Chile construye el laboratorio de IA para compras públicas más ambicioso de América Latina

Cada año, el Estado de Chile gestiona más de 20 mil millones de dólares en compras públicas a través de ChileCompra. Detrás de esa cifra monumental se esconden miles de licitaciones, contratos y procesos administrativos que determinan desde la construcción de hospitales hasta la compra de lápices para escuelas rurales. Ahora, una alianza renovada entre ChileCompra, la Universidad de Chile y la Universidad de California en Berkeley promete revolucionar este ecosistema mediante la aplicación sistemática de inteligencia artificial, estableciendo un precedente para toda la región latinoamericana en la modernización del sector público.

Una colaboración que trasciende fronteras académicas

La ampliación del convenio entre ChileCompra, la Universidad de Chile y UC Berkeley no es un acuerdo protocolario más. Se trata de una alianza estratégica que combina la experiencia operativa de una de las plataformas de compras públicas digitales más avanzadas del continente con la capacidad de investigación de dos instituciones académicas de primer nivel. La Universidad de Chile aporta su conocimiento del contexto local y su Centro de Inteligencia Artificial, mientras que UC Berkeley contribuye con su reconocida experiencia en machine learning y análisis de datos a gran escala.

Este tipo de colaboraciones público-académicas representa un modelo cada vez más necesario en América Latina, donde la transformación digital del Estado enfrenta desafíos únicos: presupuestos limitados, infraestructura tecnológica heterogénea y la necesidad urgente de combatir la corrupción. Chile ha sido pionero en la digitalización de sus compras públicas desde 2003, cuando ChileCompra se convirtió en una de las primeras plataformas electrónicas obligatorias para el sector público en la región.

La renovación de este acuerdo trilateral llega en un momento crucial. Los sistemas de compras públicas enfrentan presiones crecientes: mayor demanda de transparencia ciudadana, necesidad de detectar irregularidades en tiempo real y la oportunidad de optimizar el gasto fiscal mediante análisis predictivos. La inteligencia artificial no es aquí una moda tecnológica, sino una herramienta con potencial concreto para transformar la eficiencia del Estado.

Aplicaciones concretas: de la detección de anomalías a la optimización presupuestaria

Las aplicaciones de IA en compras públicas que esta alianza busca desarrollar van mucho más allá de la simple automatización. Los algoritmos de machine learning pueden identificar patrones sospechosos en licitaciones, como proveedores que sistemáticamente ganan contratos con márgenes mínimos de diferencia, o compras fraccionadas diseñadas para evadir controles. Estos sistemas pueden procesar en minutos lo que a un auditor humano le tomaría semanas: cruzar datos de miles de transacciones, identificar relaciones ocultas entre empresas y detectar desviaciones estadísticas que sugieren irregularidades.

Pero la detección de fraude es solo una dimensión. La IA también puede optimizar la planificación de compras agregadas, identificando oportunidades para que múltiples instituciones públicas consoliden sus adquisiciones y obtengan mejores precios. Puede predecir fluctuaciones de precios en categorías específicas, ayudando a los compradores públicos a tomar decisiones más informadas sobre el momento óptimo para licitar. Y puede analizar el desempeño histórico de proveedores, generando perfiles de riesgo que informen decisiones de adjudicación.

La aplicación de inteligencia artificial en compras públicas no solo promete mayor eficiencia fiscal, sino que representa una herramienta fundamental para fortalecer la confianza ciudadana en las instituciones del Estado mediante transparencia automatizada y detección temprana de irregularidades.

El desafío técnico es considerable. Los datos de compras públicas son complejos, heterogéneos y frecuentemente incompletos. Las categorías de productos varían enormemente, desde servicios de consultoría hasta equipamiento médico especializado. Los algoritmos deben ser lo suficientemente sofisticados para distinguir entre variaciones legítimas en precios y anomalías genuinas, evitando tanto falsos positivos que sobrecarguen a los auditores como falsos negativos que permitan pasar irregularidades.

El modelo chileno como referencia regional

ChileCompra procesa anualmente más de 600 mil transacciones que involucran a cerca de 900 organismos públicos y más de 150 mil proveedores registrados. Esta escala convierte a la plataforma en un laboratorio natural para experimentar con soluciones de IA aplicadas al sector público. Los aprendizajes generados aquí tienen potencial de replicarse en otros países latinoamericanos que enfrentan desafíos similares en la modernización de sus sistemas de adquisiciones estatales.

La participación de UC Berkeley añade una dimensión de validación internacional y acceso a metodologías de vanguardia. La universidad californiana ha sido pionera en investigación sobre aplicaciones de IA para el bien público, incluyendo proyectos en detección de corrupción, optimización de servicios gubernamentales y análisis de políticas públicas basado en datos. Su involucramiento también facilita la comparación con sistemas de compras públicas en Estados Unidos y otros contextos, permitiendo identificar mejores prácticas adaptables al caso chileno.

