ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(406)
http://www.aulavirtual.web.ve
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(407)
http://www.aulavirtual.web.ve
REVISTA CIENTÍFICA
AULA VIRTUAL
Director Editor:
La Revista seriada Científica Arbitrada e
Indexada Aula Virtual, es de acceso abierto y en
formato electrónico; la misma está orientada a la
divulgación de las producciones científicas
creadas por investigadores en diversas áreas del
conocimiento. Su cobertura temática abarca
Tecnología, Ciencias de la Salud, Ciencias
Administrativas, Ciencias Sociales, Ciencias
Jurídicas y Políticas, Ciencias Exactas y otras
áreas afines. Su publicación es CONTINUA,
indexada y arbitrada por especialistas en el área,
bajo la modalidad de doble ciego. Se reciben las
producciones tipo: Artículo Científico en las
diferentes modalidades cualitativas y
cuantitativas, Avances Investigativos, Ensayos,
Reseñas Bibliográficas, Ponencias o
publicaciones derivada de eventos, y cualquier
otro tipo de investigación orientada al tratamiento
y profundización de la información de los campos
de estudios de las diferentes ciencias. La Revista
Aula Virtual, busca fomentar la divulgación del
conocimiento científico y el pensamiento crítico
reflexivo en el ámbito investigativo.
• Dra. Leidy Hernández PhD.
• Dr. Fernando Bárbara
Consejo Asesor:
• MSc. Manuel Mujica
• MSc. Wilman Briceño
• Dra. Harizmar Izquierdo
• Dr. José Gregorio Sánchez
Revista Científica Arbitrada de
Fundación Aula Virtual
Email: revista@aulavirtual.web.ve
URL: http://aulavirtual.web.ve/revista
ISSN:
Depósito Legal:
País:
Año de Inicio:
Periodicidad:
Sistema de Arbitraje:
Licencia:
Volumen:
Número:
Año:
Período:
Dirección Fiscal:
2665-0398
LA2020000026
Venezuela
2020
Continua
Revisión por pares. “Doble Ciego”
Creative Commons CC BY NC ND
7
15
2026
Julio 2026 – Diciembre 2026 (continua)
Av. Libertador, Arca del Norte, Nro.
52D, Barquisimeto estado Lara,
Venezuela, C.P. 3001
Generando Conocimiento
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (julio 2026 - diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(408)
http://www.aulavirtual.web.ve
Tipo de Publicación: Artículo Científico
Área del Conocimiento: Ciencias Sociales y
Aplicadas
Recibido: 25/05/2026
Aceptado: 27/06/2026
Publicado: 03/08/2026
Código Único AV: e778
Páginas: 1(406-428)
DOI: https://doi.org/10.5281/zenodo.21779347
Autores:
Samanda Alexandra Acosta Huayllani
Licenciada en Administración de Empresas
https://orcid.org/0000-0003-0132-2311
E-mail: samanda.acosta@gmail.com
Afiliación: Universidad Nacional Mayor de San
Marcos
País: República del Perú
Danielly Edison Romero Aguado
Licenciado en Administración de Empresas
https://orcid.org/0009-0007-8102-3931
E-mail: danielly.42712583@gmail.com
Afiliación: Universidad Nacional Mayor de San
Marcos
País: República del Perú
Roger Antonio Chumpitaz Carrasco
Licenciado en Administración de Negocios
Internacionales
https://orcid.org/0009-0005-9466-4979
E-mail: rchumpitazcarrasco@gmail.com
Afiliación: Universidad Nacional Mayor de San
Marcos
País: República del Perú
Resumen
La contratación pública sostenible constituye un instrumento estratégico para orientar el
gasto estatal hacia objetivos ambientales, sociales, económicos e institucionales; sin
embargo, su implementación efectiva enfrenta limitaciones asociadas a la fragmentación
normativa, la baja trazabilidad de criterios sostenibles y la escasa medición de resultados.
En este contexto, la inteligencia artificial emerge como una tecnología con potencial para
fortalecer la eficiencia, transparencia, planificación, evaluación y monitoreo de los
procesos contractuales. El objetivo de este artículo fue determinar las brechas
metodológicas y temáticas en la investigación existente sobre IA en contratación pública
sostenible, con el propósito de orientar futuras líneas de investigación. Para ello, se
desarrolló una revisión sistemática de la literatura, siguiendo criterios de identificación,
selección y análisis de estudios vinculados con inteligencia artificial, contratación pública
y sostenibilidad. El corpus final estuvo conformado por estudios principales y
complementarios, lo que permitió diferenciar entre investigaciones que analizan la IA
como herramienta aplicada al ciclo contractual y aquellas que la emplean como técnica
metodológica para estudiar fenómenos asociados a la compra pública verde, la innovación
sostenible o el desempeño empresarial. Los resultados evidencian que la literatura se
concentra principalmente en enfoques jurídicos, conceptuales y exploratorios, con
aplicaciones orientadas a la elaboración de pliegos, evaluación de proveedores, detección
de riesgos, transparencia y análisis de datos. No obstante, persisten vacíos en la validación
empírica, la medición de impactos sostenibles, la ejecución contractual, el monitoreo
posterior y la gobernanza algorítmica. Se concluye que la IA posee un alto potencial para
transformar la contratación pública sostenible, pero su consolidación requiere estudios
empíricos, comparativos y longitudinales que demuestren su efectividad real.
Palabras Clave
Inteligencia artificial, contratación pública sostenible,
brechas metodológicas, brechas temáticas, gobernanza
algorítmica.
Abstract
Sustainable public procurement constitutes a strategic instrument for aligning public
expenditure with environmental, social, economic, and institutional objectives; however,
its effective implementation still faces limitations related to regulatory fragmentation,
weak traceability of sustainability criteria, and limited measurement of outcomes. In this
context, artificial intelligence emerges as a technology with significant potential to
strengthen efficiency, transparency, planning, evaluation, and monitoring within public
procurement processes. The aim of this article was to determine the methodological and
thematic gaps in existing research on AI in sustainable public procurement in order to
guide future research directions. To achieve this objective, a systematic literature review
was conducted, following criteria for the identification, selection, and analysis of studies
related to artificial intelligence, public procurement, and sustainability. The final corpus
consisted of both main and complementary studies, which made it possible to distinguish
between research that examines AI as an applied tool within the procurement cycle and
studies that use AI as a methodological technique to analyze phenomena associated with
green public procurement, sustainable innovation, or corporate performance. The findings
show that the literature is mainly concentrated on legal, conceptual, and exploratory
approaches, with applications focused on tender drafting, supplier evaluation, risk
detection, transparency, and data analysis. Nevertheless, relevant gaps remain regarding
empirical validation, measurement of sustainable impacts, contract execution, post-award
monitoring, and algorithmic governance. The study concludes that AI has considerable
potential to transform sustainable public procurement; however, its consolidation requires
empirical, comparative, and longitudinal studies capable of demonstrating its real
effectiveness across the different phases of the procurement cycle.
Keywords
Artificial intelligence, sustainable public procurement,
methodological gaps, thematic gaps, algorithmic governance.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(409)
http://www.aulavirtual.web.ve
Introducción
La contratación pública sostenible se
configura como un instrumento estratégico
mediante el cual las administraciones públicas
incorporan criterios ambientales, sociales y
económicos en la adquisición de bienes, servicios y
obras. Su relevancia no se limita a la dimensión
procedimental de la compra estatal, sino que alcanza
una función orientadora de las políticas públicas, en
tanto permite alinear el gasto público con objetivos
de sostenibilidad, eficiencia institucional y
responsabilidad social. Sin embargo, la contratación
estratégica ambiental aún presenta limitaciones
relevantes, debido a la existencia de criterios legales
y operativos insuficientemente desarrollados, los
cuales no generan incentivos adecuados para su
implementación efectiva Expósito-López (2023).
