MODELADO PREDICTIVO PARA LA DETECCIÓN DE ANOMALÍAS EN CONTRATOS PÚBLICOS
Palabras clave:
Minería de Datos, Contratos Públicos, Detección de Anomalías, AI Explicable (XAI), BlockchainResumen
La contratación pública representa uno de los sectores más importantes del gasto público y, por consiguiente, uno de los más vulnerables a las ineficiencias e irregularidades. Este estudio propone y valida un marco de ciencia-datos predictivo diseñado para detectar anomalías en los contratos públicos, centrándose específicamente en la probabilidad de modificaciones financieras (aditivos) como indicadores de posibles desviaciones. La investigación sigue una estructura metodológica de extremo a extremo, que abarca la adquisición de datos de fuentes de gobierno abierto, el preprocesamiento, la ingeniería de características y la aplicación de un modelo GBM (Gradient Boosting Machine) optimizado para conjuntos de datos altamente desequilibrados. La validación empírica reveló un buen rendimiento, con el modelo alcanzando una tasa de recuerdo de 0,85, haciendo hincapié en la sensibilidad sobre la precisión para minimizar la no detección de irregularidades reales. Más allá del desarrollo técnico, el estudio también discute la necesidad de la inteligencia artificial explicable (XAI) para la transparencia algorítmica y explora la tecnología Blockchain como una base potencial para los ecosistemas de auditoría de próxima generación. En última instancia, el documento aporta una hoja de ruta reproducible para la gobernanza algorítmica, fortaleciendo los mecanismos de supervisión proactiva y apoyando la toma de decisiones basada en datos en el sector público.
