TECNOLOGÍA DIGITAL EN LA CONTRATACIÓN PÚBLICA (II)

TECNOLOGÍA DIGITAL EN LA CONTRATACIÓN PÚBLICA (II)

Después de revisar las fuentes del blog de Alberto Sanchez-Graells, en esta nueva entrada vamos a realizar una síntesis del documento de Deloitte sobre tecnologías emergentes y contratación pública para la Comisión Europea de 2020:

Información del Proyecto

Tecnologías emergentes en la contratación pública: resultados del estudio

Las tecnologías emergentes pueden transformar la contratación pública. Desde la automatización de tareas administrativas repetitivas hasta el suministro de información y análisis sin precedentes sobre patrones de gastos y resultados de proyectos, la nueva tecnología puede permitir mejores decisiones, reducir costos y aumentar la transparencia.

En 2019, la Dirección General de Mercado Interior, Industria, Emprendimiento y Pymes encargó un estudio sobre la adopción de tecnologías emergentes en la contratación pública. Este estudio exploró cómo las autoridades públicas de todo el mundo utilizan las nuevas tecnologías al adquirir bienes y servicios. Los resultados del estudio Transformación digital de la contratación pública están disponibles públicamente en este enlace .

Cubriendo tecnologías como inteligencia artificial y aprendizaje automático, big data y análisis de datos, blockchain, automatización de procesos robóticos, realidad aumentada y virtual e Internet de las cosas, el estudio presenta:

  • una lista de 96 proyectos en los que las autoridades públicas han explorado o utilizado estas nuevas tecnologías para la contratación en 68 países (hasta enero de 2020);
  • 20 estudios de casos detallados que presentan el tema abordado, el impacto, el costo, los requisitos y los riesgos de proyectos particularmente interesantes; 
  • un informe final del estudio que incluye un análisis detallado y conclusiones . Este documento presenta el enfoque general y los hallazgos, incluidas 10 recomendaciones para la aplicación de tecnologías emergentes a la contratación pública.

Estudio sobre la adopción de tecnologías emergentes en la contratación pública  (5 MB) 

Hay una presentación en youtube: Emerging technologies in public procurement

Síntesis del documento

Voy a realizar la síntesis utilizando la misma estructura de capítulos que el documento original

1 Introducción      

En general, este Informe Final tiene como objetivo proporcionar ideas e inspiración para las organizaciones públicas interesadas en aplicar tecnologías emergentes al proceso de contratación pública, mejorando eventualmente los procesos de transformación digital de los contratantes públicos en la Unión Europea (UE).

2 Resumen ejecutivo

Hay una lista larga de 96 iniciativas, de la que se han seleccionado 20 por su relevancia para estudiarlas más profundamente. (los estudios de caso) que se han clasificado como sigue:

• AI y ML (6 proyectos)predicción de la demanda (1 proyecto), categorización de gastos (3 proyectos) , chatbots (2 proyectos) ;          

• Big data y análisis de datos (4 proyectos) – inteligencia empresarial (2 proyectos), análisis de precios (2 proyectos);          

• Blockchain (5 proyectos) – backbone de datos (2 proyectos), transparencia (3 proyectos 

• RPA (Robotic Process Automation) (4 proyectos) : automatización de los procesos de adquisiciones (4 proyectos)

• Impresión 3D (1 proyecto) – Impresión de repuestos (1 proyecto).  

La evaluación de los proyectos se hace teniendo en cuenta las dimensiones de: impacto, coste, recursos humanos, y riesgos.                                     

  • En cuanto a los impactos, los resultados cuantificables más altos estuvieron en los proyectos de RPA.
  • En cuanto a los costes hay mucha variación (entre 250K euros y 4 MILLONES de euros para RPA y Big Data).
  • En cuanto a recursos humanos se detecta una mayor dependencia de recursos internos en proyectos de RPA y una mayor de externalización en el resto de los proyectos.
  • En cuanto a riesgos, todos tienen que luchar con la incertidumbre de los resultados por lo que se recomienda el uso de pilotos iniciales.

