{ "title": "Tecnología para el desarrollo", "sourceUrl": "https://www.imf.org/es/publications/fandd/issues/2023/12/technology-for-development-bjorkegren-blumenstock", "canonical": "https://www.imf.org/es/publications/fandd/issues/2023/12/technology-for-development-bjorkegren-blumenstock", "overlayPath": "/es/publications/fandd/issues/2023/12/technology-for-development-bjorkegren-blumenstock/index.md", "summary": "La inteligencia artificial debe adaptarse minuciosamente en beneficio de los pobres, según investigaciones realizadas en Kenya, Sierra Leona y Togo", "sections": [ { "heading": "Resumen ejecutivo", "content": "- La inteligencia artificial (IA) puede transformar las economías en desarrollo, ofreciendo ventajas como focalización de ayudas y acceso a enseñanza y consultas médicas adaptadas, pero implica riesgos de inestabilidad, información errónea y vigilancia.\n- No basta con desplegar tecnologías existentes: se requieren iniciativas de innovación y adaptación a escala local para que las soluciones basadas en IA funcionen en contextos sociales e institucionales concretos.\n- Autores: DANIEL BJÖRKEGREN y JOSHUA BLUMENSTOCK. Fecha: Diciembre de 2023." }, { "heading": "Aplicaciones y hallazgos empíricos", "content": "- Togo — focalización de transferencias durante la pandemia de COVID-19:\n - Se adaptó tecnología de aprendizaje automático originalmente concebida para focalizar anuncios en línea para identificar a los habitantes más pobres.\n - Datos utilizados: imágenes satelitales y datos de tecnología móvil (rasgos: aldeas menos desarrolladas en imágenes aéreas; suscriptores móviles con saldos bajos).\n - Complementos de implementación: sistema de distribución de pagos de dinero móvil para todos los abonados, adaptación del software de aprendizaje automático a transferencias de efectivo, y entrevistas a decenas de miles de beneficiarios para alinear el sistema con la definición local de pobreza.\n - Nota operativa: la solución basada en IA se diseñó como temporal y su retirada gradual estaba prevista al término de la pandemia.\n- Kenya — microcrédito y señales de comportamiento:\n - Más de una cuarta parte de los adultos ha obtenido préstamos por medio de sus teléfonos móviles.\n - Uso del aprendizaje automático para determinar elegibilidad observando patrones de comportamiento de teléfonos móviles (Björkegren y Grissen, 2020).\n - Riesgo de manipulación: si características como “tener más amigos en Facebook” afectan aprobación, los solicitantes pueden modificar su conducta para obtener crédito, erosionando la fiabilidad del sistema.\n - Evidencia de campo (con Centro Busara): las personas aprenden y modifican su comportamiento telefónico según reglas algorítmicas; los algoritmos que anticipan estas respuestas mejoran si se ajustan mediante pruebas de concepto.\n- Sierra Leona — IA para docentes:\n - Proyecto piloto con chatbot “TheTeacher.AI”, similar a ChatGPT pero adaptado al plan de estudios y accesible con conexiones a Internet deficientes.\n - Observaciones: muchos profesores inicialmente no formulaban preguntas que generaran respuestas útiles; un grupo pequeño comenzó a usarlo regularmente para incorporar conceptos, planificación de clases y diseño de material.\n - Requisito clave: entrenamiento, experimentación, y aprendizaje por prueba y error para descubrir usos prácticos." }, { "heading": "Riesgos, barreras y limitaciones", "content": "- Fiabilidad en condiciones reales:\n - Los algoritmos pueden actuar bien en laboratorio pero fallar en decisiones prácticas; los beneficiarios pueden cambiar su conducta, socavando objetivos de focalización.\n- Barreras de comunicación y alfabetización:\n - Asimilar el potencial de la IA es más difícil donde las tasas de alfabetización y aritmética elemental son más bajas y la población está menos familiarizada con datos digitales y algoritmos.\n - Ejemplo: en Nairobi fue difícil explicar algoritmos simples con números negativos y fracciones; versiones más sencillas facilitaron la comprensión.\n - Los sistemas de IA complejos son difíciles de entender incluso para investigadores.\n- Transparencia y normas locales:\n - En emergencias puede aceptarse un algoritmo de “caja negra” (ej.: Togo durante COVID-19); en programas de focalización no emergentes es esencial explicar criterios de acceso.\n - Diferencias culturales: en zonas rurales como Togo pocas personas expresaron preocupación por que gobierno o empresas tuvieran acceso a sus datos; sí preguntaron cómo se compartiría la información con vecinos.\n- Desinformación y confianza:\n - La IA puede generar fotos absolutamente falsas y llamadas robotizadas que imitan voces, lo que afecta la confianza en la información en línea y exige educación incluso en zonas remotas.