Caso de estudio
Inteligencia de compras públicas para la Contraloría General de la República
Arquitectura de datos e inteligencia artificial para pasar de una supervisión reactiva a una preventiva sobre SICOP.
- Registros analizados
- >2.4M
- Patrones de anomalía
- 47
- dimensiones de riesgo institucional
- 8
- tiempo para calcular un puntaje de riesgo
- <1 s
Resumen
Contexto
La supervisión de las compras públicas era reactiva: las irregularidades aparecían después del daño, con datos repartidos en fuentes y taxonomías distintas.
Resultado
El riesgo se vuelve visible antes de convertirse en un caso legal: los auditores actúan sobre señales, no sobre hallazgos.
El reto
Por qué la supervisión llegaba tarde
- Datos repartidos en fuentes y formatos distintos
- Clasificaciones que cambian entre instituciones
- Irregularidades que se detectaban después del daño
- Patrones de riesgo sistémico que nadie modelaba
Fuentes y arquitectura
Siete fuentes, siete etapas
Fuentes
- Solicitudes
- Adjudicaciones
- Contratos
- Adendas
- Registro de proveedores
- Sanciones
- Datos de las instituciones
Etapas del pipeline
- 1Extracción
Trae los registros de cada fuente de SICOP de forma continua.
- 2Inventario
Documenta cada campo y cada relación entre fuentes.
- 3Unificación
Reúne los distintos formatos en un solo modelo de datos.
- 4Validación
Revisa tipos, consistencia y trazabilidad antes de usar los datos.
- 5Detección de anomalías
Evalúa 47 patrones sobre señales de tiempo, estructura y comportamiento.
- 6Scoring de riesgo
Combina 8 dimensiones en un puntaje auditable por institución.
- 7Monitoreo preventivo
Muestra eventos, tendencias y comparaciones entre pares a quien decide.
Capa de IA
47 patrones y 8 dimensiones de riesgo
Las reglas detectan lo evidente y los modelos, lo sutil: velocidad inusual de adjudicación, concentración de proveedores, precios fuera de rango y secuencias de adendas que suelen anteceder irregularidades. Cada institución recibe un puntaje que se descompone en 8 dimensiones.
Compuesto de 8 dimensionesCompuesto 62/100
- Velocidad de contratación78
- Concentración de proveedores62
- Dispersión de precios71
- Exposición a adendas55
- Proximidad a sanciones34
- Postura de transparencia82
- Madurez de controles49
- Densidad de señales67
Instituciones
12 instituciones, anonimizadas
Puntaje de riesgo de cada institución, en escala de 0 a 100.
bajo · 3 · medio · 4 · alto · 3 · crítico · 2
- bajo
Institución A
23
- bajo
Institución B
31
- bajo
Institución C
28
- medio
Institución D
47
- medio
Institución E
52
- medio
Institución F
58
- medio
Institución G
49
- alto
Institución H
71
- alto
Institución I
76
- alto
Institución J
68
- crítico
Institución K
84
- crítico
Institución L
91
Resultados del proyecto con instituciones anonimizadas.
Impacto
Qué cambia para quien decide
Supervisión preventiva
El riesgo se ve antes de convertirse en un caso legal: se actúa sobre señales, no sobre hallazgos.
Decisiones más rápidas
Quien decide ve el riesgo en la primera pantalla y llega a una decisión defendible en minutos, no semanas.
Transparencia verificable
Cada puntaje se rastrea hasta sus componentes, y cada componente hasta un registro.
¿Tu organización enfrenta un reto parecido?
En una conversación inicial se identifica cómo aplicar este enfoque a tus datos.