Prediciendo la corrupción en la contratación pública colombiana

A pesar de leyes, auditorías y reformas institucionales, la corrupción persiste en el sector público colombiano. El país ocupa el puesto 99 de 182 en el Índice de Percepción de Corrupción 2025, con más de 57.000 denuncias entre 2010 y 2023, siendo los contratos irregulares uno de los delitos más frecuentes. La investigación propone usar inteligencia artificial para anticipar estos actos. A partir de 489.580 contratos del SECOP II (2010–2021) y 183 variables contractuales, socioeconómicas y departamentales, se entrenaron modelos Lasso y Random Forest. La variable objetivo son las multas y sanciones impuestas a los contratos. Los modelos alcanzaron un AUC superior a 0,90, evidenciando buena capacidad predictiva, aunque con limitaciones de precisión por el desbalance en los datos. Las variables más influyentes fueron el departamento del contratista, el valor del contrato y la modalidad de contratación. Como resultado práctico, se desarrolló un sistema de alertas que clasifica contratos en niveles de riesgo (Bajo, Medio, Alto y Crítico) y estima el impacto económico esperado, optimizando la asignación de recursos de control sin reemplazar al auditor humano.

Grantor dc:publisher

Universidad del Rosario

Year dc:date

2026

Author dc:creator

• García Fuentes, Hernán Rodrigo

• Contratación pública
• Corrupción
• Prevención
• Machine learning
• D73
• H11
• H30
• Public procurement
• Corruption
• Prevention

Statement dc:rights

• info:eu-repo/semantics/openAccess

Licence

• http://creativecommons.org/licenses/by-sa/4.0/

Language dc:language

spa

Identifier

https://repository.urosario.edu.co/handle/10336/47897

OAI identifier oai:identifier

oai:repository.urosario.edu.co:10336/47897