La pandemia del coronavirus ha afectado al mundo entero, pero la intensidad de esta no ha sido la misma en todas partes. En algunos países como España, Italia y los Estados Unidos la magnitud de esta ha hecho estragos con los sistemas de salud y las medidas de prevención como la cuarentena han llevado a las naciones a situaciones de recesión económica.
Sin embargo, estos territorios aún cuentan con mecanismos con los cuales intentar salir a flote. Por otra parte, los países que se encuentran actualmente en desarrollo no cuentan siempre con los recursos necesarios para esto.
Muchos de ellos tienen poblaciones en situaciones de pobreza que se han vuelto incluso más vulnerables por las medidas de cuarentena y aislamiento que se han instaurado en el mundo. Ya organizaciones como el Programa Mundial de Alimentos de la ONU han alertado que el hambre en el mundo podría duplicarse como una consecuencia del coronavirus.
Esta se convertiría solo en una de las muchas crisis que las poblaciones más vulnerables tendrían que sortear mientras intentan hacer frente a la pandemia. Los gobiernos de estas naciones están conscientes de esta peligrosa posibilidad y, por esto, han optado por buscar el apoyo de la tecnología para poder contrarrestar los efectos secundarios del COVID-19.
¿Cómo la big data y el machine learning pueden ayudar?
Es acá donde conceptos como la big data y el machine learning entran en juego. Por un lado, la primera se convierte en una fuente de información masiva y en constante actualización que permite conocer mejor las condiciones de los ciudadanos y sus necesidades inmediatas.
Luego, por su parte, el machine learning será el elemento que ayudará a darle cuerpo a esos grupos masivos de datos para poder obtener la información necesaria para tomar las medidas pertinentes. Por ejemplo, en Togo, África, se planea hacer uso de esta tecnología para definir los focos de pobreza extrema en el país.
Para esto, dispondrán del mecanismo del machine learning para que este procese imágenes satelitales de todo el territorio de Togo. De esta forma, se podrán crear mapas detallados que señalen las áreas de mayor pobreza. Estas, a su vez, se convertirán en los focos a los que el gobierno prestará más asistencia durante la crisis.
Otras alternativas
Este no es el único modo a través del cual el machine learning puede ser utilizado como herramienta de apoyo a la causa. De hecho, otras naciones como Uganda están haciendo uso de este pero para que procese los datos obtenidos por operadoras de telefonía local.
En algunos países en desarrollo, este tipo de empresas externas tienen a tener más información sobre la ubicación y situación actual de sus clientes que el gobierno de sus ciudadanos. Por esto, utilizar los datos que estas tengan es un método para asegurar la mayor precisión posible en la información.
Para estos casos, se harían uso de los datos de ubicación, de la frecuencia de las llamadas, la duración de estas, la cantidad de contactos y también la frecuencia de recarga del saldo. Luego, el machine learning puede realizar estimaciones muy cercanas a la realidad sobre la situación de los usuarios de la línea. Así el gobierno podrá saber a qué ciudadanos apoyar con prioridad.
Con una idea muy similar nos encontramos a Bangladesh. En su caso, usarán el machine learning y al información telefónica para de los usuarios para establecer sus criterios de elegibilidad. En pocas palabras, según la información obtenida de los análisis el país sabrá qué ciudadanos son elegibles para su programa de ayuda y cuáles no cumplen con los requisitos. Claro está que esta información por sí sola no será suficiente para descartar por completo a un candidato, pero sí puede dar la pista de que se requiere realizar una investigación particular más profunda de ese individuo o incluso de esa zona.
Las ventajas de estos nuevos sistemas
Gran parte del encanto de estas nuevas propuestas de encuentra en el potencial que ofrecen. Gracias a ellas el gobierno finalmente tendría un modo de contar con información actualizada y veraz sobre su población.
Lo que, en consecuencia, se traduciría en un mejor manejo de los recursos y en decisiones gubernamentales mejor desarrolladas. Por si fuera poco, también contarían con vías de control más fidedignas y con los medios para hacer llegar la ayuda rápidamente y justo a quien más la necesita –incluso si no se encuentra registrado en otras bases de datos del gobierno.
Algunas desventajas que se pueden ver en el camino
Sin embargo, no todo sobre estas propuestas es bueno. De hecho, también existe el riesgo de que los ciudadanos aprovechen el funcionamiento del sistema para inclinarlo a su favor.
Por ejemplo, si se sabe que las personas de menos recursos hacen llamadas más cortas, y que el algoritmo de machine learning lo detecta, entonces las personas podrían empezar a acortar la duración de sus comunicaciones a propósito con la finalidad de convertirse en candidatos elegibles para la ayuda.
Asimismo, estos sistemas, hasta ahora, dejan de lado la gran posibilidad de que población que presumiblemente se encuentra en más riesgo ni siquiera cuente con un celular. Por lo que, registrarla en estos procesos de ayuda sería mucho más complicado.
Finalmente, todo esto teorizado parece ofrecer un funcionamiento simple para una premisa sencilla. Sin embargo, el tener que aplicar en la vida real un sistema de registro y seguimiento como este en más de 160 millones de personas, no parece una tarea tan fácil.
Sobre todo porque la experiencia de uso de este tipo de mecanismos en estos países es básicamente nula. Lo que implicaría que el intento definitivo también se convertiría en el primero y que, por ende, también sería propenso a fallas.
¿Podemos usar esta tecnología en la actualidad?
La capacidad ya está, pero el conocimiento necesario no. Sin embargo, tener las precauciones usuales en medio de una crisis no siempre es posible. Un evento como una pandemia no esperará por los ensayos de laboratorio, por las pruebas controladas ni por una aplicación práctica paulatina.
En casos de emergencia hay que actuar rápido. Y, afortunadamente, en la actualidad ya contamos con la tecnología y los medios para llevar a cabo estas iniciativas. Los países Togo, Uganda y Bangladesh se han tomado la situación en serio y actualmente realizan esfuerzos particulares por conseguir este fin.
Sin embargo, avanzar a ciegas tampoco es la opción. Para un momento como el actual en el que la premura reina, entonces lo mejor que se puede hacer es compartir información y realizar trabajos de investigación conjuntos. Tal como la información sobre el coronavirus se comparte entre naciones de todo el mundo, los detalles sobre estas iniciativas de seguimiento con machine learning también podrían formar un fondo de información común para los países que desearan aplicarlas.
De esta forma, el fallo de uno se podrá convertir en el aprendizaje del otro y viceversa. Gracias a esto, los esfuerzos conjuntos los llevarás a la consecución de mejores y más rápidos resultados en menos tiempo. Así, podrán sacar el mejor provecho a sus recursos en medio de un periodo de agitación tan particular y apremiante como lo es la pandemia.
