3. Casos prácticos de uso de la IA en los Gobiernos de América Latina y el Caribe
El desarrollo de estrategias de inteligencia artificial en muchos países refleja la creciente toma de conciencia acerca del enorme potencial que tiene la aplicación de esta tecnología en el sector público para mejorar tanto sus procesos internos como la forma en la que el Gobierno interactúa con la población y le presta servicios. En todo el mundo, y en los países de América Latina y el Caribe, Gobiernos nacionales y subnacionales ya han diseñado y puesto en marcha numerosos proyectos e iniciativas de IA.
Trabajos previos de la OCDE y la investigación que llevaron a cabo otras organizaciones han identificado áreas clave en las que los Gobiernos están concentrando el uso en el mundo real de la IA en el sector público.
Durante el último año, todos los Gobiernos han instrumentado rápidamente soluciones innovadoras en respuesta a la crisis del COVID-191. Muchos usan la IA a efectos de brindar soluciones y mensajes personalizados a los ciudadanos y residentes para asistir en la respuesta a la pandemia (OCDE, 2020[9]) (OCDE, 2020[10]).
Más allá de las necesidades inmediatas en épocas de crisis, los usos más comunes e inmediatos de la IA en el sector público son automatizar tareas sencillas y guiar decisiones para que el Gobierno sea más eficiente y esté más informado (Ubaldi et al., 2019[14]), (Partnership for Public Service/IBM Center for the Business of Government, 2019[15]). Los Gobiernos también han utilizado la IA en forma estratégica, en una variedad de formas para mejorar su relación con los ciudadanos y residentes, y los servicios que les prestan (OCDE, 2019[1]).
A nivel mundial, hay una cantidad de casos prácticos de uso en temas específicos que han surgido en áreas de aplicación clave de la IA en el sector público. En particular, muchas iniciativas del sector público se han concentrado en la seguridad y la protección públicas, la mejora de las funciones regulatorias, la atención sanitaria y el transporte (Ubaldi et al., 2019[14]). Los Gobiernos también han utilizado la IA para abordar cuestiones intersectoriales tales como los Objetivos de Desarrollo Sostenible (ODS) (OCDE, 2019[1]) (IDIA, 2019[16]).
La investigación llevada a cabo para preparar el presente informe reveló que el uso de la IA en los países de América Latina y el Caribe generalmente coincide con los patrones mundiales. Sin embargo, el examen de estas actividades también detectó numerosos casos prácticos tendientes a incrementar la integridad y la rendición de cuentas públicas, y a mejorar la educación. Esta tendencia está en consonancia con dos prioridades regionales: evitar la corrupción y reducir la deserción escolar.2 Tales trabajos son valiosos porque demuestran que se presta mayor atención a estas áreas que la observada por la OCDE en otras regiones y países en relación con la IA en el sector público.
El presente capítulo explora un conjunto no exhaustivo de proyectos del mundo real que se enmarcan dentro de los temas observados. Examina en particular los proyectos de IA en el sector público de América Latina y el Caribe que se indican en la Figura 3.1.
Antes de que el mundo se percatara siquiera de la amenaza del COVID-19, los sistemas de IA habían detectado el brote de un tipo desconocido de neumonía en China. En la actualidad, los países utilizan herramientas de IA para asistir en el monitoreo y la predicción de la propagación del COVID-19 en tiempo real, permitir diagnósticos rápidos, y buscar tratamientos a una velocidad y escala nunca antes vistas (OCDE, 2020[4]). Uno de los resultados más evidentes de las innovadoras respuestas de los Gobiernos ante la pandemia fue la rauda aceleración de la innovación y transformación digitales (OCDE, 2020[17]). Durante la crisis, se emplearon tecnologías y herramientas de IA a fin de respaldar los esfuerzos de los responsables de la formulación de políticas, la comunidad médica y la sociedad en general para manejar cada etapa de la pandemia y sus secuelas (OCDE, 2020[4]). En particular, los Gobiernos usaron la IA para:
Entender el virus y acelerar la investigación médica sobre fármacos y tratamientos.
Ayudar a prevenir o retardar la propagación del virus a través de la vigilancia y el rastreo de contactos.
Responder a la crisis sanitaria mediante información y aprendizaje personalizados.
Monitorear la recuperación y mejorar las herramientas de alerta temprana.
Los Gobiernos de América Latina y el Caribe también están empleando o desarrollando el uso de la IA en una variedad de formas acordes con estos temas y que los refuerzan (Recuadro 3.1).
Dr. ROSA y Dr. NICO (Panamá)
Dr. ROSA (Respuesta Operativa Sanitaria Automática) es un asistente virtual/chatbot que funciona por WhatsApp para realizar pruebas de detección virtual del COVID-19. Dr. ROSA hace una serie de preguntas al usuario y luego utiliza algoritmos de IA para evaluar los síntomas. De acuerdo con esos datos, el usuario puede ser transferido a un consultorio virtual donde lo evaluará un profesional médico que puede enviar una ambulancia con personal especializado para que realice una observación física y brinde atención domiciliaria, o que incluso puede derivarlo a un centro hospitalario en caso necesario. Dr. NICO (Notificación Individual de Caso Negativo Obtenido) es un chatbot para ciudadanos que han tenido un resultado negativo, por medio del cual se brindan recomendaciones sobre distanciamiento social.
Fuente: https://rosa.innovacion.gob.pa, https://oecd-opsi.org/covid-response/dr-rosa-chatbot y https://forbescentroamerica.com/2020/03/23/panama-usa-inteligencia-artificial-para-contener-el-covid-19.
La IA y la ciencia de datos para detectar brotes epidémicos (Argentina)
Un consorcio público-privado compuesto por el Centro Interdisciplinario de Estudios en Ciencia, Tecnología e Innovación (CIECTI), la Fundación Sadosky, y los Ministerios de Salud y de Ciencia, Tecnología e Innovación está creando un sistema para la detección temprana de brotes epidémicos. El sistema aplicará la tecnología de IA a las historias clínicas digitales en el subsector de salud pública y a otras fuentes pertinentes de datos. El proceso comenzará con los registros de dos provincias argentinas y luego se extenderá al resto del país. El sistema también considera la perspectiva de género al capturar datos primarios, de forma de generar algoritmos predictivos imparciales. El proyecto está financiado por el centro internacional de investigaciones para el desarrollo International Development Research Centre, IDRC, y la agencia sueca de cooperación internacional para el desarrollo Swedish International Development Cooperation Agency, Sida.
Fuente: www.fundacionsadosky.org.ar/proyecto-ia-y-ciencia-de-datos-para-deteccion-de-brotes-pandemicos y https://OECD.ai/dashboards/policy-initiatives/2019-data-policyInitiatives-26699.
Robots de respuesta de voz para consultas médicas y seguimiento de casos (Brasil)
En Brasil hay robots de respuesta de voz interactiva (interactive voice response, IVR) con el soporte de una aplicación de inteligencia artificial que realizan entrevistas telefónicas con las personas para recoger información acerca de sus desplazamientos, uso del transporte público y contactos recientes con individuos que puedan estar infectados. Luego, los robots hacen referencias cruzadas de la información con una base de datos para evaluar quién más puede estar en riesgo. El sistema IVR pide permiso para hacer llamadas de seguimiento cada 8, 10 o 12 horas, según resulte necesario.
Fuente: https://trends.oecd-opsi.org/wp-content/uploads/2020/11/OECD-Innovative-Responses-to-Covid-19.pdf y https://oecd-opsi.org/covid-response/brazil-uses-ai-and-voice-response-robots-for-medical-consultations-and-tracking-cases/
Financiamiento de proyectos de ciencia, tecnología e innovación impulsados por IA para enfrentar el COVID-19 (Colombia)
Colombia está financiando diferentes tipos de proyectos que usan IA y analítica de datos para elaborar técnicas, dispositivos y/o herramientas de diagnóstico rápido destinados al personal médico y a los pacientes. Entre los ejemplos destacados, pueden mencionarse los siguientes:
DeepSARS (Bucaramanga) y la detección del COVID para localidades alejadas (Medellín). Este proyecto modela y caracteriza secuencias de radiografías, y utiliza técnicas de IA para separar e identificar distintas etapas en la evolución de las condiciones respiratorias relacionadas con el COVID-19, a fin de contribuir al diagnóstico precoz y rápido tratamiento de los pacientes.
Con el objeto de apoyar la toma de decisiones de emergencia relacionadas con el COVID-19 en el Instituto Nacional de Salud, se utilizará el aprendizaje automático y la analítica de datos mediante la integración de fuentes de datos externas con información disponible en el sistema de vigilancia de la salud pública para un nuevo proyecto que generará modelos analíticos.
Fuente: https://oecd.ai/dashboards/policy-initiatives/2019-data-policyInitiatives-26726.
En el contexto de los Gobiernos, un beneficio importante y de logro inmediato de la IA es mejorar la forma en la que los funcionarios públicos ejecutan sus tareas. La IA ofrece la posibilidad de ayudar al Gobierno a pasar de tareas de bajo valor a tareas de alto valor, y a concentrarse en sus responsabilidades esenciales mediante la reducción o eliminación de tareas repetitivas y la revelación de nuevos puntos de vista a partir de los datos, y la mejora de la capacidad de los organismos de lograr sus misiones (Partnership for Public Service/IBM Center for the Business of Government, 2019[15]).
El funcionario público promedio dedica hasta el 30 % de su tiempo a documentar información y a otras tareas administrativas básicas (Eggers, Schatsky y Viechnicki, 2017[2]). Automatizar o de otra forma evitar la realización de, aunque sea, una fracción de ese trabajo permitiría a los Gobiernos ahorrar una enorme cantidad de dinero y reorientar las labores de los funcionarios a otras tareas más valiosas, lo cual redundaría en un trabajo más motivador, más orientado a la población (Partnership for Public Service/IBM Center for the Business of Government, 2019[15]).
La creciente abundancia de datos disponibles hace aumentar el interés por la IA. No obstante, si el volumen de datos es muy grande, al Gobierno puede resultarle difícil extraer conocimientos útiles, fenómeno que se conoce con el nombre de “sobrecarga de información” (Speier, Valacich y Vessey, 1999[18]). La inteligencia artificial puede colaborar con los Gobiernos para que superen este inconveniente, adquieran nuevas perspectivas y generen predicciones que les permitan adoptar mejores decisiones en términos de políticas. Por ejemplo, en Argentina, el sistema Prometea redujo el tiempo de operación del servicio de justicia, lo que pudo replicarse en instituciones del país y del exterior. El empleo de robots para automatizar las tareas repetitivas también es un aliado de los Gobiernos en la mejora de la eficiencia al reducir el tiempo de procesamiento de ciertos servicios públicos. El Recuadro 3.2 presenta más ejemplos de estos usos de la IA.
