Pasar al contenido principal

8 variables para predecir la corrupción mediante inteligencia artificial

Las 8 variables para detectar la corrupción con inteligencia artificial IBI
PublicDomainPictures.net
  • Gracias a una red neuronal, la corrupción política puede llegar a detectarse, según dos investigadores de la Universidad de Valladolid.  
  • Dos investigadores españoles han desarrollado un modelo predictivo basado en 8 variables. 
  • Han decidido no desglosar todos los resultados por provincia, ni asociados a partidos para "no meterse en líos políticos".

Iván Pastor Sánz y Félix J. López-Iturriaga son dos investigadores de la Universidad de Valladolid que han usado redes neuronales para predecir la posibilidad de casos de corrupción

Su trabajo ha sido publicado recientemente en la revista científica Social Indicators Research. Aunque "para no meterse en líos políticos" —como han indicado a Business Insider—, han preferido no mostrar sus resultados de corrupción política por provincias, ni asociados a partidos políticos. 

Leer más: España interroga a los ministros de la crisis financiera

Como indican en su estudio, el número de casos de corrupción está directamente relacionado con la actividad económica en una región. También influyen de manera directa el número de políticos presentes en esa zona. 

Al igual que se hace en la mayoría de los estudios de carácter demográfico, en este miden la corrupción en función del número de casos detectados de corrupción por cada 100.000 habitantes. Para indexar todos los acaecidos en España entre 2000 y 2012 usaron un mapa de la corrupción política publicado por elmundo.es en 2014, además del número de condenas por estos delitos. 

El marco temporal de este fenómeno es complejo, así que utilizan previsiones a 1, 2  y 3 años vista. "Nuestro modelo sería capaz de detectar el 84,30% de los casos de corrupción en un horizonte temporal de 3 años, el 75% en un horizonte de 2 años y un 74,17% a 1 año", asegura Ivan Pastor a Business Insider. 

Lo curioso, prosigue, "es que en modelos de predicción es más sencillo que salga al revés, cuanto más cerca es el horizonte temporal de la predicción, mejor se acierta". El investigador tiene una explicación para este fenómeno: "esto se debe a que la corrupción puede detectarse en 3 años pero realmente el hecho se llevará produciendo durante más tiempo, por eso a corto plazo es más difícil de acertar".

Estas son las ocho variables que su método emplea para detectar la corrupción con inteligencia artificial, interpretadas por el autor principal del estudio. 

1. El impuesto sobre las viviendas (IBI)

Las 8 variables para detectar la corrupción con inteligencia artificial IBI
El impuesto anual a la vivienda (IBI) es otro de los indicadores que se pueden usar para calcular la probabilidad de casos de corrupción. Pixabay.

Se trata del principal impuesto con el que se alimentan las arcas municipales en toda España y, además, es altamente discrecional, aunque la ley española fije un mínimo y un máximo, son los ayuntamientos los que deciden sobre él. 

Para poder validar esta variable como una referencia útil a la hora de predecir la corrupción se comparó la media del IBI en cada provincia española con estas dos referencias legales. Los autores del estudio han podido demostrar que, donde existe un ratio elevado, también es más alta la probabilidad de que se trate de evadir este impuesto. Esto tiene una correlación directa con el incremento de la corrupción.  

2. Crecimiento de la población

Las 8 variables para detectar la corrupción con inteligencia artificial IBI. Crecimiento población
El crecimiento de la población en una región se ha usado como variable en el estudio. Wikimedia Commons.

En este estudio para anticipar los casos de corrupción se entiende por incremento de la población cuando, en una misma provincia, se produce una subida en el número de habitantes a lo largo de dos años de manera consecutiva.
 
Los investigadores han validado de esta manera un dato que ya se había identificado en estudios anteriores (Alt y Lassen, 2003; Damania et al. 2004) como un vector de corrupción

La sencilla explicación que incorporan es la misma que la empleada por Kanack y Azfar en 2003, a quienes citan: cuantas más personas hay, mayor número de interacciones se producen y entre los muchos fenómenos que se incrementarán estará el de la corrupción política.
 

3. Tasa de desempleo

Las 8 variables para detectar la corrupción con inteligencia artificial. desempleo
La tasa de paro de una provincia es una de las variables con las que se puede calcular la corrupción. Flickr/Marta Nimeva Nimeviene

Al igual que con el incremento de la población, estudios anteriores ya había relacionado la tasa de desempleo con el aumento de los sectores informales y de la corrupción

Sin embargo, aquí la relación de causalidad con la corrupción es inversa —como han aplicado al modelo matemático que han desarrollado—, ya que cuanto mayor es la corrupción, mayor suele ser la tasa de desempleo.
 
Especialmente, cita textualmente este trabajo previo de Bouzid (2016), en lo que respecta a personas jóvenes y con un nivel educativo alto en búsqueda activa de empleo.  

4. Crecimiento del desempleo

Las 8 variables para detectar la corrupción con inteligencia artificial. Crecimiento desempleo
El crecimiento del desempleo es un indicador de corrupción a la inversa Flickr/Goiena.net.

