Abstract
Las licitaciones públicas permiten a las instituciones contratar bienes, obras y servicios esenciales para el crecimiento del país. Este trabajo consistió en analizar los procesos de licitaciones públicas en Ecuador mediante la aplicación de técnicas de aprendizaje automático y explicabilidad de modelos, con el fin de mejorar la toma de decisiones. Se recopiló y procesó un conjunto de datos abiertos extraídos de la base de datos del SERCOP para identificar patrones y variables clave que influyeron en el éxito de las licitaciones. Utilizando modelos de clasificación como Random Forest, AdaBoost y CatBoost, y técnicas de explicabilidad como SHAP y Feature Importance, se desarrollaron modelos predictivos que permiten comprender de manera transparente las decisiones generadas por los algoritmos. Los resultados mostraron que CatBoost fue el modelo con mayor precisión predictiva y Feature Importance resultó ser la técnica más efectiva para explicar las predicciones. Además, se procedió a crear una interfaz web que permitió ingresar los datos de entrada y determinar si es recomendable que una empresa participe en una licitación. La inteligencia artificial explicable no solo mejora la precisión, sino que también proporciona información valiosa para que las empresas optimicen su participación en estos procesos.

This publication has 10 references indexed in Scilit: