Henrry Zaira / IA y alcaldes predictivos

IA en la gestión por procesos para alcaldes predictivos

Resumen

La Norma Técnica N° 002-2025-PCM/SGP establece un ciclo de cuatro fases para la gestión por procesos en entidades públicas peruanas, pero omite explícitamente la incorporación de la inteligencia artificial y la automatización robótica de procesos (Presidencia del Consejo de Ministros [PCM], 2025a). Esta omisión resulta problemática frente al marco normativo vigente de transformación digital, que incluye el Decreto Supremo N° 115-2025-PCM sobre uso responsable de la IA y la NTP-ISO/IEC 42001:2025-INACAL sobre sistemas de gestión de IA (PCM, 2025b; Instituto Nacional de Calidad [INACAL], 2025).

El presente artículo analiza dicha desconexión normativa y propone la integración de la IA como elemento transversal en cada fase del ciclo de gestión por procesos —identificación, implementación, evaluación y mejora— aplicando el marco teórico de la gestión del cambio organizacional de Govindarajan (2016). Adicionalmente, se propone un modelo de madurez para la evolución de indicadores de gestión, transitando desde métricas descriptivas hacia sistemas predictivos y prescriptivos adaptados a la realidad municipal. Se argumenta que la actualización de la Norma Técnica permitiría transformar procedimientos manuales en procesos inteligentes, éticos y auditables, alineados al Plan de Gobierno y Transformación Digital 2025-2026 (PCM, 2025d), generando un impacto ciudadano exponencial.

Desarrollo

La Norma Técnica N° 002-2025-PCM/SGP, al centrarse en herramientas analógicas como fichas descriptivas, diagramas BPMN y procedimientos escritos, perpetúa un enfoque metodológico que limita la capacidad de las entidades públicas para responder a las demandas ciudadanas en un contexto de transformación digital. Esta omisión contrasta con el marco normativo nacional que promueve la interoperabilidad digital y la gobernanza algorítmica, así como con los avances que el propio Perú viene demostrando en índices internacionales. Según el Índice de Preparación del Gobierno para la Inteligencia Artificial 2025, el Perú alcanzó el puesto 59 a nivel global y el quinto en América Latina, destacando en el pilar de Adopción del Sector Público con una calificación de 90.40 puntos (Oxford Insights, 2025). Incorporar la IA en cada fase del ciclo de gestión por procesos constituye, por tanto, una necesidad estructural para capitalizar estos avances.

Para comprender la magnitud del cambio requerido, resulta pertinente aplicar el marco teórico propuesto por Govindarajan (2016). La teoría de las tres cajas ofrece una estructura para gestionar la innovación organizacional de manera simultánea: la primera caja representa la gestión del presente (optimización de operaciones actuales); la segunda caja implica el abandono selectivo de prácticas obsoletas; y la tercera caja corresponde a la creación estratégica del futuro. En el contexto peruano, la Norma Técnica se encuentra anclada en la primera caja, optimizando procedimientos manuales que deberían ser objeto de abandono selectivo, mientras ignora las oportunidades que la tercera caja ofrece mediante la inteligencia artificial.

Fase de identificación: minería de procesos y diagnóstico predictivo

En la fase de identificación de procesos, la IA puede aportar mediante minería de procesos y analítica predictiva, reconstruyendo automáticamente los flujos reales a partir de trazas digitales y anticipando la demanda ciudadana (van der Aalst, 2016). Mientras la Norma Técnica se limita a fichas descriptivas estáticas elaboradas en talleres participativos, la minería de procesos permite descubrir cuellos de botella, desviaciones e ineficiencias que no son visibles en la documentación formal. Los sistemas de minería de procesos analizan los registros de eventos generados por los sistemas informáticos —como las mesas de partes virtuales o los sistemas de trámite documentario— para reconstruir automáticamente el flujo real de los expedientes, identificando dónde se acumulan, cuánto tiempo permanecen inactivos y qué funcionarios intervienen en cada etapa.

