e-Tesorería de Georgia — 42 modelos de IA para detección de anomalías en 7 millones de transacciones públicas anuales

El Ministerio de Finanzas de Georgia, a través del LEPL Financial-Analytical Service, integró modelos de aprendizaje automático en su Sistema de Gestión de las Finanzas Públicas (PFMS) para reducir los errores de pago y las anomalías en los desembolsos del Tesoro del Estado, procesando más de 7 millones de transacciones de pago anuales a través del módulo e-Treasury (uno de los cuatro componentes integrados del PFMS). El desarrollo y la validación contaron con el apoyo del Departamento de Asuntos Fiscales del FMI y la financiación de la Secretaría de Estado de Economía de Suiza (SECO).

Reducir los errores de pago y las anomalías en los desembolsos del Tesoro mediante el aprendizaje automático.

Dentro del sistema operan dos canales: un Canal Verde, en el que 42 modelos supervisados aprenden patrones a partir de datos históricos para detectar automáticamente anomalías en las órdenes de pago, y un Canal Rojo, en el que un modelo entrenado con las decisiones de rechazo pasadas de los funcionarios del Tesoro señala las órdenes problemáticas para su revisión humana.

Las pruebas mostraron que el sistema identificó correctamente 6 de 8 órdenes de pago previamente conocidas como erróneas y alcanzó una precisión superior al 80% al predecir qué órdenes rechazarían los funcionarios; la implementación operativa completa todavía se estaba finalizando en el momento de la elaboración del informe, por lo que se trata de resultados de pruebas y no de una auditoría posterior a la implementación.

El FMI publicó un informe técnico detallado (septiembre de 2024) que presenta el enfoque como un modelo transferible para la consolidación de la Cuenta Única del Tesoro en otras economías emergentes; el sistema está diseñado para escalar ante un aumento del 33% en el volumen de transacciones derivado de la expansión en curso de la TSA.