En paralelo, la Inteligencia Artificial (IA) ha
adquirido creciente importancia en la
modernización de la administración pública,
especialmente por su capacidad para automatizar
procesos, analizar grandes volúmenes de
información, identificar riesgos de corrupción en
procedimientos de licitación y fortalecer la toma de
decisiones en entornos de contratación electrónica.
Desde esta perspectiva, la IA no debe ser entendida
únicamente como una herramienta tecnológica de
apoyo, sino como un recurso de gestión pública
capaz de incidir en la transparencia, trazabilidad y
eficiencia de los sistemas de contratación estatal
Díaz & Ospina (2023). De manera complementaria,
la investigación sobre tecnologías emergentes
aplicadas a la contratación pública ha mostrado un
crecimiento significativo desde 2018, lo que
evidencia el interés académico por examinar cómo
la innovación tecnológica puede contribuir a
mejorar la eficiencia, la transparencia y la
sostenibilidad de los procesos de contratación
pública, Aristotelis et al. (2024).
Diversas investigaciones recientes han
abordado la relación entre IA y gestión pública; no
obstante, todavía se advierte una limitada
especificidad respecto de su aplicación en el ciclo
integral de la contratación pública sostenible. En esa
línea, Expósito-López (2023) evaluó el potencial de
la IA como herramienta asistencial en la elaboración
de pliegos con criterios ambientales, evidenciando
que las versiones abiertas de IA pueden alcanzar
aproximadamente un 43 % de eficacia en la
formulación de recomendaciones vinculadas con
criterios verdes. Este hallazgo constituye una base
empírica inicial, aunque todavía insuficiente para
sostener la existencia de modelos robustos de
automatización orientados a la sostenibilidad
contractual.
Por su parte, Silva et al. (2024) analizaron el
uso de tecnologías digitales en la modernización de
los procesos de licitación pública. Sus resultados
muestran que la IA puede ser empleada en la
detección de fraudes, el análisis de riesgos y la
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(410)
http://www.aulavirtual.web.ve
automatización de tareas repetitivas. Pese a ello, el
estudio no desarrolla de manera específica la
dimensión ambiental ni examina cómo estos
recursos tecnológicos podrían integrarse en las
distintas fases de la contratación pública sostenible.
A su vez, Isidoro (2024) estudió la transparencia
algorítmica en la administración pública española y
advirtió que la contratación pública constituye uno
de los principales canales mediante los cuales se
implementan sistemas de IA. No obstante, también
identificó la ausencia de marcos suficientemente
definidos para garantizar la rendición de cuentas
respecto de los criterios de sostenibilidad
incorporados en dichos sistemas.
A pesar de los avances expuestos, la literatura
especializada todavía presenta vacíos relevantes. En
primer lugar, Aristotelis et al. (2024), mediante un
análisis bibliométrico, identificaron una escasa
articulación temática entre IA, gobernanza
algorítmica y desarrollo sostenible en el contexto de
la contratación pública. Esta fragmentación revela
que los estudios existentes tienden a examinar
dichos campos de manera separada, sin construir un
marco analítico integrado que permita comprender
sus interdependencias.
En segundo lugar, Morocho-Marín y
Montero-Cobo (2024) señalaron que la IA y el
análisis de datos ofrecen posibilidades significativas
para detectar fraudes, optimizar procedimientos y
mejorar la gestión de los recursos públicos. Sin
embargo, estos aportes aún no se han traducido en
modelos integrales que vinculen tales capacidades
con criterios de sostenibilidad aplicables a las
diferentes etapas del ciclo contractual. De este
modo, la literatura mantiene una orientación
predominantemente funcional o tecnológica,
mientras que la dimensión sostenible permanece
tratada de forma parcial.
En tercer lugar, Silva et al. (2024)
concluyeron que la modernización tecnológica de
las licitaciones públicas exige supervisión rigurosa,
métricas de desempeño y mecanismos de control
institucional. Aun así, persiste la falta de síntesis
sistemáticas que evalúen la efectividad de la IA en
cada fase de contratación sostenible, desde la
planificación de la necesidad pública hasta la
ejecución, seguimiento y evaluación del contrato.
Esta ausencia limita la posibilidad de establecer
criterios comparables, transferibles y
metodológicamente consistentes para futuras
investigaciones.
A partir de los vacíos identificados, el
presente artículo tiene como objetivo determinar las
brechas metodológicas y temáticas existentes en la
investigación sobre IA aplicada a la contratación
pública sostenible, con la finalidad de orientar
futuras líneas de investigación y contribuir a la
construcción de un marco analítico que integre
innovación tecnológica, sostenibilidad y
gobernanza pública.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(411)
http://www.aulavirtual.web.ve
Metodología
La presente investigación adopta el diseño de
revisión sistemática de la literatura, siguiendo el
protocolo PRISMA (Preferred Reporting Items for
Systematic Reviews and Meta-Analyses), el cual
garantiza la transparencia, replicabilidad y rigor en
la identificación, selección y análisis de estudios
relevantes.
La búsqueda bibliográfica se realizó
exclusivamente en la base de datos Scopus. La
selección de Scopus como única fuente de consulta
obedece a estas razones fundamentales: constituye
la mayor base de datos de literatura revisada por
pares a nivel mundial, ofrece herramientas
avanzadas de búsqueda booleana y filtrado.
La ecuación de búsqueda diseñada para la
recuperación de documentos en Scopus fue la
siguiente: ( ( "artificial intelligence" OR "machine
learning" OR "deep learning" OR "natural language
processing" ) AND ( "public procurement" OR
"government procurement" OR "e-procurement" )
AND ( "sustainable" OR "green" OR
"sustainability" OR "environmental" ) )
Esta fórmula combina tres bloques temáticos
conectados mediante el operador booleano AND: el
primero agrupa las tecnologías de IA y sus
subcampos principales; el segundo delimita el
ámbito de la contratación pública; y el tercero
incorpora la dimensión de sostenibilidad.
Para orientar la revisión sistemática y
estructurar el análisis de resultados, se formularon
las siguientes preguntas de investigación: PI1: ¿Qué
enfoques metodológicos han sido empleados en la
investigación sobre IA aplicada a la contratación
pública sostenible y qué brechas metodológicas se
identifican? PI2: ¿Qué fases del ciclo de
contratación pública sostenible han sido abordadas
mediante tecnologías de IA y cuáles permanecen
inexploradas? PI3: ¿Qué líneas temáticas
emergentes y oportunidades de investigación futura
se derivan de las brechas identificadas en la
literatura?
Criterios de inclusión
Criterios de exclusión
Artículos, revisiones y
capítulos revisados por
pares.
Documentos duplicados.
Publicaciones en inglés o
español.
Estudios no relacionados
directamente con IA y
contratación pública sostenible.
Estudios publicados entre
2016 y 2026.
Investigaciones solo sobre IA o
solo sobre sostenibilidad, sin
integración temática.
Trabajos sobre IA aplicada
al ciclo de contratación
pública.
Editoriales, cartas, resúmenes
sin texto completo y literatura
gris.
Estudios vinculados con
sostenibilidad ambiental,
social o económica.
Estudios centrados únicamente
en contratación privada.
Documentos con texto
completo disponible.
Estudios con metodología
insuficiente o poco clara.
Tabla 1. Criterios de elegibilidad
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(412)
http://www.aulavirtual.web.ve
La aplicación secuencial de estos criterios,
documentada mediante el diagrama de flujo
PRISMA, permitió garantizar la selección rigurosa
de estudios que contribuyan efectivamente a
identificar las brechas metodológicas y temáticas en
este campo de investigación emergente.
Figura 1. Identificación de estudios que utilizan el método prismático
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(413)
http://www.aulavirtual.web.ve
Resultados
Autor
Enfoque metodológico
Tecnología de IA /
técnica usada
Aporte metodológico
Brecha metodológica
identificada
Aboelazm et
al., (2026)
Comparativo, analítico y
jurídico-documental
IA, automatización,
modelos predictivos y
análisis de datos
Analiza la integración de IA
en contratación pública desde
una perspectiva jurídica,
institucional y comparada.
