알림 목록

Área de análisis: Ciudad metropolitana de Busan

Área central: Sede de la ciudad metropolitana de Busan, 16 distritos y condados, e instituciones públicas afiliadas.

Agenda: Verificar si la IA y los datos han ido más allá de la asistencia administrativa y han cambiado realmente las alternativas políticas, los presupuestos, la implementación y las evaluaciones de desempeño.

Tipo de tiempo dorado: Expansión de IA administrativa + Brecha de evidencia de decisión

Fecha de referencia: 28/08/2026

Versión: Estándar de mejora Regional AX Golden Time Intelligence v3.2
 

A finales de 2025, la ciudad de Busan se convirtió en el primer gobierno local en implementar servicios administrativos de IA generativa basados ​​en modelos de lenguaje reducidos y búsqueda avanzada. A principios de 2026, ya había aplicado 22 tipos de servicios —incluyendo preguntas y respuestas, redacción de documentos y búsqueda de datos administrativos— a todos los departamentos. El alcance de la aplicación de la IA en la administración ha evolucionado desde el uso individual de IA generativa externa por parte de los empleados hasta servicios a nivel organizacional que combinan datos administrativos internos con sistemas de seguridad. Sin embargo, no se han verificado los registros de decisiones públicas que demuestren que el uso del servicio condujo a comparaciones de alternativas políticas, cambios presupuestarios, suspensiones de proyectos, ajustes de áreas objetivo o cambios en los métodos de implementación. Si el plan de mejora trienal (2026-2028) se basa principalmente en el volumen de uso y la cantidad de documentos generados, la IA administrativa se estancará, limitándose a una simple mejora en la velocidad de trabajo. Si bien la administración de IA de Busan ha alcanzado la etapa de uso en todos los departamentos, no existen pruebas suficientes para concluir que haya llegado a la etapa de transformación de los procesos de toma de decisiones.

Cuestiones políticas reales, como los cambios en las ventas tras la conversión de los días de cierre obligatorio de los hipermercados a días laborables, las ventas con tarjeta de crédito antes y después del proyecto "Ciudad de 15 Minutos", el número de visitantes a festivales y las ventas en distritos comerciales, y la escasez de aparcamiento en Yeongdo-gu, se han registrado como tareas de análisis en la Ola de Big Data de Busan. La utilización de datos está pasando de las consultas estadísticas a la verificación de resultados antes y después de la implementación de políticas. Sin embargo, los registros de seguimiento disponibles públicamente sobre qué alternativas se excluyeron y qué decisiones, presupuestos o ejecuciones se modificaron son limitados. Si las solicitudes de análisis y las decisiones políticas permanecen en un sistema separado durante los próximos dos o tres años, el volumen de análisis puede aumentar, pero el impacto de la toma de decisiones no se puede medir. En  la administración basada en datos de Busan, si bien se confirma la creación de preguntas y la ejecución de análisis, la trazabilidad de los cambios de decisión se considera no confirmada.

El Plan de Promoción de la Administración de IA 2026 propuso la adopción generalizada de la IA en toda la administración, mientras que el plan de trabajo para el sector de datos incluyó análisis ampliados, capacitación de empleados y la utilización de información pseudonimizada para abordar los desafíos municipales. La digitalización de la administración ha pasado de proyectos piloto parciales a un plan para su adopción generalizada en todos los sectores. Por el contrario, no se ha identificado una base pública que vincule la calidad de los datos departamentales, la precisión de la respuesta de la IA, el comportamiento de verificación del usuario, la ocurrencia de errores y los resultados para los ciudadanos en un marco de desempeño único. Si los servicios se expanden rápidamente entre 2026 y 2028, se insertarán repetidamente datos brutos de baja calidad y respuestas no verificadas en los procedimientos de trabajo.  El riesgo urgente para la AX administrativa de Busan radica en que la velocidad de adopción de la IA está superando la velocidad de la calidad de la evidencia y el establecimiento de sistemas de rendición de cuentas.

También se están desarrollando proyectos de apoyo a la toma de decisiones en diversos sectores, como simulaciones de redes de suministro de agua, aldeas oceánicas inteligentes y administración de auditorías basada en IA. La aplicación de la IA se está expandiendo desde tareas documentales comunes hasta juicios de expertos en suministro de agua, medio ambiente marino, auditoría y seguridad. Sin embargo, no existen datos comparativos disponibles públicamente que confirmen cuánto han cambiado las alertas predictivas las prioridades de inspección, las asignaciones presupuestarias y los juicios regulatorios y de auditoría, ni si los resultados han mejorado. Si los sistemas específicos de cada sector se desarrollan de forma independiente durante los próximos dos o tres años, la ciudad de Busan no contará con un sistema unificado de aprendizaje administrativo, incluso si dispone de múltiples servicios de IA.  Actualmente, el "Período Dorado" no se considera el período para la expansión de los servicios de IA, sino los dos o tres años previos a la primera conexión entre las decisiones modificadas por la IA y sus resultados.

Tesis del Tiempo Dorado: La unidad de evaluación para Busan Administrative AX no es la cantidad de servicios de IA ni la cantidad de documentos generados. La unidad de evaluación es el Tiempo de Ejecución de Decisiones, que abarca si la IA y los datos generaron una opción diferente a las decisiones existentes y si esa opción mejoró los resultados para los ciudadanos, las empresas y la región.

La administración de la ciudad de Busan gestiona el transporte, el bienestar, la seguridad, la industria, el medio ambiente, el turismo y la planificación urbana a través de la oficina central, las unidades de negocio, los 16 distritos y condados, y las corporaciones públicas, agencias e instituciones participadas o que han recibido financiación. Los datos administrativos tienen una estructura distribuida, generada por múltiples organizaciones y agencias, en lugar de una sola entidad. El grado en que los mismos ciudadanos, empresas, espacios o proyectos son gestionados por distintos departamentos con diferentes identificadores y ciclos de actualización no puede verificarse completamente en los datos disponibles públicamente. A medida que los servicios de IA departamentales amplíen estos datos distribuidos entre 2026 y 2028, podrían surgir diferentes respuestas y evaluaciones de riesgo respecto a los mismos problemas.  El riesgo a gran escala de la administración de Busan se determina por la existencia de múltiples registros del mismo sujeto administrativo, en lugar de por la falta de datos.

Big-DataWave proporciona datos públicos y privados, estadísticas, consultoría de análisis y casos de utilización de datos. La base de datos de la administración de Busan se ha expandido desde estadísticas periódicas hasta análisis de políticas que utilizan ventas con tarjeta de crédito, movilidad de la población a través de telecomunicaciones, cuadrículas espaciales y encuestas. Sin embargo, no se dispone de indicadores operativos públicos que vinculen el número total de solicitudes de análisis registradas, el tiempo promedio de procesamiento, la tasa de reflexión de políticas y la tasa de reutilización. Si bien los tiempos de espera y la duplicación de análisis individuales se acumulan a medida que aumenta el volumen de solicitudes durante dos o tres años, la capacidad de análisis general de la organización sigue sin evaluarse. Aunque  la administración de datos de Busan posee una infraestructura de análisis, su capacidad de procesamiento en relación con la demanda sigue sin medirse.

