����������������������������������������������������������������������������������

 

 

Estudio Bibliom�trico sobre el Impacto de la Inteligencia Artificial en la Gesti�n P�blica

 

Bibliometric Study on the Impact of Artificial Intelligence on Public Management

 

Estudo Bibliom�trico sobre o Impacto da Intelig�ncia Artificial na Gest�o P�blica

 

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: lmanosalvas@uea.edu.ec

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

 

* Recibido: 11 de febrero de 2025 *Aceptado: 28 de marzo de 2025 * Publicado: �16 de abril de 2025

 

        I.            Universidad Estatal Amaz�nica, Puyo, Ecuador.

      II.            Universidad Estatal Amaz�nica, Puyo, Ecuador.

   III.            Universidad Estatal Amaz�nica, Puyo, Ecuador.

   IV.            Universidad Estatal Amaz�nica, Puyo, Ecuador.

Resumen

Este estudio presenta un an�lisis bibliom�trico del impacto de la Inteligencia Artificial (IA) en la gesti�n p�blica, con el objetivo de identificar las tendencias, actores clave y �reas tem�ticas emergentes en la literatura cient�fica publicada entre 2004 y 2025. A partir de una b�squeda sistem�tica en la base de datos Scopus, se recuperaron 107 art�culos relevantes que fueron procesados mediante herramientas como VOSviewer y Bibliometrix. Los resultados revelan un crecimiento sostenido de la producci�n cient�fica, especialmente desde 2018, con un pico significativo en 2024. Las fuentes de publicaci�n m�s relevantes combinan revistas tecnol�gicas y de administraci�n p�blica, y China se destaca como el pa�s con mayor volumen de publicaciones, aunque con baja colaboraci�n internacional. El an�lisis de palabras clave permiti� identificar tres cl�steres tem�ticos: (1) Gobierno abierto y transformaci�n administrativa, (2) Tecnolog�as inteligentes y apoyo a la toma de decisiones, y (3) Reforma administrativa y digitalizaci�n. Este estudio contribuye a una comprensi�n sistem�tica del campo, facilitando la toma de decisiones basadas en evidencia, el fortalecimiento del gobierno digital y la orientaci�n de futuras investigaciones.

Palabras Clave: Inteligencia artificial; gesti�n p�blica; estudio bibliom�trico.

 

Abstract

This study presents a bibliometric analysis of the impact of Artificial Intelligence (AI) on public administration, aiming to identify trends, key players, and emerging thematic areas in the scientific literature published between 2004 and 2025. A systematic search of the Scopus database yielded 107 relevant articles, which were then processed using tools such as VOSviewer and Bibliometrix. The results reveal sustained growth in scientific production, especially since 2018, with a significant peak in 2024. The most relevant publication sources combine technology and public administration journals, with China standing out as the country with the highest volume of publications, albeit with low international collaboration. Keyword analysis identified three thematic clusters: (1) Open Government and Administrative Transformation, (2) Smart Technologies and Decision Support, and (3) Administrative Reform and Digitalization. This study contributes to a systematic understanding of the field, facilitating evidence-based decision-making, strengthening digital government, and guiding future research.

Keywords: Artificial intelligence; public management; bibliometric study.

 

Resumo

Este estudo apresenta uma an�lise bibliom�trica do impacto da Intelig�ncia Artificial (IA) na gest�o p�blica, com o objetivo de identificar tend�ncias, principais atores e �reas tem�ticas emergentes na literatura cient�fica publicada entre 2004 e 2025. A partir de uma busca sistem�tica na base de dados Scopus, 107 artigos relevantes foram recuperados e processados ​​usando ferramentas como VOSviewer e Bibliometrix. Os resultados revelam um crescimento sustentado da produ��o cient�fica, especialmente desde 2018, com pico significativo em 2024. As fontes de publica��o mais relevantes combinam peri�dicos de tecnologia e administra��o p�blica, e a China se destaca como o pa�s com maior volume de publica��es, embora com baixa colabora��o internacional. A an�lise de palavras-chave permitiu-nos identificar tr�s grupos tem�ticos: (1) Governo aberto e transforma��o administrativa, (2) Tecnologias inteligentes e apoio � decis�o, e (3) Reforma administrativa e digitaliza��o. Este estudo contribui para uma compreens�o sistem�tica do campo, facilitando a tomada de decis�es baseadas em evid�ncias, fortalecendo o governo digital e orientando pesquisas futuras.

Palavras-chave: Intelig�ncia artificial; gest�o p�blica; estudo bibliom�trico.

