A IA do DOZORRO analisa concursos do sistema ucraniano Prozorro em busca de corrupção, identificando 26% mais seleções injustas e 298% mais conluios do que indicadores fixos em testes, e ajudou a evitar UAH 133 milhões em gastos ineficientes no 1º semestre de 2025.
+26%
Alertas de seleção de vencedor infundada nos testes beta vs. sistema de indicadores fixos (2018 beta)
+37%
Alertas de desqualificação sem fundamento nos testes beta vs. sistema de indicadores fixos (2018 beta)
+298%
Alertas de casos de conluio nos testes beta vs. sistema de indicadores fixos (2018 beta)
3,500 tenders assessed by 20 procurement experts
Concursos utilizados para treinar o modelo de risco
165
Procedimentos de contratação analisados (July 2025)
10 billion UAH
Valor dos procedimentos analisados (July 2025)
89 of 165
Procedimentos em que foram encontradas violações (July 2025)
133 million UAH
Despesa ineficiente estimada que foi evitada (H1 2025)
Detalhes
Maturidade
Established
Promotor
DOZORRO civic-monitoring coalition (led by Transparency International Ukraine), with Ukraine's Ministry of Economy, integrated with Prozorro
Período
Model trained from July 2018; operational since Q1 2019
Palavras-chave
public procurement, anti-corruption, compliance, AI
Contexto
Prozorro é o sistema eletrónico obrigatório de contratação pública da Ucrânia; o DOZORRO é a camada de monitorização cívica construída sobre este sistema por uma coligação liderada pela Transparency International Ucrânia, em cooperação com o Ministério da Economia.
Objetivos
Utilizar aprendizagem automática, treinada com base na forma como os especialistas em contratação pública avaliavam os concursos, para assinalar padrões de risco de corrupção que uma lista fixa de indicadores poderia ser aprendida e contornada pelos funcionários.
Atividades
A partir de julho de 2018, os programadores treinaram o modelo com cerca de 3500 concursos avaliados de forma independente por 20 especialistas em contratação pública. A ferramenta entrou em fase beta em novembro de 2018 e em operação plena no primeiro trimestre de 2019. Os concursos de alto risco identificados pelo modelo são encaminhados para monitores da sociedade civil, que decidem se devem ser encaminhados para auditores ou para as autoridades responsáveis pela aplicação da lei.
Resultados
Nos testes beta, o modelo assinalou mais 26% de concursos com seleção de vencedor infundada, mais 37% com desqualificação sem fundamento e mais 298% de casos aparentes de conluio do que o sistema separado do Serviço Estatal de Auditoria, composto por 35 indicadores de risco fixos. Só em julho de 2025, os monitores analisaram 165 procedimentos no valor de mais de 10 mil milhões de UAH e encontraram violações em 89 deles; ao longo do primeiro semestre de 2025, as intervenções da coligação ajudaram a evitar uma despesa ineficiente estimada em 133 milhões de UAH.
Conclusões
As características exatas do modelo subjacente e a sua taxa de falsos positivos não estão documentadas publicamente, o que limita a verificação independente das percentagens obtidas nos testes beta para além do relato dos próprios programadores.
Implementação
Custo indicativo
Medium (€50k–€500k)
Tempo até resultados
Medium (1–3 years)
Equipa e competências
Procurement experts labelling training tenders, ML developers, Civil-society monitors reviewing flagged tenders
Condições de sucesso
A mandatory, centralised e-procurement system (Prozorro) already generating structured tender data to train on
A defined escalation pathway from flagged tenders to auditors and law enforcement
A named civil-society coalition plus the Ministry of Economy jointly operating the system
Modos de falha comuns
Model features and false-positive rate are not published, limiting independent verification of the reported catch-rate improvements
Fontes de dados
De onde foi obtida a informação desta prática, e quando.