Los servicios administrativos de IA generativa de Busan ofrecen 22 tipos de funciones, incluyendo preguntas y respuestas, búsqueda de datos y creación de documentos, a todos los departamentos. La escala de aplicación de la IA generativa se ha expandido desde la capacitación y el uso piloto hasta los servicios comunes en entornos de trabajo reales. Sin embargo, no se han divulgado los usuarios activos por departamento, la frecuencia de uso, el ahorro de tiempo de trabajo, el tiempo de corrección de errores ni las tasas de aceptación/rechazo de respuestas. Si solo aumenta el número de funciones entre 2026 y 2028, los servicios con bajo uso real y escasa mejora del trabajo seguirán figurando como logros de implementación.  Si bien la escala de la IA generativa de Busan se verifica en función de las funciones, la escala de uso real se considera no confirmada.

El apoyo a la toma de decisiones mediante sensores, modelos e IA se está promoviendo en los campos de las redes de suministro de agua, los entornos marinos, la auditoría y la seguridad. La IA administrativa ha evolucionado hacia una estructura multicapa donde los modelos de lenguaje de propósito general y los modelos de predicción y detección específicos del sector operan simultáneamente. Sin embargo, no se han confirmado datos públicos que comparen un registro de modelos común, el linaje de los datos, la precisión, los casos de error y la responsabilidad operativa en toda la ciudad. A medida que aumente el número de modelos especializados en los próximos dos o tres años, el coste de gestionar de forma integrada los riesgos específicos de cada modelo crecerá rápidamente.  Si bien la IA administrativa de Busan se encuentra en una fase de expansión multisectorial, la gobernanza de modelos a nivel de toda la ciudad aún no se ha confirmado.

Los 22 tipos de servicios de IA generativa, la ola de macrodatos y las plataformas inteligentes sectoriales demuestran que Busan posee numerosos recursos de IA y datos. Los recursos digitales administrativos han evolucionado hacia una estructura donde la IA de propósito general y los sistemas de análisis especializados coexisten dentro de un único portal estadístico. Sin embargo, no se ha confirmado un entorno de ejecución común que vincule los resultados de los análisis en todas las plataformas con las mismas reuniones de política, aprobaciones, presupuestos y evaluaciones de desempeño. A medida que aumente el número de sistemas entre 2026 y 2028, la recuperación de información podría ser más rápida, pero las discrepancias en los criterios entre organizaciones podrían ampliarse.  Lo que se ha confirmado hasta ahora es la acumulación de herramientas de IA y datos, no la integración del ecosistema de toma de decisiones.

Las solicitudes para analizar las ventas con tarjeta antes y después del proyecto "Ciudad de 15 Minutos", las ventas en mercados tradicionales y pequeños comercios tras los cambios en el cierre obligatorio de grandes supermercados, y el tráfico peatonal y las ventas con tarjeta antes y después de festivales, se centran en los resultados más que en los insumos. Las consultas administrativas han pasado de determinar si un proyecto se implementó a si la política realmente cambió la economía local. Sin embargo, no se encuentran registros públicos que vinculen los resultados de los análisis con los casos en que las políticas existentes se mantuvieron, modificaron o suspendieron. Si los análisis se mantienen simplemente como material de referencia retrospectivo durante dos o tres años, la ampliación de las preguntas sobre los resultados no conduce a cambios en la toma de decisiones.  Si bien Busan tiene demanda de análisis de resultados, se considera que no existe un ecosistema para la coordinación de políticas basadas en resultados.

La capacitación práctica en IA de 2025 abarcó la planificación estratégica y la práctica técnica para el ayuntamiento, los distritos, los condados y las organizaciones afiliadas, mientras que la expansión de los servicios de IA en todos los sectores se pronosticó para 2026-2028. La estructura del desarrollo de talento se expande desde el uso simple de herramientas hasta las capacidades de planificación de servicios. Sin embargo, durante la auditoría administrativa de 2025 realizada por el Ayuntamiento de Busan, se señaló que más del 80 % de algunos cursos de capacitación en IA eran de nivel básico. Si la velocidad de difusión del servicio en los próximos dos o tres años supera las capacidades de planificación y verificación, los empleados utilizarán los resultados de la IA, pero no podrán identificar las limitaciones y los errores de los modelos.  Se estima que existe una brecha dentro del ecosistema de talento administrativo de IA de Busan entre la expansión de usuarios y las capacidades avanzadas de verificación.

Smart Ocean Village se centra en la monitorización del medio marino y el apoyo a la toma de decisiones mediante IA, mientras que el sector del suministro de agua implementa simulaciones de redes de tuberías basadas en macrodatos e IA. La administración en estos sectores está pasando de las quejas e inspecciones posteriores a incidentes a la detección y predicción proactivas. Sin embargo, la evidencia pública disponible que compare la tasa de concordancia entre las predicciones y los eventos reales, los tiempos de respuesta tras las alertas y la reducción de accidentes es limitada. Incluso si el sistema está operativo entre 2026 y 2028, la plataforma seguirá siendo una pantalla de monitorización estática si la precisión de las predicciones no se vincula con acciones in situ. Si bien  la IA específica del sector ha garantizado capacidades de predicción, falta evidencia del ecosistema que demuestre que las predicciones hayan modificado realmente el comportamiento administrativo.

La IA generativa reduce los costos de recopilación de información al procesar búsquedas de datos administrativos y borradores de documentos en segundos. El cuello de botella en la administración se desplaza del tiempo dedicado a buscar datos al tiempo dedicado a determinar qué evidencia es confiable y qué alternativa seleccionar. Si bien los servicios de IA de Busan brindan funciones de búsqueda y redacción, las capacidades de toma de decisiones que comparan la efectividad, los costos y los riesgos de diferentes alternativas no se encuentran en los datos disponibles públicamente. Si la velocidad de búsqueda aumenta entre 2026 y 2028, se podría formar una estructura capaz de reproducir la lógica de las políticas existentes con mayor rapidez. Aunque el cambio estructural en la gestión administrativa ha pasado de la generación de documentos al juicio y la verificación, se considera que la función actual de Busan está más cerca de la primera.

Los servicios administrativos basados ​​en RAG fortalecen la base de las respuestas mediante la búsqueda en datos administrativos internos. Esta estructura representa un cambio en la IA generativa, que pasa de centrarse en información pública disponible en internet a centrarse en datos en poder de la ciudad de Busan. Sin embargo, no se dispone de un registro de auditoría público, que documente el texto original referenciado en la respuesta, la fecha de referencia, los documentos contradictorios, las directrices descartadas, los niveles de confianza y los revisores finales. A medida que se acumulan los datos administrativos durante dos o tres años, aumenta el riesgo de mezclar incorrectamente evidencia reciente, histórica y contradictoria.  La deficiencia estructural de la IA generativa al estilo de Busan se evidencia en la determinación de la validez de la evidencia, más que en la generación de respuestas.

