En el marco de un nuevo diseño institucional en materia de transparencia en México, la transparencia predictiva surge como una oportunidad invaluable para mejorar la difusión de información por parte de las instituciones públicas y maximizar sus beneficios para la sociedad. Durante dos décadas, desde la promulgación de la primera Ley de Transparencia de 2002, el país consolidó un sistema de acceso a la información que ha fortalecido la rendición de cuentas. Sin embargo, el crecimiento de demandas ciudadanas, el avance tecnológico y la generación masiva de datos plantean la necesidad de discernir un modelo capaz de predecir y anticipar potenciales y futuras necesidades de información.
Un nuevo modelo de transparencia
En un inicio, la transparencia en México se concentró en responder las solicitudes de acceso a la información (SAI) de la sociedad por medio de mecanismos que garantizaban su derecho, lo que se denominó “transparencia reactiva”. Más adelante, ésta se consolidó como una herramienta para fortalecer la rendición de cuentas, estableciendo la publicación de información bajo obligaciones legales específicas y dando origen a la “transparencia activa”.
Con el tiempo, con una visión más amplia de la transparencia como política pública, surgió una perspectiva de difusión proactiva de información, en el que las instituciones públicas no sólo publican datos obligatorios por ley, sino que hacen un esfuerzo adicional para identificar, generar, publicar y difundir información relevante sin necesidad de que haya una solicitud previa. A esto se le conoce como "transparencia proactiva", y parte de la premisa de que la información debe responder al contexto y características de la sociedad y permitir tomar decisiones.
Estos tres modelos —reactivo, activo y proactivo— no son más que respuestas a demandas sociales, capacidades institucionales y coyunturas políticas distintas. Sin embargo, en un mundo impulsado por la tecnología, donde el acceso a la información se ha vuelto fundamental para solucionar problemas públicos, es necesario dar un paso más allá e innovar. Surge así la necesidad de una nueva perspectiva: un modelo con el cual no sólo se publique información en función de lo solicitado o previsible, sino que sea capaz de predecir potenciales necesidades de información de la población, considerando con ello instituciones públicas específicas, categorías temáticas concretas y momentos precisos.
Predicción y anticipación de necesidades de información
A esta nueva vertiente de la transparencia la denominamos “transparencia predictiva”, un modelo de gestión de información pública que, por medio del uso de inteligencia artificial (IA) y análisis de datos, permite anticipar futuras requisitos de información para publicar, de manera oportuna, insumos estratégicos. Esto va más allá de la transparencia reactiva, activa y proactiva, ya que no sólo responde a solicitudes o difunde información relevante de manera anticipada, sino que identifica patrones y tendencias. De esta manera, se optimiza la accesibilidad, calidad y utilidad de los datos en beneficio de la sociedad.
Para comprender su funcionamiento, es importante considerar la IA como una tecnología diseñada para emular procesos propios del razonamiento humano, analizando grandes volúmenes de datos para encontrar patrones y hacer predicciones. En este sentido, es relevante destacar que México cuenta con una ventaja comparativa: la Plataforma Nacional de Transparencia (PNT), que concentra un vasto historial de SAI. De hecho, la PNT posee más de nueve millones de SAI que, desde 2016, se han dirigido hacia diversas instituciones públicas de los tres poderes y órdenes de gobierno en nuestro país.
El análisis masivo de estas solicitudes, con las técnicas correctas, permite identificar patrones semánticos y temporales sobre los intereses informativos de la sociedad. Por eso es posible detectar tendencias y anticipar con mayor precisión qué información será requerida, en qué temas y momentos, facilitando una gestión más efectiva por parte de las instituciones públicas.
Proyecto piloto y primeros resultados
Considerando el potencial de las nuevas tecnologías y el valor de la información contenida en la PNT —disponible en datos abiertos—, la Dirección General de Gobierno Abierto y Transparencia del INAI desarrolló, de manera colaborativa, el primer proyecto piloto de transparencia predictiva en México. Éste consistió en crear un modelo automatizado de gestión de información, basado en IA y técnicas avanzadas de análisis de datos. Este programa implicó también la aplicación de métodos de limpieza, procesamiento y clasificación de información para estructurar los datos de manera eficiente.
Después, se segmentaron los datos en clústeres temáticos para identificar patrones en las SAI. Con base en esta segmentación, se implementó un modelo de aprendizaje automático: una red neuronal de memoria a corto y largo plazo (LSTM, por sus siglas en inglés), diseñada para generar predicciones sobre futuras solicitudes y requerimientos de información. Esto también permitió identificar los momentos en que dichas solicitudes surgirían dentro de cada institución pública analizada.
