Fiscalizar de forma planificada exige priorizar dónde y cuándo auditar. Con IA, es posible perfilar empresas con mayor probabilidad de infraccionalidad y aumentar de manera significativa la efectividad de los operativos. En Chile, la Dirección del Trabajo (DT) inició la implementación de un nuevo modelo inspectivo apoyado en tecnología e inteligencia artificial (SGI + Política Nacional Inspectiva), justamente para hacer la fiscalización “más eficiente, ágil y transparente”.
El enfoque
- Modelamiento con datos históricos: segmentamos fiscalizaciones anteriores y creamos un modelo predictivo de infracción con técnicas como Random Forest, regresión logística y redes neuronales, bajo metodología CRISP-DM. Este enfoque fue probado por la DT en 2017-2018 con muy buenos rendimientos de clasificación.
- Ejecución y retroalimentación: desplegamos el scoring en campañas reales, medimos tasa de acierto y actualizamos el modelo con nuevas etiquetas de terreno; luego enriquecemos con registros administrativos pertinentes (p. ej., morosidad previsional publicada en el Boletín de Infractores) para afinar señales de riesgo.
Resultados medibles
- Primera etapa (piloto real DT): el promedio histórico de eficacia proactiva rondaba 27% (últimos 6 años pre-2018). Un piloto en 560 empresas usando Random Forest logró 42,24% de asertividad global, con regiones superando el 50%.
- Segunda etapa (modelo enriquecido – referencia comparada): en la experiencia internacional de Albania, la segmentación por probabilidades de incumplimiento elevó la tasa de acierto de 39% a 64%; esto es un buen benchmark para metas de maduración del modelo en Chile (la DT está desplegando SGI+IA, sin cifras públicas de “segunda etapa” al 03 de septiembre de 2025).
¿Por qué funciona?
La priorización data-driven dirige inspectores y procedimientos hacia los puntos con mayor probabilidad de irregularidades. La propia DT y la evidencia internacional recomiendan incorporar analítica y modelos predictivos para identificar sectores de alto riesgo y mejorar la eficacia de las inspecciones, siempre con decisión humana final e instrumentos interpretables.
Cómo partir
- Unificar y normalizar históricos de fiscalización (resultado, motivo, sector, tamaño, región) y variables externas pertinentes.
- Entrenar modelos de scoring (CRISP-DM) y definir umbrales por región/industria para programar operativos con cupos limitados.
- Diseñar tableros operativos con validación en terreno y feedback de inspectores para iterar en ciclos cortos (mensual/trimestral) y recalibrar el riesgo.
Si tu organismo planifica inspecciones, este enfoque permite aumentar cobertura efectiva con los mismos recursos y documentar el impacto con métricas de acierto por programa, región y tipo de incumplimiento. Podemos levantar tu histórico, entrenar un piloto y mostrar el potencial de mejora en pocas semanas.
