Mientras el mundo sigue lidiando con la COVID-19, el Instituto Tecnológico de Massachusetts analiza las herramientas de IA que se han utilizado en la pandemia.
Los análisis de los servicios y organizaciones habilitados por IA pueden mejorar la capacidad de respuesta frente a factores atípicos y externalidades inesperadas.
En 2008, el Reino Unido publicó su primer registro nacional de riesgos, que permitió a la opinión pública conocer las prioridades de seguridad nacional en materia de emergencias civiles. El informe medía los riesgos en dos dimensiones —impacto relativo y probabilidad relativa— y la posibilidad de una pandemia encabezaba la lista. Un año después, el mundo vivió la pandemia de gripe porcina, que causó cientos de miles de muertes. Aunque el Reino Unido registró cientos de miles de casos, la cifra de muertes fue relativamente baja. Desde la perspectiva de los gobiernos, las pandemias no son cisnes negros. La cuestión no es si un país prevé una pandemia y se prepara en consecuencia, sino si los sistemas existentes pueden funcionar bajo el nivel de estrés que genera una pandemia. En este sentido, la COVID-19 ha servido como prueba de estrés no solo de los sistemas sanitarios de todo el mundo, sino de la propia globalización.
Sin duda, la era moderna de conectividad masiva impulsada por la globalización ha aumentado el peligro de las pandemias, ya que es más probable que se propaguen dada nuestra mayor movilidad. Pero esto no significa que debamos culpar solo a la globalización; más bien, debemos utilizar la conectividad inherente de las cadenas de valor distribuidas globalmente para mejorar la forma en que los países predicen, responden y coordinan frente a pandemias y catástrofes. La conectividad debe convertirse en un vector de creación de capacidades, con miras a impulsar mejores soluciones para el tipo de problemas a los que es probable que nos enfrentemos cada vez más en el futuro.
En el contexto de nuestra pandemia actual, cuando hablamos de capacidad, no nos referimos solo al número de camas y respiradores, ni al número de personal y mascarillas, sino a los modelos organizativos con los que hospitales y proveedores planifican un suministro continuo, a la vez que conservan y preservan la seguridad. La capacidad es, en efecto, una cuestión sistémica. A este respecto, pese a los heroicos esfuerzos en primera línea, la pandemia de COVID-19 ha puesto de manifiesto una planificación ineficaz, y crecen las preocupaciones sobre cómo una infraestructura gravemente desatendida podría derivar en problemas sociales endémicos aún más graves. Estos problemas podrían agravar desigualdades antiguas y nuevas, lo que conduciría a más infecciones y muertes por instalaciones sanitarias subóptimas y poco coordinadas.
Para aumentar la capacidad que necesitan los sistemas nacionales de salud y seguridad, los gobiernos y las organizaciones recurren a soluciones intensivas en datos para dar un salto hacia formas de respuesta más rápidas y escalables.
Para aumentar la capacidad que necesitan los sistemas nacionales de salud y seguridad, al tiempo que se intenta abordar las consecuencias socioeconómicas, los gobiernos y las organizaciones recurren a soluciones intensivas en datos para dar un salto hacia formas de respuesta más rápidas y escalables. Desde las iniciativas de rastreo basadas en datos de geolocalización en Corea del Sur, Vietnam, China, Israel, y Singapur, hasta la solución de detección de COVID-19 mediante IA de Alibaba, muy elogiada, el enfoque estadounidense de conjuntos de datos sobre la COVID-19 en formato legible por máquina, el uso que hace el NHS de grandes proveedores tecnológicos para gestionar en un panel de control la respuesta sanitaria nacional, y decenas de otras experiencias.
Ahora el público en general debe preguntarse si esta actuación gubernamental intensiva en datos es inherentemente incompatible con la privacidad. ¿Lo es realmente?
El uso que Corea del Sur hace de la información de localización granular muestra la fina línea que existe aquí y sin duda se convertirá no solo en un objeto de futuras investigaciones, sino también en un referente de una nueva oleada de enfoques de salud pública basados en una precisión extrema. Estas iniciativas generan preocupación, porque su expansión podría dar lugar a una nueva normalidad. Sin embargo, a medida que el problema de la privacidad crece con las iniciativas intensivas en datos —lo que se traduce en una mayor vigilancia y en la ampliación del alcance de la recopilación de datos por parte de los gobiernos de todo el mundo—, existe una necesidad igualmente apremiante de comprender cómo se evaluarán y medirán los datos y de qué manera se utilizarán para establecer la capacidad del sector público frente a nuevas crisis. Abordar conjuntamente estas dos cuestiones puede ayudar a las administraciones a dar el salto hacia una nueva generación de herramientas digitales de gobierno eficaces, capaces de aprender y responder adecuadamente a la incertidumbre, más allá de los modelos convencionales de predicción.
Entonces, ¿la respuesta a esta necesidad de crear nuevas capacidades se encuentra en las interfaces de IA?
La preocupación no es simplemente si la IA funciona, sino si funciona cuando más la necesitamos; si confiar en estas soluciones podría introducir sesgos no deseados e infracciones de la privacidad, o si los datos supuestamente procesados pueden manejar situaciones de tanta incertidumbre. En las crisis, los errores tienden a multiplicarse, desde procedimientos administrativos incoherentes hasta la rápida vulneración de la privacidad y comportamientos poco sinceros que, sin pretenderlo, conducen a futuras vulneraciones, todo lo cual aumenta el riesgo potencial de agravar involuntariamente el riesgo de contagio.
Cuando se trata de fenómenos complejos y no lineales, la realidad es que las inversiones destinadas a mejorar la precisión de la información tienen un límite funcional en cuanto a su valor. Ese límite lo marca la fiabilidad de la capacidad institucional para responder no solo a las variables conocidas, sino sobre todo a aquellas variaciones que parecen depender de la naturaleza de las crisis y los acontecimientos de gran escala. De hecho, la clave no es la carrera por obtener la mejor información. Más bien, lo es la carrera por el mejor sistema, capaz de funcionar con independencia de esa información porque tiene la capacidad de adaptarse y aprender.
Los gobiernos que mejor aprovechen los servicios y organizaciones habilitados por IA no serán aquellos con los mejores análisis de datos en sí, sino aquellos que empleen dichos análisis para mejorar la capacidad de respuesta frente a factores atípicos y externalidades inesperadas. Esto exige comprender un paradigma distinto de uso y despliegue de la IA, pues su mayor promesa no radica solo en la optimización de los activos existentes.
El mundo necesita una nueva conversación sobre cómo son los marcos amplios de privacidad y consentimiento que permiten una mejora generalizada de las capacidades, cómo construirlos con rapidez o cómo establecerlos para la próxima crisis inevitable, y cómo articular la respuesta de emergencia de salud pública necesaria, de la que tanto carecimos en la pandemia actual. En definitiva, no se trata solo de cómo respondemos ahora, sino de cómo la infraestructura que podemos institucionalizar mediante un uso sistemático de los servicios de IA puede generar antifragilidad a partir de mañana.
