La Inteligencia Artificial es un tema que ha recibido relativamente poca atención en la literatura de Gestión Pública. La mayor parte de los trabajos que vinculan la Inteligencia Artificial con la Administración Pública se concentran en aplicaciones concretas, un esfuerzo que se lleva a cabo de manera principalmente prescriptiva. Estudiar de manera empírica las implicaciones de la introducción de esta tecnología para la función gerencial requiere desarrollar categorías e identificar variables que permitan estructurar relaciones medibles. La meta es brindar a las y los gerentes públicos herramientas para gestionar la relación entre el factor humano y la Inteligencia Artificial. Estas categorías, además, serán necesarias guiar el debate sobre las implicaciones del uso de Inteligencia Artificial para la Teoría Organizacional. En esta nota se localizan algunos conceptos existentes en la literatura de gestión con el propósito de sugerir un punto de partida para este programa de investigación empírica.
Preguntas grandes y pequeñas
En abril de 1960, Herbert A. Simon preconizó que la introducción de máquinas que piensan afectaría profundamente las sociedades, especialmente en la relación de las personas con su trabajo. Sin embargo, él creía que la forma organizacional burocrática conservaría sus atributos esenciales, como cierto grado de jerarquización, de centralización, así como tramos de control en manos humanas (Simon, 1960, pp. 42-43). El cambio más perceptible, de acuerdo con su relato, se observaría en las premisas de decisión, es decir, en la ratio entre decisiones programadas y no programadas. Este argumento tiene una implicación muy propia de la escuela de Carnegie: las organizaciones están diseñadas para racionalizar el contexto, de forma que absorberían la energía de esta revolución tecnológica sin perder su identidad mediante un cambio en las reglas formales.
En contraste –también en la década de 1960—, Warren Bennis pronosticó que el modelo burocrático weberiano sería reemplazado por formas organizacionales configuradas como sistemas adaptativos, temporales y avocados a la resolución de problemas en respuesta a todos los cambios de posmodernidad (1993, p. 429). Aunque Bennis no hizo hincapié en la tecnología, su visión de organizaciones que fluyen con el contexto, enfrentada a la premisa de Simon, crea una relación dialéctica que insinúa una gran pregunta teórica: ¿la Inteligencia Artificial (IA) modificará las decisiones de la organización o también su identidad? Antes de pensar en responder la gran pregunta, es recomendable analizar cuestiones más modestas formuladas en un contexto en algo similar al actual.
La primera revolución computacional y los Sistemas de Gestión de Información
En las décadas de 1970 y 1980 se gestó una discusión sobre Sistemas de Gestión de Información (SGI), la forma que tomó la investigación de las ciencias de gestión sobre la naciente computación comercial. La obra pionera de este enfoque, Planning and Control Systems: A Framework for Analysis (Anthony, 1965), sentó las bases conceptuales del programa de investigación al situar la tecnología computacional como una herramienta para enriquecer la planeación estratégica, el control de gestión y de operaciones. La idea es que las computadoras de la época, que funcionaban con rollos de papel perforado, podían, por ejemplo, ayuda a planear un presupuesto.
El inició la era de los microprocesadores en 1971 –con la creación del procesador Intel 4004— desembocó en propuestas más ambiciosas, como involucrar los SGI en el control de inventario, análisis presupuestario, calendarización de operaciones de producción, predicciones de corto plazo e, incluso, automatización de las decisiones (Gorry & Scott-Morton, 1971). Dicho entusiasmo generó, a su vez, una reacción escéptica fecunda. Mason y Mitroff (1973), por ejemplo, dudaban que aprovechar la nueva tecnología fuera cuestión de hallarle todos los usos posibles. Dichos autores estudiaron la relación de los SGI con la personalidad de los gerentes, la clase de problemas a resolver y el tipo de contexto organizacional, pues era necesario hacerse otra clase de preguntas en vez de asumir que esta relación sólo podía darse en “situaciones de tipo pensamiento-sensación, [con] un problema bien estructurado, datos base, un contexto organizacional del tipo autoritario de control-jerarquía y un modo de presentación impersonal del tipo impresión de computadora” (Mason & Mitroff, 1973, p. 485).
El siguiente paso lo dio Henry Lucas al escribir Performance and the Use of an Information System (1975). En dicho estudio el autor abrió un mundo de posibilidades de investigación empírica al preguntarse: ¿cómo se relacionan los SGI con el desempeño en las organizaciones? Derivado del análisis de la fuerza de ventas de una empresa fabricante de ropa, Lucas creó un modelo que hasta la fecha es un referente:
El modelo de uso de sistemas de información de Lucas (Lucas, 1975, p. 910)
La aportación principal de este modelo es que concibe el uso de los sistemas de información como una variable mediadora entre los atributos de los usuarios, el entorno y las valoraciones subjetivas de la calidad de los sistemas, y el desempeño de los miembros de la fuerza de ventas.
