INFORME DE CIENCIA PARA POLÍTICAS
La Herramienta de Balance de Futuros: Apoyo al
Análisis de Políticas con Visión de Futuro
2026
ASPECTOS DESTACADOS
‣ Cerrando la Brecha en las Etapas Iniciales:
Transforma la Equidad Intergeneracional (IGF) de principio a práctica al
integrarla directamente en la toma de decisiones en las etapas iniciales,
moldeando el planteamiento de problemas, el establecimiento de objetivos y los
criterios de evaluación desde el principio.
‣ IA con Participación Humana: Combina las fortalezas
del razonamiento asistido por IA con el juicio y la supervisión humanos,
garantizando la transparencia, la rendición de cuentas y un control
significativo en deliberaciones políticas complejas.
‣ Conectando Ciencia y Práctica: Basada en la
Evaluación Social Multicriterio (SMCE), la herramienta proporciona un punto de
entrada estructurado y fácil de usar para métodos científicos de análisis de
decisiones.
Introducción
La herramienta de Balance de Futuros presenta una
solución basada en IA y fácil de usar que apoya la toma de decisiones de los
responsables políticos en las etapas iniciales. Desarrollada por el Beyond Lab
de las Naciones Unidas en colaboración con el Laboratorio de Análisis de
Decisiones del JRC y el Laboratorio de Políticas de la UE, la Herramienta
Balance de Futuros aborda una deficiencia actual en el análisis práctico de
políticas, apoyando la aplicación de la Equidad Intergeneracional (IGF) a la
hora de definir el problema, establecer los objetivos, definir los criterios y
desarrollar las opciones políticas. Marcos como la Evaluación Social
Multicriterio (SMCE) y la herramienta SÓCRATES respaldan un riguroso análisis
ex ante según las Directrices de la UE para la Mejora de la Legislación, pero
se centran principalmente en las etapas posteriores del proceso de Evaluación
de Impacto. Por el contrario, la Herramienta Balance de Futuros los complementa
proporcionando apoyo estructurado para las fases exploratorias iniciales. Su
principal innovación reside en la integración explícita de consideraciones
intergeneracionales en la lógica de evaluación. Esto se logra mediante la
evaluación del impacto de las políticas en diferentes dimensiones y horizontes
temporales. Las funcionalidades de IA, de asistencia y explicables, apoyan la
síntesis de evidencia cualitativa y cuantitativa y facilitan un razonamiento
transparente sobre las posibles vías de actuación, mientras que todos los
juicios evaluativos permanecen bajo control humano.
El problema que se debe abordar
La Equidad Intergeneracional (IGF) se reconoce cada
vez más como una prioridad política en la formulación de políticas (EU Policy
Lab, 2025; OCDE, 2020; Naciones Unidas, 2024). Sin embargo, a pesar de su
impulso, las consideraciones de la IGF a menudo permanecen implícitas al
evaluar las implicaciones de las decisiones políticas. Un desafío clave radica
en integrar los horizontes temporales, la incertidumbre y los impactos
multidimensionales en los marcos de políticas y las herramientas de evaluación.
El contexto político de la UE se sustenta en metodologías consolidadas para la
toma de decisiones basada en la evidencia, como la Evaluación Social
Multicriterio (SMCE), que permite una comparación transparente de las opciones
políticas en múltiples dimensiones con una sólida base científica (p. ej.,
Azzini y Munda, 2020; Munda, 2004, 2008; Basyte Ferrari, 2025). Si bien las
Directrices para la Mejora de la Legislación (BRG) de la Comisión Europea
proporcionan herramientas analíticas como la SMCE para la evaluación de
alternativas políticas en la evaluación de impacto (p. ej., Basyte Ferrari y
Ostlaender (2025), Maydell, R. (2025), Maydell et al. (2025)), su aplicación
práctica requiere una amplia experiencia, lo que a menudo limita la
consideración explícita de las IGF en la formulación inicial de problemas y la
selección de criterios.
El Centro Común de Investigación (JRC) ha desarrollado
SÓCRATES, una herramienta informática que permite una comparación transparente
y con base científica de opciones políticas en múltiples dimensiones, mediante
análisis estructurado y pruebas de sensibilidad. Sin embargo, su enfoque
principal reside en la fase de evaluación analítica, ofreciendo una orientación
limitada durante las etapas iniciales, como la estructuración de problemas, la
formulación de objetivos, la selección de criterios y la consideración
explícita de horizontes temporales, donde la equidad intergeneracional
permanece implícita en lugar de abordarse sistemáticamente. Esto revela la
necesidad de instrumentos de apoyo complementarios que puedan guiar a los
usuarios en la toma de decisiones temprana de forma estructurada, accesible y
metodológicamente coherente, a la vez que se mantienen en consonancia con los
estándares de políticas establecidos. También abre el camino para una
asistencia de IA cuidadosamente diseñada, siempre que se garanticen plenamente
la transparencia, la explicabilidad y la supervisión humana, esenciales para la
confianza y la adopción institucional. La Herramienta de Equilibrio de Futuros
responde a esta necesidad integrando conceptos de equidad intergeneracional en
un flujo de trabajo coherente, transparente y preparado para la formulación de
políticas (véase la Figura 1).
