Can AI ¿Detectar la corrupción? Evidencia de 27 sistemas gubernamentales.

El ángulo. AI Puede ayudar a detectar la corrupción, pero no como sugieren los titulares. Las herramientas con resultados verificados de forma independiente no son llamativas: datos abiertos de contratación pública e indicadores estadísticos que vigilan los contratos y a los funcionarios en público. Los sistemas que causaron daños reales juzgaron a los ciudadanos comunes en secreto. Apunte el algoritmo hacia arriba, no hacia abajo, y muestre su funcionamiento.

El truco

El 11 de septiembre de 2025, Albania's El primer ministro Edi Rama presentó a un nuevo miembro de su gabinete: Diella, un avatar generado por IA que comenzó su vida como un chatbot en el portal de servicios e-Albania, puesto a cargo de las contrataciones públicas. Prometió que las licitaciones serían totalmente incorruptibles. Los titulares de todo el mundo lo calificaron como el primero. AI ministro.

Aquí está la revelación. Más de un año después, no pude encontrar ningún registro público de que Diella decidiera sobre una sola licitación. En octubre de 2026, Albania's El Tribunal Constitucional rechazó una impugnación de 39 diputados de la oposición por falta de legitimación procesal, y añadió que AI no puede alterar el orden constitucional. Mientras tanto, la rendición de cuentas a la antigua usanza seguía en marcha: un viceprimer ministro había sido imputado por una licitación de un túnel de carretera de aproximadamente 190 millones de euros, según la red de investigación OCCRP.

El avatar es el truco. La verdadera lucha contra la corrupción. AI Es aburrido: datos publicados abiertamente, señales de alerta estadísticas que cualquiera puede verificar y auditores con poder para actuar en consecuencia. Para diferenciar ambos, evalué 27 despliegues reales, desde Brasil hasta los Países Bajos e India, basándome en tres preguntas. ¿Existe evidencia independiente de que funcionó? ¿Pueden los observadores externos ver cómo funciona? ¿Perjudicó a personas inocentes?

Mojo's Derecho: la ecuación de la bandera errónea

Todo sistema de detección de fraude comete dos tipos de errores: pasa por alto a algunos estafadores y acusa a personas inocentes. Cuando lo que se busca es poco común, predomina el segundo error. Estos son los cálculos que todo ministro debería considerar antes del lanzamiento:

\text{Innocent people flagged} = N \times (1 - p) \times \text{FPR}

N es el número de personas examinadas, p es el porcentaje de personas que realmente hacen trampa y FPR es la tasa de falsos positivos: con qué frecuencia el sistema identifica erróneamente a una persona honesta.

Pruebe con números redondos (solo a modo de ejemplo). Analice a un millón de solicitantes de prestaciones, suponga que el 1 % comete fraude y asigne al sistema una tasa de falsos positivos del 5 %. El sistema identifica erróneamente a unas 49 500 personas honestas, cuando en realidad hay como máximo 10 000 personas que realmente cometen fraude. A menos que un humano revise cada caso antes de sancionar a alguien, el sistema se convierte en una máquina de acusar a inocentes. Eso fue precisamente lo que ocurrió en Michigan, donde una auditoría reveló que el 85 % de las detecciones de fraude realizadas por el sistema informático eran erróneas.

La segunda ley aquí es la de Campbell.'s Según una ley del sociólogo Donald Campbell de 1976: cuanto más se utiliza un número para tomar decisiones sociales, más propicia la corrupción y distorsiona lo que mide. Cualquier indicador anticorrupción será manipulado precisamente por aquellos a quienes pretende detectar. Los buenos sistemas parten de esta premisa desde el principio.

¿Qué tan grave es realmente el problema de la corrupción?

Lo suficientemente importante como para tener relevancia, y más difícil de medir de lo que la mayoría de los artículos admiten.

122 de los 182 países obtuvieron una puntuación inferior a 50, y solo cinco superaron los 80, encabezados por Dinamarca con 89.

La contratación pública es donde está el dinero. Banco Mundial's Bosio y Djankov estimaron que las compras gubernamentales ascendieron a unos 11 billones de dólares en 2018, lo que representa aproximadamente el 12 % del PIB mundial; la Open Contracting Partnership las sitúa en unos 13 billones de dólares anuales. Un estudio del Banco Mundial de 2024 sobre Macedonia del Norte reveló que el sobreprecio derivado de la corrupción representaba entre el 5 % y el 6 % del gasto en adquisiciones, y que cerca del 30 % de las licitaciones atraían a un único postor.

