Una de las cosas que facilita la formulación de políticas en el mundo moderno es que sabemos más. Tenemos mejor información sobre los resultados, una mejor comprensión de lo que funciona y lo que no y, gracias a los avances tecnológicos, podemos usar algoritmos y aprendizaje automático para tomar decisiones mejor informadas.
Pero las decisiones mejor informadas no son necesariamente lo mismo que “mejores decisiones” y definitivamente no son lo mismo que las “más aceptables”.
Tomemos, por ejemplo, el caso de Sean Hogg, la causa de una disputa política reciente en Escocia. Hogg, quien a los 17 años violó a una niña de 13 años, fue sentenciado a 270 horas de servicio comunitario porque, según las pautas de sentencia escocesas, los jueces deben tener en cuenta la edad del delincuente.
Las pautas de sentencia son, en muchos sentidos, la forma más común de “algoritmo” en uso en las políticas públicas hoy en día, aunque no solemos pensar en ellas de esta manera. Ejecutamos una serie de puntos de datos (la naturaleza del delito, las circunstancias del delito, varios detalles biográficos sobre el delincuente y la víctima) en la máquina para producir un conjunto de opciones para que el juez que preside las considere.
El algoritmo que produjo el veredicto de Hogg es un buen estudio de caso de los desafíos más amplios que implica el uso de algoritmos en las políticas públicas. Sabemos que muchas prisiones funcionan como “escuelas de negocios” del crimen: brindan opciones de redes sociales y tutoría y algunas personas deja criminales mas graves than cuando entraron. Como tal, tenemos una buena razón querer evitar encarcelar a los delincuentes por primera vez cuando sea posible. Y sabemos, también, que aunque no existe una regla estricta sobre cuándo nuestro cerebro está completamente desarrollado o alcanzamos la “madurez total”, ocurre ampliamente en los años veinte. Por lo tanto, existen buenos argumentos para imponer menos sentencias de cárcel a los delincuentes primerizos, en particular a los menores de cierta edad.
Pero muchos de nosotros tenemos la sensación instintiva de que si bien en general se debe evitar enviar a las personas a prisión antes de tiempo y aunque un joven de 17 años podría tomar peores decisiones que las que tomaría a los 27, cualquier violación, y mucho menos la de un niño, es un acto abominable. delito que debería conllevar penas especialmente severas. Nuestra comprensión actual de los datos dice una cosa, pero nuestra intuición moral dice otra.
Una respuesta a las fallas de las políticas de este tipo es modificar el algoritmo: aumentar la duración de la sentencia o desmantelar o debilitar algunas de las protecciones que hemos instalado por motivos de edad. Eso es parte de por qué el auge de los algoritmos y los grandes datos es emocionante para las políticas públicas: podemos usar mejor la evidencia para dar forma a nuestra formulación de políticas y entender más fácilmente por qué hemos llegado a una conclusión que no nos gusta.
Pero aunque las pautas de sentencia son un buen ejemplo de lógica algorítmica en las políticas públicas, en algunos aspectos son uno de los ejemplos más fáciles. Siempre hemos tenido que negociar entre el castigo, la disuasión, la madurez de los delincuentes y la rehabilitación en las sentencias penales. En muchos sentidos, la tecnología le da a estos viejos debates un nuevo nivel de precisión. Si bien los formuladores de políticas han estado divididos durante mucho tiempo sobre el equilibrio adecuado entre la responsabilidad individual, la reducción del crimen en general y la justicia para delitos específicos, ahora podemos debatir la ponderación exacta que se debe dar a cada uno: incluso si concluimos que la respuesta es “ninguna en absoluto” en casos como el de Hogg.
Donde se vuelve más complejo es cuando tenemos mejor información con el potencial de cambiar no solo cuán informados estamos, sino también el debate sobre las decisiones que tomamos. Sabemos, por ejemplo, que en cualquier sistema de salud existe un grado de triaje: los clínicos toman decisiones sobre la viabilidad de un paciente u otro, un receptor de donación de órganos sobre otro. ¿Qué pasa si los datos muestran que las personas más ricas tienen más probabilidades de beneficiarse de una donación de órganos, precisamente por sus ventajas económicas? ¿Deberíamos incluir eso en nuestros procesos de toma de decisiones o no?
La principal ventaja de la era de mejor información y mejores herramientas para manejarla es que podemos, en mayor medida que nunca, cuantificar las consecuencias de nuestras elecciones. Pero eso no cambia el hecho de que a menudo tendremos que elegir entre los resultados que no nos gustan y que, si bien las nuevas fuentes de datos pueden informarnos mejor, también pueden dar forma a nuestras decisiones de formas que no nos gustan.
Una tentación para los gobiernos será tener esos debates a puerta cerrada: ser vagos sobre lo que nos dicen los datos y seguir ajustando los algoritmos en privado. Pero uno de los beneficios de la era de los grandes datos es la capacidad de tomar decisiones de una manera más deliberativa, para discutir claramente qué compensaciones están involucradas. Vale la pena luchar por eso.