Colombia pierde plata en la contratación mucho antes de que un fiscal abra un expediente. El fraccionamiento, la adición atípica, el anticipo que se queda sin ejecutar y el precio que nadie compara requieren opacidad y tiempo. La inteligencia artificial reduce esa opacidad de forma medible. Otros países ya lo hacen y ahorran.

Italia usa machine learning en la contratación de salud a través de la Anac. Los ahorros estimados están entre 10% y 20%, cerca de US$1.090 millones al año. Ucrania, con Prozorro y herramientas de análisis sobre datos abiertos, ha recuperado o evitado pérdidas por unos US$6.000 millones desde 2017, incluso en guerra. Brasil, con el sistema Gras, identifica más de 200 banderas rojas de fraude y colusión.

Lituania prioriza investigaciones de fondos públicos con un modelo que concentra 60% de los casos conocidos en 25% de los contratos de mayor riesgo. España tiene el algoritmo Brava para detectar colusión. India aplica IA en GeM para fraude y comparación de precios. Singapur y Estonia lo hacen dentro de gobiernos ya digitalizados, donde el trámite deja de depender de un intermediario.

«El presupuesto se vuelve efectivo cuando el sobreprecio deja de ser invisible.»

Colombia tiene una base mejor que muchos. Secop es abierto. La Contraloría ya trabaja con la Universidad de Antioquia un modelo predictivo que cruza miles de fuentes para marcar patrones de riesgo antes de que el contrato se ejecute. Herramientas ciudadanas como Pillao analizan millones de registros y generan alertas de fraccionamiento o adiciones atípicas. La Dian avanza en modelos predictivos. El material existe. Falta usarlo de forma sistemática y con reglas claras.

La IA puede hacer tres cosas concretas con el presupuesto. Primera: detectar patrones que un auditor humano difícilmente alcanza a ver a escala -mismos contratistas con precios desproporcionados, vínculos entre oferentes, anticipos sin ejecución-. Segunda: priorizar. En lugar de revisar al azar, concentrar el tiempo de los funcionarios en el porcentaje pequeño de contratos con mayor score de riesgo. Tercera: mejorar la asignación. Cruzar necesidad real -salud, educación, infraestructura- con resultados para ajustar transferencias y proyectos, y actuar a tiempo.

El riesgo es que el algoritmo se vuelva otra caja negra o que un proveedor lo capture. Por eso las salvaguardas son indispensables. La IA genera alertas; el funcionario o el auditor mantiene la responsabilidad final. El sistema tiene que poder explicar por qué marcó un contrato. El propio modelo debe ser auditable por órganos de control y por la ciudadanía. Se empieza por áreas de alto impacto y medibles -contratación, transferencias, salud- en lugar de digitalizar todo de golpe. Y los datos siguen abiertos.

El Estado se vuelve más capaz cuando sus funcionarios deciden con datos y responden por ello. La IA entrega el patrón y el riesgo; la decisión y la consecuencia siguen en manos de personas preparadas. El presupuesto se vuelve efectivo el día en que un funcionario capaz usa la alerta para detener un sobreprecio antes de que se firme, y puede explicar por qué lo hizo. La tecnología ya está. Lo que falta es la decisión de usarla y los funcionarios dispuestos a responder por ella.