19. Auditoría del gasto público asistida por inteligencia artificial

Una alerta no es un hallazgo

El gasto público deja rastros en presupuesto, compras, contratos, órdenes de pago, entregas y resultados. Una herramienta puede cruzarlos y señalar precios atípicos, pagos duplicados o cambios reiterados de un contrato. Sin embargo, un precio distinto puede reflejar calidad, urgencia, transporte o impuesto; un pago duplicado aparente puede ser un asiento correctivo. La inteligencia artificial ofrece capacidad de priorizar revisión humana. No declara corrupción, no sanciona proveedores ni reemplaza prueba y contradicción. Si el sistema solo produce un semáforo rojo sin explicar el dato, puede dañar reputaciones y distraer auditores de riesgos que no conoce.

El objetivo es aumentar cobertura y oportunidad de control sin alterar competencias. En el sector público nacional, la Ley 24.156 organiza control interno con SIGEN y unidades correspondientes, y control externo con la Auditoría General de la Nación; sus atribuciones, informes y relaciones institucionales no se transfieren a una plataforma. Provincias y municipios tienen tribunales u órganos propios. B04 Una infraestructura común puede ofrecer herramientas y datos interoperables con convenios; cada órgano firma sus hallazgos y responde por sus procedimientos. El capítulo II.18 definió permisos y registro; aquí se aplica al ciclo de gasto.

INTOSAI trató en un documento de discusión de 2025 el uso de técnicas de IA en auditoría y la necesidad de revisar también el uso gubernamental de algoritmos. Es un debate profesional internacional, no un estándar obligatorio argentino ni evidencia de que una técnica reduzca fraude por sí sola. B89 La doble tarea es importante: auditar gasto con herramientas y auditar la herramienta que ayuda a auditar.

Arquitectura de datos del gasto

El primer requisito es un identificador que vincule programa presupuestario, expediente, procedimiento de compra, contrato, proveedor, beneficiario final cuando legalmente corresponda, factura, orden de pago, transferencia bancaria, recepción de bien o certificación de obra y unidad usuaria. En la práctica hay nombres y códigos incompletos. Antes de entrenar un modelo, se construye un diccionario de campos, origen, período y calidad; se registran cambios y se conserva documento original. Una coincidencia de nombre de proveedor no es identidad confirmada; un identificador fiscal puede cambiar por reorganización empresarial. Las uniones de datos con incertidumbre se marcan y revisan.

La línea de presupuesto dice qué se autorizó; el compromiso qué obligación se asumió; el devengado qué se reconoció; el pagado qué salió de caja; la recepción qué se entregó. Un algoritmo que compara solo pagado con presupuesto puede ignorar deudas no pagadas y cambios de alcance. Para obra pública se agrega cronograma físico, certificado, cambio de contrato y recepción provisoria o final. Para subsidios, regla de elegibilidad, beneficiarios, desembolso y prestación. Para medicamentos, lote, caducidad, remito y dispensación agregada. La plataforma no necesita copiar todos los datos personales a un centro: el cruce debe responder a una finalidad y permiso concretos.

Se establecen tres zonas: datos administrativos abiertos o publicables; datos restringidos para auditor autorizado; datos personales sensibles o protegidos con acceso excepcional, registro y anonimización cuando sea suficiente. La Ley 27.275 guía apertura bajo excepciones; la Ley 25.326 exige calidad, finalidad, seguridad y derechos de las personas. Un auditor no obtiene una facultad de vigilancia general por tener una herramienta potente. B05 B06

Riesgos detectables y límites de cada método

Las primeras pruebas deben usar reglas comprensibles: mismo número de factura pagado dos veces sin reversión; fraccionamiento temporal de compras por debajo de un umbral legal; adjudicaciones repetidas con un solo oferente; grandes ampliaciones de plazo o monto; precio unitario desviado frente a una comparación homogénea; bienes pagados sin recepción documentada. Cada señal necesita contexto y umbral explícito. Fraccionamiento aparente puede obedecer distintos objetos o urgencia legal; único oferente puede reflejar mercado estrecho; precio extremo puede ser transporte a zona remota. La alerta dice «revisar», no «culpable».

Un modelo estadístico o de IA puede encontrar patrones que reglas fijas no captan, pero debe validarse contra casos revisados y no solo contra sanciones históricas: las sanciones pasadas pueden reflejar sesgos de inspección. La prueba registra precisión de alertas, falsos negativos estimados mediante muestra aleatoria, costo de revisión, tiempo hasta hallazgo y utilidad de recomendaciones. Si solo se revisan casos que el modelo marcó, nunca se sabe qué omitió. Una muestra de expedientes sin alerta es indispensable. Se comparan unidades similares por tipo de compra, región, tamaño y tiempo; de otro modo se castiga sistemáticamente a prestadores rurales por precios de transporte o a servicios de urgencia por falta de competencia.

La detección de fraude no se reduce a comparar números. Una contratación puede ser formalmente correcta y entregar servicio inútil; un proveedor puede coludirse con otro para simular competencia; una licitación puede tener pliego dirigido aunque se presenten muchos oferentes. Auditores necesitan leer expediente, visitar obra, hablar con usuarios y examinar beneficiarios finales y conflictos de intereses bajo autoridad legal. La herramienta puede ordenar documentos y sugerir relaciones, pero toda inferencia relevante se cita a documento de origen y puede impugnarse.

