El modelo de aprendizaje automático de la STT para el fraude y la corrupción en la contratación pública

El Servicio de Investigaciones Especiales de la República de Lituania (STT) trabajó con la OCDE y el Government Transparency Institute, financiados por el Instrumento de Apoyo Técnico de la Comisión Europea, para construir una herramienta de evaluación de riesgos basada en aprendizaje automático para la contratación pública. El proyecto integró once conjuntos de datos administrativos —delitos penales y administrativos, registros de empresas, titularidad real, listas negras y datos de proyectos financiados por la UE— en una única base analítica, reestructurando los registros de contratación del nivel de licitación al nivel de lote para captar mejor la dinámica de las ofertas.
Dado que solo una pequeña parte de los contratos está vinculada a delitos confirmados, el equipo empleó un Random Forest Estratificado de Distancia de Hellinger, un método diseñado para el aprendizaje Positivo-No Etiquetado y los fuertes desequilibrios de clase. Cada predicción va acompañada de valores SHAP (SHapley Additive exPlanations) en un panel interactivo, de modo que los analistas de la STT pueden rastrear exactamente qué factores —patrones de licitación, concentración de propiedad, posición en la red— motivaron la puntuación de riesgo de un contrato dado, en lugar de tratar el modelo como una caja negra.
En pruebas retrospectivas, concentrar la atención investigadora en el 25% de contratos con mayor riesgo previsto captó cerca del 60% de los contratos vinculados a delitos penales probados o sospechados (frente al 25% esperado por selección aleatoria), y el 10% superior captó unas cinco veces más casos conocidos que el azar. El estudio de caso publicado por la OCDE es explícito en que se trata de una prueba de concepto, no de un sistema operativo: recomienda una fase inicial de actualizaciones anuales respaldada por un flujo de datos estable antes de un despliegue más amplio, y subraya que la herramienta debe orientar el criterio de los investigadores, no sustituirlo.