INTRODUCCIÓ

La confluència de la IA i la lluita contra la corrupció en el sector públic

El setembre de 2025, el primer ministre d’Albània va anunciar que un sistema d’IA anomenat Diella havia estat nomenat membre del Consell de Ministres amb la responsabilitat de combatre la corrupció en la contractació pública. L’anunci va atreure l’atenció mundial i va alimentar el debat sobre el paper de la IA en l’acció de govern. Tanmateix, es va proporcionar molt poca informació sobre com es dissenyaria, desenvoluparia o utilitzaria Diella. Com passa sovint amb la IA, l’entusiasme avança més de pressa que l’avaluació crítica i les promeses ambicioses s’anteposen a les consideracions pràctiques.

Diella forma part d’una tendència més àmplia en l’Administració pública: els governs d’arreu del món recorren cada vegada més a la IA per reforçar l’eficiència i l’eficàcia dels seus esforços contra la corrupció. Les organitzacions públiques estan incorporant la IA per abordar diversos problemes relacionats amb la corrupció, com ara la malversació, els conflictes d’interès, la titularitat real i el frau. A la UE, aquest impuls reflecteix la convergència de dues dinàmiques: la necessitat urgent d’innovar en les pràctiques anticorrupció i la transformació digital més àmplia del sector públic. Si bé unes formes de corrupció cada vegada més complexes i transnacionals han fomentat l’interès per tecnologies anticorrupció com les dades obertes, les plataformes de denúncia, la cadena de blocs i la IA (Mattoni, 2024), la digitalització del sector públic —afavorida, respectivament, per iniciatives polítiques i econòmiques com la visió de la Dècada Digital i el Mecanisme de Recuperació i Resiliència— ha ampliat la capacitat de les administracions públiques per experimentar amb la IA.

Tanmateix, els resultats de les aplicacions de la IA en la lluita contra la corrupció han estat molt desiguals. Alguns sistemes han demostrat un potencial prometedor. Un exemple és ProZorro, la plataforma nacional de contractació pública electrònica d’Ucraïna, que utilitza la IA per facilitar la puntuació de riscos, detectar comportaments inusuals en les licitacions i predir possibles manipulacions contractuals, increments artificials dels costos o pràctiques col·lusòries entre proveïdors. Operativa des de 2017, es calcula que ha permès estalviar prop de 6.000 milions de dòlars en contractació pública i ha inspirat iniciatives similars en altres països (Kelman i Yukins, 2022). En canvi, altres sistemes han produït resultats desiguals o controvertits. Un exemple destacat és SyRI, un sistema d’IA neerlandès que creuava dades personals procedents de registres governamentals per detectar fraus en les prestacions socials. Criticat per la seva opacitat, els riscos per a la privacitat, el potencial discriminatori i la precisió limitada, l’any 2020 es va determinar que vulnerava el Conveni Europeu de Drets Humans a causa de la manca de transparència, salvaguardes i proporcionalitat, fet que va comportar-ne la suspensió i el desmantellament posterior (Wieringa, 2023).

Oportunitats, reptes i riscos

Aquestes experiències contraposades il·lustren les complexitats inherents a l’aplicació de la IA als reptes de la governança, un àmbit en què la literatura s’està ampliant ràpidament. Els estudis existents suggereixen que la IA pot reforçar els esforços contra la corrupció anticipant riscos i descobrint conductes il·lícites. Els enfocaments predictius intenten identificar patrons i senyals d’alerta primerenca que indiquin on és més probable que aparegui la corrupció (per exemple, Fazekas et al., 2023), la qual cosa permet abordar les vulnerabilitats abans que es produeixin danys. En canvi, els enfocaments de detecció miren enrere i examinen les dades a la recerca d’anomalies i irregularitats que puguin indicar conductes corruptes (per exemple, Wacker et al., 2018). Ambdues capacitats permeten que les eines d’IA processin ràpidament grans volums de dades, cosa que pot contribuir a fer que les mesures anticorrupció siguin més sistemàtiques, àgils i eficaces.

Tanmateix, la IA també introdueix reptes i riscos relacionats amb la tecnologia, els procediments, la regulació i l’ètica (Wirtz et al., 2022). Entre les preocupacions habituals hi ha l’ús de dades d’entrenament poc fiables o esbiaixades, que poden produir resultats injustos (Odilla, 2024); els processos de presa de decisions opacs, de «caixa negra», que en limiten l’explicabilitat (Köbis et al., 2022); uns sistemes de governança poc clars, que donen lloc a estratègies de desenvolupament opaques (Gerli i Odilla, 2026); i les conseqüències imprevistes derivades de l’ús indegut o abusiu d’aquestes tecnologies amb finalitats malicioses (Köbis i Starke, 2022).

