Severidad Media·FraccionamientoSalud

Hospital San Juan de Dios hizo 11 compras a FUND PROFESOR ANIBAL ARIZTIA por $27,2 millones

El Servicio de Salud Occidente, Hospital San Juan de Dios, registró 11 compras a FUND PROFESOR ANIBAL ARIZTIA en 30 días por $27.194.206. Cada orden quedó bajo 100 UTM, pero en conjunto supera con holgura el umbral que obligaría a licitar.

El patrón es consistente con fraccionamiento: dividir adquisiciones en múltiples órdenes pequeñas para mantenerse bajo el límite de 100 UTM y evitar un proceso competitivo. En Chile, la Ley 19.886 prohíbe usar la compra directa como una vía para eludir la licitación, y cuando varias órdenes cercanas en el tiempo responden a una misma necesidad, el riesgo de infracción aumenta. Aquí la señal es fuerte porque son 11 compras en apenas dos días, con un total de $27,2 millones y un máximo individual de $6,3 millones, muy cerca del umbral. Además, el proveedor tiene 100% de éxito en esta institución, lo que sugiere concentración reiterada de adjudicaciones. No hay historial previo de otras irregularidades en el comprador, pero el volumen, la velocidad y la repetición del mismo proveedor justifican una revisión de respaldos, cotizaciones y justificación técnica de cada orden.

Norma potencialmente infringida

Art. 8 Ley 19.886 (fraccionamiento), Ley 20.880 (probidad)

Qué verificar

5 pasos
  1. 1Solicitar por Transparencia todos los respaldos y órdenes de compra emitidas entre el 31 de marzo y el 1 de abril de 2026
  2. 2Revisar si las 11 compras responden a una misma necesidad o proyecto que debió consolidarse en una sola licitación
  3. 3Cruzar en Mercado Público si hubo cotizaciones comparables de otros proveedores para esos bienes o servicios
  4. 4Verificar si las órdenes comparten unidad requirente, glosa, producto y fecha de emisión
  5. 5Revisar si existe informe técnico que justifique compras separadas bajo 100 UTM

Proveedores involucrados

Licitaciones involucradas

11 procesos

Evidencia

ChileCompra

11 compras sumando $27.194.206 en 30 días

Detección automatizada por cruce de datos públicos. Este caso es un indicio que requiere verificación — no una afirmación de irregularidad ni de fraude. Los textos fueron redactados con asistencia de un modelo de lenguaje a partir del hallazgo estructural.