En el Perú, los expedientes técnicos mal elaborados no son un problema menor: son la causa raíz de obras paralizadas, contratos resueltos y arbitrajes que drenan el presupuesto público. Cuando un municipio o gobierno regional convoca una licitación con un expediente deficiente, el impacto se distribuye entre todos los actores: el postor pierde tiempo y recursos económicos, el funcionario queda expuesto a responsabilidad administrativa, y la población espera una obra que no llega. El sistema de contrataciones públicas peruano procesa miles de procesos al año, y la capacidad de los equipos técnicos para revisar expedientes con rigor es limitada.
La inteligencia artificial aplicada a documentos ha alcanzado un nivel de madurez que permite automatizar la mayor parte de esa revisión. No todo, pero sí lo suficiente para transformar un proceso que hoy toma una semana en uno que toma un día. La Ley N.° 32069 —vigente desde abril de 2025— y la plataforma PLADICOP crean el contexto normativo para esta modernización. El momento no es “pronto”: es ahora.
Este artículo explora cómo funciona la IA aplicada a la revisión de expedientes técnicos, qué puede detectar con certeza, dónde encuentran sus límites, y cómo implementarla de forma responsable en una entidad pública peruana. El enfoque es práctico y sin promesas vacías.
El Expediente Técnico y sus Puntos de Falla
Un expediente técnico es el paquete completo de documentos que sustenta una licitación pública de obra o servicio. Lo elabora el área usuaria, un consultor externo, o ambos. Lo revisa el área de contrataciones antes de publicar las bases en SEACE o PLADICOP. Y quien lo firma asume responsabilidad por su conformidad.
Componentes obligatorios
Un expediente técnico de obra típico incluye: memoria descriptiva, especificaciones técnicas, planos (en CAD, PDF vectorial o imágenes), metrados, presupuesto base de referencia, cronograma de ejecución, estudios de apoyo (suelos, impacto ambiental, tráfico según corresponda) y anexos de documentación legal. En procesos de consultoría, buena parte de esto se reemplaza con Términos de Referencia (TDR).
Patrones de error documentados
La experiencia de la Contraloría General de la República y el Tribunal de Contrataciones del Estado identifica errores recurrentes que afectan la ejecución:
| Tipo de error | Impacto operativo | Detectable por IA |
|---|---|---|
| Planos con cotas faltantes o inconsistentes | Obra sin referencia precisa de dimensiones | Parcialmente (visión computacional básica) |
| Metrados que no coinciden con presupuesto | Costo real diverge del base de referencia | Sí (verificación cruzada numérica) |
| Especificaciones vagas (“material de buena calidad”) | Proveedor entrega lo mínimo posible | Sí (análisis semántico NLP) |
| Precios desactualizados vs. mercado | Presupuesto subestimado, addendas inevitables | Sí (comparación contra datos históricos SEACE) |
| TDR con criterios de evaluación subjetivos | Vulnerabilidad legal, impugnaciones recurrentes | Sí (NLP + motor de reglas) |
| Ausencia de firmas o sellos del proyectista | Responsabilidad sin asignar formalmente | Sí (verificación determinística) |
| Referencias a normativa derogada | Bases legalmente inconsistentes | Sí (RAG contra corpus actualizado) |
| Cronograma incompatible con duración total | Plazos imposibles de cumplir | Sí (verificación lógica de fechas) |
Estos errores no son excepcionales. En municipalidades distritales donde el equipo de contrataciones tiene dos o tres personas y maneja decenas de procesos al año, el tiempo disponible para revisar cada expediente con rigor técnico es acotado. El resultado: errores que emergen en el acto público, en la fase de ejecución, o en la auditoría posterior. Cada descubrimiento tardío eleva exponencialmente el costo de corrección.
Marco Normativo: Por Qué 2025 es Decisivo
La Ley N.° 32069 y el nuevo OECE
La Ley N.° 32069 (Ley General de Contrataciones Públicas) entró en vigencia el 22 de abril de 2025. Reemplaza la Ley N.° 30225 y crea el OECE (Organismo Especializado para Contrataciones Públicas Eficientes), sucesor del OSCE. Esta ley establece en su Reglamento los requisitos específicos que deben cumplir los expedientes técnicos. Las directivas del OECE —que se emiten con frecuencia mensual— actualizan continuamente estas reglas según experiencia operativa y cambios del contexto.
SEACE y PLADICOP: Infraestructura de datos
El SEACE sigue operativo durante el período de transición. PLADICOP es la plataforma de próxima generación que integra datos de desempeño de proveedores, historial de procesos, registros de contratos y patrones de riesgo. Para cualquier solución de IA, PLADICOP representa una fuente histórica de valor incalculable: precios de referencia por tipo de obra, plazos de ejecución típicos, frecuencia de impugnaciones por sector.