Prometea (Argentina)
Prometea es un sistema de IA de varias capas diseñado para agilizar el trabajo del servicio de justicia. Fue desarrollado en 2017 en forma conjunta por el Ministerio Público Fiscal de la Ciudad Autónoma de Buenos Aires y el Laboratorio de Innovación e Inteligencia Artificial de la Facultad de Derecho de la Universidad de Buenos Aires (IALAB). El objetivo de Prometea es liberar a los funcionarios judiciales de las tareas repetitivas y permitirles focalizar su labor en los casos complejos en los que se hace necesario el trabajo humano. El sistema actúa como un asistente virtual que predice las soluciones de casos (sobre la base de casos y soluciones previos) y asiste en la provisión de la información requerida para armar el expediente. Luego, los fiscales deciden si la solución que se predijo es digna de consideración. En Buenos Aires, entre octubre de 2017 y mediados de 2020, Prometea ayudó a resolver 658 casos relacionados con el derecho a la vivienda, el derecho al trabajo y los derechos de personas con discapacidad. De los 149 informes sobre protección de la vivienda en los que se utilizó el sistema, las decisiones de los fiscales coincidieron en un 90 % con las del sistema. En promedio, el sistema puede ayudar a preparar 1.000 dictámenes en 45 días hábiles, comparados con los 174 días hábiles que se necesitarían sin esta asistencia. En la actualidad, usan el sistema la Corte Interamericana de Derechos Humanos y la Fiscalía General Adjunta en lo Contencioso Administrativo y Tributario del Ministerio Público Fiscal de la Ciudad de Buenos Aires. Sin embargo, la sociedad civil exige un control constante de la implementación de Prometea, ya que persisten las dudas acerca de la explicabilidad de sus decisiones y sus repercusiones sobre el debido proceso. Otras inquietudes son el grado de responsabilidad de los actores involucrados (desarrolladores y jueces), y cómo los datos de entrenamiento del sistema y el sesgo de diseño podrían afectar los resultados finales.
Fuente: https://oecd.ai/dashboards/policy-initiatives/2019-data-policyInitiatives-26831, https://oecd-opsi.org/wp-content/uploads/2021/02/Argentina-National-AI-Strategy.pdf y www.perfil.com/noticias/sociedad/justicia-automatizada-como-funciona-el-software-que-ya-se-usa-en-caba.phtml (Giandana y Morar, 2019[19]).
Laura (Argentina)
Laura es un sistema desarrollado por el Ministerio de Finanzas de la provincia de Córdoba para automatizar tareas en procedimientos burocráticos. Un ejemplo de su aplicación es la verificación de los aportes jubilatorios en la Administración Nacional de la Seguridad Social (ANSES). Normalmente, esta tarea la realizaría un funcionario para iniciar el proceso de jubilación provincial. En lugar de ello, Laura conecta a los posibles beneficiarios con la base de datos de la ANSES para constatar su situación jubilatoria, lo cual incluye datos fundamentales acerca de su salario y contribuciones a la seguridad social a lo largo de los años. Así, determina cuáles son los beneficios aplicables y el monto de la jubilación, y hace posible detectar posibles incompatibilidades.
Fuente: (Gómez Mont et al., 2020[12]).
Cómo mejorar la calidad de los procesos mediante el uso de robots (Uruguay)
En un intento por simplificar y optimizar los procesos gubernamentales, la agencia de gobierno digital de Uruguay, AGESIC, llevó a cabo un estudio que proyectó que la implementación de la Automatización Robótica de Procesos (Robotics Process Automation, RPA) podría producir ahorros de entre el 40 % y el 75 % del tiempo de los funcionarios. La AGESIC puso en marcha diversos proyectos piloto de RPA con un tiempo máximo de ejecución de seis meses en distintos organismos estatales, incluidos la Presidencia de la República, y los Ministerios de Defensa Nacional, Industria, Energía y Minería, Desarrollo Social, y Vivienda y Ordenamiento Territorial. Los resultados de estos proyectos piloto demostraron una significativa reducción del tiempo que los funcionarios dedican a tareas rutinarias, así como un porcentaje cero de error.
Fuente: www.gub.uy/agencia-gobierno-electronico-sociedad-informacion-conocimiento/comunicacion/noticias/pilotos-de-rpa-automatizacion-robotica-de-procesos, funcionarios de la AGESIC.
Herramienta para la anonimización de los documentos jurídicos (Argentina)
En el marco del presente proyecto de GovTech, Cambá, una cooperativa de base tecnológica, ha desarrollado un sistema de IA escalable para hacer anónimos documentos judiciales redactados en castellano, bajo la premisa de proteger los datos personales, y reducir los tiempos de los sistemas judiciales y el margen de error.
Justicia digital (Colombia)
La Superintendencia de Industria y Comercio de Colombia está poniendo en marcha el proyecto de justicia digital a fin de digitalizar las funciones jurisdiccionales de la entidad y maximizar su eficiencia. Entre sus diversas acciones, el proyecto utiliza la IA para optimizar el procesamiento de grabaciones de audio de las sentencias. Este proceso puede optimizar unos 16.500 informes de sentencias por año, lo cual representa aproximadamente 5 terabytes de datos.
Fuente: https://dapre.presidencia.gov.co/TD/Como-vamos-avanzando-en-la-TD-070421.pdf.
Más allá de la automatización de las tareas repetitivas, los casos tales como la predicción de sentencias en juicios contra el Estado colombiano muestran que la IA también puede aumentar la eficiencia al proporcionar análisis más detallados para una mejor toma de decisiones (Recuadro 3.3). El caso PretorIA, que se presenta en el mismo recuadro, proporciona un ejemplo de cómo pueden interactuar las instituciones públicas y la sociedad civil, escuchar las inquietudes fundamentales acerca de la implementación de la IA y adaptar la tecnología convenientemente. Este caso resalta la importancia de una sociedad civil alerta y capaz, empoderada para colaborar con el sector público en la cocreación de servicios públicos digitales que resulten fiables.
PretorIA (Colombia)
La Acción de Tutela (es decir, la acción constitucional para proteger derechos fundamentales) es un instrumento del que dispone toda persona en Colombia para exigir inmediata protección contra cualquier violación de derechos fundamentales resultante de acciones u omisiones de una autoridad pública o de un particular. Como parte de su misión, la Corte Constitucional selecciona tutelas clave para fijar precedentes jurídicos sobre la concesión de derechos fundamentales. Sin embargo, la Corte recibe más de 2.000 tutelas por día. Por lo general, leer, analizar y sistematizar la información contenida en una de ellas le toma a una persona 36 minutos, lo cual hace humanamente imposible leerlas todas. PretorIA lee y analiza en forma automática todas las demandas, detecta y predice la presencia de criterios predefinidos, y presenta informes y estadísticas de manera intuitiva. El sistema sirve como herramienta para los jueces, lo que garantiza que haya un ser humano a cargo del proceso de toma de decisiones.
En su versión inicial, presentada a principios de 2019, el sistema era una adaptación de Prometea (Recuadro 3.2), pero grupos de la sociedad civil alertaron contra su opacidad y posible conflicto con las leyes colombianas sobre protección y transparencia de datos. Después de varios debates,3 la Corte Constitucional transformó el proyecto mediante la adopción de tecnologías más explicables y transparentes. Esta medida generó la nueva versión de PretorIA, inaugurada a mediados de 2020, que incorpora tecnología de modelado de tópicos en lugar de redes neuronales. La nueva versión es totalmente explicable, interpretable y rastreable (ver OCDE, 2019[1] para un examen de las redes neuronales y cómo limitan la explicabilidad). El desarrollador, el Laboratorio de Innovación e Inteligencia Artificial de la Facultad de Derecho de la Universidad de Buenos Aires (IALAB), afirma que es el primer sistema predictivo de IA en un máximo tribunal de justicia del mundo.
Fuente: https://ialab.com.ar/pretoria, www.datasketch.news/p/la-propuesta-para-automatizar-la-clasificacion-de-tutelas-en-colombia, https://dpicuantico.com/2019/02/04/inteligencia-artificial-en-la-corte-constitucional-colombiana-otra-experiencia-prometea y www.elespectador.com/noticias/judicial/prometea-la-nueva-tecnologia-para-seleccion-de-tutelas-en-la-corte-constitucional-articulo-838034.
SISBEN (Colombia)
El Sistema de Identificación de Potenciales Beneficiarios de Programas Sociales (SISBEN) es un algoritmo que utiliza datos primarios de encuestas individuales sobre condiciones de vida (por ejemplo, información de ingresos, acceso a los servicios públicos) para crear perfiles socioeconómicos fiables y actualizados de la población colombiana, lo cual le posibilita al Gobierno orientar mejor sus programas sociales. El sistema usa el modelo de potenciación del gradiente cuantílico (quantile gradient boosting) de aprendizaje automático para identificar a los potenciales beneficiarios. Se comparan los datos de las encuestas con otras bases de datos para detectar incongruencias. El sistema clasifica la “prosperidad” de una persona con una escala que va del 0 al 100, y los entes públicos utilizan posteriormente esta clasificación para determinar si esa persona está en condiciones de acceder a los beneficios sociales.
Han surgido ciertos interrogantes acerca de las características inherentes al SISBEN. En particular, el sistema podría interferir con el derecho de las personas a un trato equitativo y al acceso a la información: “Las personas que son calificadas por medio de un algoritmo deben contar con vías para poder exigir una explicación por la calificación que recibieron, las razones de cualquier tipo de marcación que reciban por inconsistencias, incluyendo las bases de datos usadas y vías de réplica” (López and Castañeda, 2020, p. 14[20]).
Los datos del sistema también se han utilizado para experimentación. Por ejemplo, los datos del SISBEN se usaron para apoyar un programa de desarrollo de negocios que utiliza analítica de datos, en el que los participantes privados crearon un modelo experimental para medir y detectar fraudes en el sistema.
Fuente: (Gómez Mont et al., 2020[12]), (López y Castañeda, 2020[20]).