Los datos de tarjetas privadas, telecomunicaciones y geoespaciales revelan cambios en áreas comerciales, de movilidad y residenciales con mayor rapidez que las estadísticas administrativas. La evidencia política ha pasado de estadísticas anuales a niveles de tiempo real, diarios, horarios y en cuadrículas de 50 metros. Sin embargo, no se ha identificado ningún sistema de divulgación que gestione el sesgo de muestreo, los cambios en los proveedores de servicios, las modificaciones de fórmulas, los costos y la reproducibilidad de los datos privados junto con los registros de decisiones políticas. Si la dependencia de los datos privados aumenta entre 2026 y 2028, los cambios en los contratos de suministro podrían provocar una alteración de la base de referencia de las políticas. Si bien  la administración de datos de Busan ha garantizado la velocidad, su comparabilidad y reproducibilidad a largo plazo se consideran inciertas.

La administración de auditorías basada en IA amplía el alcance de la selección de objetivos de auditoría y la detección de riesgos, pasando de inspecciones por muestreo a búsquedas exhaustivas basadas en datos. La estructura de las auditorías cambia de la detección a posteriori a la detección temprana de anomalías. Sin embargo, la acumulación de datos públicos para verificar los objetivos de auditoría seleccionados por el modelo, los objetivos no seleccionados, las infracciones reales, los falsos positivos y los sesgos aún se encuentra en sus primeras etapas. Si las recomendaciones de IA se incorporan a las prioridades de auditoría entre 2026 y 2028, los falsos positivos inexplicables también se transformarán en cargas administrativas y riesgos para la reputación.  Se ha determinado que Audit AX presenta simultáneamente un alcance de detección ampliado y una brecha en la responsabilidad procesal.

El Plan de Promoción de la Administración de IA 2026 estableció una dirección para la difusión sistemática de la IA en toda la administración. Las implementaciones piloto de los departamentos individuales se han trasladado a una cartera a nivel del gobierno municipal. Sin embargo, aún no se ha identificado un Registro de Proyectos de IA que divulgue las bases de referencia específicas de cada proyecto, los resultados previstos, los departamentos responsables, los niveles de riesgo del modelo y los criterios de descontinuación en un formato común. Si la expansión a todos los sectores se lleva a cabo primero entre 2026 y 2028, será difícil distinguir entre proyectos de bajo rendimiento y de alto riesgo utilizando los mismos criterios.  La respuesta de Busan a la IA se encuentra actualmente en la etapa de formación de la cartera, mientras que la etapa de gestión del rendimiento de la cartera se considera aún no confirmada.

Los servicios administrativos de IA generativa se implementaron en todos los departamentos a principios de 2026, y se presentó un cronograma para su avance y expansión durante los próximos tres años. La aplicación de la IA se ha extendido desde pruebas limitadas con usuarios hasta el entorno laboral común para todos los empleados. Sin embargo, no se ha confirmado una base de referencia pública que compare las horas de trabajo, la precisión en la respuesta a quejas, las tasas de corrección, el retrabajo y los incidentes de seguridad antes y después de su uso. Una vez que su uso se incorpore a los procedimientos laborales básicos en los próximos dos o tres años, será difícil comparar los efectos con el período anterior a la introducción de la IA.  Actualmente, si bien el cronograma de expansión para la respuesta a tres años es claro, la estructura para medir los efectos causales se considera aún no confirmada.

El plan de trabajo de datos de 2026 incluye la ampliación del análisis para resolver problemas municipales, la capacitación del personal y el uso de información seudonimizada. El alcance del uso de datos se está ampliando, pasando de las estadísticas públicas al análisis combinado que protege la información personal. Sin embargo, no se han encontrado datos que revelen colectivamente los resultados de las políticas, los riesgos de reidentificación, los fallos en la combinación, los períodos de deliberación o los cambios reales en las políticas relacionados con el análisis combinado seudonimizado. Si la utilización y la protección se gestionan como indicadores de desempeño separados para el período 2026-2028, resulta difícil evaluar el riesgo entre el análisis ampliado y la confianza pública.  La respuesta de Busan a la información seudonimizada se encuentra actualmente en la etapa de ampliación de la base de utilización, y aún no en la etapa de evaluación integrada de resultados y confianza.

La capacitación práctica en IA y análisis de datos ha ampliado su alcance para incluir oficinas centrales, distritos, condados e instituciones públicas. Las políticas de competencias han pasado de fomentar un pequeño grupo de expertos en datos a utilizar la IA entre el personal administrativo general. Sin embargo, no se divulgan datos sobre el rendimiento real del análisis antes y después de la capacitación, los cambios en la planificación de políticas, las tasas de detección de errores ni las tasas de aplicación práctica. Si solo se considera el número de participantes durante dos o tres años, es imposible distinguir entre la expansión de la capacitación y la mejora en la calidad de la toma de decisiones. Si bien  la respuesta a la capacitación se ha ampliado en términos de participación, se considera que no se han verificado los resultados laborales.

Busan anunció el lanzamiento de servicios administrativos de IA generativa basados ​​en sLLM y RAG en todos sus departamentos, convirtiéndose en el primer gobierno local en hacerlo. La adopción temprana de un entorno de trabajo común con IA se confirma en comparaciones con gobiernos locales nacionales. Sin embargo, no se divulgan comparaciones de tasas de uso activo, ahorro de tiempo, precisión y tasas de cambio de políticas utilizando los mismos estándares que otras ciudades líderes. Si la designación de "adopción inicial" en 2026-2028 reemplaza la comparación de desempeño, la diferencia entre liderazgo tecnológico y desempeño administrativo se ve oscurecida. Si bien  Busan muestra señales de liderazgo al momento de la adopción, se considera incomparable en términos de resultados en la toma de decisiones.

La gobernanza de la IA en el sector público internacional se centra en la gestión del linaje de datos, la revisión humana, la explicabilidad, la evaluación de impacto, las objeciones y el monitoreo de modelos. Los servicios de IA generativa de Busan se basaron en la utilización de sistemas de seguridad y datos internos. Sin embargo, no se ha confirmado la divulgación de aprobaciones de nivel de riesgo, evaluaciones de impacto ciudadano, divulgación de errores e historial de cambios de modelos a nivel del gobierno municipal. A medida que la IA se expanda en los campos de la participación ciudadana, la auditoría y la seguridad en los próximos dos o tres años, la rendición de cuentas procedimental, más que la conveniencia operativa, determinará la competitividad comparativa. Si bien  la preparación de Busan para la adopción de tecnología es alta, su preparación para la gobernanza pública se considera incierta.

Grandes gobiernos locales como Seúl y Gyeonggi gestionan organizaciones de análisis de datos, datos públicos, gemelos digitales y servicios de IA de forma estratificada. Busan también está reduciendo la brecha de herramientas mediante el establecimiento de una iniciativa de Big Data y plataformas de IA específicas para cada sector. Sin embargo, no se han estandarizado a nivel nacional métricas comparables para el análisis → cambio de decisiones → resultado entre ciudades. Comparar únicamente el número de plataformas y presupuestos para el período 2026-2028 no permite evaluar la productividad administrativa real de Busan ni su impacto en los residentes.  La posición de Busan a nivel nacional se sitúa en el nivel medio-alto en cuanto a la posesión de herramientas, pero presenta una brecha de datos común en la ejecución de decisiones.