Phillip Ein-Dor y Eli Segev ataron algunos cabos sueltos de este programa en Organizational Context and the Success of Management Information Systems (1978). La aportación principal fue sugerir que era necesario distinguir el nivel de agencia que se tiene sobre los factores organizacionales. Los autores agrupan dichos factores en: a) variables incontrolables: tamaño de la organización, su estructura, el marco temporal y la situación externa; b) variables parcialmente controlables: los recursos de la organización, su madurez y el clima organizacional; c) variables totalmente controlables, como contar con un gerente responsable o una buen consejo de administración (Ein-Dor & Segev, 1978, p. 1068). Si bien la clasificación es cuestionable, este trabajo hizo una gran aportación: tender un puente hacia la realidad al preguntar sobre qué es modificable.
Ives, Hamilton y Davis (1980) sintetizaron lo que se había estudiado hasta entonces en una revisión de 331 tesis de doctorado sobre SGI. Dichos autores clasificaron los trabajos así:
Tipología de las variables utilizadas en 331 tesis doctorales sobre SGI (Ives et al., 1980, p. 919)
Los Sistemas Públicos de Gestión de Información (SPGI)
El estudio de los SGI desde las ciencias de gestión continúa su marcha en la revista Management Information Systems Quarterly, creada en 1977. Sin embargo, Barry Bozeman y Stuart Bretschneider allanaron el camino para estudiar los SGI en el sector público con el artículo Public Management Information Systems: Theory and Prescription (1986). En este trabajo, los autores utilizan el modelo de Ives, Hamilton y Davis para construir marco conceptual de los Sistemas Públicos de Gestión de Información. La diferencia con la interpretación de las ciencias de gestión yace en el reconocimiento de que las organizaciones públicas cimentan su legitimidad de forma distinta a las privadas en cuatro dimensiones de autoridad:
- Económica: el financiamiento de las organizaciones públicas se diluye entre los contribuyentes.
- Política: lo público está en función de leyes, creencias y normas asociadas con el régimen constitucional de derechos.
- Laboral: las y los gerentes públicos operan en entornos con distintos ritmos de trabajo que los del sector privado.
- De personal: la fuerza de trabajo del sector público opera bajo premisas comportamentales enteramente distintas que los empleados del sector privado (Bozeman & Bretschneider, 1986, pp. 478-480).
El legado más relevante de esta revisión es la idea de que, si bien hay muchas coincidencias entre la conceptualización del papel de los sistemas de información entre el sector público y el sector privado, la diferencia más relevante entre ambos es el ambiente que rodea a la organización.
La especialización de la investigación sobre sistemas digitales y sector público
El hueco que existe en la literatura contemporánea de Gestión Pública sobre el papel de la Inteligencia Artificial en las organizaciones públicas se asemeja al que existía en la década de 1970 sobre cómo estudiar los SGI. Al igual que entonces, existe un desfase entre el estudio de la práctica y el análisis empírico conducido mediante categorías conceptuales estandarizadas, lo que en ambos periodos de tiempo se debe a que las aplicaciones avanzan a un paso considerablemente mayor que su estudio. En la literatura actual podemos distinguir tres tendencias:
- El deseo de alcanzar a la realidad con la teoría, lo que ha producido estudios –en gran medida influidos por el esquema conceptual de Bozeman y Bretschenider— con objetivos no estrictamente vinculados con la IA como: reducir la ambigüedad en las definiciones relacionadas con el gobierno electrónico (Gil-García & Pardo, 2005; Yildiz, 2007); estudiar la forma en que los gobiernos de países desarrollados y en vías de desarrollo diseñan estrategias para usar los sistemas de información (Chen et al., 2006); describir el acercamiento gubernamental a la interoperabilidad de nuevas plataformas tecnológicas (Landsbergen Jr & Wolken Jr, 2001; Scholl & Klischewski, 2007); investigar el vínculo entre la munificencia del entorno y la gestión del conocimiento (Halawi et al., 2005); estudiar los valores públicos presentes en las reformas sobre el uso de tecnologías de la información y la comunicación (Cordella & Bonina, 2012); y presentar un marco de referencia para determinar qué medidas de seguridad deben implementarse en los sistemas de información cuando el gobierno subcontrata servicios (Khalfan, 2004).