La aplicación de la NTP-ISO/IEC 42001:2025-INACAL permitiría realizar evaluaciones de madurez en IA, garantizando que cada entidad identifique riesgos y sesgos antes de diseñar sus procesos (INACAL, 2025). Esta norma establece requisitos para implementar un sistema de gestión de IA con énfasis en la gobernanza algorítmica. Así, la identificación se convierte en un diagnóstico dinámico que conecta la gestión por procesos con la gobernanza algorítmica.

Los países latinoamericanos han comenzado a transitar este camino. En Brasil, el sistema de predicción de brotes de dengue mediante IA permite a las autoridades sanitarias anticipar epidemias y desplegar recursos preventivos de manera eficiente (Zamora Pérez, 2025), constituyendo un ejercicio de identificación predictiva de necesidades ciudadanas que bien podría replicarse en municipios peruanos para anticipar demandas de servicios públicos.

Fase de implementación: RPA y asistentes virtuales con gobernanza ética

La fase de implementación puede enriquecerse con soluciones de automatización robótica de procesos y chatbots omnicanal. Estas herramientas permiten automatizar mesas de partes virtuales y ofrecer atención tributaria 24/7, reduciendo tiempos de respuesta y aumentando la satisfacción ciudadana (Criado, 2024). En el contexto peruano, el 91% de los usuarios se declara satisfecho con el contenido de orientación en la plataforma Gob.pe (PCM, 2026), lo que demuestra la receptividad ciudadana a los canales digitales.

América Latina ofrece ejemplos concretos. En Ecuador, el Municipio de Quito implementó un chatbot para atención ciudadana que resuelve consultas administrativas de manera automatizada, mientras que Guayaquil desarrolló un sistema de gestión de tráfico con IA para optimizar la movilidad urbana (Zamora Pérez, 2025). En Chile, se utiliza IA para la detección de irregularidades en licitaciones públicas, analizando patrones anómalos en procesos de contratación (Criado, 2024). Estos casos demuestran que la automatización no deshumaniza el servicio público, sino que libera al personal municipal de tareas repetitivas para concentrarse en aquellas que requieren juicio humano y trato personalizado.

El despliegue de estas herramientas debe estar acompañado de auditorías de sesgos, conforme al Decreto Supremo 115-2025-PCM (PCM, 2025b). Los diagramas BPMN deberían evolucionar hacia plantillas híbridas que integren explícitamente nodos de intervención algorítmica junto a decisiones humanas, visibilizando la colaboración entre tecnología y gestión.

Fase de evaluación: de indicadores descriptivos a sistemas predictivos y prescriptivos

La Norma Técnica concibe la evaluación como un ejercicio de rendición de cuentas basado en indicadores tradicionales de tiempo y costo. Si bien estos indicadores cumplen una función administrativa, resultan insuficientes en un entorno donde la inteligencia artificial permite anticipar escenarios y prescribir acciones correctivas antes de que el daño ocurra. La evolución natural de la gestión pública implica transitar desde indicadores que describen el pasado hacia sistemas que modelan el futuro.

El modelo de madurez propuesto por la literatura especializada distingue tres niveles en la evolución de los indicadores de gestión (Davenport & Harris, 2017; Iansiti & Lakhani, 2020). En el nivel descriptivo, los indicadores responden a la pregunta "¿qué sucedió?", informando sobre el estado actual y pasado de la organización mediante métricas como tiempos de procesamiento, costos unitarios o niveles de producción. Este es el nivel en el que se encuentra anclada la Norma Técnica actual. En el nivel predictivo, los indicadores responden a la pregunta "¿qué sucederá?", utilizando modelos de machine learning y análisis de series temporales para anticipar resultados futuros basados en datos históricos y variables contextuales. En el nivel prescriptivo, los indicadores responden a la pregunta "¿qué debemos hacer?", generando recomendaciones específicas y accionables para optimizar el rendimiento, combinando predicciones con reglas de negocio y algoritmos de optimización.

