Generación de evidencia
Generación de evidencia
La promesa de la Inteligencia Artificial de transformar los resultados del desarrollo ha captado la atención de todo el sector del desarrollo global. Desde la predicción de brotes de enfermedades hasta la optimización del rendimiento agrícola, sus posibles aplicaciones son infinitas. Pero si algo nos han enseñado décadas de intervenciones tecnológicas en países de ingresos bajos y medios, es que el potencial por sí solo no se traduce en un impacto duradero. El éxito o el fracaso de las innovaciones depende de cómo integremos las nuevas herramientas en los sistemas existentes y de cómo estas apoyen a las organizaciones que trabajan para reducir la pobreza.
En Innovaciones para la Acción contra la Pobreza (IPA), hemos dedicado más de 20 años a probar qué funciona para aliviar la pobreza. Un patrón se ha hecho evidente: las innovaciones tecnológicas puntuales, por muy prometedoras que sean, rara vez generan cambios sostenidos por sí solas. El cementerio de la tecnología para el desarrollo está plagado de proyectos piloto que inicialmente mostraron potencial pero nunca escalaron, aplicaciones móviles que se lanzaron con bombos y platillos pero quedaron sin uso, y plataformas digitales que colapsaron al agotarse la financiación.
La propia investigación del IPA lo ilustra. Evaluamos los 180 millones de dólares de Perú. inversión extranjera al implementar computadoras portátiles en 318 escuelas primarias y se encontraron efectos nulos o negativos en los resultados de aprendizaje. Probamos Formación en TIC para más de 1,100 jóvenes kenianos y no vieron ningún aumento en el empleo ni en los ingresos cuando la capacitación no estaba conectada a los sistemas del mercado laboral. Medimos servicios de dinero móvil En tres países, se documentaron tasas de fracaso de transacciones de hasta el 39 %, a pesar de la tecnología funcional. El patrón es consistente: el potencial por sí solo no genera impacto.
La diferencia entre el fracaso y el progreso no radica en la sofisticación de la tecnología, sino en si la intervención está integrada en un sistema lo suficientemente sólido como para sostenerla.
Por eso, el enfoque de IPA en la IA se centra en fortalecer los sistemas. Generamos evidencia en cada etapa del ciclo de vida de una intervención: exploración, piloto, prueba, transición y escala. Para lograr mejoras duraderas es necesario trabajar con el gobierno, codiseñar soluciones, fortalecer la capacidad local, mejorar la infraestructura de datos y garantizar que las nuevas herramientas se integren en los procesos de toma de decisiones existentes. Una IA que ignore estos fundamentos puede parecer impresionante, pero no producirá resultados duraderos.
Consideremos los sistemas educativos de los países en desarrollo. En Filipinas, aproximadamente el 40 % de los estudiantes que ingresan a primer grado abandonan la escuela al llegar al décimo grado. En la educación superior, la tasa nacional de deserción escolar es del 39 %, y en algunas regiones alcanza el 93 %. Estas cifras representan a millones de jóvenes cuyo futuro se ve limitado por una educación incompleta.
A través de nuestro programa de transformación Programa de laboratorio de evidencia integradaIPA apoya al Laboratorio del Departamento de Educación de Filipinas (DepEd) en el uso del aprendizaje automático para predecir qué estudiantes tienen mayor riesgo de abandonar la escuela. Pero no se trata simplemente de implementar un algoritmo. El proyecto aborda las deficiencias en la infraestructura de datos del sistema educativo, mejora el registro de matrículas y capacita al personal gubernamental para interpretar y actuar según los resultados del modelo. Estamos desarrollando conjuntamente con el DepEd sistemas que el gobierno poseerá y operará a largo plazo, en lugar de desarrollar herramientas externas que requieran el apoyo continuo de IPA.
Una predicción solo es valiosa si posibilita la acción. Sin fortalecer la capacidad de respuesta del sistema mediante mejores datos, personal capacitado y flujos de trabajo integrados, ni siquiera las predicciones perfectas logran nada. Nuestra colaboración de dos décadas con el Departamento de Educación, que apoya su foro nacional "Research O'clock" y fortalece los sistemas de monitoreo y evaluación, ejemplifica este enfoque. El objetivo no es una demostración técnica impresionante. Se trata de fortalecer la capacidad del gobierno para reducir las tasas de deserción escolar mediante el apoyo proactivo a los estudiantes vulnerables.
El mismo pensamiento guía nuestra labor de protección al consumidor en el ámbito de los servicios financieros digitales. En países de ingresos bajos y medios, el dinero móvil, el crédito digital y los microseguros están ampliando el acceso a poblaciones anteriormente excluidas. Sin embargo, esta promesa depende de que los consumidores comprendan los verdaderos costos y riesgos de los diferentes productos, información que a menudo está dispersa, es inconsistente o se oculta deliberadamente.
IPA Iniciativa de investigación sobre protección de los consumidores Utiliza IA para extraer y analizar datos de instituciones financieras en 18 países, transformando información fragmentada sobre precios en datos estructurados y comparables. Hemos compartido esto en Precios de los servicios financieros digitales mediante visualizaciones interactivas. Pero la IA es solo un componente.