\n- Infraestructura digital y del conocimiento:\n - Las soluciones dependen de la infraestructura física y digital existente: servidores, teléfonos móviles, cables de fibra óptica, torres de telefonía.\n - En los últimos 20 años las economías en desarrollo invirtieron en conexiones celulares e Internet, sentando bases para aplicaciones de IA.\n - Deficiencias de datos: modelos de IA disponen de información incompleta sobre necesidades y aspiraciones de ciudadanos de menores ingresos, su estado de salud, aspecto de poblados y estructura de idiomas menos comunes.\n - Recolección de datos robusta podría requerir integrar clínicas, colegios y empresas en sistemas de registro digital, incentivar su uso y establecer derechos legales sobre los datos." }, { "heading": "Implicaciones y recomendaciones de política", "content": "- Adaptación local y co-diseño:\n - Priorizar la adaptación de tecnologías a condiciones locales y el trabajo colaborativo entre gobiernos, investigadores y organizaciones sin fines de lucro.\n - Invertir en capacidad local: capacitación de programadores y diseñadores de IA locales para que la innovación refleje valores y prioridades locales.\n- Implementación responsable:\n - Diseñar pruebas de concepto y procesos experimentales que identifiquen y mitiguen incentivos de manipulación por parte de usuarios.\n - Acompañar despliegues con entrevistas y grupos focales para asegurar coherencia con definiciones locales de pobreza y normas sociales.\n- Transparencia y comunicación:\n - En programas no emergentes, explicar criterios de acceso y manejo de datos a posibles beneficiarios; adaptar comunicación pedagógica a niveles de alfabetización y familiaridad con datos.\n - Educar sobre riesgos de desinformación generada por IA para preservar confianza pública.\n- Inversiones en infraestructura y datos:\n - Mejorar infraestructura del conocimiento y sistemas de registro digital integrando instituciones clave (clínicas, colegios, empresas).\n - Establecer incentivos y marcos legales sobre derechos de datos para mejorar la cobertura de los pobres en los modelos de IA.\n- Enfoque práctico:\n - No se trata solo de “soñar a lo grande”, sino de garantizar que los sistemas colmen las necesidades, se adapten a condiciones locales y no causen daño.\n\nFuente: Tecnología para el desarrollo, FINANZAS & DESARROLLO, DANIEL BJÖRKEGREN y JOSHUA BLUMENSTOCK, Diciembre de 2023.\n\n---\n\n\nSource: https://www.imf.org/es/publications/fandd/issues/2023/12/technology-for-development-bjorkegren-blumenstock" } ], "bullets": [ "[Markdown version](/es/publications/fandd/issues/2023/12/technology-for-development-bjorkegren-blumenstock/index.md)", "[Structured JSON version](/es/publications/fandd/issues/2023/12/technology-for-development-bjorkegren-blumenstock/index.json)", "[Bundle manifest](/es/publications/fandd/issues/2023/12/technology-for-development-bjorkegren-blumenstock/bundle-manifest.json)", "Authors: DANIEL BJORKEGREN, JOSHUA BLUMENSTOCK", "Published: December 22, 2023", "DOI: https://doi.org/10.1038/s41586-022-04484-9", "La inteligencia artificial (IA) puede transformar las economías en desarrollo, ofreciendo ventajas como focalización de ayudas y acceso a enseñanza y consultas médicas adaptadas, pero implica riesgos de inestabilidad, información errónea y vigilancia.", "No basta con desplegar tecnologías existentes: se requieren iniciativas de innovación y adaptación a escala local para que las soluciones basadas en IA funcionen en contextos sociales e institucionales concretos.", "Autores: DANIEL BJÖRKEGREN y JOSHUA BLUMENSTOCK. Fecha: Diciembre de 2023.", "Togo — focalización de transferencias durante la pandemia de COVID-19:", "Kenya — microcrédito y señales de comportamiento:", "Sierra Leona — IA para docentes:", "Fiabilidad en condiciones reales:", "Barreras de comunicación y alfabetización:", "Transparencia y normas locales:", "Desinformación y confianza:", "Infraestructura digital y del conocimiento:", "Adaptación local y co-diseño:", "Implementación responsable:", "Transparencia y comunicación:", "Inversiones en infraestructura y datos:", "Enfoque práctico:" ], "alternates": { "markdown": "/es/publications/fandd/issues/2023/12/technology-for-development-bjorkegren-blumenstock/index.md", "json": "/es/publications/fandd/issues/2023/12/technology-for-development-bjorkegren-blumenstock/index.json", "bundleManifest": "/es/publications/fandd/issues/2023/12/technology-for-development-bjorkegren-blumenstock/bundle-manifest.json" }, "generatedAtUtc": "2026-09-15T21:55:47.485Z" }