Falta validación empírica
directa y medición de
efectividad en entidades
públicas.
Andhov et al.,
(2025)
Revisión crítica de política
y práctica
IA para análisis de
información, apoyo
decisional y
evaluación de
proveedores
Examina la IA en todo el ciclo
de contratación pública
sostenible.
Falta evidencia empírica
sobre impacto ambiental,
social y económico.
Díaz Díez
(2025)
Jurídico-dogmático y
analítico
Sistemas algorítmicos,
automatización,
diagnósticos y
predicciones
Explica la validez jurídica de
la IA como herramienta y
objeto de adquisición pública.
Predomina el análisis
normativo, sin medición
operativa de efectividad.
Expósito-
López (2023)
Jurídico-práctico con prueba
exploratoria
IA generativa,
ChatGPT 3.5
Evalúa la IA como asistente
para elaborar pliegos verdes,
criterios de adjudicación y
condiciones ambientales.
Requiere validación en
procedimientos reales y
con herramientas
institucionales.
Iders-
Bankovs et
al., (2025)
Mixto: encuestas,
entrevistas, análisis legal y
piloto
IA para análisis de
mercado,
especificaciones,
selección de
proveedores y
cumplimiento
Aporta evidencia empírica
sobre reducción de tiempos,
mejora en selección de
proveedores y menor carga
administrativa.
Falta escalar los pilotos y
evaluar sostenibilidad a
largo plazo.
Imbesi et al.,
(2026)
Mixto: revisión, entrevistas,
mapeo y desarrollo
experimental
IA para carga asistida
de datos, evaluación y
recomendación de
materiales circulares
Desarrolla herramienta digital
para trazabilidad y datos de
materiales circulares alineados
con compra pública verde.
Falta probar el impacto
directo en adjudicaciones
públicas sostenibles.
Oussaleh
Taoufik &
Azmani
Revisión conceptual y
propuesta de marco
IA, blockchain, big
data, chatbots y
monitoreo inteligente
Propone un marco integral de
contratación pública 4.0.
Falta validación empírica
del modelo.
Soylu et al.,
(2022)
Estudio aplicado con datos
abiertos e integración
semántica
Machine learning,
detección de
anomalías y
Knowledge Graph
Demuestra la utilidad de
integrar datos de contratación,
empresas y gasto público para
transparencia y detección de
fraude.
La efectividad depende
de la calidad,
interoperabilidad y
disponibilidad de datos
públicos.
Muniswamy
& Palanisamy
(2024)
Aplicado, modelamiento
con datos de contratación y
caso industrial
Machine learning,
recursive feature
elimination y lógica
difusa
Aporta un modelo para estimar
el periodo de finalización de
licitaciones públicas a partir de
variables como criticidad,
número de variantes,
competencia, frecuencia de
compra y valor del contrato.
No incorpora
sostenibilidad ambiental
o social; su aporte se
limita a eficiencia,
planificación y tiempos
del proceso contractual.
Nikitin et al.,
(2023)
Modelamiento predictivo
con machine learning
interpretable
Gradient boosting,
SHAP, LIME, PDP,
Aporta métodos explicables
para predecir cumplimiento de
contratos gubernamentales y
No aborda compra
pública sostenible; su
aporte se concentra en
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(414)
http://www.aulavirtual.web.ve
Autor
Enfoque metodológico
Tecnología de IA /
técnica usada
Aporte metodológico
Brecha metodológica
identificada
ICE e importancia de
variables
evaluar factores que influyen
en su ejecución.
monitoreo, riesgo y
cumplimiento
contractual.
Tan et al.,
(2024)
Empírico cuantitativo con
machine learning y análisis
de texto
Word2Vec, machine
learning y análisis
textual
Usa IA para identificar
contratos de compra pública
verde en una base de más de
650 000 contratos y medir su
impacto en innovación verde
empresarial.
La IA es usada como
técnica de investigación,
no como herramienta
operativa aplicada por
entidades públicas al
ciclo contractual.
Guan & Li
(2025)
Empírico cuantitativo
Double machine
learning
Evalúa el efecto de la
contratación pública en la
innovación verde corporativa
y sus mecanismos mediante
retorno esperado de mercado y
restricciones financieras.
La IA funciona como
método econométrico, no
como tecnología
implementada en la
contratación pública.
Sun et al.,
(2025)
Empírico cuantitativo con
modelos econométricos y
machine learning
Fixed effects,
machine learning y
modelos de mediación
causal
Examina cómo la compra
pública verde promueve el
desarrollo sostenible
empresarial mediante
innovación verde y desempeño
ESG.
No estudia IA aplicada al
ciclo contractual; aporta
evidencia sobre efectos
de la política de GPP.
D’Angelo et
al., (2026)
Empírico con base de
licitaciones y análisis
econométrico
Random Forest para
clasificación de
licitaciones
Analiza 3 831 licitaciones de
TED para estudiar
contratación pública para
innovación vinculada a
biodiversidad.
La IA se usa como
técnica clasificatoria; no
analiza herramientas de
IA aplicadas por las
entidades al ciclo
contractual.
Wang et al.,
(2025)
Revisión
sistemática/bibliométrica
IA como línea futura
de investigación
Identifica tendencias y brechas
sobre contratación pública,
sostenibilidad, economía
circular, innovación e IA.
No desarrolla una
aplicación concreta de
IA; su utilidad principal
es prospectiva.
Tabla 2. Métodos empleados en IA y contratación pública sostenible
En la Tabla 2 se evidencia que los estudios
revisados presentan una marcada heterogeneidad
metodológica en el abordaje de la inteligencia
artificial aplicada a la contratación pública
sostenible. Los trabajos del corpus principal se
concentran principalmente en enfoques jurídico-
documentales, revisiones críticas, propuestas
conceptuales, estudios aplicados y diseños mixtos,
lo que muestra que el campo aún se encuentra en
una fase de consolidación teórica y exploratoria. En
este grupo, Aboelazm et al., (2026), Díaz Díez
(2025) y Oussaleh Taoufik & Azmani privilegian el
análisis normativo, institucional y conceptual de la
IA en la contratación pública, mientras que Iders-
Bankovs et al., (2025), Imbesi et al., (2026) y Soylu
et al., (2022) aportan aproximaciones más aplicadas
mediante pilotos, integración de datos, grafos de
conocimiento, detección de anomalías o
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(415)
http://www.aulavirtual.web.ve
herramientas digitales orientadas a la trazabilidad y
transparencia. Por su parte, los estudios
complementarios amplían el panorama
metodológico al incorporar técnicas como lógica
difusa, machine learning interpretable, Word2Vec,
double machine learning, Random Forest y modelos
de mediación causal. Sin embargo, estos últimos
emplean la IA principalmente como técnica de
análisis y no como herramienta operativa aplicada
por las entidades públicas al ciclo contractual. En
conjunto, los resultados permiten identificar una
brecha metodológica central: la literatura reconoce
el potencial de la IA para mejorar eficiencia,
transparencia, control y sostenibilidad, pero todavía
son escasos los estudios empíricos, longitudinales y
comparativos que midan su efectividad real en
procedimientos públicos sostenibles.
Autor
Fase del ciclo abordada
Dimensión de
sostenibilidad
Uso de IA o técnica
asociada
Análisis para la revisión
Aboelazm et
al., (2026)
Evaluación,
automatización,
transparencia, control y
toma de decisiones
Institucional,
económica y
gobernanza
Automatización,
análisis predictivo y
datos en tiempo real
Permite analizar cómo la IA puede
mejorar eficiencia, transparencia y
sostenibilidad institucional.
Andhov et al.,
(2025)
Definición de necesidades,
evaluación de mercado,
licitación, evaluación de
proveedores y mejora de
prácticas
Ambiental, social,
económica e
institucional
IA para interpretar
información
sostenible y apoyar
decisiones
Es uno de los estudios más
relevantes porque vincula IA con
todo el ciclo de contratación
sostenible.