El análisis de la ciudad de Busan (que abarca desde festivales y distritos comerciales hasta transporte y medio ambiente marino) aborda problemáticas locales mediante la combinación de datos del sector privado. Esto representa una estructura más avanzada que la etapa en la que solo se utilizan estadísticas administrativas estructuradas. Sin embargo, la evidencia gestionada según estándares comunes en cuanto a reproducibilidad del análisis, grupos de control, líneas de base previas y resultados posteriores es limitada. Incluso si el número de casos de análisis aumenta en dos o tres años, no se integran en el aprendizaje de toda la ciudad si los diseños comparativos difieren.  La fortaleza relativa de Busan radica en el realismo de sus temas de análisis, mientras que su debilidad reside en la estandarización de los resultados del análisis en experimentos de políticas públicas.

La conexión de los 22 tipos de servicios de IA generativa con su aplicación en todos los departamentos confirma su funcionalidad y alcance de implementación. Sin embargo, dado que no se divulgan los usuarios activos, el número de consultas, las tasas de adopción, las tasas de modificación, el ahorro de tiempo ni las tasas de cambio de políticas, no es posible calcular el rendimiento de la usabilidad. El número de servicios multiplicado por el número de departamentos muestra la escala de difusión, pero no refleja el rendimiento administrativo. Si el número de funciones aumenta entre 2026 y 2028, los indicadores de éxito sin denominador podrían incrementarse.  Las cifras actuales de la IA generativa de Busan representan la escala de implementación, mientras que la productividad en la toma de decisiones está determinada por la brecha de datos.

Las solicitudes de análisis para Big-DataWave incluyen cuestiones políticas reales como el concepto de "ciudad de 15 minutos", el cierre obligatorio de hipermercados, festivales, estacionamiento, tráfico peatonal y ventas al consumidor. El número de solicitudes y los indicadores de "respuesta completada" demuestran que el servicio de análisis funciona correctamente. Sin embargo, no se divulgan las cifras posteriores relativas a la progresión desde la "respuesta completada" hasta la "reflexión de aprobación", la "modificación del proyecto" y el "cambio de resultado". Si el número de casos completados se acumula durante dos o tres años, el rendimiento del procesamiento de análisis y el rendimiento de los cambios de política pueden percibirse como idénticos.  La tasa de finalización del análisis se considera un indicador de servicio administrativo, no un indicador de la eficacia de la política.

Se solicitó un análisis de las ventas con tarjeta antes y después del proyecto 15-Minute City para comparar los cambios en 2023 y 2024, específicamente antes y después de su finalización. Si bien existe la estructura para una comparación basada en el tiempo, la evidencia de que las regiones de control, las condiciones económicas externas, los precios y los factores estacionales se hayan separado únicamente con la información solicitada. Los simples aumentos y disminuciones antes y después combinan los efectos de las políticas con cambios externos simultáneos. Si se repiten análisis similares entre 2026 y 2028, podrían acumularse determinaciones causales erróneas, lo que llevaría a expansiones o reducciones presupuestarias.  La brecha numérica en el análisis de datos de Busan radica entre la medición del cambio y la determinación de la causalidad.

El análisis del cambio en el horario de cierre obligatorio de los hipermercados a los días laborables plantea una cuestión de política pública que compara las ventas de hipermercados, mercados tradicionales y pequeños comerciantes. Confirma un cambio estructural orientado a examinar la distribución de beneficios entre las partes interesadas, en lugar de centrarse únicamente en las ventas de un solo sector. Sin embargo, no se identifican resultados integrales que combinen los beneficios para el consumidor, las condiciones laborales de los trabajadores, el auge del consumo en línea y los efectos a largo plazo. Si las conclusiones se basan exclusivamente en las ventas con tarjeta de crédito a corto plazo durante un periodo de dos a tres años, los costes y beneficios de la política se limitan a grupos específicos. Aunque  el análisis de datos de Busan se amplió a comparaciones entre múltiples grupos, se determinó que no alcanzó el resultado social global.

Si bien el número de participantes y cursos en educación en IA demuestra la adquisición de capacidades, una auditoría del ayuntamiento señaló que más del 80 % de algunos cursos son de nivel básico. Esto evidencia que un aumento en el volumen de capacitación no se traduce en la adquisición de capacidades avanzadas. La capacitación no se ha vinculado con la calidad del análisis en el trabajo, la validación de modelos ni los cambios en las políticas. Si la expansión centrada en la educación básica continúa entre 2026 y 2028, persistirá una estructura en la que aumenta el número de usuarios de IA, pero existe una escasez de responsables de la toma de decisiones con capacidad verificable.  El número de sesiones de capacitación indica expansión, pero la capacidad de juicio de la organización sigue sin evaluarse.

La primera deficiencia radica en la ausencia de un registro de decisiones . Las solicitudes de análisis, las respuestas de la IA, los documentos administrativos, las aprobaciones, los presupuestos y los resultados de la ejecución existen de forma individual. Sin embargo, no se dispone de registros públicos vinculados al mismo identificador de política para determinar qué evidencia descartó las alternativas existentes y modificó la decisión final. A medida que el uso de la IA se generalice entre 2026 y 2028, será aún más difícil rastrear su impacto real en el proceso de toma de decisiones.  Se ha determinado que la mayor deficiencia en el sistema administrativo AX de Busan reside en la trazabilidad de los cambios en las decisiones, más que en las capacidades analíticas.

La segunda deficiencia radica en la ausencia de una línea base de resultados . Si bien los 22 tipos de servicios de IA generativa presentan sus funcionalidades, no se han divulgado valores de referencia comunes para las horas de trabajo previas a la implementación, las tasas de error, la calidad de las quejas ni los períodos de procesamiento de políticas. Esta estructura proporciona estándares débiles para la comparación, incluso si se producen cambios después de la implementación. Si la IA se consolida como el entorno de trabajo estándar en un plazo de dos a tres años, resulta prácticamente imposible comparar el estado previo a la implementación con un grupo de control que no sea usuario.  Se considera que la IA generativa de Busan tiene un menor grado de preparación para la verificación de la efectividad que para la implementación.

La tercera deficiencia radica en la gestión no verificada del linaje de datos y las fechas de referencia . Si bien RAG utiliza datos internos, los registros administrativos contienen directrices previas a la revisión, documentos duplicados y estadísticas contradictorias. No existe una estructura confirmada para el seguimiento público de los datos y las fechas de referencia utilizados en las respuestas de la IA. A medida que el volumen de documentos aumente entre 2026 y 2028, crece el riesgo de que se repitan errores de actualidad en forma de frases correctas.  La deficiencia en la administración basada en evidencia no reside en el acceso a los datos, sino en la capacidad de determinar qué datos son válidos.

La cuarta brecha radica en la desconexión entre el análisis y el presupuesto . Incluso si el análisis de datos verifica la eficacia de las políticas, los registros públicos que lo vinculan con aumentos, disminuciones o cancelaciones en el presupuesto del año siguiente son limitados. La estructura es tal que el análisis se gestiona como material de referencia, mientras que el presupuesto se trata como material de revisión independiente. Si los proyectos de bajo rendimiento se incluyen repetidamente en el presupuesto durante dos o tres años, independientemente de los resultados del análisis, los beneficios financieros de una administración basada en datos desaparecen.  La preparación para la toma de decisiones de Busan se considera no confirmada en la reasignación presupuestaria, en lugar de en el análisis de políticas.