Para evaluar la efectividad del modelo, se realizaron pruebas con quince instituciones públicas. A continuación, presentamos los resultados obtenidos en dos de ellas: el IMSS y la Secretaría de Seguridad y Protección Ciudadana (SSPC), lo que permite dimensionar los alcances, impacto y la utilidad de la transparencia predictiva en la agenda pública.
IMSS
El IMSS es la institución pública que ha recibido el mayor volumen de SAI en México, con un total de 524,309 solicitudes desde 2016. Para evaluar la efectividad del modelo de transparencia predictiva, se realizaron pruebas analizando diferentes periodos de solicitudes: anuales, trianuales y quinquenales.
En 2024, el IMSS recibió 44,430 solicitudes a través de la PNT. Éstas fueron procesadas por el modelo que segmentó la información en treinta grupos temáticos. Como resultado, se logró una exactitud de predicción del 97.95 %. Por su parte, tras analizar estos clústeres y seleccionar aquel que arrojó una mayor calidad, se identificó una tendencia recurrente en temáticas asociadas al traspaso de recursos entre subcuentas de cesantía, vejez y cuota social, gestionados por la Consar y las Afores, entre otros temas relevantes. Por ello se prevé que entre la primera quincena de febrero y agosto de 2025, se experimente un incremento en las SAI sobre estas temáticas.
SSPC
En el caso de la SSPC, se analizó un total de 2,010 SAI de 2024. A partir de este análisis, se segmentaron los datos en treinta clústeres temáticos, obteniendo un nivel de predictibilidad del 75.62 %. El clúster con mayor calidad agrupa solicitudes relacionadas con informes de delitos, incidencias delictivas, homicidios, robos y seguridad en carreteras. Además, incluye datos sobre personas migrantes aseguradas, puntos de control migratorio y operativos de seguridad en fronteras.
Con base en los resultados del modelo de transparencia predictiva, se prevé que estas temáticas generen un aumento en la demanda de solicitudes durante enero y febrero, así como en los meses de abril y junio de 2025.
Perspectivas y retos de la transparencia predictiva
La transparencia predictiva representa una transición inevitable en México. Este proyecto piloto sienta las bases para un debate crucial sobre el futuro de la transparencia gubernamental y sus implicaciones en la gestión de la información pública. Es por eso que, a partir de los hallazgos obtenidos, se destacan algunos aspectos clave a considerar.
En primer lugar, la transparencia predictiva tiene un enorme potencial. La aplicación de IA y análisis de datos fortalece el derecho a la información, mientras que optimiza los distintos modelos de transparencia. Además, permite anticipar futuras cargas de trabajo en las instituciones públicas, facilitando una administración más eficiente de los recursos.
En segundo, resulta fundamental avanzar en consolidar la perspectiva teórica y práctica de la transparencia predictiva. No es objeto del presente artículo profundizar en la parte teórica. Lo que sí se busca es plantear resultados generales de un modelo predictivo que se pilotó en el INAI. Por ello, es indispensable desarrollar esfuerzos que se especialicen en un planteamiento teórico mucho más robusto. Lo expuesto es pionero por su acercamiento innovador, basado en la IA, para obtener resultados específicos que permitan predecir tendencias a futuro. Para ello, es necesario integrar este modelo en el nuevo diseño institucional de transparencia en México y desarrollar una política pública de alcance nacional. Su éxito dependerá de la voluntad y capacidad institucional de actores gubernamentales y otros, así como de contar con recursos humanos, tecnológicos y presupuestarios suficientes para su implementación.
Por último, el impacto positivo de la transparencia predictiva dependerá de su mejora continua. Aunque el proyecto piloto ha arrojado resultados que alientan, aún es necesario hacer ajustes para garantizar su efectividad. Su verdadero éxito radicará en que se traduzca en la publicación de información anticipada, accesible y de calidad en temas estratégicos como salud, seguridad, educación y economía. Al facilitar la toma de decisiones y fortalecer la rendición de cuentas, la transparencia predictiva puede ayudar a reforzar la confianza ciudadana en las instituciones públicas.
Jaime Cerdio
Economista y especialista en gobierno abierto y transparencia.
Karin Quiñones
Internacionalista y especialista en apertura institucional, Estado de Bienestar y fortalecimiento democrático.
Selma Rojas
Politóloga y administradora pública, experta en análisis organizacional, apertura institucional y transparencia.
Sergio Landa
Politólogo, especialista en transparencia proactiva, planeación, inteligencia estratégica e impacto social.