Varios investigadores ya demostraron en trabajos anteriores que el crecimiento del desempleo en dos años consecutivos está íntimamente relacionado con la corrupción. Concretamente, hablamos de un estudio de 2002 de Habib y Leon y otro de Rehman y Naveed publicado en 2007

Aquí, también se da una relación causa-efecto inversa ya que, cuando existe una elevada corrupción en una provincia —entidad territorial usada para este trabajo—, se reduce la capacidad para atraer la inversión exterior y esto acaba teniendo un impacto e incrementando el desempleo

5. Crecimiento del precio de la vivienda

Las 8 variables para detectar la corrupción con inteligencia artificial IBI
Cuanto más suben los precios de la vivienda, más construcción y esta es una industria que en España se relacionó con muchos casos de corrupción política Flickr / Daniel Lobo.

"En resumen hemos encontrado evidencia del nexo de la burbuja inmobiliaria y la corrupción", admite Iván Pastor para Business Insider. Quien espera que su herramienta pueda a luchar contra la corrupción, aunque prefiere no desglosar los datos que esta arroja hoy provincia a provincia, por motivos "políticos". 

"La alta liquidez existente y los bajos tipos de interés, incentivaron la demanda de viviendas y el sector inmobiliario conllevaron un fuerte incremento en el precio de las viviendas", prosigue.

6. Crecimiento anual del número de empresas

Las 8 variables para detectar la corrupción con inteligencia artificial. Incremento número de empresas
Los investigadores también han usado como variable el incremento del número de empresas Pexels.

"Un gran crecimiento económico es bueno en general para todos los participantes de la sociedad. Sin embargo, ha sido un crecimiento excesivamente elevado en un periodo de tiempo pequeño el que parece llevar a casos de corrupción", afirma Iván Pastor. 

El autor principal del estudio prosigue y señala que "en provincias con crecimientos muy superiores a las tasas de crecimiento medio nacional en cuanto a número de empresas y entidades de depósito, también ha tenido un boom inmobiliario muy superior y al final mayor corrupción". 

"En muchos casos, cuanto la competencia era grande por participar o ganar concursos públicos, se creaba una mayor propensión a incurrir en actos de corrupción y así por ejemplo eliminar competencia", señala este investigador sobre algo que ya se intuía, pero que ellos cuantifican en su estudio. 

7. Número de entidades de crédito

Las 8 variables para detectar la corrupción con inteligencia artificial
El número de oficinas bancarias que se abren en una provincia es uno de las variables que se emplean. Wikimedia Commons.

El fenómeno de la corrupción en los años previos a la crisis en España estuvo dominado por un fuerte crecimiento económico liderado por el sector de la construcción y la apertura de cientos de oficinas de entidades bancarias. Entonces, afirman en el trabajo los investigadores, "las entidades financieras empezaron además a apalancarse fuertemente en esta industria". 

8. Número de años en el gobierno del partido gobernante

Las 8 variables para detectar la corrupción con inteligencia artificial IBI. Años en el gobierno
Francisco Granados fue Consejero de Presidencia, Justicia e Interior de la Comunidad de Madrid, donde su partido ocupa el Gobierno desde mediados de los años 90. Ahora está en la cárcel acusado de varios delitos. Wikimedia Commons.

"Esta, quizá, sea la variable más fácil de entender para alguien sin conocimientos matemáticos. En cuanto a las causas políticas, hemos evidenciado que, en provincias donde el partido gobernante ejercía desde hace más tiempo, se daban más casos de corrupción", afirman los autores. Al final, cuando hay cambios de Gobierno que abogan por eliminar las malas prácticas del anterior equipo, se reduce, al menos en la primera legislatura, la probabilidad de actos corruptos

También hay menos conocimiento de la red pública para los nuevos gobernantes a quienes se les hace más difícil "aprovecharse del sistema". "Gobernar o no en mayoría no resultó ser muy determinante en nuestro modelo", señala el investigador. "El potencial del modelo para predecir delitos de corrupción es elevado desde nuestro punto de vista e información adicional podría llevar a mejorarlo", concluye Pastor. 
 
Ante la pregunta de Business Insider sobre si, por ejemplo, el tiempo de permanencia en cargos públicos o en puestos de decisión dentro de los partidos políticos podría incrementar su capacidad predictiva, Pastor lo tiene claro. "Sin duda, aportaría valor", dice. 

Sin embargo, ahora lo que quieren es utilizar su herramienta para predecir casos de corrupción en otros países para para afinar mejor con las variables propias de cada Estado, aunque reconocen que esto va a ser una "tarea difícil". 

Por lo menos, están contentos con la gran acogida que su trabajo ha tenido en los medios de comunicación de España, que han sido los responsables de destapar la mayoría de los casos de corrupción en los últimos 10 años. Esta será, en todo caso, una nueva y formidable herramienta para todos. 
 

Te puede interesar