Díaz Díez
(2025)
Preparación contractual,
adquisición de IA y apoyo
decisional
Innovación,
responsabilidad
social y
sostenibilidad
ambiental
Sistemas algorítmicos,
automatización y
predicción
Aporta sustento jurídico para usar y
adquirir IA en contratación pública.
Expósito-
López (2023)
Elaboración de pliegos,
criterios de adjudicación y
condiciones especiales de
ejecución
Ambiental / compra
pública verde
IA generativa para
sugerir criterios
verdes
Aporta evidencia útil para la fase
preparatoria y diseño de pliegos
sostenibles.
Iders-Bankovs
et al., (2025)
Análisis de mercado,
especificaciones técnicas,
selección de proveedores,
gestión y cumplimiento
Institucional,
económica,
regulatoria y
ambiental
IA para análisis,
evaluación y
monitoreo
Aporta evidencia empírica sobre
eficiencia y automatización en
varias fases del ciclo.
Imbesi et al.,
(2026)
Fase preparatoria,
selección de materiales,
verificación de
sostenibilidad
Ambiental y
circularidad
IA para datos de
materiales circulares y
evaluación de
sostenibilidad
Aporta a la fase de diseño de
requerimientos técnicos
sostenibles.
Oussaleh
Taoufik &
Azmani
Planificación, licitación,
evaluación, monitoreo y
auditoría
Institucional, social
y económica
IA, big data,
blockchain y chatbots
Aporta una visión integral de
contratación pública inteligente.
Soylu et al.,
(2022)
Publicación de datos,
seguimiento, control,
transparencia y auditoría
Institucional y
económica
Detección de
anomalías, datos
Aporta a las fases de control,
vigilancia y rendición de cuentas.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(416)
http://www.aulavirtual.web.ve
Autor
Fase del ciclo abordada
Dimensión de
sostenibilidad
Uso de IA o técnica
asociada
Análisis para la revisión
abiertos y Knowledge
Graph
Muniswamy &
Palanisamy
(2024)
Planificación,
programación y
finalización de licitaciones
Eficiencia
institucional
Lógica difusa y
machine learning
Puede incorporarse para mostrar
que la IA permite estimar tiempos
de licitación y optimizar la
programación del proceso. Su
límite es que no analiza criterios
verdes o sostenibles.
Nikitin et al.,
(2023)
Ejecución contractual,
monitoreo y gestión de
riesgos
Eficiencia
institucional y
control contractual
Machine learning
interpretable
Puede incorporarse en la fase
posadjudicación o ejecución
contractual, porque predice la
probabilidad de cumplimiento de
contratos.
Tan et al.,
(2024)
Identificación y análisis de
contratos de compra
pública verde
Ambiental e
innovación verde
Machine learning y
análisis de texto
No estudia una fase operativa de
contratación, pero ayuda a
identificar contratos GPP y medir
su efecto sobre innovación verde.
Guan & Li
(2025)
Efectos posteriores de la
contratación pública sobre
empresas
Ambiental e
innovación verde
Double machine
learning
Aporta evidencia de impacto de la
contratación pública en innovación
verde corporativa, útil para
evaluación posterior de resultados.
Sun et al.,
(2025)
Evaluación posterior de
efectos de GPP
Ambiental, ESG y
desarrollo sostenible
empresarial
Machine learning y
modelos
econométricos
Puede apoyar la discusión sobre
cómo evaluar resultados
sostenibles de la compra pública
verde.
D’Angelo et
al., (2026)
Análisis de licitaciones
para innovación en
biodiversidad
Ambiental /
biodiversidad
Random Forest para
clasificar licitaciones
innovadoras
Aporta evidencia sobre
contratación pública para
innovación ambiental,
especialmente biodiversidad.
Wang et al.,
(2025)
No aborda una fase
operativa específica
Sostenibilidad
industrial, economía
circular e innovación
IA como línea futura
Sirve para justificar que la
aplicación de IA en contratación
pública sostenible sigue siendo una
brecha de investigación.
Tabla 3. Fases del ciclo de contratación pública sostenible abordadas por IA
En la Tabla 3 se observa que la aplicación de
IA en la contratación pública sostenible se
distribuye de manera desigual a lo largo del ciclo
contractual. Las fases más abordadas son la
planificación, la preparación de pliegos, el análisis
de mercado, la evaluación de proveedores, la
transparencia, el monitoreo y la auditoría. Estudios
como los de Andhov et al., (2025), Expósito-López
(2023), Iders-Bankovs et al., (2025) e Imbesi et al.,
(2026) muestran que la IA puede contribuir
especialmente a la fase preparatoria mediante el
análisis de información sostenible, la elaboración de
criterios verdes, la selección de materiales circulares
y la formulación de especificaciones técnicas.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(417)
http://www.aulavirtual.web.ve
Asimismo, Soylu et al., (2022), Muniswamy &
Palanisamy (2024) y Nikitin et al., (2023) permiten
ampliar el análisis hacia la transparencia, la
programación de licitaciones, el monitoreo de
riesgos y la ejecución contractual. No obstante, los
resultados también evidencian que la sostenibilidad
se trabaja de forma más visible en su dimensión
ambiental e institucional, mientras que las
dimensiones social y económica aparecen menos
desarrolladas. Además, la fase de ejecución
contractual y la evaluación posterior de impactos
sostenibles siguen siendo áreas poco exploradas.
Esta situación revela una brecha temática relevante:
la literatura ha avanzado en el uso de IA para apoyar
decisiones previas o mejorar la eficiencia
procedimental, pero aún no desarrolla
suficientemente modelos que permitan verificar el
cumplimiento de cláusulas sostenibles, medir
impactos ambientales o sociales y evaluar
resultados posteriores de la contratación pública
verde.
Autor
Línea temática
emergente
Hallazgo central
Brecha identificada
Oportunidad futura
Aboelazm et
al., (2026)
Gobernanza
algorítmica y
responsabilidad
pública
La IA puede transformar la
contratación pública si se
acompaña de marcos
legales, éticos e
institucionales.
Falta integrar innovación,
sostenibilidad, derechos
humanos y
responsabilidad legal.
Diseñar modelos de
gobernanza híbrida con
trazabilidad y supervisión
humana.
Andhov et al.,
(2025)
IA en ciclo completo
sostenible
La IA puede convertir metas
de sostenibilidad en
prácticas operativas.
La literatura se concentra
en fases aisladas.
Evaluar empíricamente IA en
planificación, criterios
sostenibles, evaluación y
aprendizaje institucional.
Díaz Díez
(2025)
IA como instrumento
y objeto contractual
La IA puede ser adquirida y
usada por el Estado.
Falta analizar riesgos
prácticos de adquisición
pública de IA.
Estudiar propiedad
intelectual, control
democrático y
responsabilidad algorítmica.
Expósito-
López (2023)
IA generativa para
compra verde
La IA puede asistir en la
elaboración de pliegos
ambientales.
Falta comprobar calidad
jurídica, técnica y
ambiental de las
recomendaciones.
Crear asistentes públicos
especializados en
contratación verde.
Iders-Bankovs
et al., (2025)
Automatización y
cumplimiento
normativo
La IA mejora tiempos,
selección y control
regulatorio.
Falta evaluar sesgos,
explicabilidad y
sostenibilidad del sistema.
Implementar auditorías
algorítmicas y pilotos
comparativos.
Imbesi et al.,
(2026)
Datos circulares y
trazabilidad
La IA mejora el acceso a
datos sobre materiales
circulares.
Evidencia concentrada en
mobiliario.
Integrar plataformas de
materiales con sistemas de
contratación pública.
Oussaleh
Taoufik &
Azmani
Contratación pública
4.0
La contratación pública
puede evolucionar hacia
sistemas inteligentes.
Falta implementación
práctica en portales
públicos reales.
Probar modelos de
contratación inteligente en
países en desarrollo.