Ahora bien, hay una cifra que Mojo se niega a repetir sin una advertencia: la famosa afirmación de que los sobornos le cuestan al mundo entre 1.5 y 2 billones de dólares al año. Apareció en una nota del FMI de 2016, extrapolada de una estimación del Banco Mundial de 2005 realizada por Daniel Kaufmann, que se basaba en encuestas sobre sobornos y suposiciones importantes.

El experto en lucha contra la corrupción, Matthew Stephenson, ha escrito que desconocemos el verdadero costo de la corrupción. Una serie de informes honestos sobre las pruebas debería reconocerlo y, posteriormente, medir lo que sí se puede medir: sobreprecios, licitaciones fraudulentas, recuperaciones y acusaciones infundadas.

¿Dónde tenemos datos y AI ¿Realmente atraparon la corrupción?

Las victorias verificadas son menos numerosas que los comunicados de prensa, y las mejores se basan en la transparencia, no en la astucia.

ProZorro , la plataforma ucraniana lanzada en 2015 tras las protestas del Maidán y de uso obligatorio desde 2016, digitalizó las licitaciones públicas, complementadas con DoZorro, una plataforma de monitoreo ciudadano. Se basa principalmente en datos abiertos, más que en inteligencia artificial, y ese es precisamente su objetivo.

Una evaluación independiente realizada por la Escuela de Economía de Kiev en diciembre de 2022 halló ahorros reales de entre el 1% y el 20% en comparación con las compras realizadas fuera del sistema, dependiendo del mercado. DoZorro's Según se informa, el modelo de aprendizaje automático de 2018, entrenado con aproximadamente 3,500 licitaciones etiquetadas por expertos, detectó muchos más casos sospechosos de colusión que la revisión manual, pero esos resultados provienen de sus desarrolladores.

Los robots de Brasil. En 2016, un grupo de científicos de datos creó Rosie, un bot de código abierto que analizó más de 3 millones de recibos de gastos de miembros del Congreso e identificó alrededor de 8,000 reclamaciones sospechosas. Los primeros 125 casos revisados ​​recuperaron apenas unos 2,500 reales; el verdadero poder de Rosie residía en la presión pública.

El contralor federal's El sistema Alice comprueba diariamente las licitaciones comparándolas con unos 40 patrones de riesgo; el gobierno afirma que esto provocó la suspensión o cancelación de licitaciones por valor de 9.7 millones de reales entre 2019 y 2022, una cifra que nadie ha auditado de forma independiente.

Señales de alerta predictivas. Un trabajo académico liderado por Mihály Fazekas elaboró ​​un Índice de Riesgo de Corrupción a partir de datos de contratación pública en Hungría. Las empresas con puntuaciones altas eran más rentables, tenían mayores conexiones políticas y se registraban con mayor frecuencia en paraísos fiscales. Sin embargo, no todas las señales de alerta son fiables: un estudio de 2023 sobre 145 000 contratos italianos reveló que algunos indicadores populares tenían una validez limitada. Las señales de alerta señalan el riesgo, no la culpabilidad.

Impuestos y pagos. Las autoridades centrales del GST de la India informaron haber detectado fraudes por valor de 74,782 millones de rupias en créditos fiscales falsos en 2025-26, el doble que dos años antes, gracias al análisis avanzado de datos y la elaboración de perfiles de riesgo.

Sin embargo, la detección no es lo mismo que la recuperación. En una serie aparte de datos de 2024-25 que abarca a funcionarios centrales y estatales, se detectaron 61,545 millones de rupias en créditos falsos y se recuperaron 1,924 millones de rupias, aproximadamente el 3%, según PTI.

El Reino Unido's créditos de la autoridad tributaria AI y análisis con aproximadamente 10 mil millones de libras esterlinas de su rendimiento de cumplimiento 2025-26, y una publicación de libertad de información atribuyó 4.6 mil millones de libras esterlinas de recuperaciones a su sistema de datos Connect. El Tesoro de los Estados Unidos informó más de 4 mil millones de dólares de fraude prevenido o recuperado en el año fiscal 2024, pero solo alrededor de 1 mil millones de dólares de eso provino de aprendizaje automáticoEl resto provino de mejores criterios de evaluación de riesgos y normas de pago.