Normativa sectorial que el sistema debe conocer
Una solución de IA que revisa expedientes técnicos en Perú debe incorporar, como mínimo:
- Reglamento Nacional de Edificaciones (RNE): obligatorio para toda obra de edificación
- Normas OS del RNE (OS.010 a OS.100): saneamiento y sistemas de agua
- Manual de Diseño Geométrico de Carreteras DG-2018 del MTC: vialidad y transporte
- Normas técnicas de MINSA: establecimientos de salud (metraje mínimo por ambiente, equipamiento obligatorio)
- Norma Técnica de Diseño de Educación Básica del MINEDU: infraestructura educativa
- Código Nacional de Electricidad: proyectos de electrificación e instalaciones
- Normas Técnicas Peruanas (NTP) del INACAL: especificaciones de materiales y productos por sector
La brecha de actualización normativa es el principal riesgo operativo de cualquier sistema de IA en este dominio. Un sistema entrenado de forma estática queda desactualizado en meses. La solución radica en la arquitectura técnica, no en la capacidad del modelo base.
Cómo Funciona la IA: El Pipeline Completo
De papel a decisión: seis etapas diferenciadas
La cadena de procesamiento de un expediente técnico con asistencia de IA tiene seis etapas bien delimitadas:
1. Ingesta y OCR/ICR: Si el expediente llega en papel o PDF escaneado, el primer paso es la digitalización con reconocimiento óptico de caracteres (OCR) o reconocimiento inteligente de caracteres (ICR). Sin este paso, ningún modelo de lenguaje puede procesar el contenido. Las herramientas actuales —Azure Document Intelligence, AWS Textract, Tesseract con preprocesamiento— alcanzan precisiones superiores al 98% en documentos técnicos bien escaneados. Este es el paso que muchas implementaciones de IA omiten pero que es indispensable para una operación real.
2. Extracción estructurada (NLP): El sistema identifica qué tipo de documento es cada archivo, extrae secciones, números, especificaciones, firmas, fechas y referencias normativas. Los modelos multilingües en español —como multilingual-e5 o paraphrase-multilingual-mpnet-base-v2— permiten trabajar con el lenguaje técnico-legal peruano sin necesidad de traducción intermediaria.
3. Recuperación de norma aplicable (RAG): Este es el componente más crítico. El sistema RAG (Retrieval-Augmented Generation) integra un modelo de lenguaje con una base de datos normativa actualizada. Cuando el modelo analiza una especificación de concreto, consulta el corpus de normas para determinar qué estándar aplica. La ventaja del RAG sobre el fine-tuning es decisiva: la normativa peruana cambia constantemente, y con RAG se actualiza la base normativa sin reentrenar el modelo completo.
4. Motor de reglas determinísticas: En paralelo al análisis semántico, un motor de reglas ejecuta verificaciones binarias: ¿existe firma del proyectista? ¿El plazo supera el máximo legal? ¿El presupuesto incluye IGV? ¿Los metrados en memoria descriptiva coinciden con los del presupuesto? Estas verificaciones son 100% automatizables y no requieren interpretación.
5. Análisis LLM: El modelo de lenguaje grande integra los resultados del RAG y las extracciones NLP para producir observaciones en lenguaje natural: “La especificación de tuberías en la sección 3.2 no cita la clase de presión según norma OS.050 del RNE, que para esta presión de diseño requiere clase 10.”
6. Reporte de conformidad: El sistema genera un documento estructurado con observaciones clasificadas por severidad (crítica, media, informativa), cada una con cita normativa y ubicación exacta en el expediente. Este reporte es insumo para el especialista humano, no la decisión final.
Qué puede detectar con alta confianza
Las verificaciones se distribuyen en dos categorías claramente diferenciadas:
Determinísticas (automatizables al 100%):
- Presencia de todos los documentos obligatorios según tipo de proceso
- Existencia de firmas y sellos del proyectista responsable
- Coherencia cronológica entre fechas de estudios y fecha del expediente
- Consistencia numérica entre metrados, presupuesto y cronograma
- Presencia del Impuesto General a las Ventas (IGV) en el presupuesto
- Plazo de ejecución dentro de límites legales por tipo de proceso
Semánticas (NLP + RAG, confianza del 85-95%):
- Especificaciones genéricas frente a especificaciones con referencia normativa específica
- Inconsistencias entre memoria descriptiva y planos
- TDR con criterios de evaluación subjetivos o que contradicen bases estándar del OECE
- Referencias a normativa derogada o incompatible con la legislación vigente
- Perfiles profesionales en TDR que no cumplen requisitos mínimos sectoriales
- Presupuesto significativamente alejado de rangos históricos para obras similares en SEACE
Lo que la IA no puede hacer
Ser explícito sobre las limitaciones es un requisito para implementar la tecnología de forma responsable.