Soylu et al.,
(2022)
Calidad de datos,
transparencia y fraude
Los grafos de conocimiento
y la detección de anomalías
La mala calidad de datos
limita el análisis
automatizado.
Desarrollar estándares de
datos e interoperabilidad.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(418)
http://www.aulavirtual.web.ve
Autor
Línea temática
emergente
Hallazgo central
Brecha identificada
Oportunidad futura
fortalecen la rendición de
cuentas.
Muniswamy &
Palanisamy
(2024)
IA para eficiencia y
programación
contractual
La lógica difusa puede
estimar tiempos de
finalización de licitaciones.
No incorpora variables de
sostenibilidad ni impacto
ambiental.
Adaptar modelos de
programación inteligente a
licitaciones sostenibles,
verdes o circulares.
Nikitin et al.,
(2023)
IA interpretable para
cumplimiento
contractual
Los modelos interpretables
permiten identificar factores
que influyen en la ejecución
de contratos.
No considera
sostenibilidad ni compras
verdes.
Desarrollar modelos
predictivos de cumplimiento
sostenible y alertas
tempranas en contratos
verdes.
Tan et al.,
(2024)
Identificación
automatizada de
compra pública verde
El machine learning permite
identificar contratos GPP y
medir su impacto en
innovación verde
empresarial.
La IA no se analiza como
herramienta pública de
gestión contractual.
Usar modelos de texto para
clasificar automáticamente
licitaciones sostenibles en
portales públicos.
Guan & Li
(2025)
Contratación pública
e innovación verde
La contratación pública
puede elevar la innovación
verde empresarial mediante
retornos esperados y alivio
financiero.
No analiza fases del ciclo
contractual ni sistemas de
IA en entidades públicas.
Incorporar indicadores de
innovación verde como
métricas de evaluación
posterior de compras
sostenibles.
Sun et al.,
(2025)
GPP, ESG y
desarrollo sostenible
empresarial
La GPP promueve
desarrollo sostenible
empresarial mediante
innovación verde y
desempeño ESG.
La IA es método analítico
y no herramienta
contractual.
Diseñar métricas de impacto
sostenible para evaluar
resultados posteriores de la
contratación verde.
D’Angelo et
al., (2026)
Contratación pública
para innovación
ambiental y
biodiversidad
La contratación pública
puede orientar innovación
hacia objetivos ambientales
específicos.
No estudia IA aplicada al
proceso contractual, sino
como técnica de
clasificación.
Explorar IA para identificar
licitaciones con criterios de
biodiversidad y medir su
efectividad.
Wang et al.,
(2025)
Agenda futura sobre
IA y contratación
sostenible
La aplicación de IA en
contratación pública aparece
como una dirección futura
relevante.
La literatura aún no
desarrolla suficientemente
aplicaciones concretas.
Plantear nuevas
investigaciones sobre IA,
economía circular, eficiencia
y sostenibilidad sectorial.
Tabla 4. Líneas temáticas emergentes y oportunidades futuras
En la Tabla 4 se identifican las principales
líneas temáticas emergentes y oportunidades de
investigación derivadas de los estudios revisados.
Los resultados muestran que la literatura se organiza
alrededor de ejes como gobernanza algorítmica,
contratación pública 4.0, IA generativa para compra
pública verde, transparencia de datos, detección de
fraude, trazabilidad de materiales circulares,
cumplimiento contractual, innovación verde,
biodiversidad y evaluación del desarrollo sostenible
empresarial. En el corpus principal, Aboelazm et al.,
(2026), Díaz Díez (2025), Andhov et al., (2025) y
Soylu et al., (2022) coinciden en que la
incorporación de IA exige marcos de gobernanza,
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(419)
http://www.aulavirtual.web.ve
explicabilidad, control humano, interoperabilidad
de datos y responsabilidad institucional. A su vez,
Expósito-López (2023), Imbesi et al., (2026) e
Iders-Bankovs et al., (2025) orientan la discusión
hacia aplicaciones concretas relacionadas con
pliegos verdes, materiales circulares, eficiencia
administrativa y cumplimiento normativo. Los
estudios complementarios, como Tan et al., (2024),
Guan & Li (2025), Sun et al., (2025), D’Angelo et
al., (2026) y Wang et al., (2025), permiten ampliar
la agenda hacia la clasificación automatizada de
licitaciones verdes, la medición de innovación
verde, el desempeño ESG, la biodiversidad y la
economía circular. En conjunto, estos hallazgos
evidencian que el campo no solo requiere más
aplicaciones tecnológicas, sino también marcos
analíticos capaces de integrar IA, sostenibilidad,
gobernanza pública y evaluación de impacto. Por
ello, la principal oportunidad futura consiste en
pasar de estudios descriptivos o exploratorios hacia
investigaciones empíricas que validen herramientas
inteligentes en contextos reales de contratación
pública sostenible.
Discusión de resultados
Los resultados de esta revisión sistemática
permiten afirmar que la investigación sobre IA
aplicada a la contratación pública sostenible
configura un campo emergente, heterogéneo y aún
metodológicamente disperso. En correspondencia
con el objetivo del estudio, orientado a determinar
las brechas metodológicas y temáticas de la
literatura existente para proyectar futuras líneas de
investigación, los hallazgos muestran que la
producción académica reconoce el potencial de la
IA para fortalecer la eficiencia, la transparencia, la
trazabilidad, la planificación, la evaluación y el
monitoreo de los procesos contractuales. Sin
embargo, todavía no se dispone de evidencia
empírica suficiente que demuestre, de manera
integral, su efectividad en todas las fases del ciclo
de contratación pública sostenible. Esta situación
revela que el campo se encuentra en una etapa de
transición: por un lado, predominan aproximaciones
conceptuales, jurídicas y exploratorias; por otro,
comienzan a desarrollarse estudios aplicados con
mayor capacidad de validación técnica y empírica.
Uno de los principales resultados
identificados es el predominio de enfoques jurídico-
documentales, conceptuales y exploratorios.
Investigaciones como las de Aboelazm et al. (2026),
Díaz Díez (2025) y Oussaleh Taoufik y Azmani
evidencian que la IA suele examinarse desde la
gobernanza pública, la legalidad, la transparencia, la
responsabilidad algorítmica y la modernización
institucional. Estos estudios coinciden en señalar
que la IA puede fortalecer la contratación pública
mediante la automatización de procedimientos, el
análisis predictivo y la optimización de la toma de
decisiones. A la vez, advierten que su
implementación exige marcos jurídicos,
institucionales y éticos suficientemente definidos.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(420)
http://www.aulavirtual.web.ve
Este resultado guarda relación con lo planteado por
Isidoro (2024), quien sostiene que la transparencia
algorítmica constituye una condición indispensable
para legitimar el uso de sistemas inteligentes en la
administración pública. Pese a esta convergencia, la
literatura revisada ofrece menor evidencia sobre la
medición concreta de la efectividad de la IA en
términos de sostenibilidad ambiental, social o
económica.
En contraste, estudios como los de Iders-
Bankovs et al. (2025), Muniswamy y Palanisamy
(2024), Nikitin et al. (2023) y Soylu et al. (2022)
presentan una orientación más aplicada, al
incorporar modelos predictivos, lógica difusa,
aprendizaje automático interpretable, detección de
anomalías y grafos de conocimiento. Tales
investigaciones permiten advertir una tendencia
metodológica dirigida al uso de IA para mejorar la
eficiencia, el control y la gestión de riesgos en la
contratación pública. Iders-Bankovs et al. (2025),
por ejemplo, reportan mejoras en los tiempos de
ejecución, la selección de proveedores y la
reducción de carga administrativa. Muniswamy y
Palanisamy (2024) proponen estimar los tiempos de
finalización de licitaciones, mientras que Nikitin et
al. (2023) desarrollan modelos interpretables para
predecir el cumplimiento de contratos
gubernamentales. Aun así, estos aportes se
distancian parcialmente del núcleo temático de la
contratación pública sostenible, ya que la
sostenibilidad aparece, con frecuencia, de forma
indirecta o subordinada a la eficiencia
administrativa. Esta diferencia permite comprender
por qué dichos estudios resultan útiles como
evidencia complementaria, aunque no siempre
constituyen evidencia directa sobre IA aplicada a
sostenibilidad contractual.