Aplicar esta lógica al sector público implica repensar los indicadores de evaluación municipal. En el nivel descriptivo, una municipalidad puede medir cuántas licencias de funcionamiento emitió en el mes, cuál es el tiempo promedio de atención o qué porcentaje de contribuyentes se encuentra en morosidad. Estos indicadores, siendo necesarios, solo informan sobre lo que ya ocurrió. En el nivel predictivo, la misma municipalidad podría implementar un modelo que anticipe la demanda de licencias según la estacionalidad, el comportamiento del sector construcción y las variables macroeconómicas, permitiendo a la Subgerencia de Obras Privadas asignar recursos de manera eficiente antes de que se acumulen los expedientes. Similarmente, un modelo predictivo podría identificar con meses de anticipación qué contribuyentes tienen alta probabilidad de caer en morosidad, basándose en su historial de pagos, cambios en su actividad económica o variables contextuales como crisis sectoriales.

En el nivel prescriptivo, el sistema no solo anticipa, sino que recomienda acciones concretas. Ante la predicción de un aumento del 25% en la demanda de licencias de edificación para el próximo trimestre, el sistema podría sugerir automáticamente "incrementar la capacidad de revisión de planos en la Subgerencia de Obras Privadas mediante la reasignación temporal de personal desde áreas con menor carga operativa". Ante la identificación de contribuyentes en riesgo de mora, podría generar recomendaciones personalizadas como "enviar recordatorio de pago con dos semanas de anticipación y ofrecer fraccionamiento automático si el contribuyente pertenece a sector identificado como vulnerable".

La aplicación de la NTP-ISO/IEC 42001:2025-INACAL resulta crucial en este proceso, pues establece los requisitos para gestionar los riesgos asociados a la toma de decisiones algorítmica (INACAL, 2025). La auditoría anual de sesgos, prevista en el Decreto Supremo 115-2025-PCM (PCM, 2025b), debe extenderse a estos indicadores predictivos y prescriptivos, verificando que las recomendaciones automatizadas no perpetúen desigualdades ni discriminen a grupos poblacionales. Así, la evaluación deja de ser un mero ejercicio de rendición de cuentas y se convierte en un sistema de aprendizaje organizacional continuo.

Fase de mejora: aprendizaje automático y optimización continua basada en indicadores

La fase de mejora encuentra en los indicadores prescriptivos su máxima expresión. Si en la evaluación los sistemas anticipan escenarios y detectan desviaciones, en la mejora se convierten en motores de optimización autónoma. El concepto de "gemelo digital organizacional" —una réplica virtual de los procesos municipales que permite simular cambios antes de implementarlos en el mundo real— adquiere aquí una relevancia estratégica (Batty, 2018). Un gemelo digital alimentado con datos en tiempo real de los procesos municipales permitiría a cualquier municipalidad ensayar modificaciones en los procedimientos, evaluar su impacto en los indicadores clave y desplegar solo aquellas intervenciones que muestren resultados positivos en el entorno simulado.

La lógica de los indicadores prescriptivos cierra el ciclo de mejora continua. Mientras la Norma Técnica concibe la mejora como un rediseño periódico basado en reuniones de funcionarios y análisis cualitativos, un enfoque aumentado con IA permite que los propios procesos aprendan de la experiencia y se optimicen en tiempo real. Los modelos de machine learning pueden ajustar automáticamente los umbrales de los indicadores, detectar nuevas correlaciones entre variables y proponer rediseños que ningún equipo humano habría identificado por sí solo.

Un sistema de este tipo, aplicado a la gestión de programas sociales municipales, podría aprender continuamente de los patrones de consumo, las variaciones en el precio de los alimentos y las condiciones climáticas para optimizar la distribución de raciones, reduciendo mermas y asegurando que los beneficiarios reciban los productos en el momento óptimo. En fiscalización tributaria, el sistema podría ajustar dinámicamente los criterios de selección de contribuyentes a fiscalizar, aprendiendo de los resultados de fiscalizaciones previas para maximizar la detección de evasión con los recursos disponibles.

La Plataforma Nacional de Interoperabilidad, que superó los 550 millones de transacciones en 2025 (PCM, 2026), genera un volumen de datos que solo mediante técnicas de IA puede ser analizado para evaluar el desempeño de los procesos interoperables y prescribir mejoras. Los 163 laboratorios de innovación digital registrados en Perú y los 41 proyectos en incubación (PCM, 2026) constituyen una infraestructura valiosa para pilotar estas mejoras antes de escalarlas al conjunto del Estado. La Carta Iberoamericana de Inteligencia Artificial en la Administración Pública (2023) enfatiza la necesidad de que los gestores públicos orienten el desarrollo de la IA hacia la creación de valor público.