La quinta deficiencia radica en la falta de aprendizaje organizacional respecto a los errores de la IA . Los modelos de IA generativa y predictiva pueden generar respuestas incorrectas, omisiones, sesgos y falsos positivos. No se ha encontrado ningún registro que integre y divulgue públicamente los casos de error, los tiempos de corrección, las tasas de recurrencia y los cambios de versión por modelo para la ciudad de Busan. A medida que aumente el número de servicios entre 2026 y 2028, el mismo error podría propagarse a documentos y decisiones en múltiples departamentos.  Se considera que el riesgo para la administración de la IA en Busan no reside en la existencia de errores, sino en una estructura donde los errores no se conservan en la memoria organizacional.

Los servicios administrativos de Big Data Wave e IA generativa proporcionan, respectivamente, datos analíticos e infraestructura de soporte empresarial. La ciudad de Busan cuenta actualmente con capacidades de consulta y análisis de datos, así como con IA para la búsqueda y el análisis de documentos. Sin embargo, no se ha confirmado públicamente que ambas infraestructuras estén vinculadas al mismo identificador de tarea de política. Si las actualizaciones independientes continúan entre 2026 y 2028, es posible que los resultados del análisis de datos no se reflejen en las respuestas de la IA generativa, o que cambien las fechas de referencia.  Se ha determinado que se han asegurado múltiples infraestructuras técnicas, pero la interoperabilidad a nivel de políticas aún no se ha confirmado.

Se impartió capacitación en IA y análisis de datos a la sede central, distritos, condados y organizaciones afiliadas, así como capacitación práctica en planificación. El público objetivo de la capacitación se amplió, pasando de personal de TI selecto a personal de políticas generales. Por otro lado, durante la auditoría administrativa de 2025 se señaló la falta de capacidades avanzadas de aplicación y convergencia. Si la IA se extiende a todos los departamentos en los próximos dos o tres años, podría surgir un cuello de botella donde un solo verificador tenga que gestionar los errores de múltiples usuarios.  Se considera que la infraestructura de talento se encuentra en la fase de expansión de usuarios, mientras que el personal de verificación avanzada se encuentra en una fase de escasez.

La infraestructura de utilización para ventas con tarjeta, flujo de telecomunicaciones, cuadrículas espaciales, estadísticas administrativas e información pseudonimizada observa los fenómenos políticos desde diversas perspectivas. La infraestructura de datos se ha expandido desde datos públicos estructurados hasta la integración público-privada. Sin embargo, aún no se han identificado datos que gestionen de forma conjunta el impacto del sesgo de muestreo, los cambios en las fórmulas, los valores faltantes y la interrupción de la adquisición de datos en los resultados del análisis. A medida que aumente la dependencia de datos privados entre 2026 y 2028, los cambios en los contratos y las fórmulas alterarán las series temporales de los resultados políticos. Si bien  la disponibilidad de datos se ha ampliado, se considera que su calidad y continuidad no están garantizadas.

El plan de promoción de la administración de IA de la ciudad de Busan y su sistema de información personal y seguridad sirven como base institucional para la utilización de la IA. La introducción de la IA ha pasado del uso autónomo por parte de los empleados al sistema administrativo formal. Sin embargo, no se ha identificado ningún sistema integrado que divulgue públicamente el juicio final humano en la toma de decisiones de alto riesgo, la notificación a los ciudadanos, las objeciones, las áreas de automatización prohibidas y los criterios de descontinuación de modelos. Si la aplicación se extiende a los sectores de quejas civiles, bienestar, auditoría y seguridad en los próximos dos o tres años, las deficiencias de procedimiento se transformarán en riesgos para los derechos de los ciudadanos.  Se ha determinado que, si bien el sistema ha sido aprobado para su adopción, aún no ha alcanzado el nivel de responsabilidad por su impacto.

Los servicios administrativos de IA generativa buscan reducir la carga de trabajo de los empleados y el tiempo de respuesta al público mediante el apoyo a la búsqueda de datos administrativos y la redacción de respuestas a quejas civiles. La estructura incluye tecnología operativa interna que se extiende a la calidad de las respuestas en el punto de contacto con los residentes. Sin embargo, no se han divulgado comparaciones del tiempo de procesamiento de quejas civiles, tasas de reinspección, tasas de error y satisfacción ciudadana antes y después de la implementación. Incluso si el uso por parte de los empleados aumenta entre 2026 y 2028, si la velocidad y precisión que experimentan los residentes no mejoran, la IA administrativa seguirá siendo simplemente una medida de eficiencia interna. Si bien  la adopción por parte de los residentes se presentó como un efecto esperado, los resultados reales se consideran no confirmados.

El análisis de datos sobre el cierre obligatorio de grandes supermercados, la iniciativa de la "ciudad de 15 minutos", los festivales y los distritos comerciales se centra en políticas directamente relacionadas con la vida de los pequeños empresarios y los residentes. La gestión de datos está pasando de la elaboración de informes internos al análisis de los resultados económicos regionales. Sin embargo, la evidencia de seguimiento que demuestre que los resultados del análisis han modificado los entornos empresariales, la distribución de las instalaciones, los presupuestos y el diseño de eventos es limitada. Si un análisis se concluye después de dos o tres años, las empresas locales siguen siendo meros objetivos de la recopilación de datos y no se benefician de los cambios en las políticas.  Si bien el análisis dirigido a empresas y residentes se ha ampliado, el impacto tangible de los cambios en las decisiones aún no se ha confirmado.

Los datos públicos y la ola del Big Data facilitan el acceso a la información a las pequeñas y medianas empresas (PYME) y a la ciudadanía. El uso de los datos se ha extendido desde la administración interna hasta el sector privado. Sin embargo, no se verifican de forma sistemática los datos que vinculan el rendimiento de los datos abiertos —que se traduce en productos, servicios, ventas y empleo para las empresas— con la calidad de los datos. Si el número de conjuntos de datos aumenta entre 2026 y 2028, los datos con escaso valor práctico seguirán siendo un logro de la apertura. Aunque  se confirma la accesibilidad a la información en el sector privado, no se han verificado sus resultados industriales.

Los sistemas de auditoría, seguridad, suministro de agua y medio ambiente marino basados ​​en IA buscan una estructura que reduzca los daños a los ciudadanos mediante la detección temprana de accidentes, corrupción y fugas. Los beneficios para los residentes no se manifiestan en la implementación del sistema, sino en la reducción de accidentes, el tiempo de recuperación, la calidad del agua y la seguridad. La información pública disponible sobre los cambios en los daños a los ciudadanos y los costos de los falsos positivos antes y después de la introducción de estos sistemas es limitada. Si solo aumenta el número de alertas y controles en dos o tres años, los beneficios para los residentes quedan eclipsados ​​por el historial de implementación de la tecnología administrativa.  La difusión de la IA por sector entre los residentes se confirma a nivel de capacidades de detección, mientras que el resultado de la reducción de daños se considera incierto.