 

Introducci�n

En a�os recientes, la Inteligencia Artificial (IA) ha experimentado un crecimiento exponencial, configur�ndose como una tecnolog�a transformadora que ha influido en varios �mbitos del conocimiento. Espec�ficamente en la Gesti�n P�blica ha permitido mejorar la eficiencia de los servicios, fortalecer la transparencia, optimizar la toma de decisiones y promover una mayor participaci�n ciudadana (Wirtz et al., 2019; Sun & Medaglia, 2019). Gracias a las diversas ventajas que ofrece esta tecnolog�a, ha sido aplicada en �reas como la salud p�blica, seguridad, administraci�n tributaria, justicia y gesti�n de datos, generando un cuerpo de conocimiento importante que explora sus usos, retos �ticos y su impacto en la gobernanza digital (Zhou et al., 2020). Sin embargo, este conocimiento dentro de la literatura cient�fica, se encuentra disperso y sin la existencia de una visi�n sistem�tica que permita comprender la evoluci�n, tendencias y principales actores dentro de esta disciplina.

Bajo este contexto, se hace evidente una notable carencia de estudios que permitan sintetizar el conocimiento generado dentro de esta tem�tica, a trav�s de enfoques bibliom�tricos rigurosos. Los vac�os se manifiestan en la falta de identificaci�n de las redes de colaboraci�n acad�mica, la evoluci�n temporal de las tem�ticas predominantes y las fuentes de mayor impacto. Estos vac�os detectados impiden una consolidaci�n de un marco te�rico robusto, limitando al mismo tiempo la toma de decisiones basada en evidencia, para el dise�o de pol�ticas p�blicas innovadoras (Valle-Cruz et al., 2022). Por tanto, es imperativo desarrollar una investigaci�n que sistematice el conocimiento acumulado sobre la IA en la gesti�n p�blica, para identificar patrones emergentes y mapear la producci�n cient�fica generada en los �ltimos a�os.

El prop�sito de este estudio es analizar el impacto de la Inteligencia Artificial en la Gesti�n P�blica, a trav�s de un estudio bibliom�trico de la producci�n cient�fica publicada en la Base de Datos Acad�mica Scopus entre los a�os 2015 y 2024. En esta investigaci�n se proponen los siguientes objetivos espec�ficos: (a) identificar las principales fuentes de publicaci�n, autores y pa�ses donde m�s se han publicado estudios dentro de esta tem�tica; (b) analizar las redes de coautor�a y colaboraci�n institucional; (c) explorar las palabras clave m�s frecuentes utilizadas en estos estudios; y (d) clasificar las �reas tem�ticas y tendencias emergentes. Se utilizaron herramientas como VOSviewer y Bibliometrix; siguiendo las etapas de delimitaci�n, extracci�n, limpieza y an�lisis, conforme a los lineamientos propuestos por Donthu et al. (2021).

Los principales aportes de esta investigaci�n radican en ofrecer una visi�n estructurada y visual del campo de estudio, facilitando la comprensi�n de su evoluci�n y potencial de desarrollo. Desde el punto de vista pr�ctico, los hallazgos permiten orientar futuras investigaciones, fomentar redes de colaboraci�n entre instituciones y apoyar a los responsables de pol�ticas p�blicas en la adopci�n estrat�gica de tecnolog�as basadas en IA. Asimismo, este estudio bibliom�trico contribuye al fortalecimiento del gobierno digital y la innovaci�n p�blica, al proporcionar evidencia emp�rica sobre las din�micas del conocimiento cient�fico en esta �rea emergente (Alcaide-Mu�oz et al., 2023; Chatfield & Reddick, 2021).

 

Revisi�n de Literatura

La inteligencia artificial (IA) est� revolucionando la gesti�n p�blica, no solo como una herramienta t�cnica, sino como un verdadero catalizador de transformaci�n institucional. Su influencia se extiende a m�ltiples dimensiones del quehacer gubernamental, abriendo la puerta a nuevos esquemas de gesti�n m�s eficientes, proactivos y centrados en las necesidades ciudadanas. Este impacto no se limita al ahorro de recursos o a la automatizaci�n de tareas, sino que redefine el modo en que se dise�an, implementan y eval�an las pol�ticas p�blicas.

Uno de los principales aportes de la IA en este campo radica en su capacidad para analizar grandes vol�menes de datos, transform�ndolos en informaci�n �til para la toma de decisiones estrat�gicas. Tal como se�alan Damar et al. (2024), el an�lisis de datos masivos mediante sistemas inteligentes puede fortalecer los procesos de decisi�n en el sector p�blico, orient�ndolos hacia un enfoque m�s sensible a las demandas sociales. Este tipo de enfoque basado en evidencia no solo mejora la eficiencia operativa, sino que tambi�n contribuye a incrementar la confianza ciudadana al generar pol�ticas m�s alineadas con las realidades sociales. En la misma l�nea, Lu y Gao (2022) destacan c�mo los algoritmos de IA permiten el dise�o de modelos de gesti�n m�s din�micos e innovadores, alej�ndose de las estructuras r�gidas y jer�rquicas propias de la administraci�n tradicional. Esta capacidad adaptativa resulta fundamental en contextos donde las instituciones p�blicas enfrentan presiones crecientes para responder con agilidad a los cambios tecnol�gicos, sociales y econ�micos.

