En la actualidad, el 95 % de la población mundial tiene cobertura de teléfonos móviles, y la cantidad de personas que posee un teléfono está aumentando rápidamente desde hace ya varios años. Para hoy en día hay más teléfonos celulares que humanos con vida en el planeta.
Los teléfonos inteligentes generan trozos de datos personales en miles de millones de personas, incluidas aquellas que viven con unos pocos dólares al día. Así que las organizaciones de ayuda humanitaria, los investigadores y las empresas privadas están buscando formas en las que pueden hacerlos entrar a la “revolución de los datos”, y esta pueda transformar el desarrollo y crecimiento internacional.
Algunas empresas están empezando a poner sus datos y herramientas a disposición de quienes intentan resolver los problemas que afectan hoy en día a la humanidad. La compañía de imágenes terrestres, Planet en San Francisco, California, por ejemplo, hace que sus imágenes satelitales de alta resolución estén disponibles gratuitamente después de que ocurran desastres naturales para que los investigadores y las organizaciones de ayuda puedan coordinar sus esfuerzos de socorro en vivo. Mientras tanto, organizaciones financieras y de desarrollo como el Banco Mundial y las Naciones Unidas están reclutando equipos científicos especializados en la Big Data, para aplicar sus habilidades en estadística y aprendizaje automático, y aplicarlos a los desafíos del desarrollo y crecimiento internacional.
Pero en la prisa por encontrar soluciones tecnológicas a problemas globales súper complejos, existe el latente peligro de que los investigadores, y otros interesados, se distraigan con la aplicación de la tecnología y pierdan la noción de las dificultades y limitaciones claves que son exclusivas de cada contexto local. Diseñar aplicaciones habilitadas para datos que funcionen en el mundo real, requerirá un enfoque más lento que preste mucho más atención a las personas detrás de los sinfín de números e información recolectada.
La Big Data presenta muchas promesas
Los datos de los teléfonos móviles ya han transformado los préstamos al consumidor en muchos países en desarrollo, debido a su gran costo en moneda Fiat nacional. Hace unos 5 años en 2013, los investigadores descubrieron que algunas personas, como aquellos que hacen llamadas internacionales con frecuencia o los que tienen más amigos en Facebook que otros en la misma área, tienen más probabilidades de pagar sus deudas. Los algoritmos de aprendizaje automático pueden detectar los patrones y reflejar puntajes de crédito para cientos de millones de personas que poseen un teléfono móvil, pero que de otro modo serian excluidos de las estadísticas mundiales, y peor aun, excluidos de los servicios financieros formales porque carecen de garantías o accesos a un banco.
Otros estudios han demostrado que con algunos ajustes, los mismo algoritmos que Google, Facebook y otras empresas utilizan para hacer coincidir anuncios publicitarios con personas en línea, también puede usarse para reunir recursos a personas que viven en la pobreza, simplemente haciendo un pareo de aquellos usuarios que estarían más dispuestos de donar a dichas organizaciones. Estos algoritmos identifican a las “firmas digitales” de las zonas de pobreza gracias a los datos personales de la telefonía móvil, y haciendo una triangulación con las imágenes satelitales. Por ejemplo, en la mayoría de los países africanos las personas más adineradas tienen a hacer más llamadas internacionales que las personas más pobres de la misma área, que a su vez son más propensas que las más ricas, a vivir en casas con techos de paja, como se ha notado en las imágenes de satélites. Los estudios de los últimos años muestran que los enfoques relacionados se pueden usar para generar mapas de alta resolución de rendimientos de cultivos y la desnutrición infantil, problemas que han afectado a la población africana desde hace milenios.
En principio, tales mapas podrían permitir a los gobiernos y a las organizaciones de ayuda humanitaria a distribuir la ayuda humanitaria de una manera mucho más enfocada y oportuna de lo que generalmente lo hacen hoy en día. Los analistas estiman que los ricos se benefician más que los pobres en una cuarta parte de las intervenciones destinadas a reducir la pobreza. Por ejemplo, en dos proyectos iniciados en Armenia en 1996, sólo al 8 % de la población obtuvo beneficios dentro de las decenas de millones de dólares destinados a los ciudadanos más necesitados, en realidad fueron beneficiados.