- Revisión profunda de planos CAD: La visión computacional actual detecta que falta la leyenda o que no hay escala indicada, pero no puede verificar cálculos estructurales ni consistencia de cotas complejas. Eso requiere ingeniero estructural.
- Cálculos de ingeniería: Diseño estructural, cálculo hidráulico, análisis de suelos, evaluación de cargas. Fuera del alcance actual y previsible.
- Evaluación de viabilidad de campo: ¿Es el cronograma realista dado el contexto geográfico y político de la zona? ¿Hay acceso vial en época de lluvias? ¿Existen conflictos socioambientales? La IA no lo sabe.
- Responsabilidad legal: Quien firma la aprobación del expediente asume responsabilidad administrativa. La IA no puede asumir eso ni debe intentarlo.
- Detección de corrupción o colusión: No es el propósito ni está en la capacidad técnica del sistema.
Casos Concretos por Sector
Salud (MINSA / EsSalud)
La IA verifica que especificaciones de equipos médicos citen certificaciones obligatorias, que los planos cumplan metraje mínimo por ambiente según normas MINSA, y que los TDR de servicios médicos incluyan perfiles profesionales exigidos. Caso frecuente: expedientes de postas médicas rurales con “equipamiento básico” como especificación, sin mencionar el equipo de esterilización UV que la norma MINSA requiere en establecimientos de nivel I-3 y superiores. La IA lo detecta en segundos cruzando contra el corpus normativo sectorial.
Educación (MINEDU / PRONIED)
El sistema verifica que planos de locales escolares cumplan la Norma Técnica de Diseño de Educación Básica: aforo máximo por aula, iluminación mínima, ventilación natural requerida, accesibilidad universal según la Norma A.120 del RNE. Una aula de 4 m × 4 m especificada para 35 estudiantes es un incumplimiento evidente que debería detectarse antes de convocar, no durante la ejecución.
Transporte y Vialidad (MTC / Provias)
Para carreteras, el sistema verifica consistencia entre el estudio de tráfico y el diseño geométrico, y que las especificaciones citen el Manual de Diseño Geométrico de Carreteras DG-2018 del MTC. En obras de varios kilómetros, es frecuente que el ancho de calzada en la memoria no coincida con el de los planos. La IA cruza ambas fuentes automáticamente.
Saneamiento (MVCS / EPS)
Verifica que las tuberías citen clase de presión correcta, que la capacidad de la planta de tratamiento sea coherente con la población servida según las normas OS del RNE, y que el cronograma sea compatible con la temporada de lluvias en la zona. Un sistema diseñado para 5,000 habitantes pero con memoria que menciona 8,000 es una inconsistencia que el sistema detecta de inmediato.
Gobiernos Locales y Regionales
Este es el segmento más crítico y más desatendido. Una municipalidad distrital con dos especialistas en contrataciones que maneja entre 60 y 100 procesos al año no puede hacer revisión técnica profunda de cada expediente. El resultado: una proporción significativa de expedientes llega con observaciones evitables que retrasan procesos, frustran postores y exponen al funcionario. La IA no resuelve todo, pero reduce drásticamente las observaciones obvias.
Energía y Minas (MINEM)
El sistema verifica que proyectos de electrificación rural citen el Código Nacional de Electricidad y que las especificaciones de cable sean las adecuadas para la altitud y temperatura de la zona. Un cable apropiado para la costa puede no cumplir las exigencias de una red en Puno. La IA detecta este tipo de inconsistencia cruzando las especificaciones contra las variables geográficas del proyecto.
El Especialista Humano: Por Qué Permanece en la Ecuación
El modelo human-in-the-loop no es una concesión a limitaciones de la IA: es un requisito legal y ético en el contexto peruano.
En Perú, quien firma la aprobación del expediente técnico asume responsabilidad administrativa. La Contraloría General puede identificar el expediente deficiente como hallazgo y derivar responsabilidades. Ningún sistema de IA puede absorber esa responsabilidad, ni debe intentarlo.
El modelo de operación recomendado tiene tres fases diferenciadas:
- Fase 1 (primeras semanas): El especialista revisa el 100% de observaciones del sistema, calibrando umbrales y verificando concordancia. Esto establece confianza en el sistema y ajusta parámetros a la realidad específica de la entidad.
- Fase 2 (operación parcial): El especialista revisa observaciones de riesgo alto y una muestra aleatoria del 20%. El sistema ya demostró confiabilidad en verificaciones de menor riesgo.
- Fase 3 (operación estable): El especialista valida solo observaciones críticas y realiza auditorías periódicas del sistema. El tiempo de revisión cae drásticamente.