Sin embargo, la integraci�n de la IA en los gobiernos tambi�n exige una reflexi�n profunda sobre sus implicaciones �ticas. La automatizaci�n de decisiones que antes estaban en manos humanas puede generar tensiones respecto a la equidad, la privacidad y la rendici�n de cuentas. Ning (2024) advierte que su uso en �mbitos como la seguridad p�blica plantea dilemas �ticos delicados, especialmente cuando los algoritmos pueden reproducir sesgos o tomar decisiones sin la debida supervisi�n humana. Esto implica la necesidad de desarrollar marcos regulatorios robustos y �ticamente informados que garanticen un uso responsable de la tecnolog�a. Con base en esto, Zhang (2023) propone un modelo de gobernanza compartida que articule a distintos actores (gobierno, sociedad civil, sector privado y academia) para asegurar que la implementaci�n de la IA no solo sea tecnol�gicamente eficaz, sino tambi�n socialmente leg�tima. Este modelo podr�a ser clave para equilibrar innovaci�n y estabilidad en un entorno de transformaci�n digital acelerada.

Adem�s de las capacidades t�cnicas y los desaf�os �ticos, el �xito de la IA en la gesti�n p�blica depende en gran medida de la colaboraci�n entre sectores. La experiencia demuestra que los proyectos de IA con mayor impacto no son aquellos desarrollados de forma aislada, sino los que se basan en alianzas entre instituciones p�blicas, universidades, empresas tecnol�gicas y organizaciones sociales. Mikhaylov et al. (2018) subrayan que estas colaboraciones permiten combinar el conocimiento t�cnico con el conocimiento contextual del entorno pol�tico-administrativo, generando soluciones m�s efectivas y adaptadas a los entornos reales de aplicaci�n. Esta idea se complementa con la propuesta de Maragno et al. (2022), quienes plantean un modelo organizativo en el que los equipos de desarrollo de IA trabajan de forma integrada con los gestores p�blicos. En su estudio, muestran c�mo esta sinergia puede mejorar significativamente la calidad del servicio ciudadano, especialmente mediante el uso de herramientas como chatbots, que permiten ofrecer respuestas �giles y personalizadas a las consultas de los usuarios.

No obstante, para que la IA se convierta en una aliada estrat�gica del sector p�blico, es necesario comprender los factores que influyen en su adopci�n; ya que, no basta con disponer de la tecnolog�a; sino tambi�n de voluntad pol�tica, cultura organizacional propicia, recursos humanos capacitados y marcos normativos que la respalden. En este sentido, Majrashi (2024) enfatiza la importancia de identificar los determinantes que influyen en la disposici�n de los gerentes p�blicos para implementar soluciones basadas en IA. Este conocimiento permite dise�ar estrategias que favorezcan un entorno institucional abierto a la innovaci�n, incentivando no solo el uso de la tecnolog�a, sino tambi�n el desarrollo de capacidades organizacionales para sostenerla en el tiempo.

Lo expuesto anteriormente revela que, la inteligencia artificial tiene un enorme potencial para transformar la gesti�n p�blica, pero su adopci�n debe ser acompa�ada de criterios �ticos, estructuras colaborativas y estrategias institucionales que aseguren un uso justo, eficaz y centrado en las personas. De esta manera, la IA no ser� solo una herramienta tecnol�gica, sino una oportunidad real para construir una administraci�n p�blica m�s inteligente, inclusiva y resiliente.

 

Metodolog�a

Esta investigaci�n utiliz� un enfoque bibliom�trico con el objetivo de analizar la evoluci�n, caracter�sticas y tendencias de la producci�n cient�fica sobre el impacto de la Inteligencia Artificial (IA) en la gesti�n p�blica. La bibliometr�a, como t�cnica cuantitativa de an�lisis de la literatura cient�fica, permite examinar grandes vol�menes de publicaciones a trav�s de indicadores como productividad, colaboraci�n, impacto y estructura tem�tica (Donthu et al., 2021; Merig� & Yang, 2017). Se configura como una metodolog�a adecuada para identificar patrones de publicaci�n, autores e instituciones clave, redes de coautor�a y tendencias emergentes en un campo espec�fico del conocimiento (Koseoglu et al., 2016).