La cruda realidad desde Corea. Corea del Sur construyó uno de los sistemas de contratación electrónica más admirados del mundo y, desde 2006, un sistema automatizado para detectar manipulación de licitaciones. En un informe presentado a la OCDE en junio de 2026, su autoridad de competencia informó que el sistema solo había detectado 10 casos de manipulación de licitaciones en ocho años y anunció una actualización. Incluso los mejores sistemas detectan menos de lo que uno pensaría.

¿En qué falló el gobierno algorítmico?

Los fallos comparten tres características: se dirigieron a individuos, fueron opacos y trataron a una computadora.'s La sospecha como prueba. Varias eran reglas simples o coincidencia de datos en lugar de inteligencia artificial, lo cual es una advertencia en sí misma: no se necesita una red neuronal para causar daño a gran escala.

Países Bajos, subsidios para el cuidado infantil. Según Amnistía Internacional, un modelo de riesgo de autoaprendizaje introducido por la administración tributaria neerlandesa en 2013 utilizaba la nacionalidad no neerlandesa como factor de riesgo. Alrededor de 26 000 padres fueron acusados ​​injustamente de fraude entre 2005 y 2019, y el gobierno dimitió en enero de 2021.

La autoridad neerlandesa de protección de datos multó a la administración tributaria con 2.75 millones de euros. En enero de 2024, 33,335 personas habían sido reconocidas como víctimas, y en septiembre de 2026 más de 4,000 seguían esperando ayuda.

Países Bajos, SyRI. En febrero de 2020, un tribunal neerlandés dictaminó que SyRI, un sistema que vincula bases de datos gubernamentales para predecir el fraude en las prestaciones sociales, infringía el derecho a la privacidad consagrado en el artículo 8 del Convenio Europeo de Derechos Humanos por ser insuficientemente transparente y verificable.

Australia, Robodebt. Entre 2016 y 2020, un sistema automatizado de cotejo de datos calculó el promedio de los ingresos anuales para determinar los pagos indebidos de prestaciones sociales, emitiendo alrededor de 470 000 deudas erróneas. Una Comisión Real, en julio de 2023, lo calificó de burdo y cruel. El gobierno acordó un acuerdo de 1.872 millones de dólares australianos en 2021 y anunció otros 475 millones de dólares australianos en septiembre de 2025.

Michigan, MiDAS. Entre 2013 y 2015, el sistema de desempleo de Michigan resolvió casos de fraude sin intervención humana. Una revisión reveló que el 85% de esas 40,195 resoluciones eran erróneas.

Inglaterra, calificaciones de los exámenes de 2020. Cuando se cancelaron los exámenes durante la pandemia, un modelo estadístico redujo el 39.1% de las calificaciones de los exámenes de nivel avanzado en Inglaterra, lo que representa unos 280,000 resultados, afectando con mayor dureza a los estudiantes de escuelas públicas, hasta que el gobierno rectificó.

Reconocimiento facial. Un estudio del NIST de 2019, que analizó 189 algoritmos, reveló que las tasas de falsos positivos para rostros asiáticos y afroamericanos eran a menudo entre 10 y 100 veces mayores que para rostros blancos, dependiendo del algoritmo. El Proyecto Inocencia contabilizó seis acusaciones erróneas conocidas derivadas del reconocimiento facial policial en Estados Unidos hasta 2023, todas ellas contra personas negras. Tras el acuerdo alcanzado en Detroit en 2024 por un caso de detención injustificada y la implementación de nuevas medidas de seguridad, las búsquedas policiales en la ciudad se redujeron de aproximadamente 100 en 2023 a 9 en 2025.

Dinamarca, aún en disputa. Amnistía Internacional argumentó en noviembre de 2024 que algunos de los hasta 60 modelos de fraude utilizados por Dinamarca's La agencia de bienestar puede equivaler a una puntuación social prohibida por la ley. EU AI ActLa agencia lo niega. Se trata de una prueba real de las nuevas normas.

El Índice de Integridad de Mojo: ¿qué diferencia los éxitos de los escándalos?

A quién vigila el sistema. Califiqué cada uno de los 27 despliegues de 0 a 2 según tres criterios: evidencia independiente de resultados, transparencia para terceros y ausencia de daños documentados. Luego los clasifiqué según su objetivo.

