Tecnologías disruptivas aplicadas a la contratación pública
Los datos en abiertos de las Administraciones Públicas (AA.PP.) y, en particular, los datos de contratación del Sector Público son una fuente de información valiosa para la toma de decisiones, tanto para los agentes públicos como privados. La contratación pública es el proceso entre las entidades públicas y los agentes económicos privados para la contratación de servicios, bienes, o la ejecución de obras públicas. Las AA.PP. son los mayores adjudicadores de un país por número de contratos e importes. Por ejemplo, en la U.E. se gasta alrededor del 15% del PIB (alrededor de 2 billones de euros) en contratación pública cada año.
La contratación pública, como elemento principal del sector público para la prestación de servicios, no está exenta de los procesos de transformación y retos de la administración pública. Las AA.PP. han asimilado los procesos de transformación digital hasta el momento en mayor o menor medida, aprovechando los instrumentos digitales para transformar la provisión de servicios y atención a la ciudadanía. Sin embargo, todavía existen retos y áreas por cubrir. Nosotros nos enfocamos en dos grandes retos en el ámbito de la contratación pública:
- El aprovechamiento de los datos para la mejora de las funciones de supervisión, monitorización, planificación estratégica o la elaboración de políticas públicas. En este caso nos referimos no solo a los datos habituales que en los que solemos pensar: importes, plazos, fechas, etc. La contratación es un proceso donde se genera gran cantidad de documentación (pliegos, memorias, actas) que contienen información que puede aportar mucho valor para las funciones que antes comentamos.
- La necesidad de comprar de forma más eficiente, siendo más agiles y transparentes. Las condiciones actuales suponen un reto para la contratación puesto que se demanda una respuesta más rápida en el proceso de compra, cumpliendo con los estándares normativos y aumentando el volumen de compras. Teniendo en cuenta estos parámetros, resulta más importante que nunca lograr una eficiencia operativa el proceso de compra pública.
Para abordar estos retos, consideramos que es necesario el uso de tecnologías de reciente adoptación, tales como: Big Data, Data Analytics, Machine Learning, Procesamiento del Lenguaje Natural, Minería de Procesos, Automatización de Procesos, etc., de forma que permita desarrollar herramientas versátiles y adaptadas a las necesidades de las AA.PP.
Sin embargo, es fundamental que la utilización de dichas tecnologías este orientado a resolver problemas “reales” de la Contratación Pública y que permitan aportar valor en alguno de las fases del proceso. A continuación, presentamos algunos de los casos de uso presentados en el “Congreso Internacional on-line Temas clave de la contratación pública” organizado por la Universidad de Vigo y celebrado en octubre de 2021.
Caso 1. Conocimiento del mercado de contratación
Las AA.PP. disponen de poca información del mercado (proveedores, precios, etc.) a la hora definir una nueva compra y existe un gran volumen de información que a priori podría ser de interés para los órganos que realizan estas tareas pero que no se suele explotar. Además, los departamentos encargados de la supervisión y auditoría de la contratación no cuentan apenas con herramientas de analítica para facilitar su trabajo. Las capacidades de Big Data y Data Analytics son fundamentales para facilitar el conocimiento del mercado mediante la visualización de los datos de contratación (tablas, gráficos, indicadores, informes y cuadros de mando) de una manera clara, sencilla y personalizable a cada órgano de contratación
Caso 2. Transformación de datos no estructurados en conocimiento
El proceso de contratación en gran parte se basa en la gestión documental. Esto supone que un gran volumen de información relevante se encuentre en documentos de manera desestructurada. A través de técnicas NLP podemos procesar y analizar el contenido de los documentos de una licitación (pliegos, memorias, actas) para entender su contenido y generar información de valor, como, por ejemplo:
- Identificar temáticas y clasificar licitaciones en base al contenido de un pliego.
- Generar información estructurada a partir del contenido de los pliegos (clausulados, criterios de solvencia, etc.) para conocer como se contrata.
- Analizar elgrado de cumplimiento de los pliegos publicados con respecto a buenas prácticas o normativas internas de contratación.
Caso 3. Automatización de fases del proceso de contratación
A través de la utilización de tecnologías en fases concretas del proceso de contratación se puede agilizar, simplificar o incrementar la calidad del trabajo realizado. Por ejemplo:
- Automatización del reporte a terceros de los datos de contratación a través de RPA.
- Asistentes virtuales (chatbot) para dar respuestas a preguntas recurrentes a los órganos de contratación o licitadores durante las fases de licitación.
Caso 4. Analítica avanzada para predicción o detección de patrones
El control de la contratación se hace generalmente a partir de la revisión de expedientes individuales, lo que dificulta la detección de eventuales prácticas fraudulentas. Tampoco se pueden hacer estimaciones o predicciones a futuro por no tener herramientas que analicen de manera agregada licitaciones similares realizadas en el pasado. En este caso hablamos de utilizar tecnologías que permitan un tratamiento masivo de toda la información disponible de contratación, que permita hacer forecasting, identificar patrones y detectar anomalías que ayuden en identificar posibles prácticas irregulares. Esto se consigue gracias a algoritmos innovadores basados en BigData e IA. Ejemplos de aplicaciones son:
- Identificación de anomalías en la contratación: detectar ofertas económicas con riesgo de colusión, posible división de contratos en menores, etc.
- Clasificar o predecir información relevante para la contratación: estimar el precio de licitación, el número de licitadores que se presentarán, identificar automáticamente empresas potencialmente interesadas en una licitación.
