Datos masivos para el impacto social – Elsa Ontiveros

Con la expansión de la inteligencia artificial (IA) y el uso masivo de datos que salen de nuestros celulares, imágenes satelitales, cámaras, encuestas, datos gubernamentales y otros, existe un gran potencial de beneficio social. Actualmente, se usa esa información en tiempo real para que fluya el tráfico de automóviles, por ejemplo, por medio de aplicaciones; pero esto se puede escalar al unir diferentes bases de datos que lograrían un mayor impacto social. Si a los datos anteriores se les suma la información de créditos y microcréditos ofertados digitalmente, entonces se pueden obtener predicciones importantes, como se aprecia en el reporte del 2012 Big Data para el Desarrollo, llevado a cabo por el Global Pulse de la ONU.

En este se muestra que los primeros indicadores de aumento del desempleo son que la gente opta por autos más económicos, compra menos en el supermercado y usa más el transporte público; estos datos advierten una próxima crisis de empleo. Después se elevan las cifras de falta de pagos de hipotecas, reducción de gasto en medicamentos y salud, así como la alta cancelación de vacaciones previamente programadas. Estos diagnósticos se consiguen solamente usando información de redes sociales.

Otro proyecto similar es Million Dollar Block, dirigido a la prevención de crimen en colonias urbanas vulnerables. En este caso, se mapean las casas de presos que entran y salen constantemente de la cárcel para identificar colonias y sectores peligrosos. Sin embargo, al sumar el gasto gubernamental por procesos legales, alimentación de los presos, policías a cargo y demás costos relacionados con el sistema carcelario, los datos sugieren que lo más conveniente desde el aspecto financiero es realizar proyectos de prevención en colonias conflictivas.

El reporte de la ONU concluye, entre otras cosas, que esta herramienta bien usada, y con los datos e interpretación correcta, podría ayudarnos a responder más rápida y atinadamente a crisis, comprender el cambio de actitudes durante estas; hacer un mapeo efectivo de servicios y necesidades, así como mejorar la predicción de cambios en ofertas y demandas sociales. Lo anterior no resultará sin el toque final de la estandarización de datos, la gobernanza y privacidad sobre estos, al igual que previniendo consecuencias riesgosas por usar sistemas automatizados de predicciones a partir de datos masivos.

La profesora Elsa Ontiveros trabaja en el Departamento de Relaciones Internacionales del Tecnológico de Monterrey

enontiver@tec.mx

TW: @elsaontiveros

AQUÍ PUEDES LEER TODAS LAS ENTREGAS DE “INVESTIGACIÓN TRANSFORMADORA”, LA COLUMNA DEL TEC DE MONTERREY CAMPUS QUERÉTARO PARA LA LUPA.MX

https://lalupa.mx/category/aula-magna/tec-de-monterrey-investigacion-transformadora/

Josué