Si bien el Ayuntamiento Metropolitano de Busan cuenta con servicios comunes de IA generativa y departamentos de datos especializados, el personal de datos, los presupuestos y la experiencia en análisis de los distritos y condados no son idénticos. Aunque Administrative AX busca expandirse a todos los departamentos y distritos, las capacidades de implementación reales pueden variar según el tamaño de la organización. No se dispone de datos que comparen las tasas de uso activo, las solicitudes de análisis, el análisis interno y las tasas de reflexión de políticas por distrito y condado. Si estas brechas de capacidad se acumulan entre 2026 y 2028, la precisión de las políticas basadas en datos podría diferir incluso entre los ciudadanos de Busan según su domicilio. Se  ha determinado que, dentro de Administrative AX de Busan, el equilibrio del acceso a los servicios no se corresponde con el equilibrio de las capacidades de utilización.

Las solicitudes de análisis de Big Data Wave incluyen cuestiones específicas de cada región, como el tráfico peatonal en Dong-gu, el estacionamiento en Yeongdo-gu, los distritos comerciales en Busanjin-gu y el Festival Gwangalli. Si bien la demanda de datos surge en todo Busan, los tipos de problemas y la dificultad para obtenerlos varían. Si el soporte para el análisis se gestiona mediante solicitudes, las organizaciones con sólidas capacidades de aplicación y habilidades de diseño de proyectos tienen más probabilidades de obtenerlo. Si esta estructura se mantiene durante dos o tres años, las regiones que no hayan elaborado solicitudes de análisis efectivas quedarán excluidas antes que las regiones que carezcan de datos.  Se ha determinado que las disparidades espaciales tienen más probabilidades de deberse a la capacidad de formular preguntas administrativas que a la disponibilidad de datos.

El tráfico peatonal y las ventas con tarjeta, con una cuadrícula de 50 m, reflejan los cambios en el estilo de vida a nivel de barrio y subbarrio. La unidad de análisis administrativo está pasando de los promedios de distrito y condado a las microáreas residenciales. Sin embargo, no se ha confirmado que se aplique la misma resolución espacial y el mismo ciclo de actualización a todos los ámbitos políticos. Si solo se observan con precisión ciertas áreas entre 2026 y 2028, las áreas no observadas podrían ser erróneamente identificadas como sin demanda.  Si bien la inteligencia espacial de Busan se ha perfeccionado, la uniformidad de la observación en toda la región aún no está confirmada.

El centro original, el oeste de Busan y el este de Busan difieren en población, industria, transporte y estructuras comerciales. Incluso si se aplica el mismo modelo de IA a toda la ciudad, los errores de predicción varían según la región si la composición regional de los datos de entrenamiento difiere. No existen datos públicos disponibles que comparen el rendimiento del modelo por distrito, condado, edad, ingresos o tamaño de la empresa. Si solo se gestiona la precisión promedio durante dos o tres años, la baja precisión de las áreas vulnerables queda enmascarada por el promedio general.  El riesgo espacial de la IA administrativa de Busan está determinado por la invisibilidad de las tasas de error regionales, más que por el despliegue de servicios.

Los servicios administrativos de IA generativa al estilo de Busan se implementaron en todos los departamentos a principios de 2026 y se seguirán mejorando y ampliando durante los tres años comprendidos entre 2026 y 2028. Los próximos dos o tres años servirán para que las funciones iniciales, los datos y los patrones de uso se consoliden como procedimientos operativos estándar. Aún no se han divulgado la línea base previa a la implementación ni el registro de decisiones sobre el impacto de la IA. Una vez que los procedimientos básicos se afianzan, resulta difícil comparar el trabajo con el que no utiliza IA, y las prácticas de uso incorrectas se convertirán en normas organizativas.  Actualmente, se considera que el "momento óptimo" no es antes de la implementación de la IA, sino antes de que se consoliden los estándares operativos iniciales de tres años.

La IA y el análisis de datos se están expandiendo rápidamente a áreas como la ciudad de los 15 minutos, los distritos comerciales, los festivales, el transporte, los asuntos marítimos, el suministro de agua y la auditoría. El ámbito de aplicación ha pasado de tareas generales a juicios de expertos que afectan los derechos y la seguridad de los ciudadanos. Sin embargo, no se ha identificado ningún sistema de divulgación pública que integre la gestión de los niveles de riesgo, los errores, las objeciones y los criterios de suspensión. Si la automatización se extiende a sectores de alto riesgo entre 2026 y 2028, será difícil aplicar suplementos regulatorios posteriores a decisiones y quejas ya acumuladas. Se ha determinado que el momento óptimo para la gobernanza es antes de que la aplicación de medidas de alto riesgo se arraigue como parte de las operaciones diarias.

El uso de datos privados de tarjetas de crédito y telecomunicaciones, así como de información anonimizada, revela tendencias políticas con mayor rapidez que las estadísticas administrativas. La velocidad de análisis de datos en Busan está aumentando, pasando de estadísticas anuales a unidades mensuales, diarias y horarias. Sin embargo, el sistema de divulgación pública para gestionar los cambios en las fórmulas, muestras y contratos de datos privados, así como las comparaciones a largo plazo, es limitado. Si las políticas que se basan en los mismos datos se acumulan durante dos o tres años, la reproducibilidad de los análisis anteriores desaparece tras un cambio de proveedores.  El "momento óptimo de los datos" se define como el período anterior a la interrupción de la continuidad de la base de referencia, en lugar de la expansión del volumen de uso.

Aunque la formación de los empleados se ha ampliado, la auditoría administrativa de 2025 señaló un énfasis excesivo en los cursos básicos. Esto demuestra que la velocidad de difusión de los servicios de IA difiere de la velocidad de crecimiento del personal directivo de planificación y verificación. Aún no se han confirmado los datos que miden las capacidades avanzadas y la detección real de errores. A medida que el uso de la IA se convierta en una práctica habitual para todos los empleados entre 2026 y 2028, resultará difícil para un pequeño grupo de expertos verificar todos los modelos, datos y respuestas.  Se ha determinado que el momento óptimo para el talento será antes de que el número de usuarios supere estructuralmente el número de verificadores.

12-1. Caso práctico de aplicación del "Tiempo Dorado" en gobiernos locales básicos ① — Busanjin-gu

Se solicitó a Big-Data Wave un análisis de los cambios en las ventas de tarjetas antes y después del proyecto 15-Minute City, que incluye las zonas residenciales de Dangam y Gaegeum. La evaluación de las políticas de las zonas residenciales de Busanjin-gu ha pasado de la finalización de las instalaciones a los resultados reales de las ventas en los distritos comerciales circundantes. Sin embargo, no se han confirmado resultados de análisis públicos que separen los efectos de los precios, la estacionalidad, las condiciones económicas y las áreas de control de los cambios antes y después de la finalización, ni de ningún cambio de política posterior. Si el proyecto 15-Minute City se amplía utilizando el mismo método entre 2026 y 2028, los errores en la determinación causal inicial podrían replicarse en otras zonas residenciales.  Aunque Busanjin-gu es una región donde se plantearon preguntas sobre los resultados basados ​​en datos, se determinó que aún no se ha alcanzado la etapa de confirmación de los efectos de las políticas.