Las Lecciones para la aplicación de tecnologías emergentes a la contratación pública:

#TecnologíaLección
1TodasSeguir un enfoque gradual hacia el desarrollo y la implementación de soluciones
2TodasDesarrollar una estrategia para generar apoyo interno para el proyecto
3TodasDesarrollar capacidades de gestión de datos como facilitador de proyectos tecnológicos emergentes
4TodasEvaluar el enfoque adecuado para la gestión del conocimiento
5TodasAsegúrese de que los comentarios de los usuarios se incorporen en el diseño de la solución
6Al & MLAsegurar el acceso a datos de capacitación de alta calidad como un determinante clave del éxito de los proyectos de Al & ML
7Big data y analíticaInvolucrar a expertos en la materia en el análisis de datos para garantizar la interpretación adecuada de los resultados
8BlockchainCompartir el conocimiento de las aplicaciones potenciales de blo<kchain, que siguen siendo poco conocidas
9RPAEvaluar a fondo qué procesos son los más adecuados para la automatización
10Impresión 3DEvaluar oportunidades de colaboración con otras partes interesadas en la cadena de valor de la impresión 3D

Dadas estas lecciones, un área prometedora para el trabajo futuro podría incluir el desarrollo de orientación y recomendaciones sobre enfoques de gestión de datos.

 (Para mi esta es la conclusión más importante que he sacado de todo el estudio, junto con el dato de que todas los proyectos se hicieron a partir de sistemas de contratación electrónicos ya  implantados. Lo explico en el párrafo de Mis reflexiones)

3.- Tecnologías emergentes en la contratación pública en todo el mundo   

La contratación pública representa una media de entre el 11 y el 20 % del PIB en los países de la OCDE.

Los procesos generales aplicados en la contratación pública en todo el mundo, en todos los niveles de gobierno, son bastante similares, lo que permite caracterizar un proceso de contratación pública ‘típico’, como se muestra en la figura siguiente. 

El proceso típico de contratación pública

La Lista de tecnologías en el alcance de este estudio

  • Blockchain
  • Big Data y Analítica
  • AI (InteligenciaArtificial) y ML (Aprendizaje Automático)
  • RPA (Robotic Process Automation)
  • IOT (Internet of Things)
  • AR (Realidad Aumentada) y VR (Realidad Virtual)
  • Robots y Drones
  • Impresión 3D

A continuación se explica cada tecnología con un poco más detalle y su potencial uso en la contratación. En el estudio original se puede acceder a una explicación más detallada.

Blockchain

Definición

Blockchain es una tecnología que proporciona un libro mayor distribuido. Esto significa que en lugar de tener una base de datos centralizada en la que se almacenan los registros, estos datos se almacenan de manera descentralizada en todos los nodos de la red blockchain. Por lo tanto, cada nodo de la cadena de bloques almacena toda la información registrada en el libro mayor y la reenvía a todos los demás nodos. Todos los usuarios de blockchain pueden ver todas las transacciones anteriores o los cambios realizados en blockchain. Una vez que se agrega y se aprueba un nuevo registro en la cadena de bloques, es permanente y no se puede modificar. El código también se puede escribir en la cadena de bloques, lo que permite contratos inteligentes, que realizan automáticamente funciones particulares si se cumplen ciertas condiciones.

Fuente: Harvard Business Review, 2017

Casos de uso potenciales en la contratación pública

• Una red troncal de datos confiable, segura y transparente          

• Garantizar la transparencia y reducir el alcance de la corrupción          

  • Automatización mediante contratos inteligentes          

Big Data y Analítica

Definición

Existen numerosas definiciones de big data, pero comúnmente se refieren a conjuntos de datos que han alcanzado un nivel de complejidad tal que los métodos normales son insuficientes para analizarlos. Esta complejidad está comúnmente relacionada con las «V»:

  • Volumen (la cantidad de datos),
  • Variedad (los datos son de muchos tipos diferentes – numéricos, texto, imágenes, videos, etc. – y formatos),
  • Veracidad (la confiabilidad de los datos),
  • Velocidad (la velocidad a la que se generan y se mueven los nuevos datos),
  • Viabilidad (la relevancia y viabilidad para ser utilizados) y el
  • Valor que los datos pueden aportar en función de los conocimientos que se pueden obtener de ellos. 