El patrón es evidente. De los 11 sistemas dirigidos a contratos y funcionarios, ninguno tuvo efectos adversos y tres han verificado beneficios de forma independiente. Los seis sistemas dirigidos a impuestos y pagos reclaman beneficios que nadie fuera del gobierno ha auditado. De los 10 sistemas dirigidos a ciudadanos y trabajadores, siete causaron daños documentados. La puntuación media de integridad fue de 3.9 sobre 6 para los sistemas que supervisan contratos y funcionarios, frente a 2.3 para los que evalúan a ciudadanos y trabajadores.

Hay una salvedad honesta: los perjuicios a los ciudadanos se litigan y documentan, mientras que los costos de un sistema de monitoreo de contratos son más difíciles de percibir. Pero el mecanismo detrás del patrón es claro. Observar un contrato o un funcionario's El gasto público genera responsabilidad para los poderosos. Calificar a los beneficiarios de ayudas sociales o a los conductores en privado crea poder sobre los débiles, y la fórmula de la bandera falsa garantiza que personas inocentes queden atrapadas en la red.

¿Y qué hay de detectar la negligencia? La misma lógica se aplica a AI que vigila a los trabajadores o al público. Kerala's red de más de 700 AI Las cámaras de tráfico, con un coste de 232 millones de rupias, habían detectado cerca de 98 lakh de infracciones y recaudado 631 millones de rupias en multas para abril de 2025, aunque entre los fallos iniciales se incluyó una lectura de 1,240 km/h.

El estado's El ministro de transporte afirma que las muertes en carretera disminuyeron de 4,084 en 2023 a 3,733 en 2025; ningún estudio causal ha comprobado esta afirmación. En los almacenes de EE. UU., un informe de la mayoría del comité del Senado de diciembre de 2024 encontró que Amazon's La tasa de lesiones fue de 6.54 por cada 100 trabajadores en 2023, frente a 4.8 en el sector de almacenes, y la relacionó con las cuotas de velocidad establecidas y supervisadas por algoritmos. Amazon refuta el informe.

Los Estados unidos's La Directiva sobre el trabajo en plataformas, vigente desde diciembre de 2024, prohíbe ahora a las plataformas procesar los estados emocionales y las conversaciones privadas de los trabajadores, y exige una revisión humana de decisiones automatizadas significativas. Esa es una plantilla sensata: dejar AI Señala el peligro, pero nunca dejes que sea él quien decida.

¿Quién controla los algoritmos?

El mundo's Los principales organismos reguladores están adoptando enfoques diferentes, y las normas más relevantes para la evaluación del bienestar y las prestaciones sociales acaban de ser postergadas en Europa.

Jurisdicción	Novedades vigentes en noviembre de 2026	Cambio más reciente
Unión Europea	AI Ley vigente desde agosto de 2024; prohibiciones desde febrero de 2025; de carácter general. AI funciones desde agosto de 2025	La Ley Ómnibus Digital, vigente desde el 27 de julio de 2026, trasladó las obligaciones de alto riesgo para áreas como la evaluación del bienestar de agosto de 2026 al 2 de diciembre de 2027.
Estados Unidos	AI Plan de Acción (julio de 2025) con más de 90 acciones federales; ningún plan federal integral AI ley	Orden ejecutiva del 11 de diciembre de 2025 que busca un marco nacional y cuestiona el estado “oneroso” AI leyes, con un grupo de trabajo del Departamento de Justicia establecido en enero de 2026
China	Normativa que exige el uso de etiquetas visibles y ocultas en el contenido generado por IA, en vigor desde el 1 de septiembre de 2025.	Aplicación del etiquetado
India	Sin encuadernación AI Ley; Normas informáticas sobre el etiquetado de contenido sintético en vigor desde el 20 de febrero de 2026.	Fue anfitrión del AI Cumbre de Impacto en Nueva Delhi, febrero de 2026
Naciones Unidas	Panel Científico Internacional Independiente sobre AI nombrado en febrero de 2026	Primer Diálogo Mundial sobre AI Gobernanza celebrada en Ginebra en julio de 2026, con la participación de 163 países.

Partidarios de Europa's Quienes defienden la demora argumentan que da tiempo a las empresas para cumplir con normas complejas; los críticos, incluidos grupos de la sociedad civil, sostienen que deja sin regular durante más tiempo los sistemas del sector público de alto riesgo.

Los partidarios de la orden ejecutiva estadounidense afirman que un conjunto heterogéneo de leyes estatales obstaculizaría la innovación; los críticos, incluidos algunos funcionarios estatales, sostienen que anula las decisiones democráticas y debilita las protecciones. Ambos debates giran en torno a la misma pregunta recurrente en este artículo: ¿quién supervisa el sistema antes de que afecte a un ciudadano?