La solución propuesta
La Herramienta de Balance de Futuros traduce el
vínculo conceptual entre la Equidad Intergeneracional (IGF) y el análisis de
políticas basado en SMCE (véase Maydell y Smits, 2026) en una solución práctica
basada en software. Diseñada como una herramienta de apoyo a las políticas
asistida por IA, ayuda a estructurar el problema de las políticas, guiando su
formulación, el establecimiento de objetivos, la definición de criterios y el
desarrollo de opciones políticas. No reemplaza las metodologías establecidas,
sino que mantiene su interoperabilidad con SÓCRATES. Su principal novedad
radica en explicitar y comparar los horizontes temporales y los impactos
intergeneracionales de las políticas futuras mediante una lógica de estructuración
temporal específica que captura los efectos indirectos a corto, mediano y largo
plazo utilizando enfoques con base científica (Maydell y Munda, 2026).
La IA asistida y explicable facilita la síntesis
estructurada de evidencia cualitativa y cuantitativa, documentando supuestos y
fuentes, manteniendo todos los juicios evaluativos bajo control humano. La
herramienta no automatiza los juicios de valor (p. ej., la ponderación de
dimensiones o la clasificación final de opciones) ni sustituye el escrutinio
experto/legal. Su interfaz de usuario intuitiva facilita la aplicación de
métodos avanzados de análisis de decisiones, lo que permite un análisis de
contexto más sencillo y eficiente que fundamenta futuras decisiones y políticas
(Gadbled et al., 2024; Umbach, 2024). El enfoque general promueve el
aprendizaje institucional innovador en la interfaz entre el diseño de
políticas, el análisis de decisiones y la gobernanza anticipatoria. El
desarrollo actual se centra en el desarrollo de un prototipo funcional para una
aplicación piloto, alineado con la terminología y los flujos de trabajo de la
UE. Entre los resultados clave se incluyen la integración de la equidad intergeneracional
en el diseño de políticas en la fase inicial y la consideración estructurada de
diferentes horizontes temporales y efectos en múltiples dimensiones.
Integración metodológica
La herramienta Futures Balance se ha desarrollado como
un instrumento exploratorio de alto nivel con el objetivo de alinearse con la
normativa de la Comisión Europea y los estándares del RGPD. Al restringir su
uso a la exploración de alternativas políticas en lugar de a la toma de
decisiones autónoma o la redacción de textos legislativos, la herramienta
garantiza un enfoque con participación humana que mitiga los riesgos asociados
al sesgo y la responsabilidad legal. Para garantizar la soberanía de los datos,
el marco prohíbe estrictamente el procesamiento de información no pública o
sensible. Si bien se encuentra actualmente en su fase de prototipo, con mejoras
iterativas de fiabilidad en curso, la herramienta está diseñada para mantener
el rigor científico mediante la integración de información generada por IA en
los procesos de formulación de políticas establecidos. Esta metodología,
validada por el JRC, garantiza que las evaluaciones de políticas se mantengan
transparentes, basadas en la evidencia y metodológicamente sólidas, apoyando
una toma de decisiones coherente y con visión de futuro en las dimensiones
social, tecnológica, ambiental y económica.
Recorrido ejemplar por la herramienta (caso de uso
ilustrativo: Vivienda social)
Este breve recorrido ilustra cómo el prototipo actual
de la Herramienta de Balance de Futuros facilita el diseño de políticas en las
etapas iniciales, preparándose para la formulación de problemas, el
establecimiento de objetivos, la definición de criterios y el desarrollo
inicial de opciones, a la vez que explicita la equidad intergeneracional y los
horizontes temporales. El ejemplo se ha simplificado deliberadamente y utiliza
la vivienda social como ámbito político ilustrativo.
Paso 1: Crear una política de referencia
(definición del problema y objetivos iniciales)
Los usuarios comienzan creando una nueva entrada de
política con un pequeño conjunto de datos estructurados. En este ejemplo:
• Nombre de la política: Vivienda justa e innovadora
• Planteamiento del problema: El aumento del coste de
la vivienda y la limitada oferta asequible impiden que los hogares de ingresos
bajos y medios accedan a una vivienda estable y segura, mientras que las
generaciones mayores suelen ocupar espacios de vivienda comparativamente más
amplios.
