El Estadista Algorítmico: ¿Pueden los Modelos Grandes de Lenguaje Transformar el Análisis de Políticas Públicas?
DOI:
https://doi.org/10.5281/zenodo.17307063Palabras clave:
Modelos grandes de lenguaje; análisis de políticas públicas; modelado basado en agentes.Resumen
Los Modelos Grandes de Lenguaje (LLMs) se perfilan como herramientas transformadoras para la gobernanza, pero su valor empírico en el análisis de políticas públicas está poco examinado. Mediante una revisión sistemática de 141 publicaciones (Google Scholar, arXiv), este estudio analiza la capacidad de los LLMs para simular agentes heterogéneos, extraer texto jurídico-político y apoyar la toma de decisiones. Al sintetizar avances en modelado multi-agente, extracción neuro-simbólica y plataformas de IA cooperativa, el artículo demuestra que: a) la heterogeneidad de los LLMs aproxima la diversidad demográfica más fielmente que los modelos representativos; b) los sistemas híbridos logran una precisión de última generación en el análisis de documentos; y c) los marcos abiertos, aunque fomentan la transparencia y participación, conllevan riesgos de sesgo y opacidad. Se propone una agenda para mejorar la inferencia multimodal y la gobernanza ética. En conclusión, los LLMs son complementos poderosos—no autosuficientes—del juicio experto, capaces de mejorar el diseño y evaluación de políticas si se integran en ecosistemas sociotécnicos responsables.
Descargas
Referencias
Hao, Y., & Xie, D. (2025, February 24). A multi-LLM-agent-based framework for economic and public policy analysis (arXiv:2502.16879). arXiv. https://arxiv.org/abs/2502.16879
Pan, S., Nagar, S., & Parkes, D. C. (2025). Can a society of generative agents simulate human behavior and inform public health policy? A case study on vaccine hesitancy (Version 3; arXiv:2503.09639). arXiv. https://arxiv.org/abs/2503.09639
Salekpay, F., van den Bergh, J., & Savin, I. (2024). Comparing advice on climate policy between academic experts and ChatGPT. Ecological Economics, 226, Article 108352. https://doi.org/10.1016/j.ecolecon.2024.108352
Lewington, A., et al. (2024). Creating a cooperative AI policymaking platform through open source collaboration. arXiv. https://doi.org/10.48550/arXiv.2412.06936
Buster, G., Pinchuk, P., Barrons, J., McKeever, R., Levine, A., & Lopez, A. (2024). Supporting energy policy research with large language models. arXiv. https://doi.org/10.48550/arXiv.2403.12924
Alkhaza’leh, Y. M. S. (2025). Artificial intelligence and its impact on social policy-making. Journal of Ecohumanism, 4(1), 2320–2337. https://doi.org/10.62754/joe.v4i1.6053
Shapira, E., Madmon, O., Reinman, I., Amouyal, S. J., Reichart, R., & Tennenholtz, M. (2024). GLEE: A unified framework and benchmark for language-based economic environments (arXiv:2410.05254). arXiv. https://arxiv.org/abs/2410.05254
Vatamanu, A. F., & Tofan, M. (2025). Integrating artificial intelligence into public administration: Challenges and vulnerabilities. Administrative Sciences, 15(4), Article 149. https://doi.org/10.3390/admsci15040149
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Encuentros. Revista de Ciencias Humanas, Teoría Social y Pensamiento Crítico.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
