Un modelo puede clasificar cientos de documentos en horas. La velocidad no resuelve qué significa una categoría, qué matiz se perdió ni por qué una conclusión merece confianza. Para usar inteligencia artificial en investigación de políticas públicas necesitamos comparar flujos completos de trabajo.
Imagen de portada: fotografía conceptual generada con IA.
La pregunta útil no es si la IA puede leer. Consiste en decidir qué tareas delegar, dónde colocar la revisión humana y cómo conservar una ruta que permita volver del hallazgo al documento.
El experimento metodológico
Resultado empírico. Aleksei Turobov y Diane Coyle publicaron el 24 de septiembre de 2026 una comparación de cuatro procedimientos aplicados a 63 documentos en inglés de Naciones Unidas sobre gobernanza de IA, publicados entre 2017 y marzo de 2024. Contrastan análisis experto manual, modelado de temas, GPT-4 con revisión humana y automatización mediante la API de GPT-4.
Los cuatro procedimientos recuperan temas centrales, pero no producen el mismo nivel de detalle. En este corpus, el flujo con intervención humana ofrece el mejor equilibrio entre velocidad e interpretación. El hallazgo no proclama un ganador universal: muestra que cada arquitectura distribuye de manera distinta el tiempo, la profundidad y la responsabilidad analítica.
La unidad de análisis es el flujo
En administración pública solemos evaluar herramientas por la precisión de una salida. Este estudio invita a mirar el proceso: selección del corpus, instrucciones, categorías, revisión, registro de decisiones y posibilidad de replicar. Un resultado plausible puede ser metodológicamente débil si no sabemos cómo se obtuvo.
Para una investigación sobre planes estatales o municipales de IA en México, usaría un diseño escalonado. Comenzaría con una muestra pequeña codificada por especialistas para construir y discutir categorías. Después aplicaría el modelo al corpus amplio. Finalmente revisaría desacuerdos, casos ambiguos y documentos que el sistema trató como atípicos.
Qué puede ganar una institución con poca capacidad
Un municipio o un equipo académico pequeño podría explorar más documentos sin abandonar por completo la interpretación. La IA puede localizar patrones, proponer agrupaciones y señalar pasajes. La persona investigadora debe conservar la responsabilidad de justificar categorías, revisar excepciones y documentar cambios.
Esa utilidad depende de una condición: el ahorro de tiempo debe invertirse en mejores verificaciones. Si la automatización solo multiplica resultados que nadie vuelve a leer, aumenta la producción y reduce la trazabilidad.
Una regla sencilla de verificación
Cada afirmación sustantiva debería vincularse con tres elementos: el fragmento que la sostiene, la instrucción o criterio que produjo la clasificación y la revisión humana que resolvió los casos dudosos. Así se puede auditar el análisis sin fingir que existe una única interpretación correcta.
Límite metodológico
El estudio utiliza una sola familia de modelos y un corpus institucional específico, en inglés. Tampoco existe una verdad objetiva única para comparar todos los resultados inductivos. Las diferencias entre métodos muestran decisiones interpretativas, pero no permiten generalizar de manera automática a otros idiomas, modelos o tipos de documento.
Qué vale la pena leer completo
La Tabla 6 resume beneficios y límites de cada flujo. También conviene leer el apartado metodológico que explica la construcción del corpus y la discusión sobre la ausencia de un estándar único de corrección. Los datos abiertos permiten revisar y adaptar el procedimiento.
Referencia
Turobov, A. y Coyle, D. (2026). Governing the evidence base: An empirical framework of AI archetypes for policy analysis. Data & Policy. https://doi.org/10.1017/dap.2026.10100.
Sobre el autor
Dr. Luis Enrique Sánchez Díaz es profesor e investigador de la Facultad de Administración de la Benemérita Universidad Autónoma de Puebla y consultor de negocios. Cuenta con dos décadas de experiencia en educación superior. Sus áreas de trabajo incluyen administración pública, metodología de la investigación y pensamiento crítico, con interés en las aplicaciones de la inteligencia artificial a la toma de decisiones.
Sigamos la conversación
¿En qué etapa de un análisis documental exigirías revisión humana obligatoria? Comparte tu criterio y esta entrada con estudiantes, investigadores y equipos de política pública. Sigue la conversación en X, @luisenriquesan, y en mi fan page de Facebook Luis Enrique Sánchez Díaz.