Predicción de sentencias en juicios contra el Estado (Colombia)
La Agencia Nacional de Defensa Jurídica del Estado (ANDJE) y Quantil (una empresa privada) desarrollaron una herramienta matemática para estimar la probabilidad de una sentencia desfavorable en un proceso litigioso contra la nación, y recomendar el monto óptimo de un acuerdo basado en las condiciones vigentes del caso. El componente predictivo del modelo se basa en técnicas de aprendizaje automático, mientras que la optimización del arreglo conciliatorio se basa en fundamentos financieros y de teoría de los juegos.
Fuente: https://quantil.co/agencia.
Además de utilizar la IA para abordar temas específicos, los Gobiernos están utilizando aplicaciones de IA en una variedad de formas para interactuar con los ciudadanos, los residentes y las empresas. Un tipo popular de IA que se emplea en los sectores público y privado, sobre todo en las etapas iniciales, es el chatbot. Un chatbot simple utiliza un abordaje basado en reglas para interactuar con los ciudadanos y ejecutar funciones tales como responder a las preguntas que se formulan con frecuencia. Hay versiones más sofisticadas que potencian el aprendizaje automático para llevar a cabo interacciones más complejas y menos concretas, como lo ilustra el caso de Jaque en la plataforma digital del estado de Alagoas, Brasil (Recuadro 3.4).
Jaque y la Guía de Servicios (Brasil)
Jaque es un secretario virtual basado en IA que orienta a los ciudadanos a través de la “Guía de Servicios”, un catálogo digital que centraliza toda la información de servicios públicos prestados por el Gobierno del estado de Alagoas. La Guía de Servicios brinda una explicación paso a paso de cada servicio proporcionado por cada organismo público. Contiene información, entre otra, sobre la duración de los procesos, los documentos necesarios, la ubicación y el horario de atención de los organismos, la disponibilidad de servicios.
La Guía de Servicios es un sistema de tres capas que gestiona y estandariza la información. La primera capa es un sitio web que centraliza toda la información para que resulte fácilmente accesible a los ciudadanos. La segunda capa está dedicada a la gestión del contenido y recibe la información que brindan organismos públicos acerca de sus servicios. La tercera capa es una interfaz de programación de aplicaciones (API) abierta de la que Jaque extrae información para brindar servicios como secretario virtual.
Las interacciones permanentes hacen más eficiente a Jaque. El Gobierno de este estado planea ampliar el servicio de chatbot a otros sitios web, e incluso a las redes sociales, y convertir de esta forma a Jaque en un avatar omnipresente del servicio público.
Asistente Virtual AGESIC (Uruguay)
El chatbot virtual creado por AGESIC, el organismo de gobierno digital de Uruguay, nació en 2018 como proyecto piloto para experimentar y adquirir experiencia en el desarrollo de soluciones de IA. Este chatbot de atención a la ciudadanía fue “entrenado” con las preguntas más frecuentes que se reciben a través de los diferentes canales de atención. La herramienta no solo responde preguntas, sino que también realiza acciones para resolver problemas, tales como recuperar la contraseña. Actualmente, forma parte de la Estrategia multicanal de Atención a la Ciudadanía, que intenta acercar el Estado a las personas eliminando barreras tecnológicas y/o de accesibilidad, y brindando amplia información sobre los procedimientos y servicios del Estado, atención personalizada de calidad, así como soporte y orientación para realizar procedimientos en línea a través de múltiples canales de servicio.
Fuente: www.gub.uy/agencia-gobierno-electronico-sociedad-informacion-conocimiento/comunicacion/noticias/primer-chatbot-en-linea-de-agesic y www.gub.uy/agencia-gobierno-electronico-sociedad-informacion-conocimiento/politicas-y-gestion/programas/es-atencion-ciudadania.
La IA también permite brindar servicios más sencillos y personalizados a los ciudadanos y a las empresas. Por ejemplo, el Mapa de Oportunidades Comerciales de Argentina y ParaEmpleo de Paraguay recurren a algoritmos para escanear numerosas fuentes de datos y compararlas con las necesidades y características de los usuarios a fin de producir mejores recomendaciones. Asimismo, los Gobiernos han hecho uso de las tecnologías de la IA para entender mejor las opiniones y perspectivas de sus ciudadanos a escalas previamente inviables, mediante el uso de técnicas de procesamiento del lenguaje natural (NLP) y técnicas de agrupación en clusters, que permiten extraer ideas valiosas de grandes volúmenes de información (OCDE, 2019[1]). Querido Diário, en Brasil, es un proyecto que invierte estos roles y permite a los ciudadanos entender más a fondo la información publicada por el Estado en los diarios oficiales. Por último, el Gobierno colombiano creó un proyecto para mejorar su relación con los agricultores a través de la optimización de los análisis del suelo y la provisión de recomendaciones personalizadas respecto de su fertilización. En el Recuadro 3.5 se consideran estos ejemplos.
Mapa de Oportunidades Comerciales (Argentina)
El Gobierno de la Ciudad de Buenos Aires ofrece un panorama de negocios a los empresarios interesados en iniciar o ampliar sus actividades en la ciudad. El Mapa de Oportunidades Comerciales solicita dos datos (zona geográfica y categoría del negocio) y brinda información detallada acerca de las características del mercado en cada zona con cuatro indicadores: la apertura y cierre de locales, el nivel de riesgo, indicadores poblacionales e indicadores inmobiliarios. La plataforma funciona a través de un algoritmo que recopila distintas fuentes de datos y resume las oportunidades comerciales por barrio, lo que permite, en última instancia, hacer inversiones directas en donde se presume que generen más valor. Se planea incluir modelos predictivos en las versiones futuras de la plataforma.
Fuente: (Ortiz Freuler e Iglesias, 2018[21]), www.buenosaires.gob.ar/empresas/planifica-tu-emprendimiento/elegi-tu-local/mapa-de-oportunidades-comerciales.
ParaEmpleo (Paraguay)
ParaEmpleo es una plataforma nacional de inserción laboral que vincula la oferta y la demanda en el mercado del trabajo a fin de acelerar el proceso de búsqueda de empleo y la selección de personal. Mediante el uso de algoritmos de aprendizaje profundo y gráficos de conocimiento, sugiere las mejores concordancias posibles entre candidatos y compañías. Los usuarios proporcionan sus competencias, aptitudes, especializaciones y conocimiento de idiomas, entre otros, para crear sus perfiles. La plataforma analiza cuáles son los puestos de trabajo y las competencias que más se solicitan, y asesora a los usuarios sobre cómo ser más competitivos en el mercado laboral recomendando cursos gratuitos o pagos que pueden realizar para aumentar las posibilidades de contratación. ParaEmpleo tiene una base de datos de más de 25.000 aspirantes.
Fuente: https://paraempleo.com.py y www.iadb.org/es/mejorandovidas/algoritmos-que-te-consiguen-empleo-en-paraguay, (Gómez Mont et al., 2020[12]).
Querido Diário (Brasil)
Querido Diário es un proyecto de próxima ejecución que usará la IA para clasificar, contextualizar y ampliar la información de los diarios oficiales brasileños a fin de ponerlos a disposición en una plataforma que permitirá visualizarlos en un formato abierto y amigable. El proyecto está financiado por Empatía, una iniciativa de ILDA (Iniciativa Latinoamericana por los Datos Abiertos) y el Centro LATAM Digital, y recibe el apoyo del Centro Internacional de Investigaciones para el Desarrollo (International Development Research Centre, IDRC) y del Banco Interamericano de Desarrollo (BID).
Los Gobiernos han colocado a la seguridad y la protección públicas en el centro de sus estudios sobre el uso de la IA. Esta área abarca tanto la seguridad y la protección físicas como la ciberseguridad, y puede cubrir una amplia franja de temas de responsabilidad del Gobierno, tales como la fuerza pública, la prevención y recuperación en caso de desastres, y la defensa militar y nacional. Por ejemplo, el documento sobre el estado del arte del uso de las tecnologías emergentes en el sector público titulado State of the Art in the Use of Emerging Technologies in the Public Sector señala que, en el campo de la vigilancia, la visión artificial y los sistemas de procesamiento del lenguaje natural pueden trabajar con grandes cantidades de imágenes, textos y formas discursivas, para detectar posibles amenazas a la seguridad y el orden públicos en tiempo real (Ubaldi et al., 2019[14]).
La OCDE no encontró ejemplos de un uso activo de la IA en apoyo de las actividades de ciberseguridad por parte de los Gobiernos de América Latina y el Caribe. Sin embargo, Uruguay parece estar avanzando en este camino con su “aiUTEChallenge” dentro de su Programa de Fortalecimiento de la Ciberseguridad, que explora las modalidades de aplicación de la IA en combinación con el monitoreo, la detección y la respuesta a incidentes, y la identificación digital, entre otros. El país espera realizar próximamente desarrollos concretos dentro de esas áreas.4
Si bien no hay un gran uso de la IA para la ciberseguridad, sí existen muchos casos prácticos concentrados en la aplicación de la ley y otras actividades relacionadas con el sistema de justicia penal. Como ejemplo general, la Organización Internacional de Policía Criminal (INTERPOL), a la que pertenecen todos los países incluidos en el ámbito de esta reseña,5 usa distintos tipos de sistemas de IA para las fuerzas del orden y ha publicado el informe sobre inteligencia artificial y robótica en la aplicación de la ley titulado Artificial Intelligence and Robotics for Law Enforcement6, en el que se analiza el potencial de la IA en la labor policial y se detallan los proyectos que ya están en marcha en el mundo real. Los sistemas predictivos de IA han adquirido especial popularidad en la región (ver los casos del Recuadro 3.6), a menudo entre los Gobiernos urbanos locales. Como indican los ejemplos, los sistemas de IA en este campo pueden tener alguna utilidad, pero también operan con frecuencia en áreas grises y presentan dilemas éticos que los Gobiernos deben considerar y evaluar cabalmente. La transparencia en los usos y procesos, y la explicabilidad de los algoritmos, son elementos fundamentales para que las partes interesadas se involucren en detectar riesgos de trato desigual y en buscar soluciones. Por otra parte, tal como lo ilustra el caso de Predpol en Uruguay, los Gobiernos también deben considerar que el uso de la IA no siempre es la mejor solución y reconocer que existen otras tecnologías con efectos similares a un costo inferior.