Las áreas de Dangam y Gaegeum utilizan zonas residenciales reales —más grandes que las unidades administrativas de dong pero más pequeñas que las de distrito— como unidades de política. El criterio espacial ha pasado del promedio de los dongs administrativos a zonas residenciales que combinan la movilidad y el consumo de los residentes. Sin embargo, no existe evidencia pública confirmada que vincule la población flotante, las ventas de tarjetas, la accesibilidad a las instalaciones, la satisfacción de los residentes y la supervivencia comercial con el tiempo de ejecución de una única zona residencial. Si los proyectos representativos de zonas residenciales se completan en dos o tres años, solo quedarán los resultados de rendimiento específicos de las instalaciones sin una base de referencia.  El momento dorado de Busanjin-gu no es la existencia del análisis de zonas residenciales en sí, sino el período durante el cual se puede registrar si el análisis influyó en la posterior ubicación de las instalaciones y los presupuestos.

12-2. Casos de aplicación del período de gracia en gobiernos locales básicos ② — Yeongdo-gu

Yeongdo-gu solicitó consultoría de análisis de datos sobre su escasez de estacionamiento después de que el análisis de las quejas de la consulta de Saeol confirmara que las relacionadas con el estacionamiento eran las más frecuentes. Esto marca un caso en el que los textos de las quejas de los residentes trascendieron la mera agregación de quejas recurrentes para convertirse en preguntas para el análisis de políticas. Sin embargo, no existen registros de seguimiento divulgados públicamente que confirmen qué decisiones —como la asignación de plazas de estacionamiento, los horarios de control, el transporte público o las rutas turísticas— se modificaron en función de los resultados del análisis. Si la demanda de estacionamiento cambia debido al turismo, la vivienda y el envejecimiento de la población entre 2026 y 2028, los análisis de quejas anteriores se convertirán en datos puntuales con un punto de referencia diferente.  Si bien Yeongdo-gu es un caso en el que los datos identificaron un problema de política, aún no se ha confirmado que los datos hayan modificado la alternativa de solución.

El problema del estacionamiento en Yeongdo-gu es complejo, ya que las demandas horarias de residentes, turistas, comerciantes y personas con movilidad reducida confluyen en un mismo espacio. El número de quejas por sí solo no permite distinguir qué grupo o qué período de tiempo constituye el cuello de botella. Además, no es posible verificar un historial público que vincule las quejas, la rotación de estacionamiento, el estacionamiento ilegal, la seguridad peatonal y los ingresos comerciales. Si se mantienen durante dos o tres años juicios basados ​​principalmente en el volumen de quejas, las áreas con altas tasas de denuncia y las áreas con riesgos reales elevados se entremezclan. El  "Período Dorado" de Yeongdo-gu se define como el período durante el cual se pueden determinar las causas de las quejas y las diferencias entre las alternativas de política, superando la etapa de simplemente identificar los puntos críticos con mayor número de quejas.

Si no se conservan los datos sobre el uso, los errores, las correcciones y la adopción de la IA en sus fases iniciales en todos los departamentos en 2026, se perderá la base para comparar el rendimiento administrativo posterior. El soporte de IA está diseñado para expandirse a lo largo de tres años, con una rápida disminución de las tareas que no requieren uso. Los resultados publicados hasta la fecha, antes y después de la implementación, son limitados. Entre 2026 y 2028, será difícil determinar si la IA ha mejorado los procesos de trabajo o simplemente ha absorbido un aumento de la carga laboral.  La primera pérdida se determinará mediante la evidencia causal de las primeras fases de la adopción de la IA, y no por el presupuesto destinado a la tecnología.

Si los resultados del análisis no están vinculados a aprobaciones, presupuestos y ejecución, los análisis de los mismos problemas se repiten en distintos departamentos y a lo largo de los años. Si bien la ola de macrodatos identifica numerosas cuestiones políticas del mundo real, no se divulga el historial de reutilización ni los cambios en las decisiones. Si se producen transferencias de personal y reestructuraciones organizativas en un lapso de dos a tres años, las premisas, las limitaciones y las decisiones subsiguientes del análisis se desvinculan de la memoria organizativa.  La segunda pérdida no se determina por los informes individuales, sino por la memoria administrativa, que no repite los errores de política.

Si los errores en las respuestas de la IA y los modelos de predicción no se registran, se repetirán utilizando los mismos datos, indicaciones y modelos. Si bien los servicios se están expandiendo a todos los departamentos y campos especializados, aún no se ha verificado un sistema de aprendizaje de errores a nivel municipal. A medida que los sistemas se perfeccionen entre 2026 y 2028, las versiones y los responsables cambiarán, lo que dificultará la reproducción de errores anteriores.  La tercera pérdida no se determina por las cifras de precisión, sino por el tiempo de aprendizaje necesario para incorporar los errores en las decisiones posteriores.

Si las diferencias en el personal de datos y las capacidades de diseño de preguntas se acumulan entre distritos y condados, el apoyo al análisis podría concentrarse en organizaciones con mayores capacidades de aplicación en lugar de en regiones con alta demanda. Actualmente, se identifican sistemas de análisis basados ​​en solicitudes y tareas regionales, pero no se observa demanda no aplicada. Si esta estructura se consolida durante dos o tres años, la brecha administrativa en AX se transformará en una brecha de servicio regional.  La cuarta pérdida no se determina por la igualdad tecnológica, sino por la equidad en los juicios políticos que no se ven influenciados por la dirección o la capacidad organizacional.

Busan ya cuenta con servicios de IA generativa en todos los departamentos, Big Data Wave, utilización de información anonimizada y plataformas de IA sectoriales con formación práctica. Los componentes de Administrative AX no están completamente ausentes, sino dispersos en diferentes etapas. Sin embargo, la evidencia vinculada mediante identificadores de políticas y registros de decisiones aún no se ha verificado. Todavía hay tiempo para comparar los recursos existentes en función de los mismos resultados de políticas antes de que la estructura del sistema se defina entre 2026 y 2028.  Actualmente, se considera que este periodo es una oportunidad para establecer la conectividad en la toma de decisiones de los recursos dispersos, en lugar de un nuevo sistema.

Las solicitudes de análisis sobre la "ciudad de 15 minutos", los grandes supermercados, los festivales y el estacionamiento demuestran que la administración ya plantea preguntas específicas sobre los efectos de las políticas. La deficiencia de Busan no radica en la ausencia de preguntas, sino en la falta de registros de decisiones posteriores a las respuestas. No se ha identificado una cadena pública de resultados de análisis y cambios de políticas. Si las solicitudes de análisis continúan aumentando durante dos o tres años, la capacidad de vincular las decisiones posteriores se convertirá en el criterio que determine la productividad administrativa.  La oportunidad actual no reside en aumentar el volumen de análisis, sino en una fase donde las preguntas de política realistas puedan conservarse como evidencia de decisiones reproducible.