Otro hallazgo relevante se relaciona con las
fases del ciclo contractual abordadas por la
literatura. Las investigaciones revisadas tienden a
concentrarse en la fase preparatoria, la elaboración
de pliegos, la evaluación de proveedores, el análisis
de mercado, la transparencia y el monitoreo. En este
punto, Expósito-López (2023) constituye un aporte
significativo, al analizar la IA generativa como
herramienta de apoyo para incorporar criterios
verdes en los pliegos de contratación pública. Este
resultado converge con Andhov et al. (2025),
quienes sostienen que la IA puede asistir el ciclo
completo de contratación sostenible, desde la
definición de necesidades hasta la evaluación de
proveedores y la mejora de las prácticas
institucionales. Sin embargo, ambos estudios
presentan alcances distintos: mientras Expósito-
López (2023) desarrolla una aplicación exploratoria
específica mediante ChatGPT 3.5, Andhov et al.
(2025) ofrecen una aproximación más integral y
conceptual del ciclo contractual sostenible. Esta
diferencia evidencia una brecha metodológica
relevante, pues la literatura reconoce diversas
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(421)
http://www.aulavirtual.web.ve
posibilidades de aplicación de la IA, pero todavía
carece de estudios longitudinales, comparativos y
experimentales que midan su impacto en procesos
reales de contratación pública.
Los resultados también muestran que la fase
de ejecución contractual, la evaluación posterior del
desempeño sostenible y el seguimiento de impactos
ambientales o sociales continúan siendo
dimensiones escasamente exploradas. Esta brecha
resulta especialmente importante, porque la
efectividad de la contratación pública sostenible no
puede evaluarse únicamente durante el diseño de los
pliegos o la adjudicación del contrato. También
exige verificar el cumplimiento de obligaciones
contractuales, monitorear criterios ambientales,
medir resultados sociales y asegurar la trazabilidad
del ciclo de vida de bienes, servicios u obras. Desde
esta perspectiva, los aportes de Nikitin et al. (2023)
y Muniswamy y Palanisamy (2024), aunque no se
centran directamente en sostenibilidad, permiten
proyectar rutas de investigación futuras. Sus
modelos de predicción de cumplimiento contractual
y programación de licitaciones podrían adaptarse a
contratos verdes, compras circulares o
adquisiciones con criterios ESG, lo que facilitaría el
desarrollo de sistemas de alerta temprana y
monitoreo inteligente de obligaciones sostenibles.
Asimismo, la revisión evidencia que la
sostenibilidad ambiental constituye la dimensión
más desarrollada, mientras que la sostenibilidad
social y económica reciben menor atención
analítica. Estudios como los de Expósito-López
(2023), Imbesi et al. (2026), Tan et al. (2024), Guan
y Li (2025), Sun et al. (2025) y D’Angelo et al.
(2026) se orientan principalmente hacia la compra
pública verde, la innovación ambiental, los
materiales circulares, la biodiversidad o el
desarrollo sostenible empresarial. Estas
investigaciones coinciden en reconocer que la
contratación pública puede operar como un
mecanismo de transformación del mercado y como
incentivo para la innovación ambiental. Tan et al.
(2024), Guan y Li (2025) y Sun et al. (2025), en
particular, muestran que la compra pública verde
puede estimular la innovación verde corporativa,
aliviar restricciones financieras y mejorar el
desempeño sostenible de las empresas. No obstante,
estos estudios se diferencian del propósito central de
la presente revisión, porque emplean la IA
principalmente como método de análisis —
aprendizaje automático, análisis textual o double
machine learning— y no necesariamente como
tecnología utilizada por las entidades públicas
dentro del ciclo contractual. Esta distinción resulta
metodológicamente relevante, ya que permite
separar los estudios que usan IA para investigar la
contratación pública de aquellos que examinan la IA
como herramienta de gestión contractual.
Respecto de las líneas temáticas emergentes,
los hallazgos permiten identificar varios ejes de
investigación futura: gobernanza algorítmica,
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(422)
http://www.aulavirtual.web.ve
trazabilidad de datos, transparencia, detección de
fraude, compra pública verde, economía circular y
contratación pública 4.0. Soylu et al. (2022)
demuestran que la integración de datos abiertos
mediante grafos de conocimiento puede fortalecer la
transparencia y facilitar la detección de anomalías
en contratación pública. Este resultado coincide con
los planteamientos de Aboelazm et al. (2026) y
Oussaleh Taoufik y Azmani, quienes destacan la
necesidad de sistemas inteligentes orientados a
reforzar la integridad, la rendición de cuentas y la
modernización de la contratación pública. Sin
embargo, Soylu et al. (2022) subrayan una
condición transversal: la efectividad de la IA
depende de la calidad, interoperabilidad y
disponibilidad de los datos. Esta conclusión se
vincula con la advertencia formulada por Silva et al.
(2024), quienes señalan que la modernización
tecnológica de las licitaciones exige mecanismos de
supervisión, métricas de desempeño y control
institucional.
El estudio de Imbesi et al. (2026) incorpora
una dimensión particular al debate, al vincular IA,
datos de materiales circulares y criterios de compra
pública verde en el sector mobiliario. Su
contribución converge con la agenda planteada por
Wang et al. (2025), quienes identifican la economía
circular, la sostenibilidad industrial, la eficiencia y
la aplicación de IA en contratación pública como
líneas futuras de investigación. Aun así, la evidencia
aportada por Imbesi et al. (2026) se mantiene
sectorialmente delimitada, por lo que su
generalización hacia otros ámbitos de contratación
pública debe realizarse con cautela. Esta limitación
no reduce su valor; más bien, muestra una ruta
metodológica pertinente: avanzar hacia estudios
sectoriales capaces de evaluar cómo la IA puede
contribuir a la selección de materiales, la
verificación de certificaciones ambientales, la
trazabilidad de productos y el cumplimiento de
criterios técnicos sostenibles.
Las limitaciones de esta revisión deben
considerarse al interpretar sus resultados. En primer
lugar, el corpus final se construyó a partir de
estudios principales y complementarios, lo que
permitió ampliar el alcance analítico, pero también
incorporó distintos niveles de pertinencia temática.
Algunos trabajos examinan directamente la IA
como herramienta aplicada a la contratación pública
sostenible, mientras que otros utilizan IA como
técnica metodológica para estudiar compra pública
verde, innovación empresarial o desempeño
sostenible. Esta diferenciación fortalece la amplitud
del análisis, aunque exige cautela para no equiparar
evidencias de naturaleza distinta.
En segundo lugar, la búsqueda se concentró
principalmente en literatura indexada y documentos
disponibles a texto completo. Esta decisión pudo
haber excluido literatura técnica, informes
institucionales, experiencias gubernamentales,
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(423)
http://www.aulavirtual.web.ve
pilotos administrativos o documentos de política
pública no publicados en revistas académicas. En un
campo emergente como el de la IA aplicada a la
contratación pública, dichas fuentes podrían
contener evidencia práctica relevante,
especialmente sobre implementación,
interoperabilidad, gestión de datos y barreras
institucionales.
En tercer lugar, la heterogeneidad
metodológica de los estudios incluidos constituye
una limitación significativa. El corpus reúne
revisiones, investigaciones jurídicas, análisis
conceptuales, modelos econométricos, estudios
aplicados, pilotos institucionales y desarrollos
tecnológicos. Esta diversidad permite ofrecer una
visión amplia del fenómeno, pero dificulta la
comparación directa de resultados y la construcción
de indicadores comunes de efectividad. Además,
varios estudios no miden impactos sostenibles
verificables, como reducción de emisiones, mejora
en inclusión social, ahorro público, cumplimiento
de criterios ambientales o disminución de riesgos de
corrupción. Por ello, la evidencia disponible permite
identificar potencialidades, brechas y
oportunidades, aunque todavía no autoriza afirmar,
con suficiente solidez causal, que la IA mejora de
manera sistemática todas las dimensiones de la
contratación pública sostenible.
