Año 1, núm. 10, mayo de 2026
ISSN 3122-3583
tendencia
IA contra la corrupción: más alcance, más responsabilidad
Víctor Pérez Abreu *
La inteligencia artificial acelera la fiscalización sin sustituir el juicio humano, y con ello eleva las exigencias de prueba, trazabilidad y responsabilidad de quienes deciden actuar.
El problema es de poder
La corrupción atraviesa decisiones de distinto tipo, desde acuerdos que no se escriben hasta contratos adjudicados con la licitación decidida de antemano. Rara vez se muestra de forma directa, pero deja rastros: montos que no cuadran, empresas creadas días antes de ganar licitaciones, proveedores que se repiten en distintas dependencias o pagos fraccionados para evadir controles.
La IA amplía el alcance del escrutinio público, pero no reemplaza el criterio jurídico ni la responsabilidad institucional.
El problema es que esos indicios están dispersos en miles de contratos con formatos incompatibles, bases de datos fragmentadas y expedientes en PDF sin estructura. Cruzar registros fiscales con adjudicaciones o rastrear redes societarias con domicilios compartidos puede tomar meses a un equipo humano, pero hoy puede hacerse en horas con herramientas adecuadas. Ahí aparece la promesa de la inteligencia artificial (IA) en el trabajo anticorrupción, reconocida en los marcos de la Organización para la Cooperación y el Desarrollo Económicos (OCDE).
La corrupción no se agota en los datos. Ocurre en instituciones, bajo incentivos concretos, donde la decisión de ver o no ver pesa tanto como la capacidad técnica de analizar. Entender qué puede hacer la inteligencia artificial (IA) en ese contexto exige tener claro qué tipo de herramienta es.
Una herramienta que detecta, no que entiende
La IA generativa reconoce patrones en cantidades enormes de datos y los reproduce. Funciona como un espejo estadístico de lo que las personas hemos escrito, registrado y publicado durante décadas. Aprende regularidades y las devuelve como reflejo probabilístico, sin criterio propio ni comprensión del mundo. Esto implica que puede identificar correlaciones estables en los datos, pero no distinguir entre relaciones causales, coincidencias contextuales o arreglos institucionales específicos, distinción que en el análisis de corrupción resulta central para interpretar los patrones observados.
Cuando un sistema así procesa un expediente de contratación, no distingue si el proveedor tiene vínculos con el funcionario que adjudicó el contrato ni si el precio pagado responde a una distorsión del mercado; el sentido de esos patrones tiene que venir de otra parte. La OCDE, en su informe Governing with Artificial Intelligence, lo resume con sobriedad: en contextos de integridad pública, la IA aporta capacidad para analizar conjuntos de datos vastos y complejos con mayor rapidez y precisión, pero no reemplaza el juicio analítico ni la responsabilidad sobre las decisiones.
En el combate a la corrupción esa diferencia pesa. Pasar de una señal a un indicio, de ahí a evidencia documental y luego a una conclusión comunicable implica cambios de nivel que ninguna máquina puede hacer sola y en los que el criterio humano sigue siendo determinante. En ese proceso, la IA puede ayudar a ordenar expedientes, contrastar registros, identificar inconsistencias y recuperar antecedentes relevantes con rapidez, pero el paso de una categoría a otra sigue dependiendo de parámetros que no son automáticos. La escala de lo que hoy es posible analizar se expande rápidamente y desplaza el problema hacia el juicio humano, que tiene que sostener lo que se decide a partir de ese análisis.
La escala del nuevo escrutinio
El aporte real de la IA está en la escala. La OCDE ha documentado que entidades fiscalizadoras y agencias anticorrupción están usando estas tecnologías para identificar señales de alerta en contrataciones, detectar irregularidades en el gasto público y analizar patrones en declaraciones patrimoniales.
En el periodismo de investigación, el ejemplo más visible son los Pandora Papers. El Consorcio Internacional de Periodistas de Investigación (ICIJ) analizó casi 12 millones de documentos en múltiples idiomas con herramientas de aprendizaje automático, convirtiendo un archivo ingobernable en una base de datos navegable para periodistas de más de 100 países. El criterio editorial —qué era noticia, qué requería verificación, qué podía comunicarse— siguió siendo completamente humano.
Los algoritmos identifican patrones; interpretar su significado sigue siendo un acto político y legal.
En México, el cruce entre la lista de Empresas que Facturan Operaciones Simuladas (EFOS) del SAT y las bases de datos de adjudicaciones públicas ilustra el tipo de salto que habilita la IA. Entre 2002 y 2022, las distintas administraciones federales entregaron más de $11,492 millones de pesos a 834 proveedores catalogados como EFOS, por medio de 3 529 contratos, según la investigación Fantasmas del Erario de Quinto Elemento Lab y el Observatorio de la Corrupción e Impunidad de la UNAM.
