En la primera parte de este conversatorio, los y las expositores presentaron los proyectos en los cuales trabajan, muchos de ellos parte de Empatia.

Fernanda Campagnucci, Directora de OKFN Brasil, presentó el proyecto Mi querido Diario en el cual usaron herramientas de inteligencia artificial para clasificar, contextualizar y ampliar la información contenida en los diarios municipales oficiales brasileños. Destacó el uso de la sociedad civil y los medios de esta herramienta para el monitoreo de políticas públicas en el año que ha estado publicada.

Juan Pane, Director del CDS, comentó la experiencia del uso de los datos de compras públicas de Paraguay y Colombia para la creación del bot de compras públicas que detecta las anomalías en los procesos de compra y las publica en Twitter. Muchos periodistas siguen este bot para evaluar qué pasa con los procesos de contratación. 

Veronica Xhardez, del proyecto Arphai, explicó cómo utilizan la IA para aportar a la mejora de la gestión epidémica. Por ejemplo, para comprobar el potencial uso de los datos de historias

clínicas electrónicas en procesos de predicción, a través de la IA, que podrían mejorar la atención temprana de brotes epidémicos de distintas enfermedades infectocontagiosas.

Alejandro Noriega, comentó sobre la experiencia de Prosperia, en la cual utilizan IA y fotografías satelitales para mapear las áreas habitacionales identificando cuáles tienen mayor probabilidad de tener población en pobreza extrema para ayudar a focalizar la tarea de los trabajadores que hacen búsqueda activa de las poblaciones vulnerables.

En la segunda parte de este encuentro se dió una conversación abierta. Arturo Muente abrió con la pregunta sobre qué se precisa para escalar las iniciativas y cuáles desafíos se han encontrado. Alejandro destacó que montarse sobre una estructura como la que el BID tiene ya en los países facilita escalar el proyecto para que se adopte en otros países. Fernanda remarcó que el desafío es mejorar la calidad de los datos, porque hay muchos problemas para estandarizar y tener modelos de calidad en los datos públicos.

Verónica también hizo hincapié en la calidad de los datos, mencionando que al usar como materia prima a datos de registro (las historias electrónicas), y como no controlan cómo están siendo capturados estos datos, ya desde el origen del proyecto tuvieron un especialista en sesgos para estimar las potencialidades de tener sesgos antes de armar los modelos o entrenar los algoritmos. En consonancia, Juan mencionó que fue importante la adopción del estándar de OCP para algunos de los desafíos encontrados. Por ejemplo, para poder integrar datos de diferentes países o fuentes o hacer una estandarización semántica. Otro de los obstáculos que han encontrado, es que al cambiar las gestiones de gobierno se han modificado las APIs lo que ha causado que se tengan que reestructurar los procesos de ETL.

Como introdujo Arturo, siempre se habla del balance entre innovación y regulación, por ejemplo para que no afecte a las personas, por eso realizó la segunda de este bloque  al consultar qué necesita el sector público para tener ese balance y sean exitosas las incursiones públicas en la IA. Por su parte, Alejandro cree que hace falta tener una buena taxonomía del tipo de aplicaciones de los algoritmos, dependiendo qué está en juego con ese algoritmo, y poner distintos niveles de rigurosidad al examen a ese tipo de algoritmos, a la par es necesario una institucionalización de estas verificaciones. Para Fernanda, el foco está en la coordinación y sería necesario que haya políticas públicas que garanticen las aperturas de datos por sobre las discontinuidades políticas de gestiones.

En el caso de Verónica, destacó la necesidad de tener una gobernanza clara de los datos del sector público, pero esto es más que una regulación, porque hay cosas que no se pueden regular, son sensibilizaciones y cambios culturales que llevan tiempo. Por último, Juan mencionó que si bien los procesos y las políticas de compras públicas son muy restrictivas, la creatividad es un elemento central para tener políticas innovadoras. Muchas veces no hace falta volver a inventar todo, sino analizar bien el problema, el estado del arte y ver qué se puede adoptar localmente de otras soluciones exitosas de otros lugares.