La desconexión normativa y su solución mediante la teoría de las tres cajas

Resulta paradójico que mientras INACAL aprobó la NTP-ISO/IEC 42001:2025 sobre sistemas de gestión de IA (INACAL, 2025), y la PCM emitió el Decreto Supremo N° 115-2025-PCM que reglamenta el uso responsable de la IA (PCM, 2025b), la Norma Técnica de Gestión por Procesos ignore estas herramientas. Esta desconexión genera inseguridad jurídica para los funcionarios que deseen innovar y perpetúa prácticas obsoletas. La teoría de las tres cajas (Govindarajan, 2016) permite diagnosticar esta situación con precisión: la primera caja contiene una norma técnica que fue valiosa en su momento pero que hoy resulta insuficiente; la segunda caja exige abandonar el supuesto de que la gestión por procesos puede permanecer inmune a la revolución digital; la tercera caja implica construir una nueva versión de la norma que integre explícitamente las capacidades de la IA.

La solución pasa por una actualización integral de la Norma Técnica N° 002-2025-PCM/SGP que incorpore la IA como herramienta transversal en las cuatro fases del ciclo, establezca puentes explícitos con la NTP-ISO/IEC 42001:2025 para la gestión de riesgos, y alinee sus disposiciones con el Decreto Supremo 115-2025-PCM en materia de auditoría y transparencia. Los indicadores de transformación digital muestran avances: el 100% de las entidades del gobierno nacional poseen Líder de Gobierno y Transformación Digital (PCM, 2026). Esta arquitectura institucional está preparada para asumir el reto de una gestión por procesos aumentada con inteligencia artificial.

Los casos latinoamericanos analizados demuestran que el tránsito es posible cuando existe voluntad política y marcos normativos habilitantes. Ecuador ha logrado implementar soluciones de IA a nivel municipal a pesar de limitaciones presupuestarias (Zamora Pérez, 2025). Chile ha avanzado en la creación de un ecosistema de IA pública mediante la combinación de regulación, inversión y desarrollo de capacidades (Criado, 2024). Brasil ha escalado soluciones de IA desde niveles locales hasta convertirlas en políticas nacionales. Perú cuenta con todos los elementos normativos y de capacidades para seguir esta trayectoria, siempre que logre actualizar sus instrumentos de gestión.

Conclusiones

La incorporación de la inteligencia artificial en cada fase del ciclo de gestión por procesos es una necesidad estructural para que la Norma Técnica N° 002-2025-PCM/SGP se convierta en una guía viva de modernización, como parte del proceso de transformación digital del Estado peruano. La IA, aplicada con criterios éticos y bajo gobernanza algorítmica, permite que la gestión pública transite de procedimientos manuales a procesos inteligentes, transparentes y escalables.

La evolución de los indicadores de gestión desde niveles descriptivos hacia sistemas predictivos y prescriptivos constituye el corazón de esta transformación. Mientras los indicadores tradicionales informan sobre el pasado, los sistemas predictivos anticipan el futuro y los prescriptivos recomiendan acciones concretas para optimizar el rendimiento. La aplicación de este enfoque a procesos críticos como la fiscalización tributaria, la emisión de licencias o la gestión de programas sociales permitiría a las municipalidades peruanas multiplicar su capacidad operativa sin aumentar su plantilla, focalizar mejor sus recursos limitados y ofrecer servicios más oportunos y equitativos a la ciudadanía.

La teoría de las tres cajas (Govindarajan, 2016) proporciona un marco invaluable para gestionar esta transición: la primera caja obliga a mantener la operación actual mientras se construye el futuro; la segunda caja exige el coraje institucional para abandonar prácticas obsoletas; la tercera caja invita a construir el futuro mediante la integración sistemática de la IA en la identificación, implementación, evaluación y mejora de los procesos públicos.