Objecte de la recerca

La recerca analitza com les organitzacions públiques incorporen la IA en la lluita contra la corrupció, per què ho fan —o no ho fan— i quines implicacions se’n deriven. Amb aquesta finalitat, se centra en les aplicacions en l’àmbit de la contractació pública, que ofereix un terreny fèrtil per a l’adopció de la IA (Torres Berru et al., 2020) gràcies als seus fluxos extensos de dades, als elevats interessos financers en joc i a la seva vulnerabilitat persistent davant la corrupció. A partir de 71 entrevistes amb responsables públics, científics de dades i experts de quatre països de la UE —Itàlia, Alemanya, Estònia i Xipre—, aquest treball ofereix una anàlisi comparada de la manera com es conceben, desenvolupen i implementen les tecnologies anticorrupció basades en la IA en diversos contextos de corrupció, govern digital i contractació pública.

RESULTATS PRINCIPALS

El context

La IA no s’introdueix en el buit: comprendre les dinàmiques contextuals és essencial per avaluar les condicions que expliquen el potencial i les limitacions del seu desplegament en la lluita contra la corrupció. La interacció dels factors institucionals i socioculturals configura el context de cada país i influeix en la viabilitat, la predisposició i la sostenibilitat de la incorporació de la IA en la lluita contra la corrupció.

Els quatre països examinats presenten configuracions marcadament diferents. Per exemple, Alemanya adopta una actitud prudent envers la innovació en el sector públic i tendeix a restar importància a la corrupció interna, mentre que Xipre s’enfronta tant a una corrupció endèmica com a una bretxa digital considerable, fet que en limita la capacitat d’adoptar la IA.

Més enllà d’aquestes diferències, també emergeixen diversos patrons transversals, com ara unes infraestructures digitals fragmentades i una forta dependència dels proveïdors externs de serveis informàtics en l’àmbit institucional, així com l’aversió al risc dins de l’Administració pública i un escepticisme generalitzat envers la IA a curt termini en l’àmbit sociocultural.

Les aplicacions

L’ús de la IA per part de les organitzacions públiques per combatre la corrupció en la contractació pública encara és incipient, amb moltes eines en fase de desenvolupament o interrompudes per factors com les restriccions financeres o la baixa precisió. En els quatre països, la recerca va identificar 29 eines anticorrupció basades en la IA, la majoria de les quals es trobaven en organitzacions públiques italianes. Organismes públics com els òrgans de contractació, les agències policials i les institucions fiscalitzadores experimenten activament amb la IA per abordar diverses formes de corrupció, com la col·lusió, la malversació, el favoritisme, el blanqueig de capitals, el crim organitzat i el frau. Per fer-ho, utilitzen diverses tècniques, principalment l’aprenentatge automàtic, el processament del llenguatge natural, l’aprenentatge profund i la IA generativa.

Per comprendre aquest panorama, la recerca va elaborar una taxonomia que recull diverses dimensions de les eines anticorrupció basades en la IA, entre les quals hi ha els actors implicats en la seva creació, desenvolupament i utilització; les seves característiques organitzatives i tècniques; l’abast de la seva contribució a la lluita contra la corrupció, i els seus resultats. Aquesta taxonomia va donar lloc a una tipologia que classifica les eines segons la seva contribució a la lluita contra la corrupció i el seu horitzó de sostenibilitat: i) reformadores anticorrupció, dissenyades per les autoritats públiques per combatre directament la corrupció amb una visió a llarg termini; ii) contribuïdores anticorrupció, que aborden directament la corrupció sense perseguir una transformació sistèmica; iii) constructores de transparència, creades principalment amb altres finalitats, com ara l’eficiència, però que contribueixen indirectament a combatre la corrupció a mitjà i llarg termini; i iv) facilitadores de transparència, consistents en iniciatives exploratòries a curt termini que aborden indirectament la corrupció. Aquesta tipologia posa de manifest que la IA pot contribuir a combatre la corrupció encara que no hagi estat dissenyada explícitament com una eina anticorrupció, per exemple millorant l’eficiència o l’accés a la informació.

Els facilitadors i els obstacles

Per què algunes organitzacions públiques incorporen la IA en la lluita contra la corrupció mentre que d’altres no ho fan? La resposta rau en la interacció de factors que operen en els nivells micro, meso i macro.

Els factors que condicionen aquesta incorporació són similars en els diversos països: els trets i l’experiència individuals en el nivell micro; les necessitats operatives, els recursos interns i la cultura organitzativa en el nivell meso; i la disponibilitat tecnològica, la regulació, el finançament, els coneixements especialitzats i els esdeveniments externs, com la pandèmia de la COVID-19, en el nivell macro. Si bé aquests factors poden actuar com a facilitadors o com a obstacles, la seva influència varia. Per exemple, els reptes tècnics sovint es poden superar amb prou coneixements especialitzats i recursos, mentre que l’escepticisme, un compromís organitzatiu feble i una regulació rígida poden ser més difícils d’abordar.