La recolecci�n de datos se realiz� en febrero de 2025 a partir de la base de datos acad�mica Scopus; seleccionada debido a su amplia indexaci�n de revistas cient�ficas de alta calidad y su compatibilidad con herramientas bibliom�tricas. Para realizar la b�squeda e identificaci�n de literatura cient�fica relacionada, se utiliz� la siguiente ecuaci�n booleana: ("inteligencia artificial" OR "artificial intelligence") AND ("gesti�n p�blica" OR "public management"). Esta ecuaci�n permiti� recuperar art�culos que abordan expl�citamente la intersecci�n entre IA y la gesti�n p�blica p�blica. Como criterios de inclusi�n se consideraron �nicamente art�culos cient�ficos publicados entre 2015 y 2024, escritos en ingl�s o espa�ol, y categorizados como art�culos de investigaci�n, excluyendo revisiones, tesis, libros, cap�tulos de libros, editoriales y conferencias.

El proceso de an�lisis sigui� las cuatro etapas recomendadas por Donthu et al. (2021): (a) delimitaci�n del campo de estudio mediante la selecci�n de palabras clave y bases de datos; (b) recolecci�n y depuraci�n de los datos, eliminando duplicados y documentos irrelevantes; (c) procesamiento de la informaci�n con herramientas bibliom�tricas; y (d) an�lisis e interpretaci�n de resultados. Para el an�lisis se utilizaron las aplicaciones VOSviewer y Bibliometrix a trav�s de la interfaz Biblioshiny en RStudio, los cuales permitieron generar mapas de co-ocurrencia de palabras clave, redes de coautor�a y diagramas de evoluci�n tem�tica.

Las variables analizadas incluyeron la productividad por autor, revista, instituci�n y pa�s; las redes de colaboraci�n internacional; la frecuencia y co-ocurrencia de palabras clave; y las �reas tem�ticas emergentes. Adicionalmente, se aplic� la ley de Bradford para identificar las revistas n�cleo del campo, y se utiliz� el �ndice de colaboraci�n para estimar el grado de asociaci�n entre autores e instituciones. Esta aproximaci�n metodol�gica permite obtener una visi�n estructurada del conocimiento acumulado, as� como identificar oportunidades de investigaci�n futura en el �mbito de la IA aplicada a la gesti�n p�blica.

 

Resultados

An�lisis General

Los resultados generales muestran un total de 107 documentos publicados entre 2004 y 2025, lo que evidencia un campo en crecimiento. La tasa de crecimiento anual del 6.15 % permite inferir que existe un inter�s sostenido y en aumento por parte de la comunidad cient�fica en este tema, particularmente en la �ltima d�cada, lo cual coincide con el auge de la transformaci�n digital en el sector p�blico (Barrutia & Echebarria, 2021).

Durante el periodo analizado, los documentos fueron publicados en 83 fuentes cient�ficas distintas, lo que revela una dispersi�n tem�tica e interdisciplinariedad en la difusi�n del conocimiento. Los resultados muestran adem�s que 221 autores estuvieron involucrados en esta tem�tica, lo cual muestra una comunidad acad�mica activa, aunque con una participaci�n moderada de investigadores que publican de forma individual (28 autores). Este dato, combinado con el promedio de 2.29 coautores por documento, refleja una tendencia hacia la colaboraci�n acad�mica, que es caracter�stica de campos interdisciplinares como la IA en contextos de la gesti�n p�blica.

En t�rminos de colaboraci�n internacional, el 21.5 % de los art�culos presentan coautor�a entre pa�ses, lo que indica una presencia significativa de cooperaci�n global. Este dato es especialmente relevante para el �mbito de la gesti�n p�blica, ya que sugiere que los retos del uso de la IA en el sector p�blico est�n siendo abordados desde una perspectiva comparativa e internacional, lo cual enriquece las conclusiones y permite compartir buenas pr�cticas entre naciones.

Con respecto al contenido tem�tico, se identificaron 306 palabras clave proporcionadas por los autores, lo que sugiere una riqueza sem�ntica considerable. Esta diversidad indica una amplia gama de enfoques, m�todos y aplicaciones asociadas al uso de IA en la gesti�n p�blica, desde automatizaci�n de servicios hasta �tica algor�tmica. El promedio de edad de los documentos (3.85 a�os) confirma que gran parte de la literatura relevante ha sido producida recientemente, reforzando el car�cter emergente del campo. Adem�s, se observa un promedio de 10.81 citas por documento, lo que demuestra un nivel razonable de impacto acad�mico y relevancia en la comunidad cient�fica.