La IA generativa basada en RAG utiliza datos administrativos internos de la ciudad de Busan. Esto sirve de base para reutilizar la justificación de las políticas anteriores de la organización, reduciendo así los tiempos de búsqueda. Sin embargo, no se ha revelado la estructura para buscar conjuntamente la validez de los datos, los fundamentos contradictorios y los resultados de las decisiones. Si la justificación y el resultado no se vinculan antes de que aumenten los datos administrativos entre 2026 y 2028, la IA podrá localizar rápidamente documentos anteriores, pero no podrá distinguir entre el éxito y el fracaso de las decisiones pasadas.  Actualmente, la oportunidad se evalúa como el período operativo inicial durante el cual los documentos administrativos pueden establecerse como datos de aprendizaje organizacional.

La auditoría administrativa del Ayuntamiento Metropolitano de Busan cuestiona públicamente el nivel de formación en IA y la eficacia de los proyectos. La estructura implica la difusión de la IA por parte de la administración y la verificación externa del ayuntamiento de forma simultánea. Sin embargo, no se verifica la conexión de los datos que vinculan los hallazgos de la auditoría, la administración municipal, los cambios en el modelo/formación y los resultados subsiguientes. Si la verificación del ayuntamiento se limita a consultas individuales durante dos o tres años, la gobernanza de la IA se fragmenta entre revisiones presupuestarias e informes de proyectos.  Actualmente, se considera que la oportunidad reside en el período durante el cual la operación interna y la verificación externa de la administración de la IA puedan vincularse dentro de una única cadena de evidencia.

Entorno de ejecución administrativo de AX

Pregunta de política → Línea de base → Análisis de datos e IA → Comparación de alternativas → Cambio de decisión → Presupuesto → Ejecución → Resultado para el ciudadano → Brecha → Auditoría y verificación del consejo → Corrección → Próxima decisión

Expansión de la IA administrativa + Brecha en la evidencia de decisiones

La administración de datos e inteligencia artificial de la ciudad de Busan ha superado la fase de introducción y se encuentra ahora en la fase de expansión en todos los departamentos.

Se confirman la búsqueda de tareas, la creación de documentos y el análisis de políticas individuales.

No existe conexión entre los cambios introducidos por la IA y los datos en relación con las decisiones existentes y cómo cambiaron los resultados.

El peligro actual no reside en la administración que no utiliza la IA, sino en la administración que la utiliza pero no puede determinar si tomó mejores decisiones.

El fallo final es Expansión de IA Administrativa + Brecha en la Evidencia de Decisión.

1. Usuarios activos de IA generativa por departamento
2. Frecuencia de uso de IA por empleado
3. Tasas de uso por 22 tipos de servicios
4. Tasas de adopción, modificación y rechazo de respuestas de IA
5. Tasa de corrección promedio de documentos generados por IA
6. Reducción del tiempo de búsqueda de datos administrativos
7. Reducción del tiempo dedicado a la redacción de demandas civiles
8. Tasa de reingreso de quejas civiles antes y después del uso de IA
9. Número de errores, omisiones y sesgos en las respuestas de la IA
10. Tiempo transcurrido desde el descubrimiento del error hasta su corrección.
11. Tasa de recurrencia del mismo error
12. Recepción, finalización y período de espera de la solicitud de análisis
13. Tasa de aprobación de los resultados del análisis
14. Tasa de cambio de la alternativa política tras el análisis
15. Tasa de cambio del objetivo del proyecto y la región después del análisis
16. Aumento, disminución y tasas de finalización del presupuesto tras el análisis
17. Tasas de divulgación de referencia previas a la implementación por política
18. Relación de análisis utilizando la región de control/grupo de control
19. Fórmula de datos privados e historial de cambios de muestra
20. Precisión, falsos positivos y detecciones omitidas por modelo
21. Brecha en el uso de la IA y análisis interno por distrito/condado
22. Tasa de solicitud de empleo en el puesto de trabajo tras completar la formación.
23. Número de personal avanzado de IA y verificación de datos
24. Tasa de corrección real tras los problemas planteados por el consejo y la auditoría.
25. Tasa de mejora de los resultados para ciudadanos y empresas tras el cambio de política.

Brecha de datos: En la evidencia pública, no se confirma que el sistema Busan City Decision Runtime conecte Policy Inquiry → Data/IA Analysis → Comparison of Existent Proposal and Alternatives → Apropal/Budget Change → Execution → Citizen/Business Outcome → Audit/Council Verification → Trackup Correction bajo el mismo ID de política.

Cadena de tiempo de ejecución

Datos → Análisis → Alternativas → Cambio de decisión → Presupuesto → Implementación → Resultado → Errores/Brechas → Auditoría/Consejo → Corrección → Siguiente decisión

Fuente · Verificación

• La ciudad metropolitana de Busan lanza el primer servicio administrativo de IA generativa del país.
• Plan de Implementación de la Administración de IA para la Ciudad Metropolitana de Busan, 2026
• Plan de trabajo administrativo principal basado en datos de la ciudad metropolitana de Busan para 2026
• La ola de macrodatos de Busan: estado del análisis y la consultoría de datos para políticas públicas.
• La ola de macrodatos de Busan, materiales explicativos estadísticos
• La ciudad metropolitana de Busan ofrece formación práctica basada en inteligencia artificial para la administración del futuro.
• Ayuntamiento Metropolitano de Busan, Auditoría Administrativa de 2025 de la Agencia Coreana para la Promoción de la Industria de la Información
• Plataforma de apoyo para la gestión inteligente del medio ambiente marino basada en datos de la ciudad metropolitana de Busan
• La ciudad metropolitana de Busan respaldará la toma de decisiones basada en inteligencia artificial y macrodatos para las redes de suministro de agua para el año 2026.
• Sistema inteligente de apoyo a la administración de auditorías basado en IA para la ciudad metropolitana de Busan

Conclusiones estructurales que se desprenden de este análisis.

La toma de decisiones administrativas solo conserva la propuesta final plasmada en documentos y descarta las alternativas no elegidas. Incluso si la IA presenta más evidencia y alternativas, si no se registran las diferencias entre el plan original, las alternativas y el plan final, no se puede verificar si la IA modificó su criterio. Se trata de una estructura donde el uso se mantiene, pero el impacto desaparece.

En esta estructura, la diferencia entre una buena IA y una mala IA no se determina únicamente por la precisión. Si un análisis preciso no modifica las aprobaciones ni los presupuestos, el efecto administrativo es prácticamente nulo; por el contrario, si un análisis incompleto altera decisiones de alto riesgo, incluso los errores pequeños repercuten en los resultados para los ciudadanos. El valor administrativo de la IA se compone del rendimiento del modelo y su impacto en las decisiones.

Por lo tanto, solo existe una perspectiva estructural sobre Busan Administration AX. La IA se convierte en una capacidad administrativa no cuando reemplaza las decisiones, sino cuando registra los motivos por los que cambiaron.  Sin este registro, la ciudad de Busan puede buscar más rápido y generar más documentos, pero no puede determinar si tomó mejores decisiones que en el pasado.

Tesis del Tiempo Dorado: El periodo comprendido entre 2026 y 2028 para la gestión administrativa de la ciudad de Busan no representa un momento para la difusión de la IA generativa, sino más bien un periodo para registrar por primera vez la diferencia entre Evidencia → Alternativa → Cambio de Decisión → Resultado en los registros administrativos. Sin esta conexión, la IA puede acelerar la administración, pero no puede acelerar la detección y corrección de fallos en las políticas.