\n<\/p>\n
Una de las cosas que facilita la formulaci\u00f3n de pol\u00edticas en el mundo moderno es que sabemos m\u00e1s. Tenemos mejor informaci\u00f3n sobre los resultados, una mejor comprensi\u00f3n de lo que funciona y lo que no y, gracias a los avances tecnol\u00f3gicos, podemos usar algoritmos y aprendizaje autom\u00e1tico para tomar decisiones mejor informadas. <\/p>\n
Pero las decisiones mejor informadas no son necesariamente lo mismo que “mejores decisiones” y definitivamente no son lo mismo que las “m\u00e1s aceptables”.<\/p>\n
Tomemos, por ejemplo, el caso de Sean Hogg, la causa de una disputa pol\u00edtica reciente en Escocia. Hogg, quien a los 17 a\u00f1os viol\u00f3 a una ni\u00f1a de 13 a\u00f1os, fue sentenciado a 270 horas de servicio comunitario porque, seg\u00fan las pautas de sentencia escocesas, los jueces deben tener en cuenta la edad del delincuente.<\/p>\n
Las pautas de sentencia son, en muchos sentidos, la forma m\u00e1s com\u00fan de \u201calgoritmo\u201d en uso en las pol\u00edticas p\u00fablicas hoy en d\u00eda, 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 biogr\u00e1ficos sobre el delincuente y la v\u00edctima) en la m\u00e1quina para producir un conjunto de opciones para que el juez que preside las considere.<\/p>\n
El algoritmo que produjo el veredicto de Hogg es un buen estudio de caso de los desaf\u00edos m\u00e1s amplios que implica el uso de algoritmos en las pol\u00edticas p\u00fablicas. Sabemos que muchas prisiones funcionan como “escuelas de negocios” del crimen: brindan opciones de redes sociales y tutor\u00eda y algunas personas deja criminales mas graves t<\/a>han cuando entraron<\/a>. Como tal, tenemos una buena raz\u00f3n<\/a> querer evitar encarcelar a los delincuentes por primera vez cuando sea posible. Y sabemos, tambi\u00e9n, que aunque no existe una regla estricta sobre cu\u00e1ndo nuestro cerebro est\u00e1 completamente desarrollado o alcanzamos la “madurez total”, ocurre ampliamente en los a\u00f1os veinte<\/a>. Por lo tanto, existen buenos argumentos para imponer menos sentencias de c\u00e1rcel a los delincuentes primerizos, en particular a los menores de cierta edad.<\/p>\n Pero muchos de nosotros tenemos la sensaci\u00f3n instintiva de que si bien en general se debe evitar enviar a las personas a prisi\u00f3n antes de tiempo y aunque un joven de 17 a\u00f1os podr\u00eda tomar peores decisiones que las que tomar\u00eda a los 27, cualquier violaci\u00f3n, y mucho menos la de un ni\u00f1o, es un acto abominable. delito que deber\u00eda conllevar penas especialmente severas. Nuestra comprensi\u00f3n actual de los datos dice una cosa, pero nuestra intuici\u00f3n moral dice otra. <\/p>\n Una respuesta a las fallas de las pol\u00edticas de este tipo es modificar el algoritmo: aumentar la duraci\u00f3n de la sentencia o desmantelar o debilitar algunas de las protecciones que hemos instalado por motivos de edad. Eso es parte de por qu\u00e9 el auge de los algoritmos y los grandes datos es emocionante para las pol\u00edticas p\u00fablicas: podemos usar mejor la evidencia para dar forma a nuestra formulaci\u00f3n de pol\u00edticas y entender m\u00e1s f\u00e1cilmente por qu\u00e9 hemos llegado a una conclusi\u00f3n que no nos gusta. <\/p>\n Pero aunque las pautas de sentencia son un buen ejemplo de l\u00f3gica algor\u00edtmica en las pol\u00edticas p\u00fablicas, en algunos aspectos son uno de los ejemplos m\u00e1s f\u00e1ciles. Siempre hemos tenido que negociar entre el castigo, la disuasi\u00f3n, la madurez de los delincuentes y la rehabilitaci\u00f3n en las sentencias penales. En muchos sentidos, la tecnolog\u00eda le da a estos viejos debates un nuevo nivel de precisi\u00f3n. Si bien los formuladores de pol\u00edticas han estado divididos durante mucho tiempo sobre el equilibrio adecuado entre la responsabilidad individual, la reducci\u00f3n del crimen en general y la justicia para delitos espec\u00edficos, ahora podemos debatir la ponderaci\u00f3n exacta que se debe dar a cada uno: incluso si concluimos que la respuesta es “ninguna en absoluto” en casos como el de Hogg.<\/p>\n Donde se vuelve m\u00e1s complejo es cuando tenemos mejor informaci\u00f3n con el potencial de cambiar no solo cu\u00e1n informados estamos, sino tambi\u00e9n el debate sobre las decisiones que tomamos. Sabemos, por ejemplo, que en cualquier sistema de salud existe un grado de triaje: los cl\u00ednicos toman decisiones sobre la viabilidad de un paciente u otro, un receptor de donaci\u00f3n de \u00f3rganos sobre otro. \u00bfQu\u00e9 pasa si los datos muestran que las personas m\u00e1s ricas tienen m\u00e1s probabilidades de beneficiarse de una donaci\u00f3n de \u00f3rganos, precisamente por sus ventajas econ\u00f3micas? \u00bfDeber\u00edamos incluir eso en nuestros procesos de toma de decisiones o no? <\/p>\n La principal ventaja de la era de mejor informaci\u00f3n 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, tambi\u00e9n pueden dar forma a nuestras decisiones de formas que no nos gustan.<\/p>\n Una tentaci\u00f3n para los gobiernos ser\u00e1 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 m\u00e1s deliberativa, para discutir claramente qu\u00e9 compensaciones est\u00e1n involucradas. Vale la pena luchar por eso.<\/p>\n