El análisis de datos se refiere al proceso de analizar datos para describir eventos que han sucedido. Utiliza una variedad de métodos estadísticos para «agregar datos para informar un resultado, buscar un patrón y encontrar relaciones entre variables». Estos métodos también pueden construirse y extrapolarse para hacer predicciones sobre el futuro.

Los sistemas de inteligencia empresarial (busines Intelligence) pueden entenderse como una subcategoría de big data y el análisis de datos proporciona «un sistema de herramientas para recopilar, almacenar, analizar y proporcionar acceso a los datos que ayuda a las organizaciones a tomar mejores y más rápidas decisiones empresariales» 

Fuente: Deloitte, 2016  y Forbes, 2018 

Definición

Casos de uso potenciales en la contratación pública

• Apoyo a la toma de decisiones: análisis y evaluación          

• Análisis de corrupción          

       • Transparencia a través de la visualización de datos          

Inteligencia Artificial y Aprendizaje Automático (IA & ML)

Definición

Una definición amplia y comúnmente utilizada de Inteligencia Artificial (IA) es como una tecnología que es capaz de realizar “tareas comúnmente asociadas con seres inteligentes […] dedicados a resolver problemas cognitivos […] tales como aprendizaje, resolución de problemas y reconocimiento de patrones”. También se define como “la capacidad de un sistema para interpretar correctamente datos externos, aprender de dichos datos y utilizar esos aprendizajes para lograr objetivos y tareas específicos mediante una adaptación flexible”. 

El aprendizaje automático es una forma de lograr inteligencia artificial basada en la «capacidad de aprender sin estar programado explícitamente» mediante «el entrenamiento de algoritmo para que pueda aprender» y «alimentar grandes cantidades de datos al algoritmo y permitir que el algoritmo se ajuste a sí mismo y mejorar». El aprendizaje automático (machine learning) por lo tanto ser considerado como un conjunto de modelos y herramientas que proporcionan las “capacidades básicas de IA, como el procesamiento del lenguaje natural, el habla y el reconocimiento de imágenes y el razonamiento” de tal manera que una máquina “analiza los datos, hace suposiciones, aprende y proporciona predicciones a una escala y profundidad de detalle imposibles para los analistas humanos individuales ”.

Fuente: Business Horizons, 2019 y Forbes, 2018

Casos de uso potenciales en la contratación pública

• Análisis y evaluación: datos de adquisiciones, gasto público y sentimientos de las partes interesadas o Calidad de la información cargada en las plataformas de adquisiciones electrónicas o Análisis del sentimiento de los usuarios                                      

• Categorización del gasto público          

• Identificación de corrupción          

• Elaboración y gestión de contratos          

• Chatbots          

       • Mayor automatización de las tareas de contratación            

Automatización Robótica de Procesos (RPA)

Definición

Las tecnologías de automatización robótica de procesos (RPA) son programas de software que pueden realizar tareas repetitivas basadas en reglas . Pueden automatizar muchos de los procesos de rutina básicos que actualmente se realizan manualmente. Normalmente, se trata de tareas administrativas que implican la transferencia de información entre aplicaciones. Dichas tareas podrían incluir completar formularios, copiar y pegar, extraer datos de la web y extraer datos estructurados de documentos. La automatización de procesos robóticos no debe confundirse con la inteligencia artificial. Aunque ambas tecnologías se pueden aplicar para automatizar tareas, la automatización de procesos robóticos es una tecnología menos compleja. Simplemente replica las acciones que los usuarios realizaron anteriormente en una aplicación. 

