El Ministerio de Defensa de Colombia inició la implementación de Helios, un sistema de inteligencia artificial desarrollado por su Grupo de Transparencia. La herramienta tiene como propósito centralizar y analizar datos provenientes de plataformas como SECOP I, SECOP II, el Registro Único Empresarial y Social (RUES) y el clasificador UNSPSC para identificar posibles riesgos en procesos de contratación.

El sistema opera mediante la detección de patrones atípicos, tales como licitaciones con un solo oferente, tiempos de adjudicación reducidos, adiciones presupuestales sin justificación clara o la concentración de contratos en proveedores específicos. Asimismo, la plataforma señala empresas con antecedentes de sanciones, cambios recurrentes en su razón social o un objeto social excesivamente amplio.

El ministro de Defensa, Pedro Sánchez, aclaró que la herramienta funciona como un mecanismo preventivo y no sustituye el criterio de los investigadores. Según la entidad, Helios no toma decisiones administrativas ni sancionatorias; su función se limita a generar alertas que sirven como insumo para que los funcionarios competentes evalúen si existe mérito para iniciar una investigación formal.

A pesar de la automatización, el Ministerio enfatizó que la responsabilidad sobre las decisiones finales recae exclusivamente en el personal humano. Actualmente, el uso de esta tecnología se encuentra en una fase inicial y está restringido al personal interno del Ministerio, aunque la cartera no descarta que los datos puedan servir de apoyo a organismos como la Fiscalía General de la Nación en caso de ser necesario.

La gobernanza algorítmica y la vigilancia del gasto público

La implementación de Helios se enmarca en la teoría de la gobernanza algorítmica, un modelo que traslada la supervisión de procesos administrativos complejos a sistemas automatizados. Este enfoque busca reducir la asimetría de información entre el Estado y los contratistas mediante el procesamiento masivo de datos, un concepto desarrollado por autores como Frank Pasquale en su análisis sobre la opacidad y la vigilancia en los sistemas de decisión automatizados.

Desde la perspectiva de la economía política de la corrupción, herramientas como esta intentan mitigar el problema del agente-principal: la dificultad de los ciudadanos y los organismos de control para supervisar eficazmente a los funcionarios que ejecutan el presupuesto. Al automatizar la detección de anomalías —como la concentración de contratos o cambios recurrentes en razones sociales—, el Ministerio de Defensa busca elevar los costos de transacción para quienes intentan eludir la normativa vigente.

Sin embargo, este marco teórico advierte sobre dos riesgos técnicos y sociales:

  • Sesgo de automatización: La tendencia humana a otorgar una autoridad excesiva a las sugerencias de un algoritmo, lo que podría desplazar el juicio crítico de los funcionarios.
  • Caja negra algorítmica: La falta de transparencia sobre los criterios específicos que definen una alerta, lo cual puede generar falsos positivos que afecten a pequeñas empresas sin capacidad de defensa técnica.

Históricamente, el uso de tecnología en la gestión pública ha oscilado entre la promesa de eficiencia burocrática y el riesgo de una vigilancia estatal sin contrapesos. La eficacia de Helios dependerá de si su arquitectura permite una auditoría externa de sus propios criterios de decisión.

Cómo la vigilancia algorítmica en Defensa afecta a pequeñas empresas y proveedores

La implementación de Helios introduce un filtro automatizado que impacta directamente a los pequeños proveedores y empresarios que contratan con el Estado. Al identificar patrones como la concentración de contratos o cambios en la razón social, el sistema podría generar alertas sobre empresas pequeñas que, debido a su limitada capacidad operativa, suelen especializarse en nichos específicos o ajustar su objeto social para sobrevivir a la volatilidad del mercado. Si los criterios de la IA no distinguen entre una estrategia comercial legítima de adaptación y una práctica irregular, estos actores podrían enfrentar una carga administrativa mayor o la exclusión injustificada de procesos licitatorios.

Por otro lado, la clase trabajadora vinculada a la contratación pública, especialmente en sectores de servicios y suministros, experimenta un cambio en la supervisión de sus empleadores. La vigilancia sobre la idoneidad de los proveedores busca reducir el desvío de recursos, lo cual, en teoría, permitiría una ejecución más eficiente de los presupuestos destinados a infraestructura, salud o bienestar de las fuerzas militares y sus familias. No obstante, existe incertidumbre sobre la precisión de los algoritmos:

  • Sesgo de datos: Si el sistema prioriza grandes empresas con historiales robustos, las pequeñas firmas podrían ser descartadas automáticamente por falta de datos históricos, reduciendo la pluralidad de oferentes.
  • Opacidad algorítmica: La falta de transparencia sobre cómo se ponderan las alertas podría dificultar que un proveedor pequeño refute una sospecha generada por el software.

A largo plazo, la eficacia de esta herramienta dependerá de la capacidad de los funcionarios para auditar las alertas de Helios sin trasladar la presunción de culpabilidad a los contratistas más pequeños. La verdadera ganancia social se medirá en la reducción efectiva de la corrupción que históricamente ha drenado recursos públicos, aunque el riesgo de una burocratización digital que excluya a los actores menos tecnificados permanece abierto.

La automatización de la vigilancia estatal y la opacidad de los algoritmos

La narrativa dominante, impulsada por el Ministerio de Defensa, presenta a Helios como una solución técnica neutral y eficiente contra la corrupción. Este enfoque enmarca el problema de la malversación de fondos públicos como una cuestión de procesamiento de datos, sugiriendo que la tecnología puede mitigar fallas estructurales o políticas mediante la vigilancia automatizada de proveedores.

En contraste, las perspectivas críticas de organizaciones de transparencia y expertos en ética de datos señalan riesgos no abordados en el reporte oficial:

  • Opacidad algorítmica: No se detalla qué criterios específicos definen un comportamiento como sospechoso, lo cual podría generar sesgos contra empresas pequeñas o nuevos proveedores.
  • Responsabilidad delegada: Existe el riesgo de que los funcionarios confíen ciegamente en las alertas del sistema (sesgo de automatización), omitiendo el juicio crítico necesario en procesos administrativos.
  • Falta de auditoría externa: Al ser una herramienta desarrollada internamente y de uso exclusivo por el Ministerio, no hay mecanismos independientes que verifiquen si el algoritmo es efectivo o si está siendo utilizado para fines distintos a la transparencia.

El texto presenta como un avance técnico lo que es, en esencia, una decisión política de control. Se omiten preguntas fundamentales sobre la gobernanza de la herramienta: ¿quién audita al algoritmo cuando este comete errores o genera falsos positivos? La noticia asume la eficacia del sistema sin presentar cifras sobre pruebas piloto, tasas de error o el impacto real en la reducción de la corrupción, limitándose a replicar el discurso oficial sobre las capacidades de la plataforma.

De dónde viene esta información: la nota original de Vanguardia

Este artículo fue generado por el sistema editorial automatizado de InfoWeb a partir de información publicada originalmente por Vanguardia (ver fuente original) el 6 de agosto de 2026, 20:03.

El texto pasa por un proceso de tres agentes analíticos independientes —trasfondo teórico, impacto social y narrativas/sesgos— más un agente redactor que sintetiza los hechos con lenguaje propio. Este proceso es asistido por un modelo de lenguaje (gemini-3.1-flash-lite) y no reemplaza el trabajo de verificación periodística humana.

Si detectas un error factual, un sesgo no señalado o información desactualizada, usa el botón de reporte en este artículo para marcarlo como desinformación, o déjalo en los comentarios. El equipo editorial revisa periódicamente los reportes de la comunidad.