Por: Mtro. Rafael A. Castillo Zugasti, CEO.
El Papel de la Complejidad Económica
Para entender cómo cambian y crecen las economías, es esencial considerar la libertad económica. Las industrias y productos que emergen a partir de esa libertad nos permiten prever actividades futuras de una economía, así como sus niveles de crecimiento, emisiones y desigualdad. Hoy, existe una ciencia dedicada al estudio del crecimiento sostenible a través de la inteligencia artificial: la complejidad económica.
Imagine cientos de economías y todas las actividades que realizan. Por ejemplo, la economía de la fabricación de polímeros en Oporto, o la industria de diseño y moda en Milán. Estos patrones de exportación forman redes que conectan actividades, lo que permite prever en qué sectores una economía puede especializarse o hacia dónde puede migrar. Por ejemplo, una economía que comienza a producir abrigos puede haber empezado con cortinas, o una que fabrica diodos puede evolucionar hacia circuitos y computadoras.
Estas relaciones se basan en probabilidades, y a medida que una economía se involucra en más actividades, la probabilidad de éxito en nuevas áreas aumenta. Este enfoque nos ayuda a entender los cambios en las exportaciones, el empleo y la innovación. Sin embargo, prever no es suficiente. Las políticas públicas no deben centrarse solo en las actividades más cercanas, sino también en entender el valor de cada destino.
Vectores de Complejidad Económica
A partir de estas redes, podemos extraer vectores de complejidad económica, que nos ayudan a identificar productos asociados a niveles más altos de ingresos, menor desigualdad y emisiones. Estos vectores definen un espacio estratégico para cada región. Por ejemplo, las economías desarrolladas están más cerca de productos complejos, mientras que las economías no desarrolladas siguen el patrón opuesto.
El desafío es entrar en actividades sofisticadas, aprovechando momentos favorables. La concentración de complejidad exportadora puede ser observada en regiones como Portugal y España, donde el Norte de España, Veneto y Piemonte en Italia, y Oporto y Lisboa en Portugal son ejemplos de lugares que demuestran esta complejidad, crucial para la soberanía tecnológica de Europa.
La Nueva Era de Datos y la Inteligencia Artificial
En los últimos años, el uso de datos comerciales ha sido fundamental para explicar el crecimiento, la desigualdad y las emisiones. Sin embargo, estos datos tienen limitaciones, especialmente al considerar que muchos países están integrados en cadenas de valor de otros países. Por ejemplo, Australia recibe una baja puntuación por exportar principalmente materias primas.
Por lo tanto, los investigadores han comenzado a buscar mejorar esta fórmula. Lo que antes se basaba solo en datos comerciales ahora incorpora otras fuentes, como datos de patentes, que pueden ser categorizados tecnológicamente, permitiendo medir niveles de complejidad. Este enfoque revela que México no está tan bien posicionado, mientras que Australia se destaca en otras perspectivas.
El Futuro del Crecimiento Global
Las proyecciones muestran que el crecimiento futuro se concentrará en Asia y el Sudeste Asiático, con economías como India, Filipinas, Vietnam e Indonesia. Para entender estos cambios, la búsqueda de productos digitales ha comenzado a intensificarse, llevando a conversaciones con bancos centrales para recopilar datos relevantes.
Un desafío importante con los datos comerciales es que pueden no reflejar la realidad. Por ejemplo, si compras algo de Amazon en Europa, el producto puede parecer haber venido de Luxemburgo, aunque no sea el caso. El aprendizaje de máquina nos permite compilar datos a partir de patrones de consumo de cientos de países, sectores y empresas.
El comercio digital, por su parte, tiene una tasa de crecimiento del 25% al año, representando una nueva frontera. La geografía del comercio digital es diferenciada, lo que permite que los países se conviertan en importadores netos e intercambien bienes de maneras que no se aplican al comercio físico.
Poniendo la Tecnología en Práctica
¿Cómo podemos aplicar estas ideas en la práctica? Un ejemplo es el proyecto desarrollado con Arabia Saudita, que creó un sistema de distribución complejo que integra datos de varias agencias gubernamentales. Otro ejemplo es Data México, una plataforma que empoderó a unidades diplomáticas para promover exportaciones durante el período de trabajo remoto de la pandemia.
En Indonesia, simulamos el impacto de tarifas sobre productos chinos, mostrando cómo esto podría beneficiar a la industria textil del país. Las cadenas de valor están interconectadas, y tarifas sobre automóviles, por ejemplo, impactan productos que viajan entre México y Estados Unidos.
Estos ejemplos muestran que el mejor momento para crear una infraestructura robusta es antes de que ocurra la crisis. La preparación es fundamental para lidiar con crisis futuras, como la pandemia de COVID-19.
La Importancia de la Interoperabilidad
La interoperabilidad entre datos y sistemas es crucial. En Chile, por ejemplo, la automatización de subsidios sociales ha hecho que el proceso sea más eficiente, permitiendo que más niños vulnerables reciban beneficios. La tecnología debe ser utilizada para transformar la protección social, haciendo uso de datos administrativos e integrando información de diferentes sectores.
Guyana también está haciendo progresos significativos. El uso de tecnología geoespacial permite identificar poblaciones vulnerables y calcular distancias para el acceso a servicios. Esto es vital en un país con vastas áreas interiores donde la inclusión es un desafío.
Desafíos y Oportunidades en la Evaluación de Programas
Para evaluar la eficacia de los programas, es esencial utilizar nuevas tecnologías. Por ejemplo, el uso de imágenes de satélite y datos móviles puede ayudar a identificar los hogares más pobres, incluso en países donde los censos son antiguos. Este enfoque se ha aplicado con éxito en Togo, donde logramos reducir los errores de exclusión en un 50% utilizando datos combinados.
Las nuevas tecnologías permiten evaluaciones más rápidas y accesibles, algo que es especialmente importante en tiempos de crisis, como desastres naturales o pandemias. Chile, por ejemplo, logró implementar rápidamente programas de asistencia durante la pandemia, utilizando una infraestructura de datos ya existente.
Privacidad y Seguridad de los Datos
La cuestión de la privacidad y seguridad de los datos es fundamental en la era digital. Tanto en Guyana como en Chile, se han implementado legislaciones para garantizar la protección de los datos mientras se promueve la inclusión digital. Es crucial que la información se utilice de manera responsable y transparente, garantizando la confianza de la población.
Una Visión Holística para la Erradicación de la Pobreza
En última instancia, la tecnología es una herramienta poderosa que, si se utiliza correctamente, puede ayudar a erradicar la pobreza. Sin embargo, es fundamental que los gobiernos adopten una visión holística, integrando esfuerzos entre diferentes sectores y garantizando que los beneficiarios sean siempre el foco de las políticas públicas.
La tecnología en sí no resuelve problemas; es la manera en que la utilizamos lo que hará la diferencia. Por lo tanto, debemos estar abiertos a innovaciones y dispuestos a adaptar nuestros enfoques para atender las necesidades de la población más vulnerable.
Conclusión
En un mundo en constante cambio, la combinación de tecnología, datos y políticas públicas efectivas es esencial para enfrentar los desafíos de la pobreza y la desigualdad. La colaboración entre gobiernos, el sector privado y la sociedad civil será fundamental para garantizar que todos tengan acceso a las oportunidades que la tecnología puede proporcionar. Con voluntad política e innovación, podemos construir un futuro más justo y sostenible para todos.
Fuente: https://derechobienhecho.com/el-blog/f/%C2%BFc%C3%B3mo-la-tecnolog%C3%ADa-puede-eliminar-la-pobreza