Fuente: Deloitte, 2017[74]

Casos de uso potenciales en la contratación pública

  • Automatización mediante RPA
    • Recopilación y verificación de información sobre proveedores 
    • Procesamiento de facturas      

Internet de las Cosas (IoT)  

Definición

El Internet de las cosas (IoT) se puede definir como tecnologías que permiten que los dispositivos y ubicaciones generen información y que también conectan esos dispositivos y ubicaciones para permitir el análisis de datos y la acción potencial. IoT involucra objetos físicos que nos convierten en la columna vertebral de Internet para comunicar datos sobre su condición, posición u otros atributos.

Fuente: Deloitte, 2018

Casos de uso potenciales en la contratación pública

  • Seguimiento de activos
  • Previsión, inventario y pedidos automatizados          

Impresión 3D

Definición

La impresión 3D, o fabricación aditiva, se refiere a un proceso mediante el cual los objetos 3D se pueden imprimir a partir de datos digitales. Este proceso comienza con un modelo digital en 3D del objeto, y luego este objeto se fabrica, en general colocando capa tras capa de un material una encima de la otra. Las impresoras 3D pueden fabricar objetos a partir de varios materiales, incluidos plásticos y metales.

Fuente: Deloitte, 2017

Casos de uso potenciales en la contratación pública

  • Producción de prototipos
  • Producción de insumos          

Robots y Drones 

Definición

Para nuestros propósitos, los robots se refieren a dispositivos autónomos que están programados para realizar ciertas tareas con poca o ninguna intervención humana . Pueden ser tareas repetitivas, manuales o tareas más complejas dependiendo de la sofisticación del robot. La automatización de tareas dentro de un entorno digital está excluida de esta definición, ya que se ha cubierto por separado en la categoría de automatización de procesos robóticos . Los drones son una subcategoría de robots: aviones que pueden operar de forma autónoma, sin un piloto humano a bordo.

Fuente: Deloitte, 2017

Casos de uso potenciales en la contratación pública

• Entrega de materiales y suministros          

      • Seguimiento del progreso del proyecto          

Realidad aumentada y realidad virtual

Definición

La realidad aumentada se refiere a tecnologías a través de las cuales los usuarios pueden ver e interactuar con el mundo real mientras se le agrega contenido digital. Estas tecnologías “superponen imágenes a la visión del usuario del mundo real”. Mientras tanto, la realidad virtual va un paso más allá, “[creando] un entorno digital que reemplaza el entorno del mundo real del usuario”.  

Fuente: Deloitte, 2018

Casos de uso potenciales en la contratación pública

• Visualización de bienes y servicios          

       • Ayudar a la evaluación          

En la figura siguiente se muestran los proyectos incluidos en la lista larga en todo el proceso de contratación pública

4.-  Selección de estudios de caso sobre tecnologías emergentes

A partir de la lista larga de 96 proyectos inicialmente seleccionados se confecciona una lista corta de proyectos para su estudio en profundidad.

Esta es la lista corta de estos proyectos         

A continuación se muestra una visualización de los estudios de caso, sus tecnologías principales, casos de uso específicos y aplicaciones dentro del proceso de adquisición. 

5.- Resultados de los estudios de caso     

Costo de los estudios de caso

En la imagen siguiente se aprecian los costes asignados a los diferentes proyectos. Hay que tener en cuenta que algunos eran pilotos y otros tenían la intención de ser proyectos definitivos

Requisitos

  • Personas preparadas en tecnología y en contratación,
  • Presencia de sistemas o plataformas de contratación electrónica existentes (datos de calidad, accesibles y constantes)

Riesgos

  •                Privacidad y seguridad
  •             En RPA de seguridad y bloqueo (fallo de los automatismos)
  •             Poca experiencia y conocimientos sobre su implementación

Lecciones aprendidas

Estas son las lecciones que los autores han sacado del estudio resumido:

  • Lección 1: Siga un enfoque gradual hacia el desarrollo y la implementación de soluciones.
  • Lección 2: Desarrollar una estrategia para generar apoyo interno para el proyecto.
  • Lección 3: Desarrollar capacidades de gestión de datos como facilitador de proyectos de tecnología emergente  
  • Lección 4: Evaluar el enfoque apropiado para la gestión del conocimiento.
  • Lección 5: Asegúrese de que los comentarios de los usuarios se incorporen en el diseño de la solución 
  • Lección 6: Garantizar el acceso a datos de entrenamiento de alta calidad para proyectos de IA y ML
  • Lección 7: Involucrar a expertos en la materia en el análisis de datos para garantizar una interpretación adecuada de los resultados.
  • Lección 8: compartir conocimientos sobre las posibles aplicaciones de blockchain, que siguen siendo poco conocidas
  • Lección 9: Evalúe minuciosamente qué procesos son los más adecuados para la automatización 
  • Lección 10: Evaluar oportunidades de colaboración con otras partes interesadas en la cadena de valor de la impresión 3D.

6.- Conclusiones y próximos pasos

Los 20 estudios de caso seleccionados de esta lista larga se han desarrollado con el fin de proporcionar información detallada sobre los tipos de solución tecnológica adoptada junto con los impactos, costos, requisitos y riesgos asociados con estas soluciones. Las tecnologías principales presentadas en estos estudios de casos son AI & ML (6 casos), big data y análisis de datos (4 casos), blockchain (5 casos), RPA (4 casos) e impresión 3D (1 caso). 

Para cada una de las dimensiones mencionadas, existe una variación sustancial tanto dentro como entre grupos tecnológicos . Parece que los costos de estos proyectos están relacionados con el alcance y la escala de la solución particular que se está desarrollando, más que con el costo inherente de una tecnología en particular. Dicho esto, los estudios de caso sobre RPA y big data y análisis de datos en la muestra tienden a ser más costosos, lo que refleja que los proyectos que utilizan estas tecnologías tienden a ser más maduros e implementados a mayor escala. El único estudio de caso de impresión 3D que se analizó también fue un proyecto de alto presupuesto, con altos costos de puesta en marcha vinculados a la compra de la infraestructura necesaria . 

Los estudios de caso de RPA también tendían a ser los que tenían los mayores impactos medidos (en términos de horas de empleados ahorradas).Sin embargo, es difícil compararlos con tecnologías como los de big data cuyos objetivos (por ejemplo, mejorar la toma de decisiones) son más difíciles de medir (y a menudo no se midieron).

En cuanto a los principales riesgos del proyecto, estos se consideraron generalmente limitados, pero un tema común fue la preocupación por el conocimiento y la experiencia limitados sobre la tecnología que se está implementando. Un enfoque frecuente adoptado para abordar esta preocupación fue el uso de un enfoque de proyecto incremental , mediante el cual las implementaciones a pequeña escala (por ejemplo, una fase piloto) se fueron construyendo gradualmente en una implementación más sustancial. Este enfoque debe tomarse como una lección general para las organizaciones públicas interesadas en aplicar tecnologías emergentes a sus procesos de adquisiciones.

El otro punto clave del estudio se relaciona con uno de los requisitos clave identificados en múltiples estudios de casos diferentes en diferentes áreas tecnológicas . Un tema común fue que un alto nivel de gestión de datos es un requisito para la aplicación de estas tecnologías emergentes (énfasis mío). Esto se aplica a los casos de IA y ML en los que se requiere una fuente de datos de entrenamiento de buena calidad para desarrollar un algoritmo que funcione bien. Se aplica a los casos de big data y análisis de datos, que requieren fuentes de datos bien estructuradas (o necesitan establecer esta estructura) como base para su análisis, y se aplica a los casos de RPA, ya que esta tecnología solo puede procesar datos altamente estandarizados. La tecnología Blockchain se relaciona con este requisito de una manera diferente, ya que uno de los casos de uso de la tecnología puede ser realmente como un habilitador de la gestión de datos, proporcionando una fuente única confiable de datos que otras aplicaciones pueden aprovechar.

Los 20 estudios de caso desarrollados constituyen un recurso útil al que las organizaciones públicas pueden hacer referencia para comprender mejor el potencial de estas diferentes tecnologías, los pasos necesarios para implementarlas y lo que pueden esperar en términos de insumos y productos si implementan proyectos similares.