Predpol (Uruguay)
A fines de 2013, el Gobierno uruguayo adquirió Predpol, el software policial que se apoya en IA para predecir posibles delitos en diferentes zonas del país. El sistema elabora detallados mapas personalizados que resaltan las zonas donde la información indica una alta probabilidad de comisión de delitos y, de esa forma, permite un despliegue más eficaz de las fuerzas policiales. Las predicciones que aporta se basan en datos recopilados por el Ministerio del Interior, aunque persisten las dudas por la posibilidad de que los sesgos históricos del sistema penal parcialicen la información contra los grupos marginados.7 No se dio a conocer públicamente cómo se diseñó el modelo, lo cual socava los intentos de explicar sus decisiones, a pesar de que, según la información publicada, el algoritmo de aprendizaje automático se basó en cuatro variables: tipo de delito, lugar, fecha y hora en la que se cometió. En 2017, el Ministerio del Interior realizó una evaluación: la mitad de las seccionales en Montevideo utilizaron Predpol y la otra mitad empleó un sistema más tradicional de información anual retrospectiva basado en herramientas estadísticas creado por la Dirección de Información Táctica (DIT) de la Policía. El proceso no halló diferencias significativas entre ambos conjuntos de predicciones, por lo cual se suspendió el uso de Predpol.
Fuente: (Ortiz Freuler e Iglesias, 2018[21]), www.minterior.gub.uy/images/2017/Noviembre/Cmo-evitar-el-delito-urbano.pdf.
Prisma (Colombia)
El “Perfil de Riesgo de Reincidencia para Solicitudes de Medidas de Aseguramiento” (PRISMA) es una herramienta para predecir el riesgo de reincidencia delictiva de una persona. El sistema de IA se creó para apoyar a los fiscales que solicitan la detención preventiva de un individuo que está siendo investigado por las autoridades colombianas. También recopila toda la información disponible sobre la persona investigada: la cantidad de arrestos previos (el delito y la fecha), procesos en trámite en el Sistema Penal Oral Acusatorio (SPOA) y procedimientos judiciales, e instancias previas de reclusión. En el mundo, se utilizan sistemas de clasificación delictual similares, y han surgido interrogantes acerca de su potencial de discriminación y parcialidad. Por ejemplo, las organizaciones de la sociedad civil y los investigadores detectaron que algoritmos parecidos utilizados en los Estados Unidos de Norteamérica para predecir la probabilidad de un comportamiento criminal futuro han sido desarrollados de forma tal que garantiza que los acusados negros sean erróneamente identificados como futuros delincuentes con mayor frecuencia que sus homólogos blancos.8 No obstante, los investigadores también demostraron que era posible enfrentar la disparidad si los algoritmos se concentraban en la imparcialidad del resultado más que en la “paridad predictiva”. Como los algoritmos son software patentado, no siempre es posible acceder al código fuente para entender cómo se toman las decisiones. Organizaciones como Partnership for AI [Alianza para la IA] han recomendado utilizar herramientas de evaluación de riesgos, o bien fijar estándares para mitigar problemas de exactitud, sesgo, explicabilidad, gobernanza, rendición de cuentas, y otros.
Fuente: www.elespectador.com/noticias/judicial/prisma-el-programa-de-la-fiscalia-para-predecir-la-reincidencia-criminal, www.youtube.com/watch?v=wubXNQ1JxPk, www.partnershiponai.org/artificial-intelligence-research-and-ethics-community-calls-for-standards-in-criminal-justice-risk-assessment-tools.
La vigilancia es otra área de protección en donde se aplica cada vez más la IA a nivel mundial. El reconocimiento facial se utiliza en una cantidad de ciudades del mundo para permitir localizar presuntos delincuentes y combatir el terrorismo (OCDE, 2019[1]), a pesar de que ha suscitado numerosas polémicas. Los Gobiernos de América Latina y el Caribe no parecen hacer un uso significativo de los sistemas de reconocimiento facial por medio de la IA; sin embargo, esta práctica está aumentando en la región, como también aumenta la resistencia de la sociedad civil (Arroyo, 2020[22]). En algunos países de ALC, se está haciendo un uso experimental de la IA para analizar imágenes de rostros juntamente con otros videos, imágenes y audio (es decir, voces) con la finalidad de detectar la actividad criminal. Los casos del Centro de Comando, Control, Comunicaciones y Cómputo (C4) de Bogotá, Colombia, y del ECU 911 en Ecuador (Recuadro 3.7), subrayan los dos principales retos que deben enfrentar los Gobiernos para generar confianza en estos sistemas: crear las necesarias salvaguardias en el procesamiento de datos personales confidenciales (por ejemplo, datos biométricos) para impedir un tratamiento injusto de grupos históricamente discriminados, y definir marcos de referencia claros para el uso de estas tecnologías de modo de evitar posibles abusos, tales como la elaboración de perfiles y la persecución de opositores políticos o manifestantes.
Centro de Comando, Control, Comunicaciones y Cómputo – C4 (Colombia)
El Centro de Comando, Control, Comunicaciones y Cómputo (C4) de Bogotá está probando un sistema de seguridad predictivo capaz de identificar bandas criminales y su comportamiento a través de análisis estadístico y de tendencias, y de videos, imágenes y reconocimiento de voz. El sistema permite a los investigadores rastrear a los delincuentes filtrando ciertas características entre los datos en tiempo real y los datos históricos, recopilados a través de 6.000 cámaras de videovigilancia y registros de voz de las llamadas de emergencia.
En la actualidad, también se están probando tres cámaras de reconocimiento facial, pero su éxito en cuanto a la comparación de rostros depende principalmente de la calidad de la base de datos. Por ese motivo, el Gobierno de Bogotá está procurando celebrar un acuerdo con la Registraduría Nacional, la institución de identificación de Colombia, para acceder a los datos biométricos proporcionados por las personas registradas al obtener su documento de identidad.
Voces de la sociedad civil han alertado acerca de dos conflictos que plantean estas tecnologías. El primero, relacionado con el desarrollo técnico, es que el sistema puede producir falsos positivos, lo cual plantea el problema de una posible discriminación o exclusión de ciertas poblaciones. El segundo es que los marcos institucionales para impedir que el sistema se use en casos cuestionables (por ejemplo, identificación y acoso de manifestantes) son débiles o inexistentes.
Fuente: www.elespectador.com/noticias/bogota/el-reto-de-anticipar-delitos-con-tecnologia-en-bogota.
ECU 911 (Ecuador)
El sistema ECU 911 posee una red nacional de 4.300 cámaras de vigilancia, 16 centros regionales de respuesta y más de 3.000 empleados del Gobierno que observan las imágenes de video y responden las llamadas. La misión del sistema es doble: identificar delincuentes, y vigilar la actividad sísmica y volcánica. Con este propósito, utiliza cámaras térmicas para monitorear los volcanes cubiertos de nieve, drones de visión nocturna, una plataforma automatizada para enviar grabaciones de pruebas a los tribunales y un laboratorio de investigación de IA. Existen planes de agregar al ECU911 el uso de reconocimiento facial en gran escala en la principales ciudades y aeropuertos, y hay informes de prensa que señalan que algunas cámaras de las grandes ciudades ya usan esta tecnología para identificar personas extraviadas y presuntos delincuentes. El sistema ha sido blanco de críticas en Ecuador, e incluso The New York Times realizó una investigación que reveló que los videos de ECU 911 se comparten con la agencia de seguridad nacional del país.
Fuente: www.ecu911.gob.ec, www.nytimes.com/es/2019/04/24/espanol/america-latina/ecuador-vigilancia-seguridad-china.html.
Estos ejemplos muestran que los Gobiernos de América Latina y el Caribe, como otros Gobiernos del mundo, deben ser prudentes cuando estudian el uso de la IA en este campo y aprovechar la tecnología en formas que no menoscaben la confianza pública ni conculquen las libertades civiles. Es necesario que los Gobiernos equilibren las tensiones entre la aplicación de los sistemas de IA (por ejemplo, los que usan la recolección y monitoreo de datos) al servicio del interés público y las preocupaciones inevitables acerca de un “Gran Hermano” y de los riesgos de infringir derechos y libertades. El capítulo 4, “Acciones para desarrollar un abordaje responsable, fiable y centrado en el ser humano”, y el informe de la OCDE Embracing Innovation in Government: Global Trends 2020 – Public Provider versus Big Brother [Tendencias mundiales de adopción de la innovación en el Gobierno del 2020 — El proveedor público vs. Gran Hermano]9 (OCDE, 2020[23]) ofrecen orientación y reflexiones que los Gobiernos deben considerar cuando examinan la IA en relación con la seguridad pública, la protección, y otros objetivos.
Se entiende por reglamentaciones los diversos instrumentos a través de los cuales los Gobiernos fijan requisitos a los ciudadanos y las empresas. Tales instrumentos abarcan la totalidad de leyes, órdenes oficiales y oficiosas, normas subordinadas, formalidades administrativas y normas publicadas por órganos no gubernamentales u organismos de reglamentación autónoma en los que los Gobiernos han delegado facultades regulatorias (OCDE, 2018[24]).10
Mientras que las reglamentaciones y otros tipos de procesos normativos apuntan frecuentemente a las personas físicas y a las organizaciones que no pertenecen al sector público, la IA ofrece importantes oportunidades para aumentar la capacidad gubernamental de mejorar la concepción y ejecución de reglamentaciones y actividades de aplicación efectiva de las normas (OCDE, 2018[25]) (OCDE, 2019[26]). Por ejemplo:
Los reguladores podrían aplicar herramientas de aprendizaje automático a la inmensa cantidad de datos de la que disponen para prever dónde debieran concentrar sus actividades regulatorias. Mediante el uso de estas herramientas, podrían determinarse áreas, empresas y ciudadanos que merecen ser objeto de investigación e inspección.
El aprendizaje automático puede utilizarse para predecir con mayor exactitud el resultado de posibles juicios, lo que garantizaría una mayor cohesión entre los puntos de vista de los tribunales y de los reguladores.
De este modo, los reguladores podrían aprovechar el potencial de la tecnología para simplificar sus operaciones, y reasignar los recursos de actividades antieconómicas (tales como investigar empresas que probablemente cumplen con la ley, o llevar adelante juicios que tienen una alta probabilidad de terminar con sentencias desfavorables) para emplearlos en actividades que logren más acabadamente sus objetivos regulatorios. El Recuadro 3.8 analiza tres ejemplos del uso de la IA destinado a mejorar las funciones regulatorias del sector público, en especial a través una mayor eficiencia de los procesos.
Mayor competencia económica (Brasil)
El Consejo Administrativo de Defensa Económica (Conselho Administrativo de Defesa Econômica, CADE) usa IA para identificar disfunciones de la competencia en áreas críticas del mercado. Como organismo dependiente del Ministerio de Justicia, el CADE ha perfeccionado técnicas para detectar prácticas colusorias en áreas tales como el precio del gas.
