Tecnología vs corrupción: crean bot que ayudará a detectar posibles “licitaciones a medida”

0
68

Hoy

Dos informáticos paraguayos, en su afán de contribuir con la detección de posibles irregularidades en licitaciones estatales, crearon un bot que identifica anomalías en las compras públicas y luego las difunde en Twitter.

Juan Pane y Julio Paciello son dos compatriotas que decidieron unir su ingenio, habilidad y conocimiento en el área de la computación para crear la cuenta @controlcivicopy.

En entrevista con el canal GEN, ambos explicaron que dicho perfil de Twitter tiene como principal finalidad difundir anomalías dentro de las compras públicas que son encaradas en diversas instituciones, lanzadas a través del portal de la Dirección Nacional de Contrataciones Públicas (DNCP).

Pane comentó que la idea surgió luego de analizar cómo podían hacer para controlar “dentro de todo el océano de datos y de compras públicas”, buscando poder encontrar “las cosas raras” que pudieran existir, refiriéndose a presuntas irregularidades.

Valiéndose de la inteligencia artificial y el “machine learning”, la cuenta de Control Cívico lo que hace es aprender el comportamiento normal de los valores de las compras públicas y detectar cualquier desviación de dicho comportamiento, reflejándolo a través de tweets. En este caso, esto no necesariamente significa que haya un hecho de corrupción sino más bien que se hayan identificado ciertas anomalías, aclaró.

A partir de estas publicaciones, la prensa puede encargarse de indagar para confirmar si se trata o no de una irregularidad que pudiera desencadenar en posibles hechos de corrupción dentro de las licitaciones públicas, siendo un aliado en el rol de contralores de los medios de comunicación, indicó.

Por su parte, Paciello recordó que a diario se publican muchos llamados a licitación pública y por ello el trabajo sería muy complicado si se hace la revisión uno a uno, siendo ésta una herramienta para elaborar una “preclasificación de riesgo” que facilita dicha tarea.

Al utilizar un modelo de “machine learning”, el bot necesita datos históricos para entrenarse, por lo que constantemente irá procesando mayor información para filtrar los datos que recopile.

En esta primera etapa, @controlcivicopy revisará toda la información estructurada que se encuentra en el portal de la DNCP, todavía sin llegar a extraerla de los archivos en PDF de los pliegos de bases y condiciones.

LEAVE A REPLY

Please enter your comment!
Please enter your name here