Aprendizaje Automático e IA Generativa en Procesos Administrativos en Perú: Eficiencia Administrativa en el Sector Público Nacional
Autores: Rodriguez Saavedra, Miluska Odely; Lopez, Juliana Mery Bautista; Nina, Wilian Quispe; Morales Gonzales, Antonio Víctor; Galindo, Iván Cuentas; Ascuña, Luis Miguel Campos; Colana, Anthony Stefano Saenz; Almanza Cabe, Robinson Bernardino; Tito, Paola Gabriela Lujan; Teran, Sharon Veronika Liendo
Idioma: Inglés
Editor: MDPI
Año: 2026
Acceso abierto
Artículo científico
2026
Aprendizaje Automático e IA Generativa en Procesos Administrativos en Perú: Eficiencia Administrativa en el Sector Público Nacional
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Organizaciones públicas
Inteligencia artificial
Eficiencia administrativa
Organizaciones públicas nacionales peruanas
Adopción de IA
Ganancias de eficiencia
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Las organizaciones públicas en Perú han comprometido recursos sustanciales a la inteligencia artificial en los últimos años, sin embargo, la evidencia sobre si estas inversiones producen retornos medibles ha permanecido escasa. Este estudio evaluó el impacto causal de la adopción de IA en la eficiencia administrativa a través de 20 organizaciones públicas nacionales peruanas, utilizando un diseño cuasi-experimental que combina Diferencias en Diferencias con Emparejamiento por Puntaje de Propensión, complementado por XGBoost versión 1.7.6, Bosque Aleatorio, GPT-4 y análisis de explicabilidad SHAP. La muestra comprendió 428 servidores públicos en organizaciones de tratamiento y control. Los resultados mostraron ganancias significativas en eficiencia percibidas por los servidores públicos a través de instrumentos de Likert validados: el ausentismo laboral disminuyó en un 9.4%, los tiempos de procesamiento en un 8.7% y los costos administrativos en un 18.2%, todos con p < 0.001 y un d de Cohen que varió de 0.55 a 0.90. La convergencia entre las estimaciones de DiD y PSM apoya una interpretación causal de estos efectos. Cuatro de cinco hipótesis fueron respaldadas. La IA proporcionó ganancias de eficiencia comparables independientemente de la complejidad institucional, por lo que la H2 no fue confirmada. La infraestructura digital moderó significativamente la efectividad de la IA (H3: r = 0.198, p = 0.004). Una mayor resistencia al cambio se asoció significativamente con resultados de eficiencia más bajos (H5: r = -0.256, p < 0.001), reforzando el papel de la gestión proactiva del cambio como un moderador positivo de la efectividad de la IA. El análisis SHAP reveló que la inversión en capacitación, el personal de TI especializado y la gestión de la resistencia explicaron en conjunto el 51% de la importancia predictiva, superando a variables estructurales como el tamaño del presupuesto o la ubicación geográfica. Estos hallazgos proporcionan la primera evidencia causal sistemática sobre la eficiencia de la IA en la administración pública peruana y ofrecen puntos de referencia accionables para sectores públicos de ingresos medianos comparables.
Descripción
Las organizaciones públicas en Perú han comprometido recursos sustanciales a la inteligencia artificial en los últimos años, sin embargo, la evidencia sobre si estas inversiones producen retornos medibles ha permanecido escasa. Este estudio evaluó el impacto causal de la adopción de IA en la eficiencia administrativa a través de 20 organizaciones públicas nacionales peruanas, utilizando un diseño cuasi-experimental que combina Diferencias en Diferencias con Emparejamiento por Puntaje de Propensión, complementado por XGBoost versión 1.7.6, Bosque Aleatorio, GPT-4 y análisis de explicabilidad SHAP. La muestra comprendió 428 servidores públicos en organizaciones de tratamiento y control. Los resultados mostraron ganancias significativas en eficiencia percibidas por los servidores públicos a través de instrumentos de Likert validados: el ausentismo laboral disminuyó en un 9.4%, los tiempos de procesamiento en un 8.7% y los costos administrativos en un 18.2%, todos con p < 0.001 y un d de Cohen que varió de 0.55 a 0.90. La convergencia entre las estimaciones de DiD y PSM apoya una interpretación causal de estos efectos. Cuatro de cinco hipótesis fueron respaldadas. La IA proporcionó ganancias de eficiencia comparables independientemente de la complejidad institucional, por lo que la H2 no fue confirmada. La infraestructura digital moderó significativamente la efectividad de la IA (H3: r = 0.198, p = 0.004). Una mayor resistencia al cambio se asoció significativamente con resultados de eficiencia más bajos (H5: r = -0.256, p < 0.001), reforzando el papel de la gestión proactiva del cambio como un moderador positivo de la efectividad de la IA. El análisis SHAP reveló que la inversión en capacitación, el personal de TI especializado y la gestión de la resistencia explicaron en conjunto el 51% de la importancia predictiva, superando a variables estructurales como el tamaño del presupuesto o la ubicación geográfica. Estos hallazgos proporcionan la primera evidencia causal sistemática sobre la eficiencia de la IA en la administración pública peruana y ofrecen puntos de referencia accionables para sectores públicos de ingresos medianos comparables.