ElDoctor/contractor-ai-latam

Contractor AI · modelos para analizar contratos públicos

Dos piezas para revisar contratos públicos de América Latina fuera de la plataforma:

Carpeta	Qué es	¿Analiza un contrato nuevo por sí sola?
analyzer.py + reference.json	Modelo de referencia estadístico de 10 países (mediana + MAD sobre el logaritmo del monto). El mismo cálculo que usa la página «Analizar contratos» de Contractor AI.	Sí. Solo Python estándar, sin internet.
bert-xgboost/	El modelo base original de Daniel Duque Lozano: un XGBoost que predice el valor de un contrato a partir de la descripción (vía BERT) y de campos OCDS. Entrenado con contratos de servicios de Paraguay.	No, falta la red BERT ajustada (ver abajo).

Países: Paraguay, Colombia, Costa Rica, República Dominicana, Perú, El Salvador, Brasil, Uruguay, Chile y Guatemala.

Pruébalo sin instalar nada en el analizador en línea: ElDoctor/contractor-ai-analizador.

Uso rápido

pip install huggingface_hub
python -c "from huggingface_hub import snapshot_download; print(snapshot_download('ElDoctor/contractor-ai-latam'))"
cd <carpeta que imprimió>
python analyzer.py --country GT --amount 89500
python analyzer.py --country PY --amount 950000000 --buyer "municipalidad de asuncion"
python analyzer.py --list CL      # categorías y compradores disponibles

from analyzer import Analyzer
r = Analyzer().compare("DO", 265000)          # moneda principal del país por defecto
print(r.verdict, r.reference_group, round(r.deviation_pct))

Cómo decide

1. Elige el grupo de referencia más específico con al menos 8 contratos: mismo comprador, si no misma categoría, si no el país completo (siempre en la misma moneda).
2. Calcula el z-score modificado de Iglewicz y Hoaglin sobre log(monto): 0.6745 · (x − mediana) / MAD.
3. Revisa también las cercas de Tukey: [Q1 − 1,5·IQR, Q3 + 1,5·IQR].
4. Veredicto: alta si |z| > 5, revisar si |z| > 3,5 o el monto queda fuera de las cercas, normal en otro caso.

reference.json contiene solo agregados (mediana, MAD, cuartiles y tamaño de cada grupo) y el nombre público del comprador. No contiene ningún contrato individual. Se regenera con backend/scripts/export_reference_model.py del repositorio.

El modelo base de Daniel Duque (bert-xgboost/)

• Arquitectura: bert-base-multilingual-cased lee la descripción presupuestaria, y una cabeza densa (768 → 15000 → 15000 → 1500) produce 1500 rasgos. A esos rasgos se suman 54 columnas one-hot de campos OCDS (criterio de adjudicación, estado, número de oferentes, método de envío, categoría detallada, moneda…). XGBoost (reg:pseudohubererror, 1351 árboles) predice el valor en millones de USD constantes.
• Datos: licitaciones de servicios de Paraguay (DNCP, API OCDS v3), montos llevados a USD y ajustados por CPI.
• Archivos: model.ubj (formato nativo de XGBoost, sin pickle) y feature_names.json con las 1554 columnas en orden.
• Limitación importante: los pesos de la cabeza BERT ajustada (primero.pt) no forman parte de esta publicación. Sin ellos no se pueden calcular los 1500 rasgos de texto, así que este XGBoost sirve para reproducir y auditar el trabajo original, no para puntuar contratos nuevos. Para analizar un contrato hoy, usa analyzer.py.
• Basado en ofiscal/contract-transparency.

Limitaciones y uso responsable

• Un veredicto «revisar» o «alta» es una señal para mirar más de cerca, nunca una acusación de corrupción. Hay compras legítimamente atípicas (urgencias, obras únicas, errores de carga en el portal).
• Cada país publica distinto: muestras de distinto tamaño y período (ver la sección «Datos de los datos» de la plataforma). Perú tiene muy pocos contratos.
• Los montos están en moneda local y no se comparan entre países.

Cita

Equipo Contractor AI (2026). Contractor AI: detección de anomalías de precio en contratación pública de 10 países de América Latina. Modelo base: Daniel Duque Lozano.