Metodología, resguardos y estado de validación.

Revisar mejor sin trasladar la decisión al sistema.

Gobernanza Multilente ayuda a revisar informes con datos agregados, terminados o en elaboración. Organiza la revisión mediante seis lentes y una capa conciliadora, señala qué necesita explicación y deja registro de lo evaluado y de sus límites. La interpretación y la decisión siguen siendo humanas.

Los destinatarios son tanto quienes reciben el informe para decidir como los equipos que lo elaboran. Revisar durante su construcción no significa que el sistema redacte el informe ni decida por sus responsables. Los dos usos conservan las mismas reglas y límites; no se analizan expedientes ni personas identificables.

Multilente analiza Excel y CSV con cuadros de datos agregados. Los PDF y las imágenes pasan antes por una revisión de lectura: ves el original al lado de la tabla leída, corregís lo necesario y confirmás; recién ahí se analiza. No lee Word ni datos individuales.

Un marco común, cuatro módulos con propósitos distintos

Estos módulos no son etapas obligatorias de un único circuito.

Protocolos, no módulos: B-1 es una revisión institucional opcional sobre informes; R-1, una evaluación opcional y separada sobre proyectos. Ninguno se completa por usar un módulo. Sus constancias acreditan un procedimiento propio, no una certificación externa ni una autorización para implementar.

Tres niveles de trabajo, seis lentes, una capa conciliadora y principios transversales.

Son dimensiones distintas: los niveles describen el tipo de tarea; las lentes indican dónde mirar; los principios establecen las condiciones para sostener y revisar un resultado. No son etapas obligatorias ni una escala de certeza.

Los diez principios se agrupan en origen de la evidencia, calidad de la lectura y resultado revisable. No son lentes adicionales ni todos son controles automáticos. Consultar los diez principios. La trazabilidad atraviesa los tres niveles.

Una explicación técnica de cada mirada

No todas las lentes se ejecutan en todos los informes: la disponibilidad y comparabilidad de los datos determina qué puede evaluarse. Ninguna señal equivale por sí sola a una conclusión institucional.

De la carga al registro, con posibilidad de una nueva revisión

1. CargaDocumento o datos agregados.
2. RevisiónControles aplicables y lecturas habilitadas.
3. Reporte y registroObservaciones, preguntas, límites y comprobante automático.
4. Revisión humanaInterpretar, pedir contexto o corregir cuando corresponda.
5. Nuevo análisis opcionalSi cambian datos o criterios: nuevo análisis vinculado y nuevo comprobante.

Explicar no es superar un control. Una respuesta textual aporta contexto, pero una corrección de datos o reglas requiere volver a ejecutar los controles correspondientes. El primer comprobante no depende de resolver todas las observaciones ni de iniciar B-1.

El origen de cada señal importa

La coincidencia entre modelos no demuestra certeza. Se preservan divergencias, explicaciones alternativas y límites de cobertura.

Revisión rápida y revisión profunda

Como en una radiografía: la rápida pasa los rayos X a todo el libro, sin IA, en segundos; la profunda estudia en detalle lo que vale la pena, con la IA y tu confirmación. La rápida es la opción por defecto. Al final de su informe, «Pasar a revisión profunda» reenvía los mismos archivos.

Lo que la rápida no hace, lo dice. Su informe empieza diciendo qué no corrió. Las mediciones de esta ficha (los 115 de 123 errores insertados, las señales en planillas publicadas) son del motor sin la lectura con IA, es decir, de lo que corre en la revisión rápida. De los 8 ejemplos con error de la aplicación, el octavo es una asociación exploratoria: sólo lo ve la profunda.

La seguridad mira todo el recorrido de los datos. En la revisión rápida los datos del informe no salen del servidor: no se envía nada a proveedores de IA, y por eso sirve para informes sensibles. Sólo sale el aviso por correo de que terminó, con el número del informe y un enlace (si el análisis falla, también el mensaje del error). En la profunda, las lectoras de IA reciben los rótulos y la estructura de cada cuadro con las cifras ocultas, y la lectura de las señales recibe los hallazgos con sus valores.

La IA propone; la cuenta comprueba.

Antes de ejecutar controles sustantivos, la IA propone la institución, el régimen, el tipo de cuadro, el significado de sus columnas y sus relaciones. La persona revisa esa propuesta; la interpretación confirmada orienta y suma controles a cada cuadro, pero no apaga las cuentas: totales, coherencia, fórmulas, relaciones y series corren igual. En la revisión rápida no hay interpretación con IA. Una propuesta no es una conclusión.

