Desde su establecimiento en 2015, los Objetivos de Desarrollo Sostenible (ODS) se han convertido en la agenda internacional líder para promover el desarrollo social, económico y ambiental. La Agenda 2030 ha fomentado la construcción de numerosos indicadores de desarrollo a través de los cuales los gobiernos pueden evaluar y darle seguimiento al progreso hacia los ODS. Por ejemplo, las Naciones Unidas brindan acceso abierto a la base de datos oficial de ODS; alternativamente, el Banco Mundial ha recopilado suficientes indicadores para construir una base de datos SDG no oficial; y países como México están produciendo indicadores integrales a nivel subnacional (agenda2030.mx). Sin embargo, los indicadores representan solo un lado de la ecuación del desarrollo: el del producto. El otro lado, el del insumo, se constituye por el gasto público. Sin éste, las estrategias realistas para alcanzar los objetivos específicos de un gobierno no pueden diseñarse adecuadamente.
En buena medida, la estrategia de desarrollo de un gobierno se refleja en su asignación de recursos a través de diferentes políticas. El objetivo de tal estrategia es transformar los resultados de los indicadores relevantes para, eventualmente, alcanzar los objetivos del gobierno. Irónicamente, aunque existen grandes cantidades de datos sobre indicadores de desarrollo, hay muy poca disponibilidad de información sobre el gasto público. Sin embargo, en los últimos años, la Iniciativa Global para la Transparencia Fiscal (GIFT) ha estado trabajando para cambiar este déficit. Pero, incluso si los datos fiscales estuvieran disponibles, la complejidad del proceso de las políticas públicas puede fácilmente confundir nuestro entendimiento sobre cómo el gasto público se traduce en desarrollo. Esto es así porque, por ejemplo, las agencias gubernamentales pueden tener objetivos diferentes a los de la autoridad central (incentivos desalineados), pueden haber ineficiencias debido a la corrupción o falta de capacidades y, además de eso, existen efectos de derrama entre las políticas públicas (sinergias y disyuntivas). Afortunadamente, la innovación en Inteligencia Artificial (IA) está tratando de hacer frente a este desafío. En esta publicación, argumentamos que estos avances tecnológicos, en conjunto con datos presupuestarios abiertos, pueden permitir a los gobiernos aprovechar mejor los indicadores de los ODSs en la búsqueda del desarrollo mundial. Por esta razón, es crucial que los gobiernos centren sus esfuerzos en dos tareas fundamentales: (1) producir datos presupuestarios abiertos granulares y (2) vincularlos a indicadores de desarrollo.
IA para el desarrollo sostenible
En el Instituto Alan Turing, estamos desarrollando el marco computacional de Inferencia de Prioridades de Política (IPP). IPP se basa en un modelo conductual sobre el proceso de formulación de políticas. Entre los aspectos más relevantes considerados, podemos encontrar el proceso de aprendizaje de funcionarios públicos, problemas de coordinación, información incompleta y mecanismos de monitoreo imperfectos. IPP simula la dinámica compleja e incierta observada en los datos de indicadores de desarrollo. Paralelamente, toma en cuenta la red de interdependencias entre los indicadores de desarrollo, que describe las derramas positivas y negativas de las políticas. El método se puede utilizar con conjuntos de datos que tienen más indicadores que observaciones; como los construidos por la mayoría de los gobiernos. Asimismo, no requiere de una recopilación de información abrumadora, por lo que puede implementarse con datos masivos o limitados.
La innovación de usar una herramienta de IA a través de IPP es que, al modelar explícitamente el proceso de formulación de políticas que genera los indicadores de desarrollo, podemos simular datos que no son observables en el mundo real. Uno de esos datos es precisamente el gasto público en ODS. Además, IPP también permite estimar, a nivel de cada indicador, la eficiencia con la que se utilizan los recursos. En un artículo reciente, hemos empleado esta tecnología para medir la ˜coherencia de la política’, un concepto que no se ha cuantificado adecuadamente y, sin embargo, es fundamental para organizaciones multilaterales como la OCDE. IPP reproduce la dinámica empírica de los indicadores de desarrollo y, por medio de su modelo conductual, permite inferir la distribución de recursos que dio origen a dicha dinámica. Con estas inferencias, hemos podido construir un índice de coherencia de política que se puede usar para comparar qué tan consistentes son las prioridades de un gobierno en relación con sus objetivos de desarrollo. Este índice puede ser extremadamente valioso para evaluar qué tan comprometidos están los gobiernos con respecto a la Agenda 2030, o con cualquier otra agenda, e identificar los temas de políticas que deben priorizarse.
IA + datos presupuestarios abiertos
Entonces, en ausencia de datos presupuestarios abiertos, IPP permite simular las asignaciones presupuestarias que generan indicadores de desarrollo empíricos. Sin embargo, estas inferencias pueden mejorarte sustancialmente cuando se cuenta con datos del gasto público. Por ejemplo, si los gobiernos proporcionan una explicación detallada de sus asignaciones al nivel de cada indicador de desarrollo, IPP puede ajustarse para que coincida con los patrones de gasto. Esto representaría una enorme mejora con respecto a las prácticas habituales con las que consultores y académicos asesoran a gobiernos. Para tener una idea clara de por qué éste sería el caso, conviene revisar brevemente las herramientas que se utilizan hoy en día.
