Expected versus Unexpected Non-Competition: A Corruption-Risk Approach to Public Procurement in Spain
Questo articolo introduce un framework basato sull'apprendimento automatico che utilizza i dati sugli appalti pubblici spagnoli per distinguere tra la mancata concorrenza attesa e quella inaspettata, creando così un proxy raffinato per il rischio di corruzione che riduce i falsi positivi e tiene conto dei fattori strutturali del mercato e delle istituzioni.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Gli acquisti pubblici sono il processo attraverso il quale i governi acquistano i beni, i servizi e le infrastrutture necessari per gestire un paese, dalla costruzione di strade alla fornitura di ospedali. Poiché questi contratti comportano enormi somme di denaro e regole complesse, essi sono un frequente bersaglio della corruzione. Uno dei segnali di avvertimento più comuni che indicano che qualcosa non va è la mancanza di concorrenza. Quando un governo richiede offerte per un progetto, un mercato sano produce solitamente diverse aziende in competizione per il lavoro. Se si presenta una sola azienda, o se il processo di gara viene mantenuto segreto, ciò suggerisce spesso che il contratto sia stato truccato per favorire un fornitore specifico. Per anni, auditor e organismi di controllo si sono affidati a semplici elenchi di questi segnali di allarme, noti come "red flags", per individuare transazioni sospette. Tuttavia, questi elenchi hanno un grande difetto: non sono in grado di distinguere tra un contratto sospettosamente poco competitivo e uno che è semplicemente poco competitivo per ragioni legittime, come un mercato specializzato dove esistono poche aziende o un progetto complesso che spaventa i partecipanti alla gara. Questa confusione porta a molti falsi allarmi, sprecando tempo e risorse in contratti che sono in realtà integri.
Per risolvere questo problema, i ricercatori Iván Pastor-Sanz e Félix J. López-Iturriaga si sono rivolti a una vasta collezione di dati provenienti dalla Spagna, analizzando 393.361 gare d'appalto pubbliche assegnate tra il 2018 e il 2024. Invece di utilizzare una lista di controllo statica, hanno costruito un modello informatico che impara dalla storia di questi contratti per comprendere cosa rappresenti un livello di concorrenza "normale" per ogni data situazione. Il modello tiene conto dei dettagli disponibili prima dell'assegnazione di un contratto, come il tipo di lavoro da svolgere, le regole specifiche utilizzate per selezionare il vincitore e la regione in cui si trova il progetto. Studiando questi fattori, il modello calcola la probabilità attesa che una gara attiri meno di tre offerte. Calcola poi il confronto tra questa aspettativa e ciò che è accaduto realmente. Se un contratto riceve pochissime offerte quando il modello aveva previsto che ne avrebbe attirate molte, tale scarto viene segnalato come un'anomalia inaspettata. Questo approccio consente ai funzionari di separare il rumore delle normali condizioni di mercato dal segnale di una potenziale corruzione.
I ricercatori hanno scoperto che i fattori più importanti che determinano se un contratto riceve molte offerte o una sola non sono l'importo di denaro coinvolto, bensì il tipo di progetto e le regole utilizzate per gestire il processo di gara. Il settore specifico dell'economia, come l'edilizia o i servizi IT, spiegava quasi la metà della variazione nei livelli di concorrenza. Il tipo di procedura utilizzata per l'assegnazione del contratto era il secondo predittore più potente. Ciò conferma una visione di lunga data nella scienza politica secondo cui la quantità di libertà o discrezionalità concessa ai funzionari governativi nel progettare il processo di gara modella direttamente l'opportunità di favoritismo. I contratti assegnati tramite procedure che consentono ai funzionari di negoziare direttamente con i fornitori senza pubblicità pubblica erano molto più propensi ad avere una bassa concorrenza, ma il modello ha mostrato che questo era spesso un esito atteso delle regole, non necessariamente la prova di un reato.
Il vero valore di questo lavoro risiede nella sua capacità di filtrare i falsi allarmi. Concentrandosi solo sui contratti in cui la concorrenza effettiva era significativamente inferiore a quanto previsto dal modello, i ricercatori hanno identificato un gruppo minuscolo e altamente sospetto di gare d'appalto. Su quasi 400.000 contratti, il modello ha segnalato solo 2.195 casi, ovvero circa lo 0,56 percento, come inaspettatamente poco competitivi. Questi sono gli accordi che meritano l'esame più attento perché deviano nettamente dalla norma per il loro specifico tipo e località. Lo studio ha dimostrato che questi casi segnalati presentavano una forte correlazione con altre misure consolidate del rischio di corruzione, suggerendo che il modello stia identificando correttamente problemi di integrità reali piuttosto che semplice rumore casuale. Questo metodo offre agli organi di controllo un modo per passare dal reagire a ogni contratto con pochi offerenti al colpire in modo proattivo proprio quei pochi casi in cui il rischio è più elevato, garantendo che le limitate risorse di audit siano spese dove possono fare il massimo bene.
Le conclusioni suggeriscono che, sebbene la bassa concorrenza sia un indicatore utile, non è un indicatore perfetto da solo. Lo studio non prova che ogni contratto segnalato sia corrotto, ma fornisce uno strumento molto più affilato per trovarli. Distinguendo tra la mancanza di concorrenza prevista causata dalle realtà del mercato e la mancanza di concorrenza inaspettata che suggerisce illeciti, questo approccio aiuta i governi a gestire il massiccio flusso di fondi pubblici con maggiore precisione. Mentre la Spagna continua a ricevere miliardi di euro in fondi di recupero dall'Unione Europea, la capacità di monitorare efficacemente questi contratti è più critica che mai. La ricerca dimostica che usare i dati per comprendere il contesto di un accordo è molto più potente del semplice conteggio del numero di partecipanti, offrendo una via più chiara verso la trasparenza e la responsabilità nella spesa pubblica.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.