En la Semana del Conocimiento 2023 del BID, Michael Kremer y Esther Duflo mencionaron la importancia de trabajar de forma conjunta con la academia y promover iniciativas innovadoras para generar evidencia robusta de las soluciones a los problemas que aquejan a nuestra región.
La corrupción es uno de esos problemas, según datos del FMI los países pierden 4% de su PIB en corrupción. Este fenómeno afecta negativamente la calidad de la inversión pública, la inversión extranjera directa y la calificación crediticia, entre otros factores.
Además de generar pérdidas económicas, los escándalos de corrupción son fuente de inestabilidad política y contribuyen a la pérdida de la confianza en las instituciones y en la democracia como sistema de gobierno.
A pesar de la importancia de este tema, la evidencia de soluciones efectivas en materia de control de la corrupción es aún incipiente. En efecto, las reformas asociadas a la agenda de transparencia y anticorrupción, por la propia naturaleza del fenómeno, no siempre poseen un dimensionamiento sólido, lo que limita la posibilidad de diseñar estrategias de atribución causal que permitan determinar si una intervención tuvo éxito o no. Y es precisamente por esa complejidad que el acompañamiento de la academia y la promoción de centros de innovación que se enfoquen en generar impacto a partir de estas soluciones se vuelven aspectos centrales.
Una estrategia colaborativa e innovadora para generar evidencia en el control de la Corrupción
Un caso concreto es el de la Contraloría General de la República del Perú (CGR). En la búsqueda de generar mayores impactos de la mano de las nuevas tecnologías, el órgano de control del país está implementando, con el financiamiento y apoyo técnico del BID, una operación de un préstamo (PE-L1240) destinada a mejorar la efectividad de los servicios de control gubernamental.
Esta colaboración ya ha generado evidencias preliminares de la efectividad de herramientas de visualización similares a Mapainversiones vinculadas a Monitores Ciudadanos de Control en la reducción de sobrecostos de obras tercerizadas y de los Nuevos Talentos en Control Gubernamental en la eficacia en la atención a denuncias.
En la actualidad, el BID generó un acuerdo con Columbia University para colaborar en el diseño de estrategias experimentales, la forma más robusta de demostrar causalidad, para modernizar el Sistema de Informático de Denuncias de la Contraloría General de la República, a través de la incorporación de modelos de inteligencia artificial y machine learning.
La implementación de estas intervenciones sería monitoreada por un Laboratorio de Evidencia en el Control financiado por el propio proyecto, denominado hoy Observatorio Nacional Anticorrupción, que incorporaría estas prácticas como herramientas para mejorar la capacidad de generar evidencia para otras áreas fuera del programa, replicando técnicas aprendidas por especialistas del BID y la Universidad de Columbia. Esta iniciativa ha sido premiada por su diseño innovador por la Nacional Science Foundation.
Algoritmo de priorización y admisión: oportunidades para un uso estratégico de los recursos en la detección de corrupción
El problema que el experimento busca solucionar es cómo incrementar las posibilidades de detectar corrupción en los casi 5.000 incidentes presentados por la ciudadanía, por medio de distintos canales, alegando posibles violaciones al código de conducta por parte del funcionariado público.
Este flujo masivo de información llevó a la propuesta de desarrollar dos algoritmos para agilizar el proceso de análisis de las denuncias. El primer algoritmo, conocido como “algoritmo de admisión“, se encarga de identificar las denuncias que no son competencia de la CGR.
Estimaciones para el año 2022 sugieren que alrededor del 40% de las denuncias no requieren la atención de la CGR. En este contexto, el algoritmo evalúa si el documento cumple con los tres requisitos necesarios para su admisión, como la identificación de la persona denunciada, una descripción del presunto acto corrupto, la entidad afectada y la fecha de ocurrencia de los hechos.
El segundo algoritmo, denominado “algoritmo de priorización“, tiene como objetivo mejorar la jerarquización de las denuncias. Utilizando algoritmos de probabilidad, tiempo y monto involucrado, se evalúa la probabilidad de que las denuncias involucren actos corruptos y el valor en juego. Estos componentes generan un puntaje asociado a cada denuncia, siendo las de mayor puntaje las más prioritarias para su análisis, brindando así a los analistas y supervisores un sustento estadístico para su elección.
La implementación de estos algoritmos de machine learning e inteligencia artificial promete transformar radicalmente la forma en que se gestionan las denuncias en la CGR y a su vez nos permite extraer lecciones aprendidas sobre cómo los organismos de control, en otros países de la región, pueden fortalecer sus estrategias para prevenir y controlar la corrupción.
Estos avances reflejan el creciente alcance y la importancia de las nuevas tecnologías en la formulación de políticas públicas y en la utilización de mecanismos de control, permitiendo una toma de decisiones más informada y eficiente. La implementación de estas herramientas ha sido diseñada desde el inicio del proyecto de forma aleatorizada, lo que permite generar evidencia experimental del impacto gracias a un equipo interdisciplinario de especialistas de IFD/ICS y economistas de SPD del BID.
Esta estrategia de generar impacto desde el diseño, con claros incentivos y el uso de tecnologías innovadoras con miras a la generación de evidencia, sumado al acompañamiento de universidades de alto prestigio, ha sido replicada en otros contextos y países con resultados exitosos. En el próximo blog abordaremos las innovaciones y el impacto que está generado el BID en colaboración con Harvard University en la Justicia Digital en Brasil.
Excelente artículo, me encantó! Gracias por compartir estos avances de la tecnología en materia judicial. Ojalá podamos replicar este tipo de proyectos en todos los países de nuestra región. Felicitaciones a Gastón y Juan! 👏👏👏
Gracias Elena por tu comentario! A disposición para explorar posibilidades de replicar este trabajo en otros ámbitos de la región.