Un sistema de IA puede cruzar en minutos esa lista con los contratos más recientes, marcar coincidencias, ubicar montos y dependencias implicadas y reconstruir patrones de asignación en el tiempo, identificando recurrencias por proveedor, concentración por dependencia o fragmentación de contratos en periodos cortos. Ese tipo de análisis permite pasar de coincidencias aisladas a configuraciones más amplias que orientan la revisión. Pero esa coincidencia no equivale a condena, obliga a verificar si el contrato es anterior o posterior a la inclusión en la lista, si hubo proceso competitivo, si el servicio se prestó efectivamente.
Lo mismo ocurre con ScriptoMind, la solución basada en IA que la Auditoría Superior de la Federación (ASF) implementó en 2025 con Google Cloud y Nuuptech. La IA redujo los tiempos de auditoría de diez meses a horas y amplió la cobertura a municipios que históricamente quedaban fuera del alcance institucional.
Dónde se rompe la mirada
En corrupción, esos alcances encuentran límites en puntos sensibles. Uno está en la imputación de responsabilidades. La distancia entre un indicador de riesgo y una conclusión comunicable puede afectar reputaciones, investigaciones o denuncias. Que una empresa comparta domicilio con otras proveedoras puede ser señal de riesgo o resultado de un inmueble de oficinas compartido. La IA marca la coincidencia; tratarla como indicio exige contraste, conocimiento del contexto y discusión jurídica.
Otro problema es el sesgo en los perfiles de riesgo. Si los datos reflejan vigilancia concentrada en ciertos sectores o proveedores, la IA amplifica ese sesgo. Señala donde ya se miraba y deja fuera zonas menos documentadas. En México, esto se observa en la alta proporción de compras públicas asignadas por adjudicación directa, con menor historial de escrutinio sistemático: el tipo de procesos que un modelo entrenado con datos previos tiende a subanalizar. Transparencia Internacional ha documentado este efecto.
También está la captura institucional. En manos de quien no quiere investigar, un sistema puede producir análisis que parecen completos sin serlo, justificar la inacción o dirigir el escrutinio hacia adversarios políticos. La UNESCO ha señalado que las consecuencias recaen en las personas, no en el sistema.
La cadena que no puede romperse
El trabajo anticorrupción asistido por IA tiene una lógica metodológica que conviene hacer explícita. La cadena es: detectar una señal, definir un problema concreto, formular instrucciones precisas, analizar con criterios explícitos, separar evidencia documental de inferencia, verificar cada hallazgo en la fuente original y comunicar solo lo que puede sostenerse públicamente. En ese proceso, el conocimiento del fenómeno por parte de quienes realizan el análisis resulta determinante para guiar el uso de la herramienta. Cada uno de estos pasos introduce condiciones distintas de revisión y exige decisiones que no son equivalentes entre sí, lo que vuelve relevante mantener la secuencia.
El verdadero desafío no es técnico, sino institucional: quién decide actuar frente a lo que la máquina detecta.
En este marco, el modo en que se formulan las preguntas y las instrucciones a la IA resulta igualmente relevante. Una instrucción amplia como “revisa estos contratos en busca de irregularidades” produce observaciones que suenan razonables, pero no se pueden verificar. En cambio, una pregunta específica orienta el análisis hacia un criterio concreto y permite revisar el resultado, en línea con los principios de trazabilidad y verificabilidad de la OCDE.
Riesgos que merecen nombre propio
Transparencia Internacional advierte sobre la “corrupción habilitada por inteligencia artificial”: algoritmos que opacan decisiones, modelos de riesgo sesgados y sistemas de vigilancia sin controles democráticos.
A eso se suman riesgos más cotidianos. La IA puede alucinar cifras o referencias y ordenar la información sin advertirlo. En investigaciones con efectos reputacionales o penales, aceptar ese resultado sin verificación tiene consecuencias.
En México, el Programa Sectorial de Anticorrupción y Buen Gobierno 2025-2030 prevé el uso de herramientas tecnológicas para automatizar la supervisión, pero aún no define un marco claro de gobernanza algorítmica ni quién audita su uso en las instituciones públicas.
Gobernar la IA, no obedecerla
Cuando una herramienta acelera el análisis, cambia lo que se puede exigir a quienes participan en el trabajo anticorrupción. La ASF, al poder revisar en horas lo que antes tomaba meses, deja menos margen para omitir contratos con señales claras de riesgo.
En México sigue pendiente una conversación sobre gobernanza algorítmica: definir reglas de diseño, asegurar transparencia sobre los modelos, establecer auditorías independientes y asignar responsabilidades a quienes deciden adoptarlos.
Una respuesta bien escrita no siempre es una respuesta bien juzgada en estos contextos. La herramienta puede marcar señales de corrupción, pero decidir si eso merece una auditoría, una denuncia o un archivo recae en quienes investigan y documentan estos casos. La IA amplía lo que se puede ver; la responsabilidad sobre lo que se investiga, se sostiene y se sanciona no se delega.
El verdadero cambio no es la máquina, es la escala
La IA permite cruzar bases de datos fiscales, contratos públicos y redes empresariales en minutos, algo que antes podía tomar meses de trabajo humano.
* Investigador. Doctorado en Estadística Matemática por la Universidad de Carolina del Norte. Miembro del Center for Research in Mathematics (CIMAT), en Guanajuato, Mexico.