El público es cauteloso. Una encuesta de KPMG y la Universidad de Melbourne realizada a más de 48,000 personas en 47 países, publicada en mayo de 2025, reveló que el 46% estaba dispuesto a confiar. AI y el 70% dice que se necesita regulación, mientras que el 66% dijo que depende de AI Salida sin comprobarla.

Stanford's AI El índice contabilizó 204 leyes relacionadas con la IA aprobadas en 114 países entre 2016 y 2024. Las normas se multiplican. La verdadera carrera contrarreloj reside en ver si se aprueban antes de la próxima crisis de la deuda automatizada.

Comprobación de reclamo

Información	quien lo hace	MES	Mojo's read
An AI El ministro hará que las licitaciones sean incorruptibles.	Gobierno albanés, 2025	1 Reclamación	No existe registro público de ninguna licitación decidida por Diella.
La contratación electrónica ahorra dinero a los gobiernos.	Ucrania's ProZorro	4 Strong	Una evaluación independiente reveló ahorros de entre el 1% y el 20%, que varían según el mercado.
AI Se detectaron ofertas sospechosas por un valor de R$ 9.7 millones.	Brazil's contralor	2 Temprano	Gobierno's Cifra propia; las ofertas suspendidas no constituyen fraude probado
Los análisis detectaron un fraude fiscal récord.	Agencias tributarias de India, Reino Unido y Estados Unidos	2 Temprano	Las cifras de detección son reportadas por las agencias; la recuperación suele ser una pequeña fracción.
Las señales de alerta en las adquisiciones predicen corrupción.	Investigación académica	4 Strong	Vínculos revisados ​​por pares con conexiones políticas y precios excesivos; algunas banderas son débiles.
La detección automatizada del fraude protege el dinero público.	Muchas agencias de bienestar	0 No aguantó	Robodebt, MiDAS y el escándalo holandés provocaron acusaciones infundadas en masa.
El soborno le cuesta al mundo entre 1.5 y 2 billones de dólares al año.	Ampliamente repetido, de una nota del FMI de 2016	1 Reclamación	Se basa en una extrapolación de 2005; los expertos afirman que se desconoce la cifra real.
AI Las cámaras de tráfico reducen las muertes en carretera.	Gobierno de Kerala	2 Temprano	Las muertes disminuyeron, pero ningún estudio relaciona la disminución con las cámaras.

El ángulo contrario

La principal objeción es que estoy comparando peras con manzanas. Los sistemas de bienestar social y policiales afectan a millones de personas, por lo que sus errores son inevitablemente visibles y personales. La supervisión de las compras afecta a unos pocos miles de empresas y funcionarios, que cuentan con abogados pero carecen de empatía, por lo que sus errores rara vez llegan a los titulares.

Desde este punto de vista, mi índice mide quién se queja, no qué sistemas son mejores.

Hay algo de cierto en eso, por eso el índice informa sobre evidencia, transparencia y daño por separado, en lugar de una sola cifra mágica. Pero las sentencias judiciales, las comisiones reales y las auditorías que respaldan los siete fallos no son quejas; son conclusiones.

Y los casos que la objeción no puede explicar son los que más importan: cuando esos mismos gobiernos aplicaron algoritmos a sus propios contratos de forma transparente, no acabaron pidiendo disculpas a decenas de miles de familias.

Mojo's Previsiones

1. Albania publicará un registro verificable de al menos una licitación pública decidida o puntuada por Diella antes del 31 de diciembre de 2027. Probabilidad: 40%.
2. Los Estados unidos's Las obligaciones de alto riesgo para los sistemas del Anexo III entrarán en vigor el 2 de diciembre de 2027 sin posibilidad de prórroga adicional. Probabilidad: 60%.
3. India's Las autoridades centrales del GST informan que, al 31 de diciembre de 2027, se detectaron casos de créditos fiscales fraudulentos para el ejercicio 2026-27 por encima de los 74,782 millones de rupias del ejercicio 2025-26. Probabilidad: 70%.

Los tres datos están registrados en el Libro Mayor de Previsiones de Mojo.

¿Dónde se debatirá esto a continuación?

Preguntas Frecuentes

El mejor algoritmo anticorrupción es una hoja de cálculo que cualquiera puede abrir. El peor es una puntuación que nadie puede ver.