Cuando se habla de machine learning, las aplicaciones más discutidas casi siempre se refieren a usos privados: detección de fraudes, reconocimiento de imágenes, predicción de demanda o recomendadores de películas o series para ver. Esto podría llevar a pensar que el uso público de esta herramienta es limitado al ámbito empresarial, sin embargo, no es así. A saber, tanto gobiernos, como ONGs y el sector privado han lanzado iniciativas para implementar proyectos con un fin social o público.
Hace pleno sentido que se desarrollen estos proyectos, puesto que una de las mayores bondades del machine learning es su versatilidad: se busca predecir una variable o un resultado utilizando la historia de datos previos. Así, para cualquier situación que no se determine de manera absolutamente aleatoria, la inteligencia artificial puede aportar, cuando se cuente con los datos necesarios.
De esta manera, es importante mencionar algunas de las iniciativas que han surgido, que buscan potenciar esta clase de proyectos. Desde el sector privado, Google tiene una de las iniciativas más grandes con su programa “AI for Social Good”, donde se reparten US$25 millones a 50 proyectos con impacto social de fundaciones, ONGs o empresas, elegidos por su impacto potencial, escalabilidad y factibilidad utilizando Inteligencia Artificial. Este programa está en su primera versión y desde este año se comenzará a trabajar en los proyectos seleccionados.
Luego, una de las Organizaciones No Gubernamentales más importantes dedicadas a este tema es DataKind, una organización originaria de EE.UU. que busca utilizar la gran cantidad de datos que se generan actualmente, para solucionar problemas públicos en alianza con organismos afines a estos problemas. Entre los trabajos que han realizado destaca la creación de un algoritmo que genera un puntaje de riesgo de abandono de los estudiantes del John Jay College of Criminal Justice, con el fin de tomar políticas preventivas para minimizar las posibilidades de que se concrete el abandono. Otro ejemplo es el de Seattle, Nueva Orleans y Nueva York, que en alianza con Microsoft, desarrollaron una serie de iniciativas enmarcadas en el proyecto Vision Zero que busca disminuir el número de accidente viales. Para esto, entre otras iniciativas, crearon un modelo que permite estimar con alta precisión el nivel de tráfico vehicular en la ciudad, lo que facilita obtener estadísticas más precisas respecto de las tasas de accidentalidad de las ciudades, lo que a su vez es un insumo para desarrollar mejores políticas. Además, analizaron el diseño e infraestructura de las calles para crear modelos que permiten estimar la probabilidad de que se generen accidentes viales, lo que facilita el estudio de los principales factores de riesgo de accidente, junto con cuantificar el efecto de las medidas preventivas, como las ciclovías o barreras de contención.
Finalmente, desde el mismo gobierno, en el último tiempo también han nacido iniciativas que buscan implementar técnicas de machine learning tanto dentro como fuera de Chile. En particular respecto de Chile, actualmente se están desarrollando proyectos como “Alerta Infancia” que busca predecir qué niños están en riesgo de estrés tóxico (abusos en la familia, acceso a drogas, entre otros) con el fin de implementar políticas preventivas focalizadas en los niños de mayor riesgo. También, dentro del sector fiscalizador se han estado desarrollando modelos que permiten predecir con mayor precisión quiénes incumplirán la normativa, haciendo más eficiente el trabajo de estos organismos. En la medida en que estos proyectos tengan buenos resultados, es de esperar que surjan más iniciativas dentro del sector público.
Sin embargo, la búsqueda de talentos representa un gran problema tanto para ONGs como para el Estado. Acá existe un problema tanto de oferta como de demanda. Respecto de la oferta, dado que el boom de la Ciencia de Datos es reciente, aún existen muy pocas personas capacitadas para realizar estos trabajos, relativo a las necesidades del mercado. A esto se le suma que el efecto se ve potenciado por la demanda del sector privado, que cuenta con presupuestos más elevados y con eso una mayor a disposición a pagar por los talentos que actualmente se encuentran disponibles. No obstante, tanto en Chile como en el mundo se están dando iniciativas que llevarán a una mayor oferta laboral en el mediano plazo, tanto abriendo programas de Data Science, como fomentando su estudio. De esta manera, a medida que la oferta crece, es de esperar que se facilite la contratación de Científicos de Datos en el sector público y así la creación e implementación de programas sociales que utilicen machine learning.
A modo de conclusión, el machine learning es una herramienta que tiene el potencial para ser aplicada para usos de índole social, tanto desde el sector privado, como las ONGs y el sector público. Sin embargo, en la medida en que no exista un número de profesionales acorde a las necesidades, no será posible implementar proyectos en una escala más masiva. En definitiva, aunque en el futuro cercano el Estado tendrá una capacidad limitada para explotar el potencial de las nuevas herramientas, si continúa desarrollando políticas públicas que incentiven la formación de buenos Científicos de Datos, es de esperar que el tiempo de adopción disminuya considerablemente.