Sobre la base de los hallazgos de este estudio, el trabajo futuro podría investigar más a fondo algunos de los pasos habilitadores clave necesarios para implementar estas tecnologías . Las posibilidades sugeridas a continuación se obtuvieron y validaron durante un taller final del proyecto sobre tecnologías emergentes en la contratación pública.[147] con miembros del grupo de expertos en contratación EXEP[148]  y otras partes interesadas. Las opciones respaldadas por los participantes del taller incluyen examinar con mayor detalle los enfoques de gestión de datos y desarrollar recomendaciones sobre cómo las organizaciones pueden preparar y estructurar mejor sus datos para apoyar el desarrollo futuro de proyectos de tecnología emergente. Además, podría llevarse a cabo un análisis más detallado de las cuestiones legales (por ejemplo, cumplimiento del RGPD) asociadas con la gestión de datos y la aplicación de tecnologías emergentes. 

Una forma de alto impacto para apoyar la adopción de estas tecnologías en este dominio sería la provisión y mantenimiento de una base de conocimientos, asegurando que los diferentes recursos relacionados con la aplicación de tecnologías emergentes a la contratación pública se compartan y utilicen ampliamente. 

Las tecnologías emergentes descritas en este estudio tienen un gran potencial para transformar la forma en que se lleva a cabo la contratación pública en Europa y más allá. En los estudios de caso presentados, se proporcionan ejemplos concretos de organizaciones que están liderando el camino hacia una transformación digital de la contratación. Este estudio detalla las experiencias, éxitos y desafíos que enfrentan estas organizaciones con el objetivo de inspirar a otros a seguir un camino similar. 

Mis Reflexiones

A la luz de este documento y las fuentes consideradas en las entradas anteriores del blog, las decisiones, que en mi opinión deben ser tomadas en cuenta por los responsables y participantes en los servicios de contratación y en el contexto actual para mejorar la gestión del servicio de contratación, podrían ser algunas de las siguientes:   

Respecto al impacto en la gestión pública de estas tecnologías:

  • RPA, Analítica y Big Data que más impacto pueden tener en la gestión
  • Chatbots, tienen un impacto en el soporte, guía y atención a los agentes que participan en la contratación.
  • IA y ML son las tecnologías que más impacto pueden tener en la toma de decisiones y la detección de situaciones anómalas (fraude, corrupción, precios).
  • Blockchain, son tecnologías útiles, pero con un impacto menor en la gestión y mayor en la trasparencia e igualdad de trato.  
  • Iot y 3D, son tecnologías que representan (de momento) poco impacto en la gestión o la toma de decisiones.

Respecto a la oportunidad y la capacidad de implantación de estas tecnologías en los servicios de contratación pública:

  • Digitalizar el servicio de contratación es el paso previo imprescindible
  • La gestión del cambio que se habilite en la digitalización del servicio debería servir de proyección de los usuarios para identificar oportunidades y hacer el encaje con las potenciales tecnología más útiles.
  • Capacitar a los agentes que participan en la gestión del servicio en técnicas y herramientas digitales.
  • Priorizar el rendimiento en la gestión y el impacto en los resultados identificando claramente las responsabilidades y los medios para conseguirlo.
  • Iniciar proyecto de gestión de datos (la base de cualquier mejora basada en tecnología) una vez conseguida la digitalización como paso previo y habilitador.
  • No todos los proyectos sirven igual a todos los servicios de contratación. Hay que personalizar las iniciativas en función del impacto y el contexto de cada servicio de contratación. Huir de las expectativas infladas. Y del café para todos.

Respecto al contexto y la claridad necesaria para situarnos y percibirnos como actores principales: Hemos insistido en la especialización por separado de todas las funciones de la contratación para obtener la máxima eficiencia en un entorno estable. Ahora, el entorno se ha vuelto cambiante y se requiere visión de conjunto y aporte coordinado de todas las especialidades (jurídico, técnico, organizativo, político, comercial….) para conseguir el equilibrio necesario que en cada momento permita la mejor contratación

Deja un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.