En Filipinas, nos hemos asociado con Bangko Sentral ng Pilipinas (el Banco Central), utilizando herramientas de inteligencia artificial para auditoría de la transparencia y compensación mientras se desarrollan conjuntamente plantillas de informes que se convertirán en requisitos regulatorios estándar. En Nigeria, Laboratorio de Evidencia del IPA con el Banco Central Utilizamos el análisis de datos de redes sociales para monitorear las quejas de los consumidores y la conducta del mercado. En Kenia, nuestro trabajo con la Autoridad de Competencia aplicó aprendizaje automático a datos de mercado a gran escala, lo que orientó las políticas de protección al consumidor que afectan a decenas de millones de personas. En Uganda, la Comisión de Comunicaciones utilizó modelos predictivos y procesamiento del lenguaje natural para analizar los patrones de quejas y, desde entonces, ha institucionalizado nuestro enfoque de monitoreo en sus informes periódicos de Asuntos del Consumidor. No estamos entregando recomendaciones a los gobiernos. Estamos construyendo conjuntamente una infraestructura regulatoria que nuestros socios poseerán y operarán una vez finalizada nuestra colaboración.
Este trabajo abarca todo el camino desde la evidencia hasta la escala: IA que extrae datos de precios, productos desarrollados conjuntamente con reguladores, ensayos aleatorios que prueban si la transparencia cambia las decisiones de los consumidores (como nuestro estudio de comparación de crédito con el banco central de México), el impacto medido en la inclusión financiera y los sistemas regulatorios que sustentan la protección del consumidor después de la transición del rol de la API.
El IPA está explorando enfoques similares para ayudar a los gobiernos a optimizar su propia investigación. Trabajamos con socios en África y América Latina para crear sistemas de conocimiento con capacidad de búsqueda que incluyan investigaciones, datos e informes de evaluación gubernamentales. En lugar de dejar evidencia valiosa dispersa en discos duros y archivadores, un sistema de búsqueda basado en IA permitiría a los responsables de la formulación de políticas encontrar rápidamente investigaciones relevantes, identificar patrones en los estudios y aprovechar el conocimiento acumulado para la toma de decisiones.
Esto refleja un desafío más amplio: el problema a menudo no es la falta de evidencia, sino la imposibilidad de acceder a ella al tomar decisiones. Los gobiernos en entornos de bajos recursos realizan investigaciones sustanciales, pero la memoria institucional es frágil, la rotación de personal es alta y encontrar la evidencia adecuada en el momento oportuno es difícil. Los sistemas de conocimiento basados en IA pueden abordar esto, pero solo si se diseñan para las limitaciones gubernamentales, se construyen mediante alianzas que transfieran capacidad a los equipos gubernamentales y se integran en los flujos de trabajo existentes.
A medida que avanzan las capacidades de la IA, los profesionales del desarrollo y los responsables de la formulación de políticas se enfrentan a decisiones importantes sobre cómo participar. La tentación de buscar demostraciones impactantes es fuerte. Pero la experiencia sugiere que un impacto sostenible requiere un trabajo paciente: codiseño, fortalecimiento de la infraestructura de datos, desarrollo de capacidades locales, integración de herramientas en los procesos existentes y apoyo a los gobiernos para que utilicen la evidencia de forma más eficaz.
El sector del desarrollo ha logrado avances importantes en la evaluación de la IA. Marco de evaluación de la IA Desarrollado por el Centro para el Desarrollo Global, The Agency Fund y J-PAL, ofrece un enfoque de cuatro niveles: evaluar si los modelos de IA funcionan, si los productos involucran a los usuarios, si las intervenciones modifican el comportamiento y si mejoran los resultados de desarrollo. Durante más de 20 años, IPA ha contribuido a esta base de evidencia y seguimos adaptando nuestros métodos a las intervenciones basadas en IA. En Tanzania, por ejemplo, estamos realizando una evaluación aleatoria para comprobar si las empresarias se benefician del asesoramiento empresarial basado en IA, proporcionado mediante respuesta de voz interactiva.
Pero la contribución de IPA va más allá de las evaluaciones individuales. Reunimos expertos sectoriales, equipos de investigación y políticas, y oficinas nacionales en África, Asia y América Latina, lo que nos permite traducir las evaluaciones de IA en parámetros de referencia relevantes a nivel local. Esto nos permite integrar la evaluación en los sistemas: fortaleciendo la toma de decisiones basada en datos, la capacidad institucional y la infraestructura que facilitan la expansión de las soluciones más allá de los pilotos.
IPA Enfoque de aprendizaje basado en etapas Genera información en cada fase, desde la exploración hasta la escala, midiendo no solo si la tecnología funciona, sino también si los sistemas de implementación pueden producir resultados confiables. Esta metodología se basa en dos décadas de evidencia que documenta qué falla y qué tiene éxito cuando se construye sobre bases sólidas.
Las organizaciones que aprovechen con éxito la IA para el desarrollo tratarán la tecnología como un componente del fortalecimiento de los sistemas, invertirán en el desarrollo de capacidades junto con el despliegue técnico y medirán el éxito no por el desempeño algorítmico sino por si los gobiernos se vuelven más eficaces y los resultados del desarrollo más equitativos.