Producci�n Cient�fica

LA figura 1 muestra la producci�n cient�fica anual donde se evidencia una evoluci�n din�mica y creciente en la publicaci�n de art�culos relacionados a la tem�tica objetivo de an�lisis. En los primeros a�os (2004-2016), la producci�n fue marginal, con un n�mero muy reducido de publicaciones por a�o, lo que indica que el tema a�n no hab�a despertado un inter�s significativo en la comunidad acad�mica; sin embargo, a partir de 2018, se observa un aumento sostenido, marcando el inicio de una fase de consolidaci�n del campo. Este crecimiento se intensifica de manera notable en 2021, a�o en el cual la producci�n cient�fica se duplica en relaci�n con el a�o anterior, coincidiendo posiblemente con la aceleraci�n de procesos de transformaci�n digital en el sector p�blico tras la pandemia de COVID-19.

Los a�os 2021, 2022 y 2023 muestran un pico alto, con m�s de 15 publicaciones anuales, reflejando una etapa de madurez e inter�s continuo. El pico m�s alto se alcanza en 2024, con aproximadamente 24 art�culos publicados, lo que representa el a�o de mayor productividad cient�fica en el campo. Esta cifra puede estar asociada a la consolidaci�n de marcos normativos, �ticos y tecnol�gicos que fomentan la investigaci�n sobre la implementaci�n responsable de IA en gobiernos. En contraste; en 2025 se observa un descenso, aunque esto podr�a deberse a que el a�o a�n no ha concluido al momento del an�lisis (fecha de corte: marzo de 2025), por lo que es razonable esperar un incremento conforme avance el a�o.

 

Figura 1. Producci�n Cient�fica Anual

 

El an�lisis de las fuentes m�s relevantes muestra que la producci�n cient�fica sobre Inteligencia Artificial en la gesti�n p�blica se ha concentrado principalmente en foros acad�micos tecnol�gicos y revistas especializadas en administraci�n p�blica. La fuente con mayor n�mero de art�culos es ACM International Conference Proceeding Series, con 5 publicaciones, lo que resalta el papel de los congresos de inform�tica como plataforma clave para la discusi�n emergente sobre IA y sector p�blico.

Le siguen la Revista Venezolana de Gerencia con 4 art�culos, y dos fuentes con 3 art�culos cada una: Advances in Intelligent Systems and Computing y Government Information Quarterly. Esta distribuci�n sugiere un enfoque dual en la difusi�n del conocimiento: por un lado, revistas orientadas a la gesti�n y las pol�ticas p�blicas en Am�rica Latina; y por otro, publicaciones internacionales centradas en sistemas inteligentes y gobernanza digital. La diversidad de fuentes tambi�n refleja el car�cter interdisciplinario del tema

Este �ltimo an�lisis corrobora el an�lisis realizado a trav�s de la Ley de Bradford, una t�cnica cl�sica en bibliometr�a utilizada para identificar las fuentes n�cleo que concentran la mayor parte de la producci�n cient�fica sobre un tema espec�fico. En este caso, se observa que un grupo reducido de revistas conforma el n�cleo central de publicaciones en el campo de la Inteligencia Artificial aplicada a la gesti�n p�blica: ACM International Conference Proceeding Series, la Revista Venezolana de Gerencia, Advances in Intelligent Systems and Computing y Government Information Quarterly, todas ellas con entre 3 y 5 art�culos publicados.

El an�lisis de la procedencia de los autores de correspondencia revela una marcada concentraci�n geogr�fica en la producci�n cient�fica. China se posiciona como el principal referente global en esta l�nea de investigaci�n, con 15 art�culos, lo que representa el 14 % del total. Esta cifra no solo evidencia el liderazgo acad�mico y tecnol�gico del pa�s, sino tambi�n su creciente inter�s en la aplicaci�n de tecnolog�as emergentes como la IA en el �mbito gubernamental. Del total de publicaciones chinas, 93.3 % (14 art�culos) corresponden a producci�n interna sin colaboraci�n internacional (SCP), lo que refleja un ecosistema acad�mico y cient�fico autosuficiente. Sin embargo, este dato tambi�n podr�a sugerir oportunidades no aprovechadas en cuanto a cooperaci�n global, dado que solo el 6.7 % de los art�culos involucran m�ltiples pa�ses (MCP).

En contraste, pa�ses como Brasil, Grecia, Marruecos y Per� muestran una participaci�n equitativa con tres art�culos cada uno, representando cada uno un 2.8 % del total. A pesar de su menor volumen de producci�n en comparaci�n con China, estos pa�ses podr�an estar desarrollando nichos tem�ticos o aplicaciones regionales de la IA en pol�ticas p�blicas. No obstante, es llamativo que ninguno de estos pa�ses presenta publicaciones en coautor�a internacional, lo que indica una baja integraci�n en redes globales de investigaci�n. Este aspecto puede representar una limitaci�n para el intercambio de metodolog�as, experiencias comparadas y construcci�n de marcos comunes, especialmente en contextos donde la gesti�n p�blica se enfrenta a desaf�os estructurales y de gobernanza que podr�an beneficiarse del di�logo internacional.