Del alerta a la reparación

El flujo propuesto tiene siete pasos. Uno: se genera señal con versión de regla o modelo, datos de origen y nivel de confianza. Dos: un analista revisa calidad y descarta errores obvios dejando motivo. Tres: el órgano de control competente abre un examen según sus facultades. Cuatro: se obtiene evidencia original y se escucha a responsable y proveedor con protección de derechos y plazos. Cinco: se emite hallazgo o archivo fundado por autoridad humana; si hay posible ilícito, se deriva a órgano competente sin atribuir culpabilidad en el tablero. Seis: la administración corrige pago, contrato o control, y la persona perjudicada tiene vía de reparación cuando corresponde. Siete: el sistema aprende de errores documentados, pero no «entrena» automáticamente con decisiones que aún están bajo recurso.

Una alerta pública temprana puede incentivar corrección y también destruir reputación antes de verificar hechos. Por eso el tablero ciudadano muestra contratos, pagos e indicadores de control agregados o hallazgos firmes según régimen, y distingue investigaciones abiertas de conclusiones. Una reserva debe tener fundamento y duración revisable; no puede esconder indefinidamente contratos bajo la excusa de que «el algoritmo investiga». La transparencia del gasto y el debido proceso de personas no son fines incompatibles cuando se separan datos, etapa y competencia.

Integración entre SIGEN, AGN y controles territoriales

SIGEN y unidades internas pueden usar alertas para prevenir o corregir durante ejecución; la AGN mantiene su programa y criterios de auditoría externa y puede revisar tanto gastos como calidad de controles internos. Compartir una señal no subordina una institución a otra. El convenio técnico fija formato, autenticación, conservación, respuesta y reporte de errores. Una provincia que desea participar define sus órganos y normas; el Tribunal de Cuentas cordobés, por ejemplo, tiene base constitucional y atribuciones propias que no pueden ser absorbidas por un sistema nacional. B57

La separación de funciones se aplica también al proveedor tecnológico. Quien desarrolla el modelo no decide umbrales de publicación, no borra trazas de sus fallos ni evalúa en exclusiva su propio rendimiento. El equipo de auditoría necesita acceso a documentación, versiones, pruebas y posibilidad de desactivar una regla. Los contratos incluyen propiedad y exportación de registros y una vía para revisar alertas cuando cambia un modelo. Un sistema que cambia silenciosamente cada semana impide reconstruir por qué señaló un expediente en una fecha dada.

Costo, piloto y umbral de continuidad

El costo total incluye integrar fuentes, limpiar datos, almacenamiento seguro, licencias, personal auditor, visitas, formación, defensa de resultados y reparación de errores. La promesa de que «IA ahorra dinero» es hipótesis que necesita línea de base. Puede inicialmente aumentar gasto porque revela problemas antes invisibles y requiere más revisión; ese aumento puede ser valioso si evita pérdidas mayores, pero debe medirse. Una razón costo/alerta es insuficiente; importa costo por hallazgo validado, por corrección realizada y por servicio protegido.

El piloto comienza en una categoría nacional con datos relativamente estructurados, por ejemplo compras repetitivas de insumos no sensibles, en un período definido. Se comparan reglas simples con un modelo estadístico, se revisa una muestra de alertas y de expedientes no alertados, y se audita la tasa de errores por región y tamaño de compra. No se suspende un pago automáticamente. La continuidad exige que los hallazgos adicionales, tiempo de revisión y costos superen un umbral público acordado con órgano de control; si aumenta falsa alarma o se vulneran datos, se vuelve a reglas manuales y se corrige fuente. Los resultados incluyen metodología y limitaciones, no un porcentaje triunfal de «corrupción detectada» basado en señales.

Livia — contrapunto crítico. La tentación será llamar «objetivo» al riesgo calculado. Preguntaría quién definió casos de entrenamiento, qué gastos quedan fuera y si las alertas se concentran en organismos políticamente débiles. Un sistema puede aprender a mirar al municipio pequeño y dejar sin examen un gran contrato complejo. La auditoría debe publicar cobertura y muestras aleatorias, preservar independencia de agenda y permitir que el propio modelo sea auditado por quien no lo compró ni lo entrenó.

Una auditoría asistida por IA mejora al Estado solo si aumenta preguntas verificables y conduce a correcciones justas. La decisión y el derecho de defensa permanecen humanos; el algoritmo debe dejar suficiente rastro para que una persona pueda demostrar que se equivocó.

Referencias específicas

• B04. Ley 24.156 actualizada, sistema nacional de control interno y externo.
• B05. Ley 27.275, acceso a información y excepciones.
• B06. Ley 25.326, datos personales y derechos.
• B57. Constitución de Córdoba, arts. 126–127 como ejemplo de control provincial distinto.
• B83. NIST, AI RMF 1.0, gestión de riesgo tecnológico como guía no normativa.
• B89. INTOSAI, documento de discusión XXV INCOSAI 2025 sobre IA en auditoría; no estándar obligatorio.