Page 90 - Revista Auditoria Pública nº 83

REVISTA AUDITORÍA PÚBLICA / 83

que no estaban actuando de manera competitiva. Este calificación de riesgos podrían tener un efecto disua-
ejemplo deja patente que se puede hacer investigación sorio.
académica real y aplicada en el campo de la contratación
pública si se disponen de las fuentes de información ade- 2. Limitaciones:
cuadas y públicas.
¡ Tiempo y coste de desarrollo del sistema. De-
sarrollar indicadores, encontrar datos adecuados y
desarrollar herramientas de puntuación de riesgos
4. IA Generativa: ¿el futuro inmediato para extraer esos datos es un proceso que requiere
del control externo? mucho tiempo y recursos. Aquí se podría añadir el ya
referido riesgo de “externalización de la responsabili-
Si las herramientas basadas en la IA forman parte ya de la dad” a un tercero, privado y ajeno al ámbito público.
lucha contra el fraude y la corrupción, poca duda cabe de
la próxima implantación de nuevas herramientas de con- ¡ Puede que no capten nuevos indicadores de
trol de los fondos públicos basadas en la IA generativa. fraude. La mayoría de las herramientas de puntua-
Además, técnicas como la denominada RAG (Retrieval ción de riesgos se basan en los indicadores que los
Augmented Generation) ya se están utilizando para mejo- auditores han definido basándose en su propia ex-
rar la exactitud y la confiabilidad de este tipo de modelos. periencia, por lo que es posible que no se detecten
De ahí que sea imprescindible que todas las instituciones nuevas formas de cometer fraude. Esto puede ser un
se formen y capaciten para obtener los mejores resul- problema en entornos en los que los tipos de irregu-
tados posibles de la innovación sin precedentes que se laridades van cambiando con el tiempo.
vive en estos momentos.
¡ Falsos positivos. No todos los casos “marca-
En este sentido, ya desde las instituciones europeas se dos” son fraudulentos. Trabajar con puntuaciones
está destacando el potencial de estas herramientas en de riesgo requiere un nivel sólido de conocimientos
el apoyo a los auditores, eso sí, aportando las siguientes digitales, y aunque las puntuaciones de riesgo están
ventajas y limitaciones (European Parliament, 2024, p.35): diseñadas para señalar a los auditores los casos que
deben examinar con más detalle, existe el peligro de
1. Beneficios: que los auditores los consideren automáticamente
“fraudulentos”. Por lo tanto, este tipo de sistemas
¡ Ahorro de tiempo. Dado que estas herramientas deben estar diseñados para minimizar los falsos po-
pueden comprobar cantidades casi infinitas de datos sitivos.
en busca de patrones o indicadores de riesgo aho-
rran tiempo a los auditores, permitiendo una compro-
bación al 100%. Las herramientas de puntuación de En todo caso, los trabajos recientes de Riera (2023),
riesgos pueden permitir a los auditores comprobar de la Contraloría General de la República de Chile, que
no sólo una muestra aleatoria, sino todos los casos. describe cómo pueden y deben adaptarse las Entidades
Fiscalizadores Superiores a las herramientas de Machine
¡ Minimización de los errores humanos. La auto- Learning; del Tribunal de Cuentas de la Unión, de Brasil,
matización de las búsquedas manuales reduce los compartiendo su experiencia en el uso de herramientas
errores humanos y aumenta las posibilidades de en- basadas en el data analysis y la IA para combatir el frau-
contrar casos de fraude y corrupción. de y la corrupción ; o la reciente publicación del Center
4
for Audit Quality (2024) titulada “Auditing in the Age of
¡ Efecto disuasorio. La mayor transparencia que Generative AI” marcan el camino a seguir por las institu-
ofrecen, en particular, las herramientas públicas de ciones de control externo de todo el mundo.

4 https://portal.tcu.gov.br/en_us/imprensa/news/tcu-invests-in-institutional-partnerships-data-analysis-and-the-use-of-ai-in-the-fight-against-corruption.htm

90