Los datos evidencian que, aunque el fen�meno de la IA en la gesti�n p�blica est� siendo abordado en distintas partes del mundo, la producci�n sigue siendo liderada por un n�mero reducido de pa�ses y con bajos niveles de cooperaci�n transnacional. Se evidencia as� la importancia de fomentar alianzas estrat�gicas y redes acad�micas globales para ampliar la perspectiva comparada, generar soluciones contextualizadas y consolidar un enfoque verdaderamente inclusivo e innovador en la gesti�n p�blica digital.

Estructura Conceptual

El mapa de coocurrencia de palabras clave revela las principales tem�ticas y conexiones conceptuales dentro de la literatura sobre Inteligencia Artificial (IA) en la gesti�n p�blica. Al centro del mapa se destacan los t�rminos �artificial intelligence� y �public management� como los nodos m�s influyentes y de mayor densidad, lo que indica que estos conceptos constituyen el n�cleo tem�tico del campo de estudio. Alrededor de ellos, se agrupan t�rminos fuertemente conectados como �public administration�, �open government�, �machine learning�, �big data� y �decision-making�, lo cual sugiere que la literatura no solo se enfoca en la tecnolog�a en s�, sino tambi�n en su aplicaci�n a procesos clave de gobernanza y toma de decisiones.

 

Figura 2. Co-ocurrencia de palabras clave

 

El mapa de coocurrencia de palabras clave permite identificar tres cl�steres tem�ticos principales, que estructuran el campo de estudio sobre la Inteligencia Artificial (IA) en la gesti�n p�blica:

�                    Cl�ster 1: Gobierno Abierto y Transformaci�n Administrativa

Este cl�ster se compone de t�rminos como public administration, public management, open government y artificial intelligence. Representa el n�cleo conceptual del campo, donde se integran estudios relacionados a la transformaci�n institucional del sector p�blico a trav�s de tecnolog�as inteligentes. Ejemplo de ello es el art�culo de Oca�a-Fern�ndez et al. (2021) publicado en Revista Venezolana de Gerencia, que propone un marco te�rico para la implementaci�n de la IA en gobiernos inteligentes, enfatizando la transparencia, eficiencia y participaci�n ciudadana como ejes de transformaci�n del Estado. De igual forma, James y Whelan (2022) abordan el desaf�o �tico de aplicar IA en sistemas de bienestar, advirtiendo sobre el potencial de sesgos algor�tmicos que puedan comprometer la equidad en el acceso a servicios p�blicos.

�                    Cl�ster 2: Tecnolog�as Inteligentes y Apoyo a la Decisi�n

Este cl�ster, de orientaci�n m�s t�cnica, incluye t�rminos como machine learning, big data, decision-making y decision support systems. Aqu� se agrupan los estudios que exploran el uso de IA para optimizar la toma de decisiones gubernamentales mediante sistemas predictivos y anal�ticos. En esta l�nea, el art�culo de Ammar et al. (2024) examina la transformaci�n log�stica en ciudades inteligentes, proponiendo sistemas de apoyo a la decisi�n basados en IA como elemento central para lograr eficiencia operativa y sostenibilidad urbana. Esta orientaci�n evidencia un creciente inter�s por soluciones automatizadas que respalden la formulaci�n de pol�ticas p�blicas a partir del an�lisis de grandes vol�menes de datos.

�                    Cl�ster 3: Reforma Administrativa y Nuevas Tecnolog�as

Este grupo, con t�rminos como new public management, public sector y digital technologies, representa el di�logo entre los paradigmas tradicionales de la administraci�n p�blica y los desaf�os introducidos por la digitalizaci�n. Art�culos como el de Ojo et al., (2019), publicado en el ACM International Conference Proceeding Series, encarnan esta preocupaci�n, al proponer una perspectiva realista sobre c�mo la IA reconfigura la estructura de incentivos, la rendici�n de cuentas y los mecanismos de coordinaci�n interinstitucional en contextos de reforma estatal.

Estos tres cl�steres revelan que el campo de investigaci�n sobre IA y gesti�n p�blica es altamente interdisciplinario, y est� evolucionando desde una visi�n t�cnica de las herramientas hacia una comprensi�n m�s integral de sus implicaciones institucionales, �ticas y sociales. La evidencia emp�rica extra�da de los art�culos indexados en Scopus muestra una diversidad de enfoques, pero tambi�n una convergencia hacia un objetivo com�n: repensar el rol del Estado en la era de la inteligencia artificial. A su vez, la existencia de conexiones densas entre los t�rminos clave demuestra que la investigaci�n est� en un proceso de consolidaci�n conceptual, lo cual refuerza la pertinencia de este estudio bibliom�trico como punto de referencia para futuras investigaciones y pol�ticas p�blicas innovadoras.