- La preferencia por enfocarse en aplicaciones concretas directamente relacionados con la IA como: el transporte público (Abbas et al., 2012); la predicción de riesgos criminógenos en el transporte público (Kouziokas, 2017); la utilización de big data en el diseño de políticas públicas y en la gestión metropolitana (Allam & Dhunny, 2019; Maciejewski, 2017); hacer más eficiente la respuesta ante desastres usando redes sociales como Twitter (Imran et al., 2014); la predicción de variables ambientales como los niveles de contaminación (Kouziokas et al., 2016); generar aplicaciones de crowdsourcing para atender temas de salud pública como detectar heridos en lugares públicos o expendios de comida chatarra (Brabham et al., 2014); la detección de necesidades de salud pública en entornos depauperados –llevando a cabo hasta tareas diagnósticas— (Wahl et al., 2018); la construcción de sistemas de soporte decisional para la gestión de información judicial (Kouziokas & Perakis, 2017), hasta aplicaciones sui generis como la generación de folletos personalizados para informar a los ciudadanos de los programas gubernamentales (Colineau et al., 2011).
- El esfuerzo por crear categorías para contener lo existente. Destacan los influyentes trabajos de: Wirtz, Weyerer y Geyer (2019), quienes además discuten algunos temas como la calidad de la información producida por los sistemas, su viabilidad financiera y el nivel de especialización que surgirá como consecuencia de la necesidad de manejar los sistemas de IA (2019, p. 602); o bien, Artificial Intelligence for Citizen Services and Government de Hila Mehr, quien hace una gran aportación al analizar el tema por el lado de los problemas que puede resolver la IA (Mehr, 2017, p. 4).
Existen muchos otros debates relevantes en esta gran nube de ideas que no caben en estas tres tendencias, como las implicaciones de lo que pasa en la “mente” de una Inteligencia Artificial para la gobernanza de sistemas autónomos (Bleicher, 2017; Knight, 2017), o bien, hasta qué punto son los servidores públicos o los programadores responsables por lo que hagan los sistemas basados en IA (IEEE, 2017; Johnson, 2015; Matthias, 2004).
Conclusión
Existen muchas preguntas a las que no se les está dando respuesta en la investigación sobre IA y AP, desde la gran interrogante sobre cómo se transformarán las organizaciones, hasta temas más modestos como la relación entre Inteligencia Artificial y desempeño organizacional. Esta carencia se vincula en parte con el hecho de que “…las estrategias gubernamentales centran su atención con mayor frecuencia en las TICs, pero debido a una variedad de factores –políticos, límites a los periodos de mandato, ambigüedad en las metas, conflictos de interés, resistencia al cambio, problemas de medición y temas legales—, la planeación estratégica comprensiva y efectiva de sistemas de información es infrecuente” (Bryson et al., 2010, p. 511).
Pese a lo anterior, un programa de investigación empírica sobre esta relación no debe empezar de cero, ni es preciso que use un razonamiento puramente inductivo. Existen marcos conceptuales que ya han sido utilizados para generar investigación empírica, mismos que sirven para delinear tres ideas:
- La Inteligencia Artificial tiene implicaciones predictivas y temporales que pueden investigarse en el contexto de la planeación y la Gestión Estratégicas
- La tecnología informática, incluyendo la IA, puede estudiarse como una variable mediadora entre grupos de variables de distinto carácter
- Preguntar qué factores son modificables tiene implicaciones mayores para la práctica de las y los gerentes públicos
Referencias
Abbas, M., Avineri, E., Fries, R., Ishak, S., Jha, M., Kikuchi, S., Liu, F., Praveen, E., Qi, Y., & Sanford-Bernhardt, K. (2012). Thoughts on the future of artificial intelligence and transportation. Transportation Research Circular.
Allam, Z., & Dhunny, Z. A. (2019). On big data, artificial intelligence and smart cities. Cities, 89, 80–91.
Anthony, R. N. (1965). Planning and Control Systems: A Framework for Analysis (1.a ed.). Harvard University Graduate School of Business Management.
Bennis, W. (1993). The Coming Death of Bureaucracy. En M. T. Matteson & J. M. Ivancevich (Eds.), Management and Organizational Behavior Classics. McGraw-Hill/Irwin.
Bleicher, A. (2017). Demystifying the Black Box That Is AI. Scientific American. https://www.scientificamerican.com/article/demystifying-the-black-box-that-is-ai/
Bozeman, B., & Bretschneider, S. (1986). Public Management Information Systems: Theory and Prescription. Public Administration Review, 46, 475. https://doi.org/10.2307/975569
Brabham, D. C., Ribisl, K. M., Kirchner, T. R., & Bernhardt, J. M. (2014). Crowdsourcing applications for public health. American journal of preventive medicine, 46(2), 179–187.
Brooks, R. (2015). Robotics: Ethics of artificial intelligence. Nature News, 521(7553), 415. https://doi.org/10.1038/521415a
Bryson, J. M., Berry, F. S., & Yang, K. (2010). The State of Public Strategic Management Research: A Selective Literature Review and Set of Future Directions. The American Review of Public Administration, 40(5), 495-521. https://doi.org/10.1177/0275074010370361
Chen, Y. N., Chen, H. M., Huang, W., & Ching, R. K. (2006). E-government strategies in developed and developing countries: An implementation framework and case study. Journal of Global Information Management (JGIM), 14(1), 23–46.
