DOCUMENTACIÓN TÉCNICA

METODOLOGÍA

Cómo el Knowledge Graph detecta patrones de corrupción. Ontología, pipeline y 19 señales de alerta.

[01] — PIPELINE GCS → NEO4J AURADB

01

INGEST OCDS

72,399 contratos SEACE via OCDS Perú. Genera nodos Company, PublicEntity, Contract, Tender y relaciones WON, AWARDED_BY, UNDER_TENDER.

02

ENRICH SUNAT

e-consultaruc por cada RUC: representantes legales, trabajadores, CIIU, estado, condición, deuda coactiva. Genera Person, Address, REPRESENTS, LOCATED_AT.

03

ANÁLISIS TDR

PDFs de términos de referencia: extracción de texto + reglas Cypher + LLM. Genera Dossier, RiskFlag, ANALYZED_BY, HAS_FLAG.

04

RELACIONES DERIVADAS

Post-carga: SAME_ADDRESS_AS (domicilios compartidos), SAME_REPR_AS (representantes compartidos).

05

MÉTRICAS M1-M6

diversity_clients, avg_supplier_concentration, geographic_coverage, days_to_first_contract, risk_score_v2. Persistidas en nodos.

06

19 FLAGS CYPHER

Una query Cypher por flag. Se ejecutan sobre el grafo Neo4j AuraDB. Resultados rankeados por risk_score_v2.

[02] — ONTOLOGÍA NEO4J (v2.0)

NODOS

:Company~30,578 · RUC + estado SUNAT + workers + CIIU + deuda
:PublicEntity~2,731 · RUC + name + region
:Contract~55,457 · external_id + monto + fecha + procedure_type
:Tender~16,942 · tender_id + monto presupuesto
:Addressvariable · md5(domicilio_fiscal) como PK
:Personvariable · DNI/CE representantes legales
:Dossier3-20 · risk_score + risk_level + coverage_pct
:RiskFlag12+ · flag_code + severity + evidence_quote
:ProcedureSeace37 · uuid + nomenclatura + completed_targets

RELACIONES

WONCompany → Contract
AWARDED_BYContract → PublicEntity
UNDER_TENDERContract → Tender
LOCATED_ATCompany → Address
SAME_ADDRESS_ASCompany ↔ Company · derivada
REPRESENTSPerson → Company · cargo + fecha_desde
SAME_REPR_ASCompany ↔ Company · derivada
ANALYZED_BYContract → Dossier
HAS_FLAGDossier → RiskFlag

DIAGRAMA

Person ──REPRESENTS──▶ Company
                           │
                    WON ──▶│──▶ Contract
                           │         │
               LOCATED_AT ▼         ▼ AWARDED_BY
                       Address   PublicEntity
                                     │
                               ANALYZED_BY ▼
                                      Dossier
                                          │
                                  HAS_FLAG ▼
                                       RiskFlag

[03] — 19 SEÑALES DE ALERTA

GRUPO A·OCDS × SUNAT
F1

EMPRESA FANTASMA

Empresa con baja SUNAT o condición NO HABIDO que continúa ganando contratos activos.

CYPHER DETECTION

WHERE c.estado = 'BAJA' OR c.condicion = 'NO HABIDO'
F2

DOMICILIO COMPARTIDO

≥2 empresas con el mismo domicilio fiscal no genérico ganando del mismo comprador.

CYPHER DETECTION

MATCH (c1)-[:LOCATED_AT]->(a)<-[:LOCATED_AT]-(c2)
F3

SIN TRABAJADORES

0-2 trabajadores máximo + más de S/100K en contratos del Estado.

CYPHER DETECTION

WHERE c.max_trabajadores <= 2 AND c.total_won_pen > 100000
F4

GEO-MISMATCH

Domicilio fiscal en región diferente a la mayoría de contratos ganados.

CYPHER DETECTION

WHERE c.region <> k.region AND c.total_won_pen > 500000
GRUPO B·SOLO OCDS
F5

CLIENTE CAUTIVO

Proveedor con ≥5 contratos pero solo 1 entidad compradora.

CYPHER DETECTION

WHERE c.diversity_clients = 1 AND c.total_contracts >= 5
F6

ENTIDAD CAPTURADA

Una entidad concentra >80% de su gasto en un único proveedor en un año.