• Presupuesto: 2500 millones de euros
• Descripción del presupuesto: Apoyo de la UE para la
implementación de la nueva política de vivienda.
• Ámbito geográfico: Unión Europea
• Objetivos: Ampliar la disponibilidad de vivienda
asequible; reducir la carga del coste de la vivienda para los hogares vulnerables.
• Población objetivo: Familias de bajos ingresos;
jóvenes adultos que acceden al mercado inmobiliario
A partir de estos datos, la herramienta utiliza IA
asistida para generar un escenario base (es decir, una narrativa política
consistente como punto de partida). Este escenario base no constituye una
recomendación, sino una referencia estructurada con la que posteriormente se
pueden desarrollar y comparar alternativas. Los usuarios pueden editar
cualquier campo de texto para garantizar una completa alineación con el
contexto político y la terminología de la UE.
Paso 2: Generar alternativas políticas
(desarrollo de opciones estructuradas)
A continuación, los usuarios crean alternativas
políticas adicionales seleccionando:
• Áreas de enfoque (p. ej., Energía, Medio Ambiente,
Infraestructura, Social, etc.)
• Objetivos (vinculados a las áreas de enfoque)
La herramienta propone opciones alternativas (nombre,
breve descripción y razonamiento subyacente) en un formato estandarizado. Para
mayor transparencia y trazabilidad, cada alternativa incluye:
• un resumen conciso,
• una breve explicación (por qué esta opción se ajusta
al problema y los objetivos), y
• referencias/aportaciones de apoyo que ayudan a los
usuarios a comprender cómo se construyó la alternativa.
Todo el contenido es editable. Se espera que los
usuarios validen, refinen y, cuando sea necesario, corrijan el texto generado.
En el ejemplo de vivienda, se utilizaron tres opciones
para la comparación posterior:
1. Línea base: Vivienda justa e innovadora (política
de línea base generada)
2. Alternativa A: Programa de reutilización de suelo
urbano (Área de enfoque: Transporte e infraestructura)
3. Alternativa B: Bonos de vivienda con energía
renovable (Área de enfoque: Energía)
Paso 3: Comparar alternativas mediante un
análisis de efectos indirectos (definición de criterios, estructuración
temporal y análisis inicial de compensaciones
Una vez que existen alternativas, la herramienta
permite realizar una primera evaluación comparativa mediante un análisis de
efectos indirectos. Los usuarios definen:
• Dimensiones (p. ej., Económica, Social, Ambiental)
• Criterios de cada dimensión (definidos por el
usuario; la herramienta también puede proponer candidatos)
• Horizontes temporales que reflejan la dinámica
intergeneracional (intervalos seleccionables: 0, 2, 5, 10, 15 y 30 años)
En el caso ilustrativo, las tres alternativas se
evalúan según la siguiente estructura:
1. Económica: Creación de empleo local
2. Social: Equidad entre residentes mayores y jóvenes
3. Ambiental: Reducción de las emisiones de CO₂
Para cada combinación de alternativa × criterio ×
marco temporal, la herramienta genera una justificación de puntuación
cualitativa asistida por IA que separa explícitamente:
• posibles efectos positivos,
• posibles efectos negativos, y
• una breve síntesis que respalda una clasificación
provisional (p. ej., positiva/negativa/neutra).
Fundamentalmente, la clasificación no es fija: los
usuarios pueden modificarla cuando el razonamiento no sea convincente o cuando
la evidencia adicional modifique la evaluación. Esto es fundamental para el
diseño de la herramienta, con participación humana: la IA facilita el
pensamiento estructurado y la documentación, mientras que los juicios
evaluativos siguen siendo responsabilidad del analista de políticas.
La visión general resultante (ilustrada en la Figura
2) muestra cómo el rendimiento relativo de las alternativas puede variar según
los criterios y a lo largo del tiempo, un requisito clave para implementar la
equidad intergeneracional en las primeras etapas de la toma de decisiones.
Conclusión y próximos pasos
La Herramienta de Balance de Futuros facilita la
integración transparente de la equidad intergeneracional en el análisis de
políticas prospectivas. La colaboración con el Beyond Lab de las Naciones
Unidas también apoya la difusión internacional y el desarrollo de capacidades
en los Estados Miembros de las Naciones Unidas, lo que permite la adaptación a
diferentes contextos de gobernanza, manteniendo al mismo tiempo un núcleo
metodológico común basado en los principios de la SMCE. El interés inicial de
Estados Miembros como España, Alemania, Países Bajos y Finlandia refleja una
fuerte demanda de herramientas prácticas y metodológicamente sólidas. Más allá
de las aplicaciones individuales, el proyecto contribuye al establecimiento de
estándares metodológicos al demostrar cómo las consideraciones a largo plazo e
intergeneracionales pueden implementarse sistemáticamente en el diseño de
políticas en las etapas iniciales y alinearse coherentemente con herramientas
analíticas basadas en SMCE, como SÓCRATES. De este modo, aborda las necesidades
de gobernanza e innovación institucional, promoviendo prácticas de toma de
decisiones estructuradas, transparentes y con visión de futuro, justas,
sistemáticas y basadas en la evidencia.