Tradicionalmente, los consultores del desarrollo han intentado aproximar los efectos de mejorar los indicadores específicos midiendo su nivel de asociación. Es decir, al observar métricas como las correlaciones o los coeficientes de regresión, los analistas tratan de desentrañar cómo, por ejemplo, las mejoras en el medio ambiente acuático (ODS 14) se relacionan con los cambios en el crecimiento del PIB (ODS 8). Estas asociaciones, pese a ser ilustrativas, no son informativas sobre cómo producir mejoras ambientales. En otras palabras, al centrarnos únicamente en el lado del producto (datos del indicador), solo podemos aprender cómo un indicador en el ODS 14 se relaciona con otro en el ODS 8, no cómo un programa presupuestario específico se traduce en contribuciones de políticas efectivas, en desarrollo y posteriormente en efectos de derrama. Irónicamente, el objetivo principal de brindar asesoría sobre política es estudiar el impacto de los instrumentos que reciben recursos presupuestales, es decir, el lado del insumo. En principio, los datos de gasto público pueden aliviar este problema. Esta es la razón por la que herramientas de IA, como IPP, son tan importantes para producir consejos de política confiable.
Volviendo a nuestra discusión principal, los datos presupuestarios abiertos juegan un papel crucial para entender la priorización de políticas de los ODS a través de IA. Esto muestra la importancia de hacer que los datos fiscales estén disponibles públicamente, un esfuerzo que GIFT ha realizado activamente en la última década. Sin embargo, hay que afrontar un desafío adicional: vincular los gastos con los ODS. Como hemos explicado, el lado del producto del proceso de desarrollo consiste en indicadores, no en programas de gasto. Esto se traduce en una desvinculación entre insumos y productos, algo que requiere la atención de los gobiernos. El gobierno mexicano, por ejemplo, reunió a un equipo de especialistas de la Secretaría de Hacienda y del Programa de las Naciones Unidas para el Desarrollo (PNUD) para producir los primeros datos vinculados de presupuesto y ODS en el mundo. Esta experiencia debe servir de guía a otros países que desean con seriedad alcanzar la Agenda 2030.
El futuro de los datos presupuestarios abiertos
Si los gobiernos desean explotar el poder de la inteligencia artificial con el fin de informar sus políticas públicas, es necesario un esfuerzo sistemático para publicar datos fiscales y vincularlos con los indicadores de desarrollo. No obstante, todavía habrá otros desafíos por delante que deben superarse. Uno de ellos es que, incluso si se dispone de datos vinculados presupuesto-ODS integrales, debemos identificar los gastos transformativos. Es decir, solo porque observamos una cantidad sustancial de recursos en un tema de política específico, no significa que esos recursos correspondan a políticas transformativas (aquellas que mejoran los indicadores). El mejor ejemplo es la infraestructura vial de las naciones industrializadas. En estos países, ya se han creado extensas redes carreteras, por lo que la mayoría del gasto en este tema se destina a mantenerlas. En estos casos, los indicadores como ˜caminos pavimentados’ no cambian como resultado de este gasto. En contraste, los países en desarrollo que construyen nuevas carreteras sí destinan recursos para producir una transformación, lo que hace que este indicador avance. En uno de nuestros artículos, encontramos un ejemplo relacionado, y paradójico, en el tema de la educación. Si bien los países en desarrollo no han priorizado este tema (lo que deben hacer con urgencia), las naciones desarrolladas siguen invirtiendo para transformarlo (por ejemplo, Finlandia está actualmente transformando sus planes de estudio de manera profunda: ind.pn/2wfIgdB).
En conclusión, si los gobiernos en verdad están comprometidos con alcanzar los ODS para el año 2030, o cualquier otra agenda de desarrollo futuro, deben aceptar lo que los métodos de IA ofrecen y combinarlos con los datos de indicadores de desarrollo. Sin embargo, estos esfuerzos eventualmente alcanzarán un cuello de botella si los gobiernos solo se preocupan por los productos del desarrollo e ignoran los insumos. Por lo tanto, es crucial comenzar a construir datos presupuestarios vinculados a los ODS. Solo así, los gobiernos podrán aprovechar la actual revolución tecnológica para diseñar e implementar sus políticas.
Para los países interesados ‹‹en aplicar este modelo, quienes están comprometidos a abrir sus datos de gasto público y avanzar en la vinculación entre el presupuesto y los ODS, pueden comunicarse con el equipo de coordinación de GIFT a través de lorena@fiscaltransparency.net.
Biografías
Omar A. Guerrero (@guerrero_oa) es investigador senior en el Departamento de Economía en University College London y en el Instituto Alan Turing, el instituto nacional de ciencia de datos e inteligencia artificial del Reino Unido. Ha sido investigador en la Escuela Oxford Martin, en la Escuela de Negocios Saí¯d y en el Instituto para el Nuevo Pensamiento Económico de la Universidad de Oxford. Actualmente, Omar trabaja en la intersección de la economía del desarrollo y los métodos computacionales, tratando de entender cómo las prioridades de las políticas se traducen en un desarrollo efectivo. Para esto, emplea herramientas tales como el cómputo de agentes y la ciencia de datos.
Gonzalo Castañeda es profesor de economía en el Centro de Investigación y Docencia en Economía (CIDE, México) y miembro del Sistema Nacional de Investigación (nivel III; rango más alto otorgado por el Consejo Nacional de Ciencia y Tecnología, CONACYT). Gonzalo trabaja en el análisis de Sistemas Adaptables Complejos con temas relacionados con el desarrollo económico, y tiene un libro que está próximo a publicarse en español e inglés con el título Complejidad social: un enfoque innovador para comprender los fenómenos socioeconómicos.