Más allá de lo técnico, esta colaboración representa un modelo de innovación pública que contrasta con la tendencia de muchos gobiernos a depender exclusivamente de proveedores tecnológicos privados. Al desarrollar capacidades propias en colaboración con universidades, el Estado chileno no solo genera soluciones más adaptadas a sus necesidades específicas, sino que también construye conocimiento que permanece en el sector público y puede evolucionar de manera sostenible.

Desafíos éticos y de implementación

La aplicación de IA en compras públicas plantea interrogantes éticos que esta alianza deberá abordar cuidadosamente. ¿Cómo garantizar que los algoritmos no reproduzcan sesgos existentes en datos históricos? ¿Qué nivel de transparencia debe existir sobre los criterios que usa la IA para señalar posibles irregularidades? ¿Cómo equilibrar la automatización con la necesaria supervisión humana en decisiones que afectan el uso de recursos públicos?

La privacidad y protección de datos también emerge como consideración crítica. Los sistemas de IA requieren acceso a información detallada sobre proveedores, funcionarios y transacciones. Establecer protocolos robustos de anonimización y uso de datos será fundamental para mantener la confianza pública en estas herramientas. La experiencia de UC Berkeley en ética de IA y la tradición de transparencia de ChileCompra serán activos valiosos para navegar estos dilemas.

Finalmente, existe el desafío de la adopción institucional. Los sistemas de IA más sofisticados son inútiles si los funcionarios públicos no confían en ellos o no saben interpretarlos. La colaboración deberá incluir componentes significativos de capacitación, gestión del cambio y diseño de interfaces que hagan accesibles insights complejos. El éxito se medirá no solo en la sofisticación técnica de los algoritmos, sino en su efectiva integración en los flujos de trabajo cotidianos de compradores públicos y auditores.

Contexto clave

Machine learning en detección de anomalías: Los algoritmos de aprendizaje automático pueden identificar patrones inusuales en grandes volúmenes de datos sin necesidad de programar explícitamente qué constituye una irregularidad. En compras públicas, estos sistemas aprenden de miles de transacciones históricas qué características son normales (rangos de precios típicos, tiempos de adjudicación estándar, patrones de participación de proveedores) y señalan desviaciones significativas para revisión humana. La ventaja sobre sistemas de reglas tradicionales es su capacidad de detectar fraudes sofisticados que no violan reglas específicas pero que estadísticamente son improbables.

Compras públicas electrónicas: Los sistemas de e-procurement como ChileCompra digitalizan todo el ciclo de adquisiciones estatales: desde la publicación de licitaciones hasta la adjudicación y gestión contractual. Esta digitalización genera datos estructurados sobre cada transacción, creando el sustrato necesario para aplicar IA. Chile fue pionero en hacer obligatorio este sistema para todas las compras públicas, generando dos décadas de datos que ahora pueden alimentar modelos predictivos y analíticos. La calidad y completitud de estos datos históricos es lo que hace viable la aplicación de técnicas avanzadas de inteligencia artificial.

Colaboración público-académica en IA: Este modelo de innovación combina la capacidad de investigación de universidades con los datos y problemas reales del sector público. Las universidades aportan talento especializado, metodologías rigurosas y perspectiva crítica; las instituciones públicas proveen casos de uso concretos, datos a escala real y conocimiento del contexto operativo. Esta simbiosis permite desarrollar soluciones más robustas que las generadas por consultoras privadas, mientras construye capacidades permanentes en el Estado y genera conocimiento académico con impacto social directo.

Para profundizar

• IA y combate a la corrupción en América Latina — Varios países de la región están experimentando con inteligencia artificial para detectar irregularidades en contrataciones públicas, desde Brasil hasta Colombia. Comparar estos esfuerzos con el modelo chileno revelaría qué enfoques funcionan mejor en contextos con diferentes niveles de digitalización y capacidad institucional.
• Sesgos algorítmicos en sistemas de compras públicas — Si los algoritmos aprenden de datos históricos que reflejan prácticas discriminatorias pasadas, podrían perpetuar o amplificar esos sesgos. Investigar cómo diseñar sistemas de IA que activamente promuevan equidad en el acceso a contratos públicos, especialmente para pequeñas empresas y proveedores de regiones menos desarrolladas, es un desafío ético y técnico de primera importancia.
• Modelos de gobernanza para IA en el sector público — ¿Quién supervisa los algoritmos que supervisan las compras públicas? La experiencia de esta colaboración podría informar marcos de gobernanza más amplios sobre cómo el Estado debe desarrollar, auditar y regular sus propias herramientas de inteligencia artificial, estableciendo precedentes para otras áreas de la administración pública.