CYPHER DETECTION

WHERE e.avg_supplier_concentration > 0.8
F7

FRACCIONAMIENTO

≥3 contratos de la misma entidad al mismo proveedor en el mismo mes.

CYPHER DETECTION

WITH count(k) AS n_contratos WHERE n_contratos >= 3
F8

RÁFAGA FIN DE AÑO

≥3 contratos en noviembre-diciembre de la misma entidad (patrón de ejecución presupuestaria forzada).

CYPHER DETECTION

WHERE k.fecha.month IN [11, 12] AND count(k) >= 3
F9

CONCENTRACIÓN EXTREMA

Un proveedor lleva >80% del gasto total de una entidad en un año fiscal.

CYPHER DETECTION

WHERE pct_gasto > 0.80
F10

PROVEEDOR MONÓGAMO

Todo el historial de contratos de la empresa es con una sola entidad.

CYPHER DETECTION

WHERE c.diversity_clients = 1
F11

RUC INCOMPLETO

RUC no tiene 11 dígitos válidos — empresa no trazable en SUNAT.

CYPHER DETECTION

WHERE c.ruc STARTS WITH 'hash_'
F12

MONTO OUTLIER

Contrato con monto >5× la media de su procedimiento_type y región.

CYPHER DETECTION

WHERE k.monto > avg_monto * 5
GRUPO C·DOSSIERS TDR
F13

DOSSIER HIGH-RISK

TDR con score ≥50/100 en análisis automático de PDF (reglas + AI).

CYPHER DETECTION

WHERE d.risk_level = 'ALTO' AND d.total_score >= 50
F14

FLAGS TDR ESPECÍFICOS

Flags individuales: LOW_TRACEABILITY_OUTPUT, OBSOLETE_PHYSICAL_FORMAT, OVERLY_SPECIFIC_REQUIREMENTS.

CYPHER DETECTION

MATCH (d)-[:HAS_FLAG]->(f:RiskFlag)
GRUPO D·SUNAT RICO (e-consultaruc)
F15

CAPACIDAD CERO

Cero trabajadores en todos los meses registrados. Imposible ejecutar contratos.

CYPHER DETECTION

WHERE c.max_trabajadores = 0 AND c.total_won_pen > 50000
F16

REPRESENTANTE COMPARTIDO

Mismo representante legal en ≥2 empresas que ganaron contratos de la misma entidad.

CYPHER DETECTION

MATCH (p:Person)-[:REPRESENTS]->(c1) AND (p)-[:REPRESENTS]->(c2)
F17

DEUDA FISCAL ACTIVA

Empresa con deuda coactiva o actas probatorias en SUNAT sigue recibiendo contratos.

CYPHER DETECTION

WHERE c.deuda_coactiva = true OR c.omisiones_tributarias = true
F18

CIIU MISMATCH

Actividad económica CIIU declarada no corresponde al sector de los contratos ganados.

CYPHER DETECTION

WHERE c.ciiu_principal <> sector_expected
F19

EMPRESA RECIENTE

Primer contrato en menos de 1 año desde inicio de actividades. Monetización anómalmente rápida.

CYPHER DETECTION

WHERE c.days_to_first_contract < 365

[04] — FUENTES DE DATOS

FUENTE

SEACE / OCDS PERÚ

gs://agente-perry-data-prod/scraped/ocds/records.jsonl

SUNAT e-consultaruc

gs://agente-perry-data-prod/scraped/collectors/sunat_enriched.jsonl

TDRs / Dossiers

gs://agente-perry-data-prod/scraped/results/*/

Downloads MINAM

gs://agente-perry-data-prod/downloads/2024/ + 2025/

[05] — RISK SCORE V2

El risk_score_v2 se calcula sobre cada nodo Company post-carga. Máximo teórico: 140 puntos. Umbrales operacionales:

0 — 29BAJO RIESGOSin patrones significativos
30 — 59RIESGO MEDIO1-2 señales combinadas
60 — 89ALTO RIESGOMúltiples señales · requiere revisión
90 — 140CRÍTICOCombinación severa · prioridad máxima

COMPOSICIÓN DEL SCORE

Estado BAJA / NO HABIDO+30
RUC hash (no identificable)+20
0-2 trabajadores + >S/100K+25
Deuda coactiva / omisiones+20
1er contrato < 365 días+20
Cliente único + ≥3 contratos+15
Actas probatorias SUNAT+10

AGENTE P.E.R.R.Y · HACKLATAM 2026