La inteligencia artificial generativa como herramienta para la optimización de procesos administrativos en el sector público
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
La transformación digital en el sector público ha motivado la introducción de sistemas de información orientados a la automatización de procesos administrativos. Sin embargo, muchas de estas situaciones aún presentan limitaciones en términos de eficiencia, adaptabilidad y capacidad predictiva. En este contexto, la inteligencia artificial generativa aparece como una tecnología disruptiva con alto potencial para optimizar la gestión administrativa. El objetivo de este artículo es analizar el impacto de la inteligencia artificial generativa en la optimización de procesos administrativos en el sector público, tomando como referencia un sistema de gestión institucional para el control de asistencia, permisos y vacaciones. Se emplea una metodología de enfoque cualitativo con análisis documental y estudio de caso, complementada con revisión de literatura científica. Los resultados evidencian que, si bien los sistemas tradicionales permiten digitalizar procesos, aún dependen en gran medida de la intervención humana y presentan limitaciones en la toma de decisiones automatizada. Se propone un esquema basado en inteligencia artificial generativa que integra automatización avanzada, análisis predictivo y generación de contenido administrativo, logrando una mejora significativa en eficiencia operativa y reducción de errores. Se concluye que en la incorporación de inteligencia artificial generativa en el sector público no solo optimiza procesos, sino que redefine el modelo de gestión administrativa hacia un enfoque más inteligente, proactivo y centrado en datos.
Fields of Study & Subjects
E-Government and Public Services
Artificial Intelligence Applications
Robotic Process Automation Applications
Publication details
- Journal / source
- MQRInvestigar
- Volume
- 10
- Issue
- 1
- Pages
- e226–e226
- Publication date
- 28 March 2026
- Language
- ES