1. Lectura a ciegasSe ocultan las cifras con «#», incluidos los años y los números escritos como texto. Las coordenadas y la estructura se distinguen de los datos.
2. AcuerdoTres modelos leen por separado y eligen de una lista cerrada. Al menos dos deben proponer la misma relación; compartir algunas celdas no alcanza.
3. Confirmación previa«Sí, analizar», «No, modificar» o «Reanalizar con más detalle». Cada nueva lectura requiere una nueva confirmación vinculada al archivo exacto y a la persona.
4. ComprobaciónLa interpretación confirmada orienta y suma controles; las cuentas corren siempre. Las reglas verifican sus condiciones matemáticas y calculan con los números reales. Las relaciones con pocas aplicaciones requieren además una confirmación específica.
5. RegistroLa lectura, sus límites y las respuestas quedan asociados al archivo, la hoja y la relación. Reanalizar conserva el historial.

Pruebas con dos Excel públicos del INDEC

Corte del 21/10/2026, aplicación 0.9.25.1. Se usaron archivos oficiales y se introdujeron alteraciones solo en copias de prueba. Estos ensayos guiaron correcciones del sistema; no son una evaluación externa ni una prueba ciega de eficacia.

Implementación y eficacia son cosas distintas. El 22/10/2026 se repitieron 93 archivos públicos de Excel con la aplicación 0.10.1: 88 análisis completos, dos interpretaciones pendientes de confirmación humana, tres archivos sin tabla numérica y ningún fallo técnico. Todos los análisis completos generaron el informe y el anexo PDF; una alteración conocida en E20 volvió a detectarse. Con la 0.10.3, la misma repetición dio 84 análisis completos, seis interpretaciones pendientes y tres archivos sin tabla numérica, sin fallos técnicos y con E20 detectada. Entre los originales analizados quedaron señales altas: en 26 de 87 con la 0.10.1 (76 señales) y en 24 de 83 con la 0.10.3 (67); todavía no se revisaron una por una, así que no se cuentan ni como errores ni como falsas alarmas. Las versiones posteriores no se repitieron todavía con esos archivos. La confirmación de estas campañas fue simulada solo cuando había clasificación conocida y acuerdo suficiente. No mide la calidad de una decisión humana ni la tasa general de aciertos frente a errores desconocidos.

Versión de la aplicación: 0.10.41. El lector está activo en el despliegue de referencia. Su disponibilidad puede variar por configuración y por las respuestas de los proveedores. La cobertura de lectura no equivale a ausencia de errores.

El tratamiento de datos se acuerda antes de usar casos reales.

La aplicación no comprueba automáticamente la autorización institucional. La organización o el organismo debe definir datos admisibles, proveedores, accesos, retención y modalidad de procesamiento antes de cargar información.

En la revisión profunda, el lector del cuadro añade una ruta separada hacia OpenAI, Gemini y DeepSeek: envía rótulos y estructura con las cifras de la grilla ocultas, incluidos años y números escritos como texto. Elegir un modelo local para la triangulación no desactiva esta ruta; para un uso íntegramente local hay que apagar también el lector o pedir la revisión rápida, que no lo usa.

La autorización institucional es un requisito de uso, no una barrera automática implementada por el sistema.

El comprobante documenta una ejecución, no una aprobación.

Los controles determinísticos pueden reproducirse automáticamente bajo las mismas entradas, reglas y versión, sin necesidad de recalcular manualmente cada operación. La interpretación de los resultados y cualquier decisión institucional permanecen bajo responsabilidad humana.

Si cambian el informe o las reglas, corresponde una nueva ejecución y un nuevo comprobante. Existe además un procedimiento institucional opcional y separado, con revisión humana documentada y requisitos propios; no es el comprobante automático habitual. Las hipótesis exploratorias no pueden fundamentar conformidad.

Qué está probado y qué falta demostrar.

Implementación, pruebas automatizadas y eficacia institucional son tres niveles distintos. Los resultados de las pruebas corresponden a un corte fechado, no a una garantía permanente.

Versiones separadas: aplicación 0.10.41; motor multilente-0.10.37; documento metodológico v9.2 (publicado). La evidencia de esta página corresponde a la aplicación actual; el documento publicado conserva su propia fecha y revisión.

Cuándo la consideramos usable

Para recomendar su uso como complemento de una revisión, la herramienta tiene que cumplir tres condiciones, medidas con archivos que no se usaron para calibrarla. Los umbrales se fijaron el 03/10/2026, antes de conocer el resultado de la medición.