Colineau, N., Paris, C., & Linden, K. V. (2011). Automatically generating citizen-focused brochures for public administration. Proceedings of the 12th Annual International Digital Government Research Conference: Digital Government Innovation in Challenging Times, 10–19. https://doi.org/10.1145/2037556.2037559
Cordella, A., & Bonina, C. M. (2012). A public value perspective for ICT enabled public sector reforms: A theoretical reflection. Government information quarterly, 29(4), 512–520.
Ein-Dor, P., & Segev, E. (1978). Organizational Context and the Success of Management Information Systems. Management Science, 24(10), 1064-1077. https://doi.org/10.1287/mnsc.24.10.1064
Gil-García, J. R., & Pardo, T. A. (2005). E-government success factors: Mapping practical tools to theoretical foundations. Government information quarterly, 22(2), 187–216.
Gorry, G. A., & Scott-Morton, M. S. (1971). A Framework for Management Information Systems. Sloan Management Review, 13.
Halawi, L. A., Aronson, J. E., & McCarthy, R. V. (2005). Resource-based view of knowledge management for competitive advantage. The electronic journal of knowledge management, 3(2), 75.
IEEE. (2017). Ethically Aligned Design, First Edition | IEEE Standards Association. Ethics In Action | Ethically Aligned Design. http://ethicsinaction.ieee.org/
Imran, M., Castillo, C., Lucas, J., Meier, P., & Vieweg, S. (2014). AIDR: Artificial intelligence for disaster response. Proceedings of the 23rd International Conference on World Wide Web, 159–162.
Ives, B., Hamilton, S., & Davis, G. B. (1980). A Framework for Research in Computer-Based Management Information Systems. Management Science, 26(9), 910-934. https://doi.org/10.1287/mnsc.26.9.910
Johnson, D. G. (2015). Technology with No Human Responsibility? Journal of Business Ethics, 127(4), 707-715. https://doi.org/10.1007/s10551-014-2180-1
Khalfan, A. M. (2004). Information security considerations in IS/IT outsourcing projects: A descriptive case study of two sectors. International Journal of Information Management, 24(1), 29–42.
Knight, W. (2017, abril 11). The Dark Secret at the Heart of AI. MIT Technology Review. https://www.technologyreview.com/2017/04/11/5113/the-dark-secret-at-the-heart-of-ai/
Kouziokas, G. N. (2017). The Application of Artificial Intelligence in Public Administration for Forecasting High Crime Risk Transportation Areas in Urban Environment. Transportation Research Procedia, 24, 467-473. https://doi.org/10.1016/j.trpro.2017.05.083
Kouziokas, G. N., Chatzigeorgiou, A., & Perakis, K. (2016). Predicting environmental data in public management by using artificial intelligence. Proceedings of the 11th International Scientific Conference eRA, 11, 39–46.
Kouziokas, G. N., & Perakis, K. (2017). Decision support system based on artificial intelligence, GIS and remote sensing for sustainable public and judicial management. European Journal of Sustainable Development, 6(3), 397–397.
Landsbergen Jr, D., & Wolken Jr, G. (2001). Realizing the promise: Government information systems and the fourth generation of information technology. Public administration review, 61(2), 206–220.
Lucas, H. C. (1975). Performance and the Use of an Information System. Management Science, 21(8), 908-919. https://doi.org/10.1287/mnsc.21.8.908
Maciejewski, M. (2017). To do more, better, faster and more cheaply: Using big data in public administration. International Review of Administrative Sciences, 83(1_suppl), 120–135.
Mason, R. O., & Mitroff, I. I. (1973). A Program for Research on Management Information Systems. Management Science, 19(5), 475-487. https://doi.org/10.1287/mnsc.19.5.475
Matthias, A. (2004). The responsibility gap: Ascribing responsibility for the actions of learning automata. Ethics and Information Technology, 6(3), 175-183. https://doi.org/10.1007/s10676-004-3422-1
Mehr, H. (2017). Artificial Intelligence for Citizen Services and Government. 19.
Scholl, H. J., & Klischewski, R. (2007). E-government integration and interoperability: Framing the research agenda. International Journal of Public Administration, 30(8-9), 889–920.
Simon, H. A. (1960). The New Science of Management Decision (1.a ed.). School of Commerce, Accounts, and Finance, New York University.
Wahl, B., Cossy-Gantner, A., Germann, S., & Schwalbe, N. R. (2018). Artificial intelligence (AI) and global health: How can AI contribute to health in resource-poor settings? BMJ global health, 3(4), e000798.
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.
Yildiz, M. (2007). E-government research: Reviewing the literature, limitations, and ways forward. Government information quarterly, 24(3), 646–665.