Superintendencia de Industria y Comercio (Colombia)
La Superintendencia de Industria y Comercio es el organismo regulatorio del Gobierno de Colombia que está a cargo de regular, entre otros, la propiedad industrial y la protección del consumidor. Actualmente, aplica la IA como parte de dos servicios públicos:
Reconocimiento de patentes: la institución emplea IA para acelerar los exámenes que se realizan con relación a las solicitudes de patentes. El algoritmo, al que se ha entrenado con los datos históricos de reconocimientos anteriores de patentes, se utiliza para recomendar la clasificación y sectorización de las patentes en trámite.
Escaneado en el comercio electrónico: la institución usa IA para escanear las páginas web de comercios electrónicos e identificar irregularidades que puedan afectar los derechos de los consumidores.
Fuente: (Consejería Presidencial para Asuntos Económicos y Transformación Digital, 2020[28]).
KBoot: rastreo de posibles evasores impositivos en Instagram (Colombia)
La economía digital de Medellín ha crecido en los últimos años y el departamento de tesorería local enfrenta el desafío de las ventas en línea debido al aumento de la evasión fiscal. Los intentos iniciales de identificar a los posibles evasores en línea se valían de búsquedas y análisis manuales para detectar comercios electrónicos no registrados. Sin embargo, el aumento exponencial del uso de las redes sociales para las actividades económicas hizo necesario un nuevo enfoque. En asociación con el laboratorio de innovación del Gobierno, la tesorería trabajó con una start-up local en el desarrollo de un bot que extraería automáticamente hashtags, palabras clave y nombres asociados con las ventas en línea en Medellín mediante el procedimiento denominado scraping.
KBoot, el bot de IA, bajó datos pertinentes a una base de datos (nombres de usuario, cantidad de seguidores, números de teléfono y cantidad de publicaciones) y el departamento de tesorería identificó a las personas físicas detrás del perfil. El procedimiento implicó la verificación cruzada de nombres contra sus propias bases de datos y la exigencia de que los operadores telefónicos de Medellín proporcionaran información sobre 9.080 usuarios que habían dado un número de contacto. El organismo identificó a 2.683 personas que utilizaban Instagram para publicitar y vender productos. De ellas, solo 453 estaban registradas ante la tesorería y 107 habían dejado de operar, por lo que unas 2.230 personas que vendían mercadería en Instagram no estaban registradas. El Gobierno incorporó estas empresas al programa Crecer es Posible, una iniciativa de la Cámara de Comercio concebida con la idea de integrar pequeñas empresas a la economía formal.
Fuente: https://oecd-opsi.org/innovations/tracking-potential-tax-evaders-on-instagram.
Además de sus aplicaciones para dar respuesta al COVID-19, todo el sector de la atención sanitaria utiliza en diversas formas la IA, la que posee un enorme potencial en países con servicios nacionales de salud. Las aplicaciones de IA, en especial aquellas que involucran el aprendizaje automático, pueden servir para interpretar resultados y sugerir diagnósticos, así como para predecir factores de riesgo, lo que permite incorporar medidas preventivas (Ubaldi et al., 2019[14]). Asimismo, pueden proponer tratamientos y colaborar con los médicos en la creación de planes terapéuticos altamente individualizados. Si se la combina con los conocimientos de los médicos y otros expertos sanitarios, la IA puede aumentar la precisión y la eficiencia, y proporcionar resultados más positivos en el área de salud.
Crecer con Salud (Argentina)
En Argentina el 30 % de las mujeres pasan por alto importantes controles durante el embarazo. El Gobierno decidió abordar este problema mediante la creación de un asistente virtual (un bot) que usa el Messenger de Facebook para acompañar a las mujeres durante el embarazo y después del alumbramiento. Crecer con Salud brinda información personalizada según la semana de gestación y la edad del bebé una vez nacido. También envía alertas de controles prenatales y posnatales. El Gobierno seleccionó Messenger porque, según una investigación interna, más de 30 millones de argentinos usan esta plataforma, incluido el 90 % de las embarazadas internadas en hospitales de maternidad.
Fuente: https://oe.cd/ccs y www.argentina.gob.ar/salud/crecerconsalud.
AnemiaApp: detección temprana de la anemia (Perú)
El Ministerio de Desarrollo e Inclusión Social de Perú (MIDIS) y la Universidad Peruana Cayetano Heredia colaboraron en el desarrollo de AnemiaApp, una aplicación que permite la detección rápida y oportuna de anemia en los niños. Basada en un sistema portátil de bajo costo, esta aplicación para celulares interpreta imágenes digitales del ojo del individuo y analiza las características de la membrana que recubre la superficie exterior. Los resultados se transmiten a un servicio de procesamiento automático que usa algoritmos de redes neuronales para determinar el nivel de hemoglobina y, de esa forma, la presencia o ausencia de anemia. Esta aplicación se usa especialmente en zonas distantes que tienen poco acceso a equipos médicos de alta tecnología.
Fuente: (Gómez Mont et al., 2020[12]), https://saluddigital.com/en/big-data/Perú-renueva-metodos-para-detectar-la-anemia.
Detección de la depresión, la anorexia y otros trastornos a través de las redes sociales (México)
En la actualidad, la falta de estadísticas claras sobre la depresión y la anorexia constituye un impedimento para el desarrollo de políticas públicas; sin embargo, las redes sociales brindan un medio para su detección. Los psicolingüistas han identificado una clara conexión entre el lenguaje y el estado de ánimo o ciertos trastornos mentales. Los científicos del centro público de investigación “Laboratorio de Tecnologías del Lenguaje” del Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE) han desarrollado algoritmos de IA que pueden analizar enormes cantidades de texto de las redes sociales para identificar posibles trastornos. El proyecto, que está financiado por el Consejo Nacional de Ciencia y Tecnología (Conacyt), el organismo público encargado de promover la innovación científica y tecnológica, puede contribuir a fundamentar la toma de decisiones y llegar a brindar asistencia a quienes enfrentan dificultades específicas. En este momento, el proyecto se encuentra todavía en etapa experimental, con un debate abierto acerca de las dificultades de índole ética que plantea.
Una de las aplicaciones de IA que más publicidad ha recibido es la de los vehículos autónomos, tales como los automóviles sin conductor que están probando Uber y varias de las principales automotrices. Si bien el Gobierno tiene ciertamente un rol a desempeñar en cuanto a regular y comprender las implicancias que suponen estos vehículos, estas aplicaciones parecen presentar menos oportunidades de innovación para el sector público. No obstante, más allá de estos vehículos, los Gobiernos de todo el mundo y de los países de América Latina y el Caribe están empleando la IA para transformar el modo de predecir y manejar los flujos de tránsito (Recuadro 3.10). Si bien todos los temas generales que la OCDE ha observado a nivel mundial también parecen ser áreas en las que se concentran los Gobiernos de América Latina y el Caribe, el transporte es quizás el más débilmente representado en cuanto a las iniciativas que se observan.
La IA facilita el flujo de pasajeros en el Metro CDMX (México)
En 2015, la actual Secretaría de Ciencia, Tecnología e Innovación de la Ciudad de México (SECTEI) y el sistema de transporte del metro organizaron en conjunto una competencia de innovación tecnológica. El grupo ganador, compuesto por doctorandos de la Universidad Nacional Autónoma de México (UNAM), trabajó con personal de la línea 1 para analizar, con la ayuda de la IA, grandes conjuntos de datos sobre la dinámica del flujo de pasajeros. El resultado fue una estrategia basada en simulaciones informáticas de aprendizaje automático para reducir el tiempo que le insumía a las personas ascender al tren y descender. Esta solución se amplió a otras 14 estaciones del metro, con lo cual se redujeron los retrasos y se aumentó la eficiencia del flujo de pasajeros entre un 10 % y un 15 %.
Fuente: (Martinho-Truswell et al., 2018[29]).
Caminos rurales e imágenes satelitales (Colombia)
El Ministerio de Transporte y el Departamento Nacional de Planeación están preparando un proyecto que usa algoritmos de aprendizaje automático para detectar e identificar caminos terciarios o rurales a partir de imágenes satelitales. Este abordaje es más eficiente en términos de tiempo y uso de recursos que los métodos de identificación tradicionales. El proyecto también marcó el lanzamiento de la estrategia integral para la red terciaria, complementado por un instrumento de priorización: los lineamientos de política para la gestión de la red terciaria CONPES 3857. El proyecto busca identificar los caminos terciarios en un 94 % de los departamentos del país.
Fuente: https://oecd.ai/dashboards/policy-initiatives/2019-data-policyInitiatives-26727 y https://bit.ly/3KANC3T.
La adopción de la Agenda 2030 para el Desarrollo Sostenible constituye el compromiso de naciones de todo el mundo con un conjunto de objetivos y metas universales, integrados y transformativos, conocidos como los Objetivos de Desarrollo Sostenible (ODS). Los 17 objetivos y las 169 metas representan una responsabilidad colectiva y una visión compartida del mundo. Los Gobiernos están trabajando para alcanzarlos en 2030, y muchos de ellos exploran las posibilidades que ofrece la IA para la consecución de este logro.
Una investigación de McKinsey Global Institute identificó un conjunto no exhaustivo de aproximadamente 160 casos que demuestran cómo puede utilizarse la IA para el beneficio no comercial de la sociedad (MGI, 2018[30]). De ellos, 135 mencionan alguno de los 17 ODS. Estos casos toman a menudo la forma de iniciativas del sector privado o asociaciones entre el sector privado, el sector público y/o la sociedad civil. La iniciativa ECHO (Recuadro 3.11), liderada por el Fondo de Población de las Naciones Unidas en asociación con Gobiernos locales de Colombia, ilustra el uso de la IA para apoyar los ODS en general.
ECHO es una herramienta de IA que promueve la planificación participativa y la toma de conciencia de los ODS por parte de los ciudadanos a través de un debate público guiado en tiempo real. El sistema traduce los problemas, inquietudes y percepciones de la ciudadanía al lenguaje de los ODS, con lo cual la gente puede visualizar cómo los objetivos se relacionan con sus preocupaciones y participar con más información en debates sobre las prioridades de la política pública. El resultado permite a los Gobiernos locales monitorear la percepción y efectiva participación de los ciudadanos.