El camino tiene muchas trampas.
Uno de los más fuertes son los “efectos improvistos”. Las soluciones habilitadas en la actualidad por la Big Data a menudo refuerzan a aquellos que ya tienen más poder, que a las personas más vulnerables, en gran parte porque el poder de obtener valor de los datos tiene a concentrarse en manos de unos pocos, que pueden ingresar los datos para generar favoritismo. Tome el ejemplo del “crédito digital”, los posibles prestatarios se evalúan utilizando puntajes de crédito en función de su historial de uso del teléfono, y los prestamos se envían instantáneamente por teléfono móvil. Se ha desarrollado una industria en auge desde que se lanzó el primer servicio de este tipo, M – Shwari, en el año 2012 en Kenia es un ejemplo. Los bancos, las compañías telefónicas y los proveedores de servicios financieros de próxima generación, colectivamente hacen ciento de miles de prestamos por día sólo en el África Sahariana, más del 25 % de la población de Kenia ha obtenido un préstamo digital, al menos una vez en lo que va de historia de este servicio financiero.
Hasta ahora, que se tenga conocimiento publico al menos, ningún estudio publicado ha documentado si estos préstamos ayudan a las personas o si, al igual que muchos prestamos a corto plazo con una gran tasa de interés en los Estados Unidos, conducen a ciclos de pobreza a mediano plazo y a trampas de deuda, o impiden a las personas obtener más tarde prestamos de un banco como resultados de sus pagos atrasados. De hecho, una literatura económica sustancial sobre el microcrédito, que es anterior al crédito digital por muchas décadas, indica que no todos se benefician del poder pedir dinero prestado.
Familia en Kenia esperando la aprobación del «crédito digital»
Pero eso no es todo, los riesgos de aprobación indebida se extienden más allá que las personas comunes, también a las empresas. De hecho, el potencial de la tecnología podría ser utilizada de maneras que no beneficien necesariamente a los ciudadanos, y estos efectos podrían ser mucho mayor en países donde las instituciones sociales son débiles y los regímenes semi autoritarios son más comunes. Por ejemplo, varios informes en China sugieren que a algunas personas se les impide usar trenes y aviones debido a los bajos puntajes de “crédito social”, incluidos aquellos que según los informes, han difundido información falsa sobre el terrorismo o cometido infracciones financieras, lo que apalanca la desigualdad social aún más en el país más grande de Asia.
Problemas y más problemas a resolver.
Los métodos convencionales de recolección de datos vitales para el desarrollo internacional, que involucran encuestas y entrevistas cara a cara, son imperfectos por demás, y estos se han aplicado y desarrollado durante décadas. Lo que causa que toda la data antes recaudada no sea de mucha utilidad para la tecnología que hoy en día se intenta implementar.
Con los datos digitales en cambio, se pueden producir mapas granulares de la distribución de la riqueza en una nación, a una fracción del costo de un censo domiciliario convencional. Pero la precisión de tales mapas ha sido probadas sólo en un puñado de países, y la evidencia muestra que los datos tienen a generalizarse más de la cuenta. Por ejemplo, la tendencia de hacer llamadas telefónicas internacionales guarda mucha más relación con la riqueza en Ruanda que en Afganistán.
Debido a que la tecnología es prácticamente nueva, es preocupante que las pruebas y resultados de dichos organismos se mantengan precisos a lo largo del tiempo
La falta de regulación afecta gigantemente a las aspiraciones de la Big Data. Los organismos gubernamentales y las organizaciones de ayuda humanitaria suelen recopilar y difundir datos sobre el desarrollo convencional. Los datos que sustentan las aplicaciones de inteligencia artificial (IA) generalmente son de propiedad privada y/o están controladas por compañías privadas, que tienen pocos incentivos para hacer algo excepto que no sea maximizar las ganancias.
Finalmente, cuando las personas se dan cuenta del hecho de que sus datos personales están siendo monitoreados para tomar decisiones en políticas públicas, por ejemplo, acerca de quien es elegible para un préstamo, inevitablemente se les incentiva a jugar con el sistema.
