El pipeline de aprendizaje automático de Seúl para el cribado de propuestas de presupuesto participativo

Seúl gestiona desde mayo de 2012 uno de los mayores programas de presupuesto participativo (PP) del mundo, destinando unos 50.000 millones de wones surcoreanos (alrededor del 2,2% del presupuesto municipal) a través de un Comité General de 250 ciudadanos, funcionarios y representantes de la sociedad civil; solo en 2014, el proceso recibió 1.533 propuestas, de las cuales 352 fueron finalmente seleccionadas para financiación.

Para ayudar a gestionar este volumen, la investigadora Bokyong Shin (Universidad de Helsinki) publicó en 2026 un estudio en el Journal of Public Budgeting, Accounting & Financial Management que analizó 21.833 propuestas sin duplicados (de un total de 25.415 presentadas) entre 2013 y 2021. El estudio combinó modelado de temas no supervisado mediante embeddings Sentence-BERT —identificando 17 temas principales en dos grupos (nueve centrados en infraestructuras, ocho en aspectos sociales/bienestar)— con un clasificador supervisado Random Forest que predijo la selección de propuestas con un AUROC de 0,73, superando a la regresión logística, el gradient boosting, las SVM y los árboles de decisión. El objetivo es reducir los 'costes de aprendizaje' de la ciudadanía mediante categorización y resumen automáticos, y los 'costes de cumplimiento' mediante retroalimentación predictiva antes de la deliberación formal.

Sigue siendo una capacidad en fase de investigación, construida sobre datos históricos abiertos, y no una herramienta confirmada en funcionamiento dentro del proceso de PP vigente en Seúl, por lo que su papel de cribado debe entenderse como una prueba de concepto validada, no como un sistema operativo. La escala y la estructura de gobernanza del programa están corroboradas de forma independiente por la documentación del caso de Participedia.