ECHO usa como material de entrada la voz de ciudadanos en debates públicos guiados y la convierte a texto con el reconocimiento automático del habla. Los debates tienen lugar en entrevistas controladas con personal que está muy familiarizado con el contenido de la Agenda 2030. Posteriormente, la herramienta utiliza el aprendizaje automático para establecer el vínculo entre el texto y los correspondientes objetivos ODS. Luego, el personal valida la información resultante para producir un análisis definitivo. En el marco de este proyecto, también se implementó una estrategia de monitoreo y evaluación mediante entrevistas y grupos de análisis integrados por beneficiarios, encuestadores y autoridades locales que presentaban su devolución sobre la experiencia. Este enfoque se vale de observaciones para determinar la comprensión y aprendizaje reales de los ODS, y evaluar el impacto de las actividades.
ECHO es de beneficio para dos grupos principales: los que no están al tanto de la Agenda 2030 y participan rara vez en la toma de decisiones locales, y las autoridades locales que desean tomar decisiones basadas en la evidencia sobre problemas de importancia para sus comunidades con información de primera mano.
En 2020, el proyecto ya estaba implementado en Cartagena, Medellín y Montería, habiendo recopilado más de 13.000 testimonios y priorizado inquietudes clave relacionadas con los ODS conforme a criterios tales como vecindario, género o edad. Asimismo, puso a disposición los resultados recogidos durante 2019 para su uso en la planificación de la política pública por parte de los nuevos Gobiernos locales de Cartagena y Medellín en 2020.
Fuente: Funcionarios del Fondo de Población de las Naciones Unidas (United Nations Population Fund, UNFPA), www.efe.com/efe/espana/destacada/echo-una-herramienta-para-amplificar-la-voz-de-gente-y-traducirla-a-los-ods/10011-4111225 y https://whatevercamps.github.io/echo_vis.
En relación con el apoyo destinado a áreas individuales específicas, los países de América Latina y el Caribe están empleando la IA como herramienta para abordar la contaminación del aire, una amenaza común a varias ciudades y regiones (para ejemplos, ver el Recuadro 3.12). Estas actividades están relacionadas con el ODS 3 (salud y bienestar) y el 11 (ciudades y comunidades sostenibles), e indican un avance concreto hacia los objetivos del 2030, así como posibles oportunidades de examinar el uso de la IA para apoyar la consecución de otros ODS. El proyecto de estrategia nacional de IA de Perú incluye el objeto específico de desarrollar sistemas de IA alineados con los ODS, aunque estos últimos todavía no se están aplicando.
Modelo predictivo de calidad del aire (Chile)
Este modelo predictivo es el resultado de un esfuerzo conjunto entre GobLab, de la Universidad Adolfo Ibáñez, y la Superintendencia del Medio Ambiente (SMA) de Chile. Se concibió para pronosticar la calidad del aire en las ciudades de Concón, Quintero y Puchuncaví, una región que constantemente está afectada por altos niveles de contaminación industrial.
El propósito de esta asociación público-privada es fortalecer las capacidades de monitoreo del Plan de Descontaminación Ambiental que se está llevando a cabo y asistir a la SMA en la toma de medidas preventivas tales como las alertas públicas a la ciudadanía y a otros organismos públicos.
Fuente: www.empatia.la/proyecto/ia-para-el-cuidado-de-la-salud/ www.revistaenergia.com/21601, www.sustentable.cl/superintendencia-del-medio-ambiente-y-uai-obtienen-fondo-para-desarrollar-modelo-de-inteligencia-artificial y www.revistaei.cl/2020/08/17/sma-y-universidad-adolfo-ibanez-obtienen-fondo-para-desarrollar-modelo-de-inteligencia-ambiental.
Monitoreo satelital de la calidad del aire (Argentina)
Este proyecto busca desarrollar mapas de la concentración diaria y mensual en superficie de pequeñas partículas sólidas (tales como polvo, ceniza y partículas metálicas) de toda la Argentina con la finalidad de determinar el riesgo de enfermedades que supone para la población expuesta. Combinará la información satelital en un modelo Random Forest y este se proporcionará a investigadores y autoridades ambientales. El proyecto fue desarrollado por un consorcio integrado por la Comisión Nacional de Actividades Espaciales (CONAE), el Instituto de Altos Estudios Espaciales “Mario Gulich” (IG, CONAE/UNC), y el Ministerio de Ambiente y Desarrollo Sostenible (MAyDS).
Fuente: https://ig.conae.unc.edu.ar/sistema-de-apoyo-para-la-toma-de-decisiones-en-la-gestion-de-la-calidad-del-aire y https://www.empatia.la/proyecto/conae.
Una de las áreas de énfasis más dinámicas en América Latina y el Caribe es la aplicación de tecnologías digitales para aumentar la transparencia y mejorar la rendición de cuentas por el uso de los recursos públicos. Los Gobiernos están usando la IA para determinar patrones de acción de los actores públicos y privados, detectar riesgos y vulnerabilidades en la contratación pública, y hacer referencias cruzadas entre fuentes de información para mejorar la auditoría y la transparencia pública. A pesar de que esta categoría podría considerarse una expresión de mejora de la eficiencia gubernamental, el énfasis que se le da en la región de ALC demuestra la importancia que allí se asigna a la lucha contra la corrupción.
La corrupción y la mala administración de los recursos públicos es una de las cuestiones que más preocupan en los países de América Latina y el Caribe; la percepción de la corrupción es, en promedio, superior en América Latina que en la mayoría de las otras regiones (OCDE, 2018[31]). De acuerdo con el Barómetro Global de la Corrupción 2019: América Latina y el Caribe, el 65 % de las personas de esos países piensan que su Gobierno está administrado por unos pocos intereses privados y para su propio beneficio.11 Ello contribuye a una falta general de confianza. En 2017, el porcentaje de la población de ALC que tenía poca o ninguna confianza en su Gobierno llegó al 75 %, 20 puntos porcentuales más que en 2010. El factor más decisivo para enfrentar este problema es el fortalecimiento de la integridad pública (OCDE, 2018[31]).
De conformidad con la Recomendación del Consejo de la OCDE sobre Integridad Pública,12 los casos prácticos que se presentan en el Recuadro 3.13 abordan diferentes áreas de oportunidad para mejorar la integridad pública en la región y, al mismo tiempo, aumentar la eficiencia de los recursos públicos.
Malha Fina de Convênios (Brasil)
Entre 2008 y 2018, se realizaron transferencias federales entre los departamentos brasileños por un valor de aproximadamente USD 300 mil millones. Después de las fases de negociación y ejecución, cada transferencia debía someterse a una etapa de rendición de cuentas antes de darse por concluida. De no llevarse a cabo este procedimiento, el contrato se convertía en un pasivo. Sin embargo, el esfuerzo que implicaba un análisis de rendición de cuentas superaba en mucho la capacidad disponible de los organismos transferentes. Para 2018, la duración promedio de la etapa de rendición de cuentas superaba los dos años y medio. Con motivo de estos cuellos de botella, más de 15.000 contratos de transferencia quedaron pendientes de análisis, lo cual representa un equivalente de casi USD 5 mil millones.
A efectos de reducir el tiempo y los recursos asignados a la etapa de rendición de cuentas, el organismo de auditoría brasileño (Controladoria-Geral da União, CGU) creó un modelo predictivo para clasificar cada contrato de acuerdo con el riesgo asociado. Malha Fina de Convênios utiliza un algoritmo de aprendizaje automático basado en las características de más de 61.000 contratos celebrados entre septiembre de 2008 y diciembre de 2017. La metodología también combina alertas generadas durante los registros de auditoría en la búsqueda de patrones predefinidos que indican irregularidades. Si la clasificación del riesgo no supera un umbral previamente definido y se cumplen otras características, se autoriza a la entidad otorgante para que finalice la etapa de rendición de cuentas de cada contrato. De esta forma, las entidades otorgantes pueden llevar a cabo esta etapa en menor tiempo utilizando menos recursos.
Para 2018, se habían comunicado más de 4.000 conclusiones a los administradores federales, que estaban categorizadas del siguiente modo: (1) conflicto de intereses, (2) incumplimiento de la norma, o (3) falla en la ejecución financiera. Se marcaron unos 3.044 contratos y la máquina aprobó más de 2.000 convenios. En total, se clasificaron y colocaron por orden de prioridad de riesgo 15.300 convenios.
Fuente: Funcionarios del Gobierno de Brasil, http://plataformamaisbrasil.gov.br/noticias/estudo-sobre-impacto-da-malha-fina-de-convenios-em-prestacao-de-contas-ganha-1-lugar-do-premio-tesouro-nacional, www.opengovpartnership.org/members/Brasil/commitments/BR0019 y http://plataformamaisbrasil.gov.br/legislacao/instrucoes-normativas/instrucao-normativa-interministerial-mp-cgu-mf-n-5-de-6-de-novembro-de-2018.
Mejor monitoreo de las contrataciones públicas (Brasil)
El Tribunal de Cuentas de la Unión de Brasil (Tribunal de Contas da União, TCU) usa la IA para analizar más profundamente los procesos de contratación pública de la administración federal. Sobre la base de la información publicada en Comprasnet, el portal de contrataciones públicas, el sistema analiza el costo de las licitaciones, compara la información con otras bases de datos, identifica los riesgos y envía alertas a los auditores.
IA para detectar operaciones fraudulentas de los contribuyentes (México)
El Servicio de Administración Tributaria de la Secretaría de Hacienda y Crédito Público ha probado algoritmos de IA que identifican automáticamente alteraciones en los patrones de sus registros, lo cual les permite detectar a las empresas que cometen operaciones fraudulentas. Durante un ensayo piloto de seis meses, se detectaron 1.200 de estas empresas y se identificaron 3.500 operaciones fraudulentas. Sin tales algoritmos, se estima que se habrían necesitado 18 meses de trabajo humano para llevar a cabo estos análisis.
Océano (Colombia)
La Contraloría General de la República ha creado una plataforma para determinar las relaciones entre partes contractuales a nivel nacional, y analizarlas con la finalidad de detectar posibles casos de corrupción. En la plataforma se introducen datos provenientes de fuentes de información pública, tales como procesos de contratación nacionales, territoriales y del Distrito Capital, responsables fiscales, cámaras de comercio, datos de industria y comercio, e información sobre contribuyentes, entre otros. La plataforma detecta la intervención de “mallas empresariales” o redes, una alta concentración de contrataciones en contratistas que se repiten, el otorgamiento de proyectos a empresas sancionadas y el uso de registros comerciales de personas fallecidas. Los funcionarios colombianos están incorporando la IA para depurar la plataforma en forma automática, y reducir al mínimo los errores y problemas técnicos.
