Una IA ahora lee los desordenados registros de compra de medicamentos de Brasil, de $75 mil millones
Traducción automática del original en inglés, publicada sin revisión humana. En caso de duda, prevalece el inglés. Si un fragmento suena mal, selecciónelo y márquelo al final de la página.
Brasil gasta $75 mil millones al año en medicamentos públicos, pero los gobiernos locales los compran a través de 263 sistemas distintos. Debido a que los compradores suelen registrar las compras en texto libre, sin detalles estandarizados como la dosis, comparar precios en todo el país ha sido difícil. Para solucionarlo, una coalición de organismos de gobierno y organizaciones de la sociedad civil construyó una plataforma que reúne dos años de datos del portal nacional de contrataciones públicas. Encontraron que el 30% de los procesos de compra originales tenían descripciones insuficientes o incorrectas. Para estandarizar la base de datos, el equipo usó un modelo de lenguaje de gran tamaño para leer los registros de compra no estructurados y asociar cada artículo con un código de producto federal estándar.
El modelo de lenguaje logró asociar el 80% de los artículos comprados con el catálogo estándar, frente al 5% durante la revisión manual inicial del equipo. Clasifica 100 artículos en cinco segundos, una tarea que a una persona le tomaba 90 minutos. Los funcionarios de compras públicas ahora usan la base de datos resultante para filtrar búsquedas, establecer precios de referencia y planificar compras. Si bien mejorar la calidad de los datos puede aumentar el número de artículos que el sistema clasifica, el artículo sostiene que este enfoque demuestra que es posible hacer comparables las contrataciones públicas en mercados muy descentralizados.
Usar inteligencia artificial para asociar registros locales desordenados con una taxonomía central resuelve un problema fundamental de escala en la administración pública. La pregunta abierta es si este enfoque funciona para servicios públicos que carecen de un catálogo objetivo tan estructurado. Sin un índice nacional rígido listo para capturar los resultados, los modelos de lenguaje podrían tener dificultades para organizar los datos municipales.
Enlaces de hoy: Enlaces variados para el 1 de octubre de 2026.
Tiago C. Peixoto · English original · About