Expected versus Unexpected Non-Competition: A Corruption-Risk Approach to Public Procurement in Spain
Dit artikel introduceert een op machine learning gebaseerd framework dat gebruikmaakt van Spaanse publieke aanbestedingsgegevens om onderscheid te maken tussen verwachte en onverwachte niet-concurrentie, waardoor een verfijnde, fout-positievereducerende proxy voor corruptierisico wordt gecreëerd die rekening houdt met structurele markt- en institutionele factoren.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Overheidsinkoop is het proces waarbij overheden de goederen, diensten en infrastructuur kopen die nodig zijn om een land te besturen, van het bouwen van wegen tot het bevoorraden van ziekenhuizen. Omdat deze contracten enorme sommen geld en complexe regels inhouden, zijn ze een frequent doelwit voor corruptie. Een van de meest voorkomende waarschuwingssignalen dat er iets mis is, is een gebrek aan concurrentie. Wanneer een overheid oproept tot inschrijvingen voor een project, produceert een gezonde markt gewoonlijk meerdere bedrijven die strijden om het werk. Als er echter slechts één bedrijf op komt dagen, of als het biedingsproces geheim wordt gehouden, suggereert dit vaak dat het contract gemanipuleerd is om een specifieke leverancier te bevoordelen. Jarenlang hebben auditors en waakhonden vertrouwd op eenvoudige lijsten met deze waarschuwingssignalen, bekend als 'red flags', om verdachte deals op te sporen. Deze lijsten hebben echter een groot gebrek: ze kunnen het verschil niet zien tussen een contract dat verdacht weinig concurrentie kent en een contract dat simpelweg weinig concurrentie heeft om legitieme redenen, zoals een gespecialiseerde markt waar slechts weinig bedrijven bestaan, of een complex project dat bieders afschrikt. Deze verwarring leidt tot veel valse alarmen, waardoor tijd en middelen worden verspild aan contracten die eigenlijk zuiver zijn.
Om dit probleem op te lossen, wendden onderzoekers Iván Pastor-Sanz en Félix J. López-Iturriaga zich tot een enorme collectie gegevens uit Spanje, waarbij zij 393.631 overheidsopdrachten analyseerden die tussen 2018 en 2024 zijn gegund. In plaats van een statische checklist te gebruiken, bouwden zij een computermodel dat leert van de geschiedenis van deze contracten om te begrijpen wat een "normaal" niveau van concurrentie is voor een gegeven situatie. Het model houdt rekening met details die beschikbaar zijn vóórdat een contract wordt toegekend, zoals het type werk dat wordt uitgevoerd, de specifieke regels die worden gebruikt om de winnaar te selecteren, en de regio waar het project zich bevindt. Door deze factoren te bestudelen, berekent het model de verwachte waarschijnlijkheid dat een aanbesteding minder dan drie biedingen zal aantrekken. Het vergelijkt deze verwachting vervolgens met wat er daadwerkelijk is gebeurd. Als een contract zeer weinig biedingen ontvangt terwijl het model voorspelde dat het veel biedingen zou moeten hebben aantrokken, wordt die kloof gemarkeerd als een onverwachte anomalie. Deze aanpak stelt functionarissen in staat om het onderscheid te maken tussen de ruis van normale marktomstandigheden en het signaal van potentiële corruptie.
De onderzoekers ontdekten dat de belangrijkste factoren die bepalen of een contract veel biedingen krijgt of slechts één, niet het bedrag van het geld betrokken is, maar eerder het type project en de regels die worden gebruikt om het biedingsproces te beheren. De specifieke sector van de economie, zoals de bouw of IT-diensten, verklaarde bijna de helft van de variatie in concurrentieniveaus. Het type procedure dat wordt gebruikt om de opdracht te gunnen, was de tweede krachtigste voorspeller. Dit bevestigt een langgekoesterde visie in de politieke wetenschappen dat de mate van vrijheid of discretie die overheidsfunctionarissen wordt gegeven bij het ontwerpen van het biedingsproces, direct de kans op vriendjespolitiek vormgeeft. Contracten die worden gegund via procedures die functionarissen de mogelijkheid geven om rechtstreeks met leveranciers te onderhandelen zonder openbare advertentie, hadden veel grotere kans om een lage concurrentie te hebben, maar het model toonde aan dat dit vaak een verwacht resultaat was van de regels, en niet noodzakelijkerwijs het bewijs van een misdaad.
De werkelijke waarde van dit werk ligt in het vermogen om de valse alarmen te filteren. Door zich alleen te richten op de contracten waarbij de werkelijke concurrentie aanzienlijk lager was dan wat het model verwachtte, identificeerden de onderzoekers een kleine, zeer verdachte groep aanbestedingen. Van bijna 400.000 contracten markeerde het model slechts 2.195 gevallen, oftewel ongeveer 0,56 procent, als onverwacht onconcurrerend. Dit zijn de deals die de nauwste controle verdienen omdat ze sterk afwijken van de norm voor hun specifieke type en locatie. De studie toonde aan dat deze gemarkeerde gevallen sterk correleerden met andere gevestigde maatstaven voor corruptierisico, wat suggereert dat het model terecht integriteitsproblemen identificeert in plaats van slechts willekeurige ruis. Deze methode biedt een manier voor toezichthoudende organen om van reactief reageren op elk contract met weinig bieders over te gaan naar het proactief targeten van de specifieke weinigen waar het risico het hoogst is, waardoor ervoor wordt gezorgd dat beperkte auditmiddelen worden ingezet waar ze het meeste nut hebben.
De bevindingen suggereren dat hoewel een lage concurrentie een nuttige indicator is, het op zichzelf geen perfecte indicator is. De studie bewijst niet dat elk gemarkeerd contract corrupt is, maar het biedt een veel scherper instrument om ze te vinden. Door onderscheid te maken tussen de verwachte afwezigheid van concurrentie veroorzaakt door marktrealiteiten en de onverwachte afwezigheid van concurrentie die duidt op kwaadwilligheid, helpt deze aanpak overheden om de enorme stroom publieke middelen met grotere precisie te beheren. Terwijl Spanje blijft ontvangen van miljarden euro's aan herstelgelden van de Europese Unie, is het vermogen om deze contracten effectief te monitoren belangrijker dan ooit. Het onderzoek laat zien dat het gebruik van data om de context van een deal te begrijpen veel krachtiger is dan simpelweg het aantal bieders tellen, wat een duidelijk pad biedt naar transparantie en verantwoording in de publieke uitgaven.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.