Fuente: https://bit.ly/3pyhq9K, www.wradio.com.co/noticias/actualidad/con-mega-base-de-datos-contralor-ira-tras-corrupcion-en-contratacion/20181212/nota/3836803.aspx, y www.economiacolombiana.co/desarrollo-futuro/oceano-tecnologia-contra-la-corrupcion-405.
Una esfera prioritaria de la IA en la región de ALC es la educación, sobre todo la prevención de la deserción escolar. Si bien este problema se relaciona con el ODS 4 (educación de calidad), el nivel de atención que recibe a nivel regional lo hace merecedor de un tratamiento separado. La educación también se consideró tema central de la Cumbre sobre Inteligencia Artificial en América Latina organizada por investigadores latinoamericanos pertenecientes a la comunidad del MIT, donde los participantes acordaron que la IA podía catalizar el cambio del sistema educativo. La IA puede modificar la forma de impartir la enseñanza y contribuir al mejor seguimiento de los estudiantes a través de procesos de aprendizaje más personalizados (Anllo et al., 2021). El creciente interés en aplicar la IA a la educación se vincula directamente con el problema del abandono escolar. Solo el 60 % de los estudiantes completan el ciclo secundario, a pesar de que es obligatorio en la mayoría de los países de la región.13 Por otra parte, el 36 % de las jóvenes que dejan la escuela lo hacen por embarazo o cuidado de sus hijos, mientras que la causa principal del abandono escolar entre los jóvenes tiende a ser de índole económica.
Para abordar el problema, Josephson, Francis and Jayaram (Josephson, Francis y Jayaram, 2018[32]) recomiendan el uso de sistemas de alertas tempranas en programas y escuelas, de modo de identificar oportunamente situaciones de riesgo y permitir intervenciones específicas y pertinentes. La mayoría de los casos prácticos que se presentan en el Recuadro 3.14 están en consonancia con esta recomendación, específicamente en el uso de la IA para que se prioricen los niños en riesgo que puedan necesitar asistencia u orientación especiales. No obstante, estas actividades de elaboración de perfiles no están libres de riesgo. Una de las primeras aplicaciones de la IA en el sector público de la región de América Latina y el Caribe fue un sistema para predecir el embarazo adolescente y la deserción escolar en la provincia de Salta (Argentina); sin embargo, se planteó la inquietud de que contribuyera a una reproducción del sesgo y a un tratamiento injusto o discriminatorio. Por lo tanto, es fundamental considerar los estándares y principios éticos a lo largo del ciclo de vida de un sistema de IA para que resulte fiable, inclusivo y seguro. Asimismo, este caso revela que los equipos multidisciplinarios y con diversidad de integrantes tienen la capacidad de desarrollar soluciones más fundamentadas, efectivas y personalizadas. Otros ejemplos del Recuadro 3.14 se relacionan con la especialización profesional, y el aumento de la eficiencia de los procesos de educación pública.
Predicción del embarazo adolescente y de la deserción escolar (Argentina)
En Argentina, el Gobierno de la provincia de Salta puso en marcha un sistema para predecir el embarazo adolescente y la deserción escolar utilizando algoritmos de aprendizaje automático entrenados con datos recogidos en distritos de bajos ingresos de la ciudad de Salta entre 2016 y 2017. Las variables incluían información personal sobre las adolescentes (edad, etnia, país de origen, etc.), su entorno (cantidad de personas con las que vivían, disponibilidad de agua caliente, etc.) y si habían cursado o estaban cursando un embarazo. En 2018, el modelo asignó una probabilidad de deserción escolar superior al 70 % a 418 niños y adolescentes, e identificó 250 mujeres adolescentes con una probabilidad de embarazo superior al 70 %. Por consiguiente, el Gobierno provincial puso en práctica un esquema de fortalecimiento familiar para desarrollar capacidades humanas. Si bien la idea básica era reforzar la percepción acerca de la importancia de la educación, el sistema desató fuertes críticas de académicos y activistas, en particular en relación con los siguientes elementos:
En términos de explicabilidad y legitimidad, si bien los datos de entrada (en este caso, un conjunto de datos privado) y de salida del modelo podían conocerse, a las personas involucradas no les era posible saber cómo o por qué el sistema llegaba a un determinado resultado debido a que el algoritmo era de caja negra. Por lo tanto, a las poblaciones afectadas se les estaba pidiendo que confiaran en un sistema opaco.
Los investigadores también subrayaron tres problemas del sistema: el algoritmo sobredimensionaba la efectividad debido a que reutilizaba los datos de entrenamiento como datos de evaluación (el Gobierno manifestó posteriormente que había cambiado los conjuntos de datos de evaluación); los datos de entrenamiento estaban sesgados, ya que se limitaban a los sectores más vulnerables de la población; y los datos no eran adecuados para responder a la pregunta inicial dado que los factores que habían conducido a un embarazo en el pasado no necesariamente serían los mismos que condujeran a embarazos en el futuro, debido a la influencia de otras variables que no son fijas.
Respecto del concepto central, se observó que el contexto de desigualdad social estructural que influye sobre los resultados pronosticados no fue considerado en su totalidad.
Fuente: (World Wide Web Foundation, 2018[33]), www.clarin.com/sociedad/salta-usan-inteligencia-artificial-prever-embarazos-adolescentes_0_r10wlG6jf.html, https://news.microsoft.com/es-xl/avanza-el-uso-de-la-inteligencia-artificial-en-la-argentina-con-experiencias-en-el-sector-publico-privado-y-ongs y https://liaa.dc.uba.ar/es/sobre-la-prediccion-automatica-de-embarazos-adolescentes.
Sistemas de IA en desarrollo para prevenir la deserción escolar (Chile, México y Uruguay)
Además del ejemplo de Argentina citado anteriormente, en la región hay otros sistemas de IA en etapa de planificación o desarrollo:
Chile: el Ministerio de Desarrollo Social y Familia está elaborando un sistema de alerta temprana de posible abandono escolar infantil.
Uruguay: AGESIC, la agencia de gobierno digital de Uruguay está desarrollando un sistema predictivo de prevención de la deserción escolar. El proyecto piloto está enmarcado en la iniciativa fAIrLAC del Banco Interamericano de Desarrollo (BID).
México: el Gobierno del estado de Jalisco y el Tecnológico de Monterrey están diseñando un sistema para generar perfiles de los estudiantes mediante la identificación sistémica de los factores que tienen mayor impacto sobre el abandono escolar. Con ayuda de la IA, el sistema analizará la información disponible para detectar patrones asociados con perfiles previamente definidos y diseñar estrategias o programas mejor orientados.
Fuente: Política Nacional de Inteligencia Artificial (Anteproyecto/consulta pública) (Chile), https://fairlac.iadb.org/piloto/desercion-escolar-uruguay, https://fairlac.iadb.org/piloto/abandono-escolar-jalisco.
Future Up (Costa Rica)
Future Up es una plataforma piloto de competencias y formación que pretende utilizar la IA para brindar sugerencias de desarrollo de competencias a los participantes sobre la base de sus capacidades, intereses y experiencia. El sistema facilita a los usuarios entender qué competencias deben enfatizar y les marca posibles programas de financiamiento en caso de ser necesaria una inversión.
Asignación de estudiantes a instituciones educacionales (Ecuador)
El Banco Interamericano de Desarrollo (BID) está trabajando en un proyecto piloto de desarrollo de una plataforma que permita asignar estudiantes en forma centralizada. La plataforma proveerá información sobre la oferta educacional disponible y las familias podrán seleccionar sus preferencias de una lista priorizada. La asignación se realizará mediante un algoritmo que operará bajo ciertos criterios de priorización definidos por la autoridad pública, mediante el que las vacantes se asignarán de manera aleatoria en el caso de que la demanda exceda la oferta.
Fuente: https://fairlac.iadb.org/piloto/asignacion-estudiantes-instituciones-educacionales.
Todos estos casos demuestran el creciente interés de los Gobiernos de América Latina y el Caribe por analizar las posibilidades que ofrece la IA en el sector público, y de implementar procesos y servicios impulsados por la IA para lograr gestiones más eficientes, efectivas y receptivas. Al igual que ocurre en otras regiones y países del mundo, gran parte de los usos detectados en la actualidad son proyectos piloto en fase inicial o sistemas de IA ya en funcionamiento que tienden a utilizar técnicas sencillas pero comprobadas. Varios, sin embargo, demuestran un creciente nivel de sofisticación en cuanto a técnicas y algoritmos de aprendizaje automático. Es probable que esta tendencia continúe, ya que algunos Gobiernos de América Latina y el Caribe procuran alcanzar los objetivos establecidos en sus estrategias nacionales de IA, mientras que otros las están elaborando. Este creciente deseo de aprovechar las oportunidades que presenta la IA y la mayor sofisticación en cuanto a lo que intentan lograr los Gobiernos de la región de ALC con la tecnología conllevan asimismo una cantidad de desafíos que habrá que superar y de responsabilidades que será menester asumir. Como muestran estos ejemplos, algunos Gobiernos de la región ya se han enfrentado a dilemas éticos y a los contraataques de la sociedad civil que suceden a medida que se adoptan nuevos enfoques. La OCDE promueve la experimentación en el sector público y la adopción de la IA en tanto se realice en forma confiable y ética, con las inversiones adecuadas y los habilitadores necesarios para lograr resultados satisfactorios y sostenibles. El siguiente capítulo brinda orientación acerca de cómo pueden lograr estos resultados los Gobiernos de América Latina y el Caribe, y en qué medida ya existen tales habilitadores en la región.
Referencias
[22] Arroyo, V. (2020), Instead of banning facial recognition, some governments in Latin America want to make it official [En lugar de prohibir el reconocimiento facial, algunos Gobiernos latinoamericanos quieren oficializarlo], https://www.accessnow.org/facial-recognition-latin-america/ (recuperado el 18 de febrero de 2021).
[28] Consejería Presidencial para Asuntos Económicos y Transformación Digital (2020), Proyectos de transformación digital, trámites y servicios para el ciudadano.
[2] Eggers, W., D. Schatsky y P. Viechnicki (2017), AI-Augmented Government: Using cognitive technologies to redesign public sector work [Gobierno aumentado por la IA: usar tecnologías cognitivas para rediseñar el trabajo del sector público], Deloitte University Press, https://www2.deloitte.com/content/dam/insights/us/articles/3832_AI-augmented-government/DUP_AI-augmented-government.pdf.
