El Modelo Automatizado de Valoración de Inmuebles de Dinamarca — 8 Años de Retraso y 51 Veces el Presupuesto

La Ley de Valoración de Inmuebles de Dinamarca de 2017 (Ejendomsvurderingslov) obligó al Ministerio de Hacienda a sustituir las valoraciones manuales, realizadas por funcionarios —cuya última ronda completa databa de 2011—, por un modelo de valoración automatizado (AVM) que cubriera todos los inmuebles del país.
El sistema, construido y operado por Vurderingsstyrelsen (la Agencia de Valoración de Inmuebles, parte de la Agencia Tributaria danesa), utiliza un modelo estadístico/de aprendizaje automático entrenado con unos 19 parámetros por inmueble: precios de venta recientes en el vecindario, distancia a bosques, costa, escuelas y líneas de ferrocarril, edificabilidad del terreno y contaminación del suelo, entre otros. Genera un valor imponible para cada una de las aproximadamente 1,7 millones de viviendas danesas sin revisión individual del caso.
Previsto inicialmente para mediados de 2019, el despliegue sufrió retrasos sucesivos. La Oficina Nacional de Auditoría de Dinamarca (Rigsrevisionen) informó en diciembre de 2025 de que el proyecto finalmente se cerró en junio de 2025 —ocho años por detrás del calendario original y con un coste total de 4.900 millones de coronas danesas, frente a un presupuesto inicial de 96 millones, una desviación de aproximadamente 51 veces. El Ministerio de Hacienda comunicó a la Oficina de Auditoría que solo espera que la tasa de errores disminuya cuando se entreguen las funciones restantes en la primera mitad de 2026, con un coste adicional de 44 millones de coronas.
Observadores independientes ya habían señalado problemas antes del cierre de 2025: el informe Automating Society de AlgorithmWatch documentó un margen de error oficial de +/-20% en torno a cada valoración y una confusión generalizada entre los propietarios, y investigadores de la Universidad del Sur de Dinamarca escribieron por separado sobre ciudadanos que se enfrentaban a 'un sistema opaco' que no podían cuestionar.
Esta práctica se incluye como un caso de advertencia: un sistema nacional de IA técnicamente ambicioso y ya desplegado a escala completa, cuyo historial público está hoy dominado por las conclusiones de su propio auditor sobre años de retrasos, sobrecostes y errores sin resolver, y no por un beneficio público medido.