1. Dice qué no revisó. Todo archivo, hoja o control que no se pudo leer o ejecutar aparece al comienzo del informe, con su motivo. Es una condición de cumplimiento total: un solo caso en silencio la incumple.
2. No alarma sin motivo. Como máximo una señal de prioridad alta cada cinco archivos correctos.
3. Encuentra una parte razonable de los errores comunes. Al menos la mitad de los errores de totales, escala, signo, período y unidad, señalados en la celda correcta, en los formatos habituales: Excel, CSV y PDF con texto.

Historial de quince mediciones, hasta la versión 0.9.16: cada una usó archivos nuevos que no se habían usado para corregir el motor. Estos resultados no describen la eficacia de la versión actual ni del nuevo lector:

Mínimos fijados: la mitad de los errores en cada formato; como máximo una alarma alta cada cinco archivos correctos; ningún caso sin declarar.

Conclusión de las quince mediciones de la tabla, con la vara de un auditor —los tres criterios a la vez, incluido no dejar nada sin declarar—: ninguna versión los cumplió. Gobernanza no está hecha para esa vara sino para la de una segunda mirada: avisar lo que no mira, que lo que marca valga la pena revisarlo y echar luz sobre algo que antes no se miraba. Con esa vara la aplicación 0.10.23 es usable; los números están al comienzo de esta ficha, en «Qué podés esperar, medido». De la sexta a la decimoquinta se cumplieron dos: no alarma sin motivo, y la detección de errores comunes supera el mínimo en los tres formatos, también en PDF por la revisión de lectura (entre 67 % y 100 %). En Excel se sostuvo pareja en las quince mediciones (entre 80 % y 100 %); en CSV y en PDF con texto fue irregular a lo largo de las mediciones (de 0 % a 100 %). En la séptima, el primer criterio falló por un solo caso; en la octava, con situaciones de lectura nuevas a propósito, por siete. Por eso se agregó una salvaguarda que compara lo que había en el archivo con lo que efectivamente se analizó y declara cualquier diferencia, aunque no sepa por qué se produjo. En la novena, también con situaciones nuevas, los casos en silencio bajaron a dos; en la décima fueron seis, tres de ellos leves, en la undécima otros seis, tres de ellos indiscutibles, en la duodécima también seis, uno solo indiscutible, en la decimotercera cinco, dos de ellos indiscutibles, en la decimocuarta tres, ninguno indiscutible, y en la decimoquinta quedaron dos casos sin declarar. Cada conjunto trae formas nuevas de leer mal un archivo: el criterio no se cambia, y lo que se corrige es la salvaguarda, para que alcance a más de esas formas sin tener que anticiparlas una por una. La próxima medición se hará, otra vez, con archivos nuevos y situaciones de lectura que no se hayan usado.

Cumplirlas no significa que detecte todos los errores: habilita a usarla como complemento, no como garantía. El resultado de cada medición se publica, también cuando no las cumple.

Primera validación con errores reales

Las mediciones anteriores usan archivos armados para la prueba. El 16/10/2026 se midió por primera vez el motor (multilente-0.9.15) con errores reales de publicaciones oficiales que luego se corrigieron: seis errores de dos series del Ministerio de Economía de la Nación (Gasto Público Social dirigido a Niñez, ediciones 2017, 2018 y 2001-2020) y de la Rendición de Cuentas del Ministerio de Economía y Finanzas de Uruguay, más siete controles que no debían alarmar (las ediciones corregidas y el Gasto Público Consolidado). Con la vara de un auditor el resultado es bajo; como segunda mirada, señaló en su celda dos de esos errores reales y, en la edición corregida, un descuadre real que nadie había señalado. Se publica completo:

• Detección: 2 de 6. Señaló en la celda un subtotal vacío y un bloque de valores corridos. No vio: un bloque de provincias con las filas corridas (no armó ese cierre), una fila cuyo total no suma por un dígito perdido (no reconoció la jerarquía 1 / 1.1 / 1.1.1, y lo declaró), una incoherencia entre precios corrientes y constantes (no tiene ese control) y un cuadro de préstamos en otra moneda (la revisión de lectura no logró armar el cuadro de ese PDF, y lo avisó).
• Falsas alarmas: 2 de 7 controles. En el Gasto Público Consolidado marcó un cambio de escala en 1987 que la planilla aclara en una nota («hasta 1986, miles de pesos; desde 1987, millones»). En la edición corregida de Niñez, en cambio, sus alarmas sobre 2017 eran un descuadre real que nadie había señalado.
• Dice qué no revisó: 9 de 10 juicios claros. En el caso de las filas corridas informó cientos de cierres verificados sin decir que ese bloque quedó afuera.