 

Conclusiones

Los resultados de este estudio bibliom�trico permiten concluir que el impacto de la IA en la gesti�n p�blica se ha consolidado como un campo de investigaci�n en plena expansi�n, con una evoluci�n significativa durante la �ltima d�cada. La tasa de crecimiento anual del 6.15 % refleja un inter�s creciente por parte de la comunidad acad�mica, especialmente a partir de 2018, coincidiendo con el impulso de la transformaci�n digital en los gobiernos tras la pandemia de COVID-19. Este aumento sostenido en la producci�n cient�fica evidencia que la IA ha dejado de ser una tendencia emergente para convertirse en una herramienta estrat�gica en los procesos de modernizaci�n estatal.

Asimismo, el an�lisis de las fuentes de publicaci�n muestra una combinaci�n de revistas tecnol�gicas y de gesti�n p�blica, lo que confirma el car�cter interdisciplinario del campo. Entre las fuentes m�s influyentes se destacan conferencias tecnol�gicas como el ACM International Conference Proceeding Series y revistas especializadas como la Revista Venezolana de Gerencia. A nivel geogr�fico, China lidera la producci�n cient�fica con un enfoque mayoritariamente interno, mientras que pa�ses como Brasil, Per�, Marruecos y Grecia tambi�n presentan contribuciones relevantes, aunque con escasa participaci�n en redes de colaboraci�n internacional. Este panorama sugiere la necesidad de fortalecer la cooperaci�n acad�mica entre pa�ses para fomentar la generaci�n de conocimiento compartido y el desarrollo de soluciones contextualizadas.

Por otro lado, el an�lisis tem�tico revela una estructura conceptual consolidada alrededor de tres cl�steres: gobierno abierto y transformaci�n administrativa, tecnolog�as inteligentes aplicadas a la toma de decisiones, y reforma administrativa orientada a la digitalizaci�n. Estos cl�steres reflejan una evoluci�n del campo desde una perspectiva puramente t�cnica hacia un enfoque m�s integral, que incluye consideraciones �ticas, institucionales y sociales. En este sentido, la IA no solo es vista como una herramienta para mejorar la eficiencia, sino tambi�n como un medio para redefinir las relaciones entre Estado y ciudadan�a.

Sin embargo, la limitada pero creciente colaboraci�n internacional evidencia que el campo a�n presenta retos importantes en t�rminos de integraci�n global del conocimiento. Aunque existen redes de coautor�a, estas se concentran en ciertos pa�ses y disciplinas, lo que limita el intercambio de experiencias y la construcci�n de marcos comparativos. La expansi�n de estas redes ser� crucial para consolidar una visi�n plural, inclusiva y �tica de la inteligencia artificial en el sector p�blico.

Este estudio tiene importantes implicancias tanto para la academia como para los responsables de formular pol�ticas p�blicas. En el �mbito acad�mico, ofrece una cartograf�a detallada del estado del arte sobre IA y gesti�n p�blica, permitiendo identificar tendencias, vac�os y l�neas de investigaci�n futuras. Al mapear los actores m�s influyentes y las tem�ticas emergentes, proporciona una base s�lida para investigadores interesados en profundizar en esta intersecci�n entre tecnolog�a y administraci�n p�blica.

Desde una perspectiva pr�ctica, los hallazgos de esta investigaci�n pueden orientar la toma de decisiones estrat�gicas dentro de las instituciones gubernamentales. Comprender c�mo, d�nde y con qu� enfoques se est� implementando la IA permite dise�ar pol�ticas p�blicas m�s informadas, �ticas y eficientes. Adem�s, promueve una adopci�n m�s reflexiva de estas tecnolog�as, basada en evidencia emp�rica y adaptada a los contextos locales.

 

Referencias

1.      Alcaide-Mu�oz, L., Rodr�guez Bol�var, M. P., & Rold�n, J. L. (2023). Artificial intelligence in government: A systematic review and future research agenda. Government Information Quarterly, 40(1), 101744. https://doi.org/10.1016/j.giq.2022.101744

2.      Ammar, A., Amahmoud, H., El Menzhi, K., Mkik, M., Hebaz, A., & Eddine, E. M. A. (2024, May). Critical Analysis of Logistics Transformation in Morocco Under The Auspices of Artificial Intelligence: Government Perspectives From the perspective of Innovative and Technology Driven Public Management. In 2024 IEEE 15th International Colloquium on Logistics and Supply Chain Management (LOGISTIQUA) (pp. 1-9). IEEE.