Aquests factors també interactuen entre nivells: les dinàmiques del nivell macro sovint condicionen l’acció en el nivell micro i generen vies d’adopció de la IA específiques per a cada país, tal com il·lustren els casos analitzats. A Itàlia, per exemple, les organitzacions públiques van aprofitar finestres d’oportunitat, sovint impulsades per la curiositat personal i la disponibilitat de dades, mentre que a Estònia un fort impuls institucional va afavorir l’experimentació amb la IA.

A partir d’aquestes constatacions, la recerca va elaborar una segona tipologia, que classifica els països —i les organitzacions— segons la seva voluntat d’innovar i el seu compromís pràctic per fer-ho: i) transformadors, com Itàlia, que combinen una forta motivació de les organitzacions públiques amb una implicació pràctica considerable, impulsades per una sòlida agenda anticorrupció i uns nivells elevats de transparència de les dades de contractació; ii) aspirants, com Xipre, que expressen un gran interès per utilitzar la IA en la lluita contra la corrupció, però presenten una implementació limitada, reflex d’un retard digital més ampli; iii) aventurers, com Estònia, que mostren una gran predisposició a experimentar amb la IA en el conjunt del govern, malgrat que la lluita contra la corrupció no sigui una prioritat nacional; i iv) escèptics, com Alemanya, que mostren tant un interès institucional com uns esforços pràctics limitats i fragmentats per aplicar la IA a la lluita contra la corrupció.

En conjunt, aquests resultats suggereixen que l’adopció de la IA per combatre la corrupció no és un procés lineal de transformació digital, sinó el resultat de les interaccions entre les persones, les organitzacions, les tecnologies, les institucions i les expectatives socials més àmplies.

Les implicacions

En conjunt, els resultats conviden a una reflexió més àmplia sobre les diferents dimensions que envolten l’ús de la IA per combatre la corrupció en el sector públic i demostren que les consideracions tècniques només constitueixen una part d’un entorn molt més complex.

L’anàlisi de la dimensió simbòlica posa en relleu el poder figuratiu de la IA en el sector públic: els imaginaris sobre la legitimitat institucional, l’expectació social i les oportunitats de mercat poden condicionar-ne l’adopció i, en alguns casos, revelar diferències entre les narratives i les capacitats reals. Les reflexions sobre la dimensió estratègica assenyalen la combinació de motivacions altruistes i interessades que hi ha darrere de les decisions de les organitzacions de divulgar informació sobre les seves pròpies aplicacions d’IA, fet que posa de manifest tensions relacionades amb la transparència i el retiment de comptes. Les inquietuds relatives a la dimensió procedimental dirigeixen l’atenció cap als riscos de corrupció en la contractació de sistemes d’IA i subratllen la fricció entre la rapidesa de la innovació tecnològica i la major lentitud de la regulació i la supervisió. Les reflexions sobre la dimensió de gènere plantegen preocupacions pel risc d’una representació inadequada de les dones en el disseny, el desenvolupament i l’adopció dels sistemes d’IA, que pot reproduir o amplificar els biaixos i les desigualtats existents. Finalment, les consideracions ètiques se centren en la tensió entre els valors públics i els interessos privats en la lluita contra la corrupció, particularment entre la millora de les capacitats anticorrupció de la IA mitjançant un accés més ampli a les dades i la protecció de la privacitat de les persones, tot evitant una vigilància intrusiva.

RECOMANACIONS PER A LES POLÍTIQUES PÚBLIQUES

• En consonància amb el Reglament europeu d’intel·ligència artificial, els responsables polítics haurien de crear espais controlats de proves per a la IA: entorns supervisats en què les organitzacions públiques puguin provar i avaluar eines d’IA en àmbits sensibles com la lluita contra la corrupció, tot garantint el compliment dels requisits legals, ètics i de governança abans de desplegar-les a una escala més àmplia.

• Els responsables polítics haurien d’exigir a les organitzacions públiques que mantinguessin registres de transparència sobre la IA en els quals es divulgués sistemàticament informació clau sobre els seus sistemes, inclosos la finalitat, les fonts de dades, els proveïdors i el rendiment. Aquests registres s’haurien de regir per requisits de transparència adaptats que reforcessin el retiment de comptes i l’escrutini públic sense comprometre els esforços contra la corrupció.

• Els responsables polítics haurien d’establir mecanismes de seguiment i avaluació independents de les eines anticorrupció basades en la IA, amb la participació d’auditors, reguladors, organismes de supervisió pertinents i experts que n’avaluessin la legalitat, l’equitat, l’eficàcia i els riscos potencials.