Los esfuerzos de creación de prototipos se centran
actualmente en optimizar las capas frontend, backend y de procesamiento de
datos, a la vez que implementan la generación de escenarios basada en IA, la
evaluación del impacto a largo plazo y el razonamiento asistido de políticas.
La herramienta se está desarrollando para alinearse con los principios de IA
confiable y los requisitos emergentes de la Ley de IA de la UE, haciendo
hincapié en la transparencia, la trazabilidad y la explicabilidad. Las
funcionalidades de IA se limitan a casos de uso asistidos, incluyendo la
estructuración de narrativas y alternativas políticas, destacando las
implicaciones intertemporales y sugiriendo posibles vías de razonamiento. Al
demostrar cómo la IA asistiva y explicable puede integrarse de forma segura en
los flujos de trabajo de las políticas, el proyecto también contribuye al
fomento de prácticas de IA fiables en las instituciones de la UE.
Figura 1: Flujo de trabajo de evaluación de
políticas actuales y posible introducción de la herramienta Futures Balance que
permite un diálogo con SÓCRATES
Fuente: Ilustración propia del Laboratorio de Análisis
de Decisiones para el Flujo de Trabajo
Fuente: Extracto ilustrativo propio de la Herramienta
de Balance de Futuros, desarrollada por UN Beyond Lab en colaboración con JRC.
Referencias
Azzini, I., & Munda, G. (2020). A new approach for identifying the Kemeny median ranking. European Journal
of Operational Research, 281(2), 388-401.
Basyte Ferrari, E. (2025). Appraising Policies Through
Social Multi‐Criteria Evaluation: Lessons from a Systematic Review of
Applications. European Policy Analysis.
Basyte Ferrari, E., and Ostlaender, N. (2025). 20
years of Social Multi-Criteria Evaluation in policy assessment., JRC Report
142635.
EU Policy Lab. (2025). Envisioning Intergenerational
Fairness: how future snapshots are inspiring EU strategy. European Commission.
https://policy-lab.ec.europa.eu/news/envisioning-intergenerational-fairness-how-future-snapshots-are-inspiring-eu-strategy-2025-11-27_en,
27 November 2025.
Gadbled, R., Georgakakis, D., Gstöhl, S., Schunz, S.,
& Van Woensel, L. (2024). Introduction: Future-proofing policies – How
foresight shapes European Union governance. European Law Journal, 30(3),
349–360.
Maydell, R. (2025). European Governance of Artificial
Intelligence: Bridging Uncertainty with Evidence‐Informed Policy Making. Contemporary European Politics, 3(3), e70016.
Maydell, R., Munda, G., Fütterer, M., Aldave de las Heras, L., & Beneš,
O. (2025). Multi-criteria decision support for small modular
reactors. JRC Report 140704.
Maydell, R., Smits, P. (2026). Impact Assessments and
Better Regulation in the light of Intergenerational Fairness. JRC Report
145074.
Maydell R. & Munda G. (2026). Addressing Time in
Multi Criteria Decision Analysis using Discounted Outranking Matrices, mimeo.
Munda, G. (2004). Social multi-criteria evaluation:
Methodological foundations and operational consequences. European
journal of operational research, 158(3), 662-677.
Munda, G. (2008). Social multi-criteria evaluation for
a sustainable economy. Berlin, Heidelberg: Springer Berlin Heidelberg.
Munda, G., Azzini, I., Cerreta, M., & Ostlaender, N. (2022). Socrates
Manual. KJ-NA-31-327-EN-N (online), https://doi. org/10.2760/015604 (online).
OECD. (2020). Governance for Youth, Trust and
Intergenerational Justice: Fit for all Generations? OECD
Public Governance Reviews. OECD Publishing.
Umbach, Gaby. Futures in EU governance: Anticipatory
governance, strategic foresight and EU Better Regulation. European
Law Journal 30.3 (2024): 409-421.
Autoría
Este informe de políticas fue elaborado por Richard Maydell (JRC.S.3
Laboratorio de Análisis de Decisiones) y Nicola Spano (JRC.S.1 Laboratorio de
Políticas de la UE).
Descargo de responsabilidad u otros detalles finales
La información y las opiniones expresadas en este informe de políticas son
exclusivamente de los autores y no reflejan necesariamente la postura oficial
de la Comisión Europea.
Derechos de autor
© Unión Europea, 2026
