IA en las agencias regulatorias: el sistema encuentra, la agencia decide

Ninguna función pública tiene una asimetría tan estructural como la supervisión: la agencia típica de la región vigila a decenas de miles de regulados con cientos de funcionarios. La inspección universal es imposible; la aleatoria, ineficiente; la reactiva, tardía. Priorizar por riesgo es la única estrategia viable — y es el terreno donde una década de suptech muestra a la IA rindiendo de verdad.

Pero la supervisión es también el caso más delicado de la IA pública, porque su producto final es la sanción: la decisión que esta serie clasifica como indelegable. Nuestro informe de agosto mapea las aplicaciones que rinden y traza la línea que ninguna debe cruzar.

Cinco familias que funcionan

Vigilancia de mercados: detección de anomalías sobre datos reportados — la familia más madura, documentada por el BIS en el sector financiero global. Focalización de inspecciones: el caso de negocio más sólido de la IA pública — cada punto de mejora en la priorización se convierte directamente en cumplimiento detectado. Detección de colusión: el cribado de patrones en licitaciones —el proyecto Cérebro de la autoridad brasileña de competencia es el referente regional— combina datos ya públicos, daño alto y detección humana imposible a escala. Gestión de denuncias: la cola de excepciones clásica. Análisis normativo interno: el uso generativo sobre expedientes y norma — productividad real con verificación humana obligatoria de toda cita y todo hecho.

Para Colombia, la oportunidad más concreta es la tercera: los datos del SECOP son públicos y estructurados, la SIC tiene la competencia y la analítica de compra pública existe como base. Un piloto de cribado de colusión con evaluación publicada sería el caso demostrativo que la región no tiene.

La línea del debido proceso

La regla operativa cabe en una frase: la salida del sistema abre trabajo humano; nunca lo cierra. El sistema puede priorizar a quién inspeccionar — la persona decide la inspección. Puede detectar patrones para abrir investigaciones — como insumo, no como prueba. Lo que no puede: imponer sanciones, valorar pruebas en un procedimiento sancionatorio, negar licencias sin decisión humana motivada, o servir de “prueba” sin verificación independiente. Tratar la sospecha estadística como hecho probado invierte la carga contra el regulado — la presunción de fiabilidad informática que el caso Horizon convirtió en la lección probatoria de la década, y que la investigación pública británica documentó en 226 días de audiencias, 298 testigos y del orden de 274.000 documentos revelados.

Hay además un riesgo distributivo específico: los modelos entrenados sobre historial de sanciones aprenden dónde se inspeccionó, no solo dónde se incumplió. Sin corrección, concentran la carga sobre los regulados más visibles y formales — el incentivo exactamente contrario al deseado. Las defensas son medibles: una muestra aleatoria permanente que mantenga honesto al modelo, y la distribución de inspecciones por tamaño de regulado, publicada.

La caja negra de segundo orden

El hallazgo incómodo del informe: casi nada de esta práctica se publica. Ni tasas de acierto, ni distribución de la carga inspectora, ni resultados de las herramientas. La supervisión algorítmica regional opera como caja negra dentro de instituciones cuya función es la transparencia ajena — y la agencia que sanciona la opacidad de otros no puede operar sistemas opacos propios. La ejemplaridad no es decoración: es condición de autoridad, y será condición de supervivencia judicial cuando llegue la primera impugnación seria de una fiscalización algorítmica. Es cuestión de tiempo, no de probabilidad.

Por qué importa

Para las superintendencias colombianas, la agenda es doble: adoptar lo que rinde (el piloto de colusión, la focalización medida) y regularizar lo que ya opera — las herramientas de fiscalización en uso pasan por registro, protocolo y métricas, porque la fiscalización algorítmica sin transparencia es exactamente lo que un juez suspenderá cuando llegue el caso. Para los regulados, el informe define qué exigir: conocer los factores generales de priorización no es conocer el modelo, y el debido proceso no se negocia.

La agencia que primero publique registro, métricas y muestra aleatoria no solo evitará el litigio que viene. Lo ganará por anticipado.

El documento completo —con su metodología, sus fuentes y sus limitaciones— está disponible en el PDF descargable de esta página.