Es una muestra chica y con sesgo: tres de los seis errores vienen de la misma familia de planillas, y varios errores documentados por los organismos no se pueden ver desde la página porque los totales se recalcularon. Aun así muestra lo que las mediciones con archivos armados no mostraban: con planillas oficiales reales, la lectura de PDF y el reconocimiento de jerarquías de cuentas son el punto débil. Los arreglos que salgan de esta validación no se pueden medir otra vez con los mismos archivos: la próxima validación externa usará errores nuevos.

Segunda y tercera validación con errores reales

El 17/10/2026 se repitió la prueba con errores nuevos, de otros organismos, con el motor multilente-0.9.16 y el diseño fijado por escrito antes de correrlo. Los errores son reales: el propio organismo los corrigió después, según una fe de erratas o al comparar dos versiones del mismo archivo, y se analizaron la versión con error y la corregida.

• Informes en PDF del INDEC y del INEI de Perú: 0 de 6. Cuatro de los seis errores requerían controles que la herramienta no tiene: un rótulo que contradice el título, un dato que contradice la nota metodológica, un cociente entre cuadros y un acumulado que sólo se ve con otra edición. En los otros dos la tabla se leyó, pero no se reconoció como total una fila que no se llama «Total» ni como serie un cuadro con el año sólo en la primera fila. Hubo falsas alarmas en 4 de 8 controles. En uso real, la tabla de un PDF la revisa y corrige una persona antes del análisis; en esta prueba se confirmó tal como se leyó. El PDF es, hoy, el punto más débil de la herramienta.
• Planillas Excel del INDEC, la Oficina Nacional de Presupuesto, Cuentas Nacionales y la Dirección Provincial de Estadística de Buenos Aires: 2 de 8. Señaló en la celda un valor diez veces menor y un dígito de menos. No vio un trimestre repetido, una escala mil veces menor, un saldo que no cierra ni un «Saldo bruto» que no suma sus sectores, y ese último cuadro no se mencionó en el informe. Hubo falsas alarmas en 6 de 10 controles: en los libros de balanza de pagos del INDEC, con los períodos en columnas y flujos que pueden ser negativos, entre 400 y 500 alarmas altas por libro.

Con esos resultados se corrigió el motor (multilente-0.9.17, aplicación 0.9.21). Con las mismas planillas Excel detecta 3 de 8, las falsas alarmas quedan en 1 de 10 controles y bajan a menos de 100 por libro del INDEC; en 63 planillas oficiales vigentes y correctas, las alarmas altas bajaron de 4.418 a 2.000. Como esos arreglos salen de los mismos archivos, estas cifras no prueban la mejora frente a planillas nuevas: la próxima validación usará otros errores. La lección de estas pruebas es que las mediciones con archivos armados no reflejaban la forma de las planillas oficiales; por eso la calibración pasa a hacerse sobre un banco de planillas oficiales reales, que se usan sólo para medir y no se redistribuyen.

Cuarta y quinta validación con errores reales nuevos

El 20/10/2026 se midió con errores que ningún motor había visto, con el diseño y las metas fijados por escrito antes de correr. La meta era detectar al menos la mitad y dar falsas alarmas en a lo sumo uno de cada cinco controles. No se cumplió, y se publica igual:

• Cuarta validación (planillas Excel del INDEC y del Ministerio de Economía de la Provincia de Buenos Aires): 0 de 5, con la versión 0.9.21.1, con la 0.9.22 y con el sondeo previo. Falsas alarmas en 5 de 9 controles. Los cinco errores eran relaciones que la planilla no declara: un acumulado que suma un mes de menos, un subtotal que incluye un préstamo ajeno, un saldo que no es exportación menos importación, ceros en un índice y un dato de un censo que repite el del anterior. Una hoja no se pudo leer y se declaró.
• Quinta validación: 0 de 2 (un total de pernoctaciones cargado a mano en la encuesta hotelera del INDEC y un tipo de cambio semanal repetido del BCRA). Sin el sondeo hubo falsas alarmas en 2 de 5 controles; con el sondeo, en ninguno. Encontrar errores reales nuevos es difícil: en tres horas de búsqueda sobre cientos de versiones oficiales aparecieron sólo dos, y casi todos los cambios entre versiones son revisiones normales.

