódico
Nota. Elaboración propia.