• Els responsables polítics haurien d’invertir en l’alfabetització en IA dins de les administracions públiques i reforçar-ne la capacitat tècnica i organitzativa mitjançant programes específics de reciclatge i perfeccionament professionals. Això permetria als responsables públics prendre decisions informades, supervisar eficaçment els sistemes d’IA i promoure’n una adopció responsable.

IMPLICACIONS PER ALS PROFESSIONALS

• Enfocament gradual. Comenceu amb aplicacions d’IA específiques i de baix risc i amplieu-ne progressivament l’escala a mesura que l’organització adquireixi experiència i capacitat i disposi d’evidències sobre la seva eficàcia.

• Avaluacions anticipatòries. Abans del desplegament, avalueu acuradament les possibles implicacions legals, ètiques, operatives i socials de les aplicacions d’IA, inclosos els riscos relacionats amb els biaixos, la privacitat i les conseqüències imprevistes.

• Gestió del canvi. Abordeu la cultura organitzativa, la participació dels grups d’interès i l’adaptació de la força de treball paral·lelament a la implementació de la IA, a fi d’afavorir-ne una integració responsable i evitar-ne l’ús indegut o abusiu.

• Sostenibilitat. Assegureu-vos que les iniciatives d’IA disposin de recursos a llarg termini, estratègies de manteniment, pràctiques de governança de les dades i un compromís institucional que vagi més enllà de les fases pilot inicials.

• Reutilització i ampliació. Promoveu l’intercanvi de coneixements i l’adaptació de solucions d’IA reeixides a diferents contextos per maximitzar-ne l’impacte i evitar la duplicació d’esforços.

Carolina Gerli és investigadora postdoctoral al Laboratori per a la Comprensió Humana dels Algoritmes i les Màquines de la Universitat de Duisburg-Essen, Alemanya. La seva recerca se situa en la intersecció entre la tecnologia i la governança pública i se centra en el paper de la IA en la corrupció i la lluita contra la corrupció. És doctora en Ciències Polítiques i Socials per la Universitat de Bolonya, Itàlia, i té experiència professional com a consultora en transformació digital de les administracions públiques.

Referències

[1] Gerli, C. (2026). AI as Anti-Corruption Technology: Insights from Public Procurement Across the EU. Critical Studies in Public Management Series. Routledge.

Fazekas, M., Tóth, B., & Wachs, J. (2023, abril). Public procurement cartels: A large-sample testing of screens using machine learning. Working Paper Series: GTI-WP/2023:02. Government Transparency Institute, Budapest, Hongria.

Gerli, C., & Odilla, F. (2026). AI to innovate anti-corruption: Exploring development models for governmental and non-governmental applications. A D. Jackson, I. Amundsen, & D. A. Williams (Eds.), Anti-Corruption in a Discordant World. Routledge.

Kelman, S., & Yukins, C. R. (2022). Overcoming corruption and war: Lessons from Ukraine’s ProZorro procurement system. NCMA Contract Management Magazine, 22.

Köbis, N., & Starke, C. (2022). The corruption risks of artificial intelligence. Transparency International Working Paper.

Köbis, N., Starke, C., & Rahwan, I. (2022). The promise and perils of using artificial intelligence to fight corruption. Nature Machine Intelligence, 4(5), 418–424.

Mattoni, A. (Ed.). (2024). Digital Media and Grassroots Anti-Corruption: Contexts, Platforms and Data of Anti-Corruption Technologies Worldwide. Edward Elgar Publishing.

Odilla, F. (2024). Unfairness in AI anti-corruption tools: Main drivers and consequences. Minds & Machines, 34, 28.

Torres Berru, Y., López Batista, V. F., Torres-Carrión, P., & Jimenez, M. G. (2020). Artificial intelligence techniques to detect and prevent corruption in procurement: A systematic literature review. A Applied Technologies: First International Conference, ICAT 2019, Quito, Ecuador, December 3–5, 2019, Proceedings, Part II (p. 254–268). Springer International Publishing.

Wacker, J., Ferreira, R. P., & Ladeira, M. (2018, octubre). Detecting fake suppliers using deep image features. A 2018 7th Brazilian Conference on Intelligent Systems (BRACIS) (p. 224–229). IEEE.

Wieringa, M. (2023). Hey SyRI, tell me about algorithmic accountability: Lessons from a landmark case. Data & Policy, 5, e2. Cambridge University Press.

Wirtz, B. W., Weyerer, J. C., & Kehl, I. (2022). Governance of artificial intelligence: A risk- and guideline-based integrative framework. Government Information Quarterly, 39(4), 101685.