La Oficina Federal de Estadística de Alemania entrenó un modelo de aprendizaje automático para mejorar la precisión de las estimaciones obligatorias de costo de cumplimiento ('Erfüllungsaufwand') de proyectos de ley, en el procedimiento simplificado usado cuando el costo esperado es inferior a 100.000 euros al año.
Detalles
Madurez
Consolidada
Promotor
Statistisches Bundesamt (Federal Statistical Office of Germany)
Período
2022–present
Región (NUTS)
DE71
Palabras clave
public administration, better regulation, official statistics
Contexto
Toda nueva normativa federal alemana debe ir acompañada de una estimación del «Erfüllungsaufwand» —el tiempo y el coste que la ciudadanía, las empresas y la administración deberán asumir para cumplirla—. Para las normas de bajo coste (una carga estimada inferior a 100 000 euros al año para las empresas), los ministerios utilizan un «vereinfachtes Verfahren» (procedimiento simplificado) en lugar de un cálculo completo caso por caso. El Statistisches Bundesamt (Destatis) entrenó un nuevo modelo de estimación basado en aprendizaje automático para hacer más preciso ese procedimiento simplificado, descrito en un artículo metodológico revisado por pares, firmado por Levagin, Lange, Walprecht, Gerls y Kühnhenrich, publicado en la propia revista de la agencia, WISTA – Wirtschaft und Statistik (vol. 74, n.º 3, 2022, pp. 53–67), y retomado en una retrospectiva de 2024 de WISTA sobre el aprendizaje automático en la agencia.
Objetivos
Destatis afirma que el estimador basado en aprendizaje automático «mejora la calidad de las estimaciones de los costes de cumplimiento de cara al futuro» en comparación con el enfoque de cálculo más sencillo utilizado anteriormente.
Actividades
El modelo es utilizado internamente por el personal de Destatis, que apoya el proceso de evaluación de impacto regulatorio para los ministerios federales, por lo que no es una herramienta de cara al público. El informe de la OCDE de 2025, «Governing with Artificial Intelligence», cita el enfoque alemán como un ejemplo del uso de la IA en el diseño y la aplicación de la regulación.
Conclusiones
Ni el artículo original de 2022 ni el documento de seguimiento de 2024 revelan una cifra de precisión concreta ni una reducción de la tasa de error en el material disponible para este análisis, por lo que la afirmación de una mayor precisión se basa en el relato metodológico de la propia agencia, y no en una evaluación independiente y cuantificada. Dado que Destatis es la misma institución en la que los ministerios se apoyan para validar las cifras de costes de cumplimiento, la práctica se enmarca en un proceso gubernamental ya existente y de larga data, y no en un proyecto piloto independiente —lo que también significa que no ha sido auditada externamente como sistema de IA por derecho propio.
Implementación
Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Largo (> 3 años) — Methodology published in 2022 (WISTA) and revisited in a 2024 retrospective, indicating continuous internal operation.
Personal y competencias
Statistisches Bundesamt (Destatis) technical staff, Named methodology authors: Levagin, Lange, Walprecht, Gerls, Kühnhenrich, Federal ministries using the simplified procedure, Nationaler Normenkontrollrat (oversight body for the Erfüllungsaufwand system)
Condiciones para el éxito
Institutional embedding within Destatis, the agency ministries already rely on for compliance-cost sign-off
Availability of historical compliance-cost estimation data to train the model
Threshold-bounded scope (simplified procedure applies below EUR 100,000/year burden), limiting risk of use on high-stakes estimates
Modos de fallo comunes
No independent or externally audited accuracy figure has been disclosed for the model
The tool has not been externally audited as an AI system despite embedding within an official government process
Habitualmente financiado por
National / regional programmes
Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.
Kit de replicación
Artefactos reutilizables de esta práctica — tal como los publican sus fuentes.
¿Usted implementa esta práctica?
Reivindíquela —
los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
Fuentes de datos
De dónde se obtuvo la información de esta práctica, y cuándo.