Equipo de Académicos de la Universidad de Chile Gana Prestigioso Premio Internacional

El equipo liderado por el profesor Marcelo Olivares recibe el Revenue Management and Pricing Practice Award de INFORMS

El Departamento de Administración de la Facultad de Economía y Negocios, de la Universidad de Chile, se enorgullece en anunciar el éxito del equipo liderado por el Profesor Asociado Marcelo Olivares, quienes junto a Gabriel Weintraub y Daniela Saban de Stanford GSB, obtuvieron el prestigioso Revenue Management and Pricing Practice Award. Esta distinción otorgada por la sociedad INFORMS — una de las más importantes a nivel mundial en Operations and Management Science — reconoce el impacto significativo de su trabajo colaborativo con ChileCompra, que ha transformado la estrategia de Convenios Marco, reduciendo el gasto público en aproximadamente 74 millones de dólares anuales.

Contexto y Motivación

En esta misma línea, entrevistamos al Profesor Marcelo Olivares, quien nos detalló el inicio, desarrollo e implementación de su investigación. Desde 2008, el Profesor Olivares se ha dedicado al estudio del abastecimiento de sistemas públicos, impulsado por su potencial impacto en la Gestión de Operaciones. A partir de 2016, colaboró activamente con ChileCompra para optimizar los mecanismos de compras públicas en el país.

En este contexto, los análisis realizados revelaron posibilidades significativas de mejorar este sistema. Olivares destacó: “Nuestros estudios sobre estos mecanismos de compra en Chile sugirieron que existen oportunidades para fomentar una mayor competencia en la selección de proveedores, lo que podría resultar en la reducción de precios y en ahorros significativos para el estado.”

Metodología y Enfoque

De esta forma, la investigación inicial se centró en la creación de modelos analíticos basados en teoría microeconómica para entender los factores que influyen en la competencia y los precios. El proceso de los Convenio Marco se divide en dos etapas: una subasta para seleccionar proveedores y un mercado electrónico donde los compradores adquieren productos de los proveedores seleccionados. La investigación mostró que había poca competencia en la primera etapa y que ajustar la subasta podría generar mayores ahorros.

Para implementar estos cambios, empleamos métodos de inteligencia artificial, específicamente procesamiento de lenguaje natural, para analizar la información del mercado público, combinarla con datos del mercado externo y entrenar el modelo. Así, logramos que reconociera los atributos clave que determinan la calidad y funcionalidad de distintos productos”, explicó Olivares. “Esto nos permitió desarrollar un catálogo estructurado de productos, lo que facilitó la definición de productos de manera objetiva y escalable, además de favorecer la recepción de ofertas competitivas de múltiples proveedores”.

Impacto y Resultados

Para evaluar el impacto del nuevo diseño de Convenio Marco, los investigadores lanzaron un piloto para el área de alimentos en 2017, demostrando un impacto significativo. Los precios de las ofertas adjudicadas en la subasta fueron un 8% más bajos para los productos con criterios competitivos. Este ahorro se mantuvo durante un año de operación, resultando en ahorros de alrededor de 12 millones de dólares en la compra de alimentos. La adopción de este diseño en otros Convenio Marco ha proyectado ahorros anuales de 74 millones de dólares. “El piloto realizado con el Convenio Marco de alimentos demostró de forma rigurosa las ventajas de utilizar un mecanismo competitivo”, indicó Olivares.

La nueva Ley de Compras Públicas, aprobada el año pasado, incorpora este diseño innovador como parte del sistema de compras públicas. Los algoritmos de inteligencia artificial desarrollados en el proyecto son ahora fundamentales para evaluar los requisitos de estandarización de bienes y servicios, asegurando la competencia en las subastas de Convenio Marco. “La nueva ley establece que para implementar Convenio Marco se requiere determinar si los bienes o servicios a licitar cumplen con los requisitos de estandarización, los cuales se evalúan mediante los algoritmos de inteligencia artificial desarrollados en el proyecto”, explicó Olivares.

Premio y Reconocimiento

El Revenue Management and Pricing Practice Award de INFORMS es un reconocimiento de alto nivel que celebra el impacto aplicado del trabajo del equipo del Profesor Olivares. Competir y ganar contra equipos de empresas renombradas como Amazon destaca la relevancia y excelencia de esta investigación. “Este es uno de los premios importantes que reconoce el trabajo aplicado con impacto utilizando herramientas de diseño de plataformas de mercado, ciencia de datos y optimización de precios. Para nosotros es un tremendo orgullo ser reconocidos con el primer lugar dentro de grupos de investigación y empresas de este nivel,” concluyó Olivares.

Agradecimientos

En este contexto, el equipo ganador desea expresar su profundo reconocimiento al Centro de Sistemas Públicos de la Universidad de Chile, con quienes se formó un equipo crucial para escalar el nuevo diseño a todos los Convenios Marco. Especialmente, se destaca la labor de Carlos Castro y Pablo Galaz. Así como, a los ayudantes de investigación Eyal Levi y Rodrigo Guerra, cuya contribución fue fundamental durante la implementación del piloto.

Además, agradecen a Dora Ruiz, jefa de mercado público de Chilecompra, por su acompañamiento durante estos 10 años de colaboración, así como al equipo completo de Chilecompra, incluyendo a Paula Moreno, Guillermo Burr, David Díaz y Carmen Jara, entre otros destacados colaboradores. Se reconoce especialmente a las directoras de Chilecompra durante este periodo: Trinidad Inostroza, Tania Perich y Verónica Valle, quienes han respaldado esta colaboración a lo largo de los años, asegurando la continuidad del proyecto con una visión técnica y preservándolo de consideraciones políticas.

Finalmente, manifiestan su agradecimiento al valioso respaldo del Instituto Sistemas Complejos de Ingeniería y de la ANID, por su financiamiento a través de Fondef (ID16I10122) y Fondecyt (1230416).