3.      Barrutia, J. M., & Echebarria, C. (2021). Effect of the COVID-19 pandemic on public managers� attitudes toward digital transformation. Technology in Society, 67, 101776.

4.      Chatfield, A. T., & Reddick, C. G. (2021). A framework for adopting AI in government: Building trust and managing risks. Government Information Quarterly, 38(2), 101568. https://doi.org/10.1016/j.giq.2021.101568

5.      Damar, M., �zen, A., �akmak, �. E., �zoğuz, E., & Erenay, F. S. (2024). Super ai, generative ai, narrow ai and chatbots: an assessment of artificial intelligence technologies for the public sector and public administration. Journal of AI, 8(1), 83-106. https://doi.org/10.61969/jai.1512906

6.      Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285-296. https://doi.org/10.1016/j.jbusres.2021.04.070

7.      James, A., & Whelan, A. (2021). �Ethical� artificial intelligence in the welfare state: Discourse and discrepancy in Australian social services. Critical Social Policy, 42(1), 22-42. https://doi.org/10.1177/0261018320985463

8.      Koseoglu, M. A., Rahimi, R., Okumus, F., & Liu, J. (2016). Bibliometric studies in tourism. Annals of Tourism Research, 61, 180�198. https://doi.org/10.1016/j.annals.2016.10.001

9.      Lu, Y. and Gao, X. (2022). The impact of artificial intelligence technology on market public administration in a complex market environment. Wireless Communications and Mobile Computing, 2022, 1-13. https://doi.org/10.1155/2022/5646234

10.  Majrashi, K. (2024). Determinants of public sector managers' intentions to adopt ai in the workplace. International Journal of Public Administration in the Digital Age, 11(1), 1-26. https://doi.org/10.4018/ijpada.342849

11.  Maragno, G., Tangi, L., Gastaldi, L., & Benedetti, M. (2022). Ai as an organizational agent to nurture: effectively introducing chatbots in public entities. Public Management Review, 25(11), 2135-2165. https://doi.org/10.1080/14719037.2022.2063935

12.  Merig�, J. M., & Yang, J. B. (2017). A bibliometric analysis of operations research and management science. Omega, 73, 37�48. https://doi.org/10.1016/j.omega.2016.12.004

13.  Mikhaylov, S., Est�ve, M., & Campion, A. (2018). Artificial intelligence for the public sector: opportunities and challenges of cross-sector collaboration. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 376(2128), 20170357. https://doi.org/10.1098/rsta.2017.0357

14.  Ning, W. (2024). A legal and ethical review of artificial intelligence technology in public safety management. Applied Mathematics and Nonlinear Sciences, 9(1). https://doi.org/10.2478/amns-2024-0954

15.  Oca�a-Fern�ndez, Y., Valenzuela-Fern�ndez, L. A., Vera-Flores, M. A., & Rengifo-Lozano, R. A. (2021). Inteligencia artificial (IA) aplicada a la gesti�n p�blica. Revista Venezolana De Gerencia, 26(94), 696-707. https://doi.org/10.52080/rvgv26n94.14

16.  Ojo, A., Mellouli, S., & Ahmadi Zeleti, F. (2019, June). A realist perspective on AI-era public management. In Proceedings of the 20th annual international conference on digital government research (pp. 159-170).

17.  Sun, T. Q., & Medaglia, R. (2019). Mapping the challenges of Artificial Intelligence in the public sector: Evidence from public healthcare. Government Information Quarterly, 36(2), 368�383. https://doi.org/10.1016/j.giq.2018.09.008

18.  Valle-Cruz, D., Sandoval-Almaz�n, R., & Gil-Garc�a, J. R. (2022). The effects of artificial intelligence on transparency in public administration: A systematic review. Government Information Quarterly, 39(3), 101760. https://doi.org/10.1016/j.giq.2022.101760

19.  Wirtz, B. W., Weyerer, J. C., & Geyer, C. (2019). Artificial Intelligence and the Public Sector�Applications and Challenges. International Journal of Public Administration, 42(7), 596�615. https://doi.org/10.1080/01900692.2018.1498103

20.  Zhang, H. (2023). Research and practical exploration of new models of social governance in the age of artificial intelligence. SHS Web of Conferences, 179, 01017. https://doi.org/10.1051/shsconf/202317901017

21.  Zhou, X., Xie, H., Wang, F. L., & Wang, X. (2020). The role of artificial intelligence in public sector services: A systematic literature review. Information Polity, 25(4), 491�505. https://doi.org/10.3233/IP-200219

 

 

 

 

 

 

 

 

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).