En cuarto lugar, la revisión presenta una
limitación contextual. Los estudios analizados
provienen de distintos sistemas jurídicos,
administrativos y tecnológicos, entre ellos
Colombia, España, China, Marruecos, Letonia,
Eslovenia e Italia. Estos contextos no son
plenamente equivalentes, debido a diferencias en
madurez digital, capacidad institucional,
disponibilidad de datos, marcos normativos, cultura
de transparencia y nivel de desarrollo de la compra
pública sostenible. Tal variabilidad restringe la
generalización de los hallazgos; sin embargo,
también confirma que la implementación de IA en
contratación pública sostenible requiere enfoques
comparados y sensibles al contexto.
A partir de estas limitaciones, futuras
investigaciones deberían avanzar hacia estudios
empíricos que evalúen la efectividad real de la IA en
cada fase del ciclo de contratación pública
sostenible. Resulta necesario medir cómo las
herramientas inteligentes inciden en la planificación
de necesidades, la elaboración de especificaciones
técnicas, la definición de criterios verdes, la
evaluación de proveedores, la adjudicación, la
ejecución contractual, el monitoreo de obligaciones
sostenibles y la evaluación posterior de impacto.
Para ello, se requieren métricas comparables, tales
como reducción de tiempos, mejora en la calidad de
los pliegos, disminución de riesgos de corrupción,
nivel de cumplimiento ambiental, trazabilidad de
materiales, ahorro presupuestal, inclusión de
proveedores sostenibles y satisfacción de los actores
involucrados.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(424)
http://www.aulavirtual.web.ve
También se requieren investigaciones
longitudinales y comparativas que permitan
observar la evolución de sistemas de IA
implementados en entidades públicas reales. Los
estudios actuales muestran experiencias
exploratorias, modelos conceptuales o pilotos
limitados; en cambio, son todavía escasos los
análisis que sigan el desempeño de estas tecnologías
durante varios ciclos contractuales. Este tipo de
investigación permitiría identificar efectos
sostenidos, riesgos emergentes, sesgos algorítmicos,
barreras organizacionales y condiciones
institucionales necesarias para una adopción
responsable. De igual modo, futuras investigaciones
podrían adaptar modelos predictivos como los de
Nikitin et al. (2023) o Muniswamy y Palanisamy
(2024) a contratos sostenibles, con el propósito de
diseñar sistemas de alerta temprana sobre
incumplimiento de cláusulas verdes, retrasos en la
ejecución ambiental o desviaciones respecto de
indicadores ESG.
Otra línea futura relevante consiste en
desarrollar herramientas de IA especializadas en la
clasificación automática de licitaciones sostenibles.
Los aportes de Tan et al. (2024) y D’Angelo et al.
(2026) muestran que el análisis textual y el
aprendizaje automático pueden ser útiles para
identificar contratos de compra pública verde o
licitaciones vinculadas con biodiversidad. Sin
embargo, estos métodos deberían evolucionar hacia
sistemas públicos interoperables, capaces de
clasificar, auditar y monitorear criterios
ambientales, sociales y económicos en tiempo real.
Ello permitiría mejorar la transparencia de los
portales de contratación y facilitar evaluaciones
comparativas entre entidades, sectores y países.
Finalmente, futuras investigaciones deberían
profundizar en la gobernanza ética y jurídica de la
IA aplicada a la contratación pública sostenible. La
adopción de sistemas inteligentes no solo exige
eficiencia técnica, sino también explicabilidad,
control humano significativo, protección de datos,
prevención de sesgos, trazabilidad de decisiones y
responsabilidad institucional. En tal sentido, la
agenda futura debe articular los aportes jurídicos de
Díaz Díez (2025), las advertencias institucionales de
Aboelazm et al. (2026), la visión integral de Andhov
et al. (2025) y los enfoques de transparencia
propuestos por Soylu et al. (2022). Solo mediante
esta integración será posible avanzar desde
aplicaciones aisladas de IA hacia modelos de
contratación pública sostenible basados en
evidencia, gobernanza responsable y medición
efectiva de resultados.
Donde los resultados de esta revisión
muestran que la IA posee un alto potencial para
transformar la contratación pública sostenible; sin
embargo, la literatura todavía no ofrece evidencia
suficiente, homogénea ni integral sobre su
efectividad. Las principales brechas se ubican en la
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(425)
http://www.aulavirtual.web.ve
ausencia de validación empírica, la concentración
en fases preliminares del ciclo contractual, la escasa
medición de impactos sostenibles, la limitada
integración entre IA y sostenibilidad social, y la
falta de modelos de gobernanza algorítmica
adaptados a la contratación pública. Por ello, la
contribución principal de esta revisión consiste en
ordenar el campo, diferenciar la evidencia principal
y complementaria, y proponer una agenda futura
orientada a evaluar la IA no solo como recurso
tecnológico, sino como instrumento de
sostenibilidad, transparencia y valor público.
Conclusiones
El presente artículo nos permitió identificar
que la investigación sobre IA aplicada a la
contratación pública sostenible se encuentra en una
fase emergente de desarrollo, caracterizada por
avances conceptuales relevantes, aunque todavía
con limitada consolidación empírica. Los resultados
muestran que la IA ha sido abordada como una
herramienta con capacidad para fortalecer la
eficiencia administrativa, la transparencia, la
trazabilidad de datos, la detección de riesgos, la
elaboración de pliegos verdes, la evaluación de
proveedores y el monitoreo contractual. Asimismo,
se evidenció que las aplicaciones más frecuentes se
concentran en la fase preparatoria, la formulación de
criterios ambientales, el análisis de datos, la
evaluación de proveedores y la vigilancia de la
integridad del proceso contractual. Estos hallazgos
contribuyen al campo de estudio al ordenar una
literatura dispersa y al diferenciar entre
investigaciones que analizan la IA como
herramienta operativa de contratación pública y
aquellas que la emplean como técnica metodológica
para examinar fenómenos asociados con la compra
pública verde, la innovación sostenible o el
desempeño empresarial.
En relación con el objetivo de determinar las
brechas metodológicas y temáticas en la
investigación existente sobre IA en contratación
pública sostenible, esta revisión sistemática
evidencia tres vacíos principales. El primero
corresponde a una brecha metodológica vinculada
con el predominio de estudios jurídicos,
conceptuales, documentales y exploratorios, frente
a una menor presencia de investigaciones empíricas,
longitudinales, comparativas o experimentales que
midan la efectividad real de la IA en entidades
públicas. El segundo vacío es de carácter temático,
pues los estudios tienden a concentrarse en las fases
preliminares del ciclo contractual, mientras que la
ejecución, el monitoreo de obligaciones sostenibles,
la evaluación posterior y la medición de impactos
ambientales, sociales y económicos permanecen
insuficientemente desarrollados. El tercer vacío se
relaciona con la integración analítica, debido a que
la literatura todavía no articula de manera
consistente la IA, la sostenibilidad, la gobernanza
algorítmica, la rendición de cuentas y el valor
público dentro de un marco común. Estos resultados
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(426)
http://www.aulavirtual.web.ve
coinciden con los planteamientos de Andhov et al.
(2025), Aboelazm et al. (2026), Expósito-López
(2023) y Soylu et al. (2022), quienes destacan tanto
el potencial transformador de la IA como la
necesidad de fortalecer la calidad de los datos, la
transparencia, la supervisión humana y los marcos
institucionales que regulan su implementación.