Lo que enseñaron sobre esas versiones: controlar lo que el cuadro declara (totales rotulados, códigos, fórmulas) no alcanza para reconocer todas sus relaciones de significado. Desde la aplicación 0.9.22, antes de presentar las señales de una hoja, un sondeo previo revisa si la lectura es confiable: si una misma regla salta en muchos lugares distintos, es más probable que el cuadro se haya leído mal que una hoja con decenas de errores, y esa parte se declara al comienzo como «sin controlar». En 63 planillas oficiales correctas, las alarmas altas pasaron de 2.000 a 276; con 123 errores insertados en ellas se detectan 80, uno menos que sin el sondeo. En ese corte se estaba probando un lector separado y todavía no había detectado errores en los casos nuevos de esa prueba. Desde la aplicación 0.9.24, el lector del cuadro forma parte del análisis: propone relaciones y las reglas las comprueban. Las correcciones posteriores de acuerdo y confirmación ya están incorporadas; su evaluación amplia sigue pendiente de resultados.

Dos comprobaciones con métodos independientes del motor

No miden la detección en casos externos (para eso está la validación de arriba): buscan descartar que el resultado dependa de rasgos irrelevantes del archivo o que coincida con lo esperado sólo porque el motor y sus pruebas comparten los mismos supuestos.

• Pruebas de invariancia. Los tres libros del banco con alteraciones sembradas (25 en total) se sometieron a seis transformaciones que no cambian su contenido: otro nombre de archivo, hojas renombradas, orden de las hojas invertido, el contenido desplazado dos filas y una columna, los números multiplicados por 1000 salvo los años, y fórmulas reemplazadas por sus valores. En las 18 corridas, con el motor multilente-0.9.4, se señalaron las 25 alteraciones. En las cinco primeras transformaciones las señales de control fueron idénticas, celda por celda; en la última sólo desaparecieron dos avisos de «valor fijo distinto de la fórmula», que no pueden darse cuando el libro ya no tiene fórmulas.
• Verificador independiente. Un segundo programa, que no importa código de la aplicación, no lee encabezados ni palabras como «Total»: descubre por fuerza bruta qué filas suman a otra, recalcula las fórmulas con un evaluador propio y busca valores atípicos con otro criterio. Señaló las 25 alteraciones y, sobre el cuadro oficial de niñez sin alterar, llegó por separado a las mismas cuatro inconsistencias aritméticas que el motor.

Las diferencias entre ambos son de criterio, no de cálculo: el motor marca picos en series chicas y volátiles que el verificador no marca; el verificador marca diferencias menores al 0,2 % que el motor trata como redondeo de la fuente.

Las hizo el mismo equipo que desarrolla la herramienta, sobre archivos de una misma familia, y no reemplazan la prueba ciega externa. Un segundo programa del mismo autor reduce, pero no elimina, el riesgo de supuestos compartidos.

Una observación abre una pregunta, no una conclusión sancionatoria

• No decide, firma, aprueba ni sanciona.
• La lectura automática no es auditoría, certificación de veracidad ni herramienta antifraude.
• No atribuye responsabilidades ni determina irregularidades.
• No evalúa mérito, oportunidad o conveniencia de una decisión.
• No sustituye controles internos, criterio profesional o asesoramiento jurídico.
• No garantiza que un informe esté libre de errores; lo no evaluado no equivale a control superado.

Probar utilidad, ajustes o falta de valor en un contexto concreto.

Se propone una evaluación con informes ya cerrados y resultado conocido, sin intervenir sobre decisiones reales ni integrar inicialmente sistemas internos. La organización o el organismo y el equipo acuerdan antes de empezar la cantidad de casos, duración, permisos, proveedores y criterios de evaluación.

La evaluación puede concluir que la herramienta aporta valor, que necesita ajustes o que no aporta valor suficiente para ese contexto. Los tres son resultados válidos.

Condiciones económicas: cualquier costo o gratuidad debe acordarse para el alcance concreto del piloto. Esta ficha no constituye una oferta abierta de trabajo gratuito.

Escribí a Maximiliano Pérez: maximilianoperez1981@gmail.com.

Fuentes y estado de publicación

Trayectoria previa, proyecto distinto: una iniciativa del Hospital Mario V. Larraín de Berisso y OPEN LAB, proyecto de extensión de la UNQ, fue premiada en Gobernarte 2025 del BID. Gobernanza Multilente es un desarrollo independiente; ese antecedente no demuestra su eficacia. Una actividad formativa con personal de una institución tampoco equivale a adopción o validación institucional.