[19] Giandana, F. y D. Morar (2019), “Victor Frankenstein’s responsibility? Determining AI legal liability in Latin America” [“¿Responsabilidad de Victor Frankenstein? Determinar la responsabilidad legal por la IA en América Latina”], Global Information Society Watch 2019: Artificial intelligence: Human rights, social justice and development [Observador global de la sociedad de la información 2019. Inteligencia artificial: derechos humanos, justicia social y desarollo], pp. 168-171, https://giswatch.org/sites/default/files/gisw2019_artificial_intelligence.pdf.
[12] Gómez Mont, C. et al. (2020), Artificial Intelligence for Social Good in Latin America and the Caribbean (La inteligencia artificial al servicio del bien social en América Latina), https://publications.iadb.org/publications/english/document/Artificial-Intelligence-for-Social-Good-in-Latin-America-and-the-Caribbean-The-Regional-Landscape-and-12-Country-Snapshots.pdf.
[16] IDIA (2019), Artificial Development in International Development: A Discussion Paper [El desarrollo artificial en el desarrollo internacional: documento de reflexión], International Development Innovation Alliance/AI & Development Working, https://static1.squarespace.com/static/5b156e3bf2e6b10bb0788609/t/5e1f0a37e723f0468c1a77c8/1579092542334/AI+and+international+Development_FNL.pdf.
[32] Josephson, K., R. Francis y S. Jayaram (2018), Promoting secondary school retention in Latin America and the Caribbean (Políticas para promover la culminación de la educación media en América Latina y el Caribe), http://scioteca.caf.com/handle/123456789/1248.
[20] López, J. y J. Castañeda (2020), Automatización, tecnologías digitales y justicia social: la experimentación con la pobreza en Colombia, CETyS Universidad de San Andrés., https://guia.ai/wp-content/uploads/2020/05/Lopez-Casta%C3%B1eda-Automatizacion-tecnologias-digitales-y-justicia-social-la-experimentacion-con-la-pobreza-en-Colombia.pdf (recuperado el 18 febrero de 2021).
[29] Martinho-Truswell, E. et al. (2018), Towards an AI Strategy in Mexico: Harnessing the AI Revolution (Hacia una Estrategia de IA en México: Aprovechando la Revolución de la IA), http://go.wizeline.com/rs/571-SRN-279/images/Towards-an-AI-strategy-in-Mexico.pdf.
[30] MGI (2018), Notes from the AI Frontier: Applying AI for Social Good [Notas desde la frontera de la IA: aplicar la IA para el bien social], McKinsey Global Institute, www.mckinsey.com/~/media/McKinsey/Featured%20Insights/Artificial%20Intelligence/Applying%20artificial%20intelligence%20for%20social%20good/MGI-Applying-AI-for-social-good-Discussion-paper-Dec-2018.ashx.
[82] OCDE (2003), The e-Government Imperative [El gobierno electrónico: un imperativo], OECD e-Government Studies, OECD Publishing, París, https://dx.doi.org/10.1787/9789264101197-en.
[27] OCDE (2018), Digital Government Review of Brazil: Towards the Digital Transformation of the Public Sector [Revisión del gobierno digital de Brasil: hacia la transformación digital del sector público], OECD Publishing, https://doi.org/10.1787/9789264307636-en.
[31] OCDE (2018), Integrity for Good Governance in Latin America and the Caribbean: From Commitments to Action (Integridad para el buen gobierno en América Latina y el Caribe: De los compromisos a la acción), OECD Publishing, https://doi.org/10.1787/9789264201866-en.
[24] OCDE (2018), OECD Regulatory Policy Outlook 2018 [Política de la normativa: perspectivas de la OCDE para 2018], OECD Publishing, https://doi.org/10.1787/9789264303072-en.
[24] OCDE (2018), OECD Regulatory Policy Outlook 2018 [Política de la normativa: perspectivas de la OCDE para 2018], OECD Publishing, https://doi.org/10.1787/9789264303072-en.
[25] OCDE (2018), Using digital technologies to improve the design and enforcement of public policies [Uso de las tecnologías digitales para mejorar el diseño y la aplicación de las políticas públicas], OECD Publishing, https://dx.doi.org/10.1787/99b9ba70-en.
[26] OCDE (2019), Going Digital: Shaping Policies, Improving Lives [El camino hacia la digitalización: crear políticas que mejoren la vida], OECD Publishing, https://dx.doi.org/10.1787/9789264312012-en.
[1] OCDE (2019), Hello, World: Artificial intelligence and its use in the public sector (Hola, mundo: la inteligencia artificial y su uso en el sector público), OECD Publishing, https://doi.org/10.1787/726fd39d-en.
[9] OCDE (2020), The Covid-19 Crisis: A catalyst for government transformation [La crisis del COVID-19: un catalizador para la transformación del Gobierno], OECD Publishing, http://www.oecd.org/coronavirus/policy-responses/the-covid-19-crisis-a-catalyst-for-government-transformation-1d0c0788/.
[17] OCDE (2020), Embracing Innovation in Government: Global Trends 2020 - Innovative Responses to the COVID-19 Crisis [Informe 2020 sobre tendencias mundiales de adopción de la innovación en el Gobierno dedicado a las respuestas innovadoras frente a la crisis del COVID-19], OECD Publishing, https://trends.oecd-opsi.org/trend-reports/innovative-covid-19-solutions/.
[23] OCDE (2020), Embracing Innovation in Government: Global Trends 2020 - Public Provider versus Big Brother [Informe 2020 sobre tendencias mundiales de adopción de la innovación en el Gobierno dedicado a los proveedores públicos frente al Gran Hermano], OECD Publishing, https://trends.oecd-opsi.org/trend-reports/public-provider-versus-big-brother/.
[4] OCDE (2020), OECD Digital Economy Outlook 2020 [Perspectivas de la economía digital de OCDE 2020], OECD Publishing, https://doi.org/10.1787/bb167041-en.
[10] OCDE (2020), Using artificial intelligence to help combat COVID-19 (Uso de la inteligencia artificial para luchar contra la pandemia del COVID-19), OECD Publishing, https://www.oecd.org/coronavirus/policy-responses/using-artificial-intelligence-to-help-combat-covid-19-ae4c5c21.
[21] Ortiz Freuler, J. y C. Iglesias (2018), Algorithms and Artificial Intelligence in Latin America: A Study of Implementation by Governments in Argentina and Uruguay (Algoritmos e inteligencia artificial en Latinoamérica, Un Estudio de implementaciones por parte de Gobiernos en Argentina y Uruguay), http://webfoundation.org/docs/2018/09/WF_AI-in-LA_Report_Screen_AW.pdf.
[15] Partnership for Public Service/IBM Center for the Business of Government (2019), More than Meets AI Part II [Más de lo que se ve de la IA, Parte II], http://www.businessofgovernment.org/sites/default/files/More Than Meets AI Part II_0.pdf.
[18] Speier, C., J. Valacich y I. Vessey (1999), The influence of task interruption on individual decision making: An information overload perspective [La influencia de la interrupción de tareas sobre las decisiones individuales: una perspectiva de la sobrecarga de información], pp. 337-360, https://doi.org/10.1111/j.1540-5915.1999.tb01613.x.
[14] Ubaldi, B. et al. (2019), State of the art in the use of emerging technologies in the public sector [Estado del arte del uso de las tecnologías emergentes en el sector público], https://doi.org/10.1787/932780bc-en.
[33] World Wide Web Foundation (2018), Algorithms and Artificial Intelligence in Latin America: A Study of Implementation by Governments in Argentina and Uruguay (Algoritmos e inteligencia artificial en Latinoamérica: un estudio de implementaciones por parte de Gobiernos en Argentina y Uruguay), World Wide Web Foundation, http://webfoundation.org/docs/2018/09/WF_AI-in-LA_Report_Screen_AW.pdf.
Notas
← 1. El informe del observatorio OPSI de la OCDE sobre respuestas innovadoras ante la crisis del COVID-19 titulado Innovative Responses to the COVID-19 Crisis, que forma parte de la serie de informes sobre tendencias mundiales de adopción de la innovación en el Gobierno en 2020 Embracing Innovation in Government: Global Trends 2020, brinda una exposición pormenorizada de este tema. Ver: https://oe.cd/c19-innovation.
← 2. El informe de la OCDE Integridad para el buen gobierno en América Latina y el Caribe reveló que existe la percepción de que en América Latina el nivel de corrupción es más alto que en la mayoría de las regiones (OCDE, 2018[31]). Por otra parte, solo el 60 % de los estudiantes completan sus estudios en la región, a pesar de que la educación secundaria es obligatoria en la mayoría de los países de esta región (CAF, 2018[82]).
← 3. https://web.karisma.org.co/como-implementar-inteligencia-artificial-en-la-corte-constitucional-la-pregunta-que-nos-monto-en-una-colaboracion-academia-sociedad-civil-y-la-propia-corte.
← 4. Para obtener más información, ver www.gub.uy/agencia-gobierno-electronico-sociedad-informacion-conocimiento/comunicacion/noticias/inteligencia-artificial-ciberseguridad.
← 5. www.interpol.int/en/Who-we-are/Member-countries.
← 6. www.unicri.it/news/article/Artificial_Intelligence_Robotics_Report.
← 7. Por ejemplo, en la ciudad de Nueva York (E.E. U.U.), los arrestos de personas de raza negra y bajos ingresos efectuados por posesión de marihuana por la policía local en un período de tres años (2015-2018) fueron ocho veces superiores a los arrestos de personas de raza blanca, mientras que los estudios realizados muestran que el uso de la sustancia es igual en todos los grupos raciales (www.nytimes.com/2018/05/14/opinion/stop-frisk-marijuana-nyc.html).
← 8. www.propublica.org/article/bias-in-criminal-risk-scores-is-mathematically-inevitable-researchers-say.
← 9. https://trends.oecd-opsi.org/trend-reports/public-provider-versus-big-brother.
← 10. La Dirección de Gobernanza Pública de la OCDE y su División de Política Regulatoria asisten a los Gobiernos a cumplir con su misión mediante el uso de reglamentaciones, leyes y otros instrumentos que mejoran los resultados sociales y económicos, así como la calidad de vida de los ciudadanos y las empresas. El trabajo que llevan a cabo puede consultarse en: http://oecd.org/gov/regulatory-policy.
← 11. www.transparency.org/en/news/political-integrity-lacking-in-latin-america-and-the-caribbean-especially-a.
← 12. www.oecd.org/gov/ethics/recommendation-public-integrity.
← 13. www.caf.com/es/conocimiento/visiones/2018/08/el-alto-costo-del-abandono-escolar-en-america-latina.