El estudio realizado corresponde a un artículo
de revisión sistemática orientado a analizar y
sintetizar evidencia académica sobre el uso de
tecnologías de IA en la contratación pública
sostenible. Desde este enfoque metodológico, su
contribución principal no consiste en medir
directamente la efectividad de una herramienta
tecnológica específica, sino en identificar patrones,
vacíos, tendencias y oportunidades de investigación
en un campo todavía fragmentado. La
diferenciación entre corpus principal y corpus
complementario permitió ampliar el alcance del
análisis sin perder coherencia temática. Los estudios
principales aportaron evidencia directa sobre IA
aplicada a la contratación pública, mientras que los
estudios complementarios enriquecieron la
discusión en torno al aprendizaje automático, la
compra pública verde, la innovación ambiental, la
biodiversidad, el cumplimiento contractual y la
evaluación posterior de impactos sostenibles.
Como reflexión final, los hallazgos sugieren
que la IA puede convertirse en un instrumento
estratégico para transformar la contratación pública
sostenible, siempre que su incorporación no se
reduzca a la automatización de tareas
administrativas. Su valor dependerá, más bien, de su
capacidad para mejorar la calidad de las decisiones
públicas, fortalecer la trazabilidad de los criterios
sostenibles, garantizar la transparencia algorítmica
y facilitar la evaluación de resultados. En
consecuencia, futuras investigaciones deberían
avanzar hacia estudios empíricos desarrollados en
entidades públicas reales, con indicadores
comparables sobre eficiencia, sostenibilidad
ambiental, inclusión social, ahorro público,
reducción de riesgos de corrupción y cumplimiento
contractual. También resulta necesario diseñar
modelos de IA explicables, auditables y adaptados a
contratos verdes, compras circulares, adquisiciones
con criterios ESG y sistemas de alerta temprana para
la ejecución contractual. Por ello, la agenda futura
debe transitar desde aproximaciones conceptuales y
exploratorias hacia modelos aplicados, verificables
y éticamente gobernados, capaces de demostrar bajo
qué condiciones la IA genera valor público y
contribuye efectivamente a la sostenibilidad de la
contratación estatal.
Referencias
Aboelazm, K. S., Dganni, K. M., Tawakol, F., &
Raafat, R. (2026). The use of artificial
intelligence for innovation in the public
procurement system. Journal of Governance and
Regulation, 15(2), 178–188. Disponible en
https://doi.org/10.22495/jgrv15i2art15
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(427)
http://www.aulavirtual.web.ve
Andhov, M., Darnall, N., & Andhov, A. (2025).
Leveraging AI for sustainable public
procurement: Opportunities and challenges.
Frontiers in Sustainability, 6, Article 1603214.
Disponible en
https://doi.org/10.3389/frsus.2025.1603214
Aristotelis, M., Folinas, D., Skiadas, D., &
Xanthopoulos, A. (2024). Emerging
technologies revolutionising public
procurement: Insights from comprehensive
bibliometric analysis. Administrative Sciences,
14(2), Article 23. Disponible en
https://doi.org/10.3390/admsci14020023
D’Angelo, V., Filippetti, A., & Tuzi, F. (2026).
Public procurement for innovation and
regulation for biodiversity. Economics of
Innovation and New Technology. Disponible en
https://doi.org/10.1080/10438599.2026.2676055
Díaz Díez, C. A. (2025). Inteligencia artificial en la
contratación pública: Instrumento y objeto de
adquisición. IUS ET VERITAS, 71, 136–159.
Disponible en
https://doi.org/10.18800/iusetveritas.202502.00
9
Díaz, M. R. O., & Ospina, K. J. Z. (2023). Gobierno
digital e inteligencia artificial, una mirada al caso
colombiano. Administración & Desarrollo,
53(1), 1–34. Disponible en
https://doi.org/10.22431/25005227.vol53n1.2
Expósito-López, Ó. (2023). Inteligencia artificial,
un asistente para fomentar la compra pública
verde. Revista de Direito Econômico e
Socioambiental, 14(2), Article e240. Disponible
en
https://doi.org/10.7213/revdireconsoc.v14i2.310
69
Guan, S., & Li, M. (2025). Government
procurement and corporate green innovation:
Evidence from dual machine learning. SAGE
Open, 15(4), 1–16. Disponible en
https://doi.org/10.1177/21582440251393396
Iders-Bankovs, M., Politika, V., Pundure, J., Jarvis,
M., & Ziemelis, M. (2025). Public procurement
in age of AI: Challenges and opportunities.
Engineering for Rural Development, 24, 968–
975. Disponible en
https://doi.org/10.22616/ERDev.2025.24.TF198
Imbesi, L., Baiani, S., Lucibello, S., Panizzi, E.,
Altamura, P., Malakuczi, V., D’Elia, L., Rotondi,
C., Ershova, M., Rossini, G., & Aiuti, A. (2026).
Circular design for Made in Italy furniture: A
digital tool for data and materials exchange.
Sustainability, 18(2), Article 1061. Disponible en
https://doi.org/10.3390/su18021061
Isidoro, B. del C. M. (2024). La transparencia de la
administración inteligente en España: Nuevas
fronteras para el derecho de acceso a la
información pública. Derecom. Derecho de la
Comunicación, 37, 59–68. Disponible en
https://doi.org/10.5209/dere.98117
Morocho-Marín, J. P., & Montero-Cobo, M. A.
(2024). Fortaleciendo la transparencia y la ética
en la contabilidad pública: Desafíos y
perspectivas en América Latina. Revista
Metropolitana de Ciencias Aplicadas, 7(2), 30–
41. Disponible en
https://doi.org/10.62452/n3fzy741
Muniswamy, N., & Palanisamy, P. (2024).
Intelligent procurement scheduling system for
items involving public procurement. Applied
System Innovation, 7(5), Article 81. Disponible
en https://doi.org/10.3390/asi7050081
Nikitin, P., Andriyanov, N., Bakhtina, E.,
Korchagin, S., Gorokhova, R., Korovin, D.,
Dolgov, V., & Mishin, A. (2023). Analysis of
interpreted machine learning methods for
predicting the execution of government contracts
in the field of electric power. E3S Web of
Conferences, 460, Article 07001. Disponible en
https://doi.org/10.1051/e3sconf/202346007001
Oussaleh Taoufik, A., & Azmani, A. (s. f.). Toward
a holistic public procurement 4.0: Case study:
Moroccan public procurement. Intelligent
Automation Laboratory, Faculty of Sciences and
Techniques of Tangier, Abdelmalek Essaadi
University of Tetouan.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 15, Año: 2026 (Julio 2026 - Diciembre 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(428)
http://www.aulavirtual.web.ve
Silva, E. da, Moreira, A. A. A. P., Nascimento, L.
R. da S., Serafim, G. L., Santos, H. S., & Mendes,
M. C. (2024). Uma revisão sistemática do uso de
tecnologias digitais na modernização e agilização
dos processos de licitação pública. Revista Foco,
17(2), Article e4491. Disponible en
https://doi.org/10.54751/revistafoco.v17n2-106
Soylu, A., Corcho, Ó., Elvesæter, B., Badenes-
Olmedo, C., Yedro-Martínez, F., Kovacic, M.,
Posinkovic, M., Medvešček, M., Makgill, I.,
Taggart, C., Simperl, E., Lech, T. C., & Roman,
D. (2022). Data quality barriers for transparency
in public procurement. Information, 13(2),
Article 99. Disponible en
https://doi.org/10.3390/info13020099
Sun, S., Guo, T., & Zhang, S. (2025). Guiding
corporate green sustainable development:
Insights from green public procurement.
Economic Change and Restructuring, 58, Article
56. Disponible en
https://doi.org/10.1007/s10644-025-09900-4
Tan, W., Teng, M., & Teng, R. (2024). The impact
of green public procurement on corporate green
innovation: Evidence from machine learning and
text analysis. Journal of Environmental Planning
and Management. Disponible en
https://doi.org/10.1080/09640568.2024.2407938
Wang, N., Cui, N., Hao, J., & Chai, Y. (2025). The
role of government procurement in sustainable
industry development: The trends and research
agenda. Sustainability, 17(3), Article 1319.
Disponible en
https://doi.org/10.3390/su17031319