Banco de conocimiento de la Gobernación de Cundinamarca · 2026
Un modelo de alerta temprana basado en machine learning para detectar riesgos de ineficiencia en la contratación pública de Cundinamarca
Solo ficha. El repositorio marca este trabajo como «None»: el PDF no es público, así que aquí no hay texto para leer. Ver la ficha en el repositorio.
Resumen
Las fallas de planeación y la ineficiencia administrativa en la contratación pública constituyen uno de los mayores retos a los que se ha enfrentado la gestión estatal a nivel mundial. Una situación que se encuentra presente de forma muy habitual en las prórrogas y sobrecostos que, si bien en ocasiones son respuesta a imprevistos que se pueden considerar como legítimos, cuando se vuelven recurrentes, se coloca en evidencia que las debilidades institucionales superan a los mecanismos de control tradicionales. En este artículo, nos enfocamos en el departamento de Cundinamarca en Colombia, que en los últimos años fue foco de oportunidades a nivel de eficiencia en la contratación pública, dando señales de alarma. Aquí creamos un modelo de alerta temprana que, con la información disponible al momento de su firma, permite identificar contratos con potencial riesgo de ser ineficientes durante la fase de ejecución, ya sea por sobrecostos o prorrogas. Esto fue posible gracias a la información recolectada desde el SECOP II y complementada con el Índice de Desempeño Fiscal (IDF) que permite caracterizar mejor los municipios. Luego, evaluamos siete algoritmos de clasificación, donde el XGBoost obtuvo el mejor rendimiento (PR-AUC = 86.8 % ; F1-Score = 77.5 % ; Accuracy = 83.4 %) sumado a su facilidad interpretativa gracias a los valores SHAP. Estos resultados demuestran que es posible la temprana identificación de ineficiencia, habilitando una herramienta base para que los entes de control potencien la capacidad humana y fortalezcan las políticas de contratación.