En los últimos años ha habido una explosión de artículos académicos que aplican técnicas basadas en datos e Inteligencia Artificial (IA) para la detección de fraude, corrupción y colusión en la contratación pública. Destaca la tendencia al uso de técnicas de cartel screening o incluso de behavioural screening, que intenta identificar patrones colusorios en las conductas y resultados de las empresas del cártel.

La colusión (bid rigging) viene definida por cualquier acuerdo, decisión o práctica concertada entre operadores económicos que impida, restrinja o falsee la competencia. En la contratación pública son habituales diferentes formas de ejercer la colusión: reparto del mercado, rotación del ganador, ofertas de cobertura, presentación injustificada de UTEs o subcontrataciones, reparto de lotes de una licitación, etc. Estas prácticas, que se producen de manera independiente o combinadas, son muy difíciles de detectar por las Autoridades de la Competencia.

No sólo los académicos estudian y desarrollan herramientas informáticas para la detección de colusión, también lo hacen, como es lógico, las Autoridades de la Competencia. La CNMC ha anunciado recientemente su novedoso sistema bautizado como BRAVA (Bid Rigging Algorithm for Vigilance in Antitrust, en sus siglas en inglés). Es una herramienta basada en IA (algoritmos de Machine Learning) que clasifica las ofertas presentadas por las empresas a una licitación como potencialmente colusorias o competitivas.

Si las herramientas basadas en la IA forman parte ya de la lucha contra el fraude y la corrupción, poca duda cabe de la próxima implantación de nuevas herramientas basadas en la IA generativa. Es una rama de la IA que se enfoca en la creación de contenido original y único, como texto, imágenes, sonido, etc. A diferencia de otros tipos de IA, que se limitan a reconocer patrones y hacer predicciones basadas en datos existentes, la IA generativa produce información que no existía previamente, o compara y relaciona documentos de manera masiva.

Hasta ahora no se conocen sistemas de detección de colusión que empleen esta tecnología disruptiva. En la siguiente figura se muestran los componentes principales de un sistema de detección de colusión con 3 columnas (de menos a más avanzado) que definen y clasifican las relaciones entre los miembros del cártel: relaciones entre ofertas económicas, entre los ofertantes (las empresas del cártel) y entre memorias técnicas (u otros documentos de los ofertantes presentados a la licitación).

En este artículo, recién publicado en la revista de los órganos autonómicos de control externo, desarrollamos las ideas previamente mencionadas y citamos bibliografía relevante. También se expone un ejemplo real y cercano de la aplicación de la IA generativa, con un caso que la CNMC investigó en 2022: un cártel formado por las 6 principales constructoras de España que alteraron licitaciones de construcción de infraestructuras. Este trabajo se enmarca en la nueva tendencia ya comentada que trata de examinar los comportamientos empresariales asociados a la manipulación de licitaciones. Sirva como última referencia el paper de Carbone, Calderoni y Jofre que investiga cómo las empresas del cártel aprovechan las oportunidades legales, participan en licitaciones conjuntas y similares y adaptan las tácticas en función del número de licitadores coludidos. Una línea de trabajo innovadora que permite poner de manifiesto no sólo las estrategias de las empresas, sino también los propios incentivos derivados de los marcos legales de la contratación pública.