El especialista no desaparece: se enfoca en juicio profesional, interpretación de contexto y decisiones que requieren experiencia acumulada. La IA elimina la búsqueda de errores obvios —la tarea que consume más tiempo y que cualquier sistema bien calibrado puede hacer más rápido y con mayor consistencia.
Implementación: Hoja de Ruta Realista
Una implementación responsable no se realiza en dos semanas. El proceso tiene etapas que no pueden saltarse:
Diagnóstico (semanas 1-2): Cuántos expedientes revisa la entidad por año, cuáles son los errores más frecuentes, qué sistemas de gestión documental existen, qué expedientes históricos están disponibles en formato digitalizable.
Preparación de datos (semanas 3-6): Digitalización con OCR de expedientes históricos (los últimos dos años son suficientes para calibración), clasificación por sector y tipo de proceso, marcado por el especialista de cuáles fueron aprobados y cuáles tuvieron observaciones, indexación del corpus normativo actualizado con Ley 32069 y directivas OECE.
Configuración y calibración (semanas 7-14): Selección de plataforma (on-premise para entidades con alta sensibilidad de datos, cloud dedicada para el resto), configuración del RAG con corpus normativo local, entrenamiento del motor de reglas específico para la entidad, piloto con datos históricos para medir concordancia entre el sistema y las revisiones previas del especialista.
Piloto en vivo y operación (semanas 15 en adelante): El sistema opera en paralelo con revisión humana durante cuatro semanas. Si la concordancia supera el 85%, el sistema está listo para operar como primera línea de revisión. La mejora continua —actualización mensual del corpus normativo, retroalimentación del especialista— es parte del servicio, no una opción.
Riesgos y Consideraciones Éticas
Adoptar esta tecnología con responsabilidad implica reconocer sus riesgos, no minimizarlos.
Sesgo en los modelos: Si el corpus de entrenamiento proviene principalmente de entidades urbanas grandes, el sistema puede ser menos preciso con expedientes de gobiernos pequeños o zonas rurales. La solución es un corpus balanceado geográficamente y auditorías periódicas por región.
Confidencialidad documental: Los expedientes técnicos contienen presupuestos sensibles, datos de proveedores e información de infraestructura crítica. El sistema debe operar en entornos on-premise o VPC dedicada, con encriptación en tránsito y cumplimiento del D.L. 681 sobre documentos con valor legal.
Sobre-confianza en el sistema: El riesgo más silencioso es que el funcionario firme sin revisar el reporte porque “la IA ya lo checó”. La capacitación debe ser explícita: el reporte de IA es insumo, no autorización.
Falsos positivos y negativos: Los falsos positivos recarguen al especialista y erosionan la confianza en el sistema; los falsos negativos generan riesgo legal. La calibración rigurosa y los niveles de confianza diferenciados en el reporte son la mitigación correcta.
Brecha de actualización normativa: Con la Ley 32069 generando directivas del OECE mensualmente, un sistema que no se actualiza queda desactualizado en semanas. La suscripción a fuentes oficiales y las actualizaciones automáticas del corpus no son opcionales.
El Rol de AyP Digital: Stack Completo, No Solo Software
La promesa de “IA para revisar expedientes” tropieza en el primer paso cuando los expedientes llegan en papel o en PDF escaneado no buscable. Sin OCR/ICR profesional aplicado antes del análisis, ningún modelo de lenguaje puede operar sobre el contenido.
AyP Digital resuelve el stack completo:
- OCR/ICR especializado: Documentos técnicos —planos, especificaciones, metrados— con precisión superior al 98%.
- Custodia con valor legal: Microformas digitales conforme al D.L. 681 y la NTP 392.030-2:2015, garantizando que el documento digitalizado tiene validez jurídica equivalente al original.
- SGDEA (ePaper): Plataforma de gestión documental donde se recibe el expediente, se envía a revisión IA y se archiva el reporte con trazabilidad completa.
- Pipeline de IA especializado: Incorpora Ley 32069, directivas del OECE, normas sectoriales (RNE, DG-2018, NTP INACAL) y jurisprudencia del Tribunal de Contrataciones.
- Soporte con conocimiento local: No es una herramienta genérica importada. Es implementación con comprensión del sector público peruano, los flujos reales de contrataciones y los requisitos de la Contraloría.
La propuesta de valor es concreta: facilitar la revisión de expedientes técnicos en un día en lugar de una semana, garantizar cumplimiento normativo documentado, y proteger al funcionario público con un reporte íntegro y auditable. Desde la digitalización hasta la decisión.
Para una evaluación gratuita de tu proceso de revisión de expedientes, contacta a AyP Digital: +51 942 867 653 o ventas@aypdigital.com.
