Con inteligencia artificial (IA) se optimizaría proceso de reintegración de desmovilizados

La implementación del Acuerdo Final de Paz en Colombia –firmado en 2016 entre el Gobierno y las antiguas FARC– ha sido un proceso complejo que ha requerido una cuidadosa planificación y ejecución por parte de las entidades estatales. Uno de los desafíos ha sido la reintegración social y económica de miles de excombatientes desmovilizados, así como la garantía de una transición pacífica hacia la vida civil.

El Beneficio de Inserción Económica forma parte de esas garantías. Otorgado por la Alta Consejería Presidencial para la Reintegración Social y Económica de Personas y Grupos Alzados en Armas, el Beneficio consiste en un único pago dirigido a la población desmovilizada activa en proceso de reincorporación a la sociedad, para que puedan emplearse o financiar un plan de negocio.

Según el reporte de la Agencia para la Reincorporación y la Normalización (ARN), con corte al 31 de enero pasado, 11.848 personas están en proceso de reincorporación en Colombia, lo que significa que han dejado atrás la violencia y se están integrando a la sociedad civil. Meta, Antioquia, Cauca y Caquetá son los departamentos que reportan más personas en este proceso.

Aunque las cifras muestran un avance en la reintegración, cabe destacar que las personas desmovilizadas deben cumplir ciertos requisitos para acceder a esta ayuda, los cuales incluyen no haber participado en delitos graves y demostrar compromiso con el proceso de reintegración.

Aporte de la IA

Para mejorar la eficiencia en la asignación , los investigadores Óscar Espinosa –del Centro de Investigaciones para el Desarrollo (CID) de la Universidad Nacional de Colombia (UNAL)–, Alveiro Rosado –de la Universidad Francisco de Paula Santander Ocaña– y Liliana Calderón, de la Universidad Autónoma de Bucaramanga, automatizaron el proceso de asignación basándose en algoritmos de aprendizaje automático.

Estos algoritmos analizan una amplia gama de datos que incluyen información demográfica, antecedentes de participación en el conflicto armado, edad, ubicación geográfica, historial de empleo, nivel educativo y progreso en el cumplimiento de los requisitos del programa de reintegración, entre otros factores determinantes. En este caso se estudiaron más de 30.000 registros.

Al analizar los datos históricos se identificó un sesgo en su asignación, ya que favorecía a las mujeres frente a los hombres, a pesar de tener un nivel similar de cumplimiento en la ruta de reintegración. Para abordar este aspecto, durante meses se aplicaron técnicas de preprocesamiento y evaluación de la equidad, lo que resultó en la reducción significativa del sesgo y garantizó que este se basara en méritos y no en género.

Según explica el profesor Rosado, “en el desarrollo de la herramienta se eliminaron y prepararon los datos de interés, lo que implicó eliminar valores atípicos, imputar datos faltantes y normalizar variables para garantizar la coherencia y la calidad de los datos. Después se seleccionaron las características más relevantes y significativas para entrenar los modelos, de los cuales se ajustaron sus parámetros para minimizar el error en la clasificación de la variable ‘objetivo’, es decir la asignación equitativa de subsidios”.

El docente reitera que este proceso no es fácil: “el modelo que toma la decisión es el resultado del aprendizaje de múltiples algoritmos; dentro de las bibliotecas de Python -lenguaje de programación- se implementaron cientos de algoritmos y al final solo 32 mostraron mejor rendimiento”.

¿Qué tan bien funciona?

El rendimiento y la capacidad predictiva son algunas de las formas en que se evalúan estas herramientas computacionales. El profesor Espinosa anota que “para evaluar la calidad del modelo y su capacidad para generar recomendaciones adecuadas en el contexto de la investigación se utilizan métricas de precisión y equidad”.

Al final se obtuvo todo un conjunto de modelos de IA robustos y equitativos, capaces de proporcionar recomendaciones fundamentadas para asignar los subsidios a los desmovilizados. Este desarrollo podría funcionar como una herramienta complementaria para apoyar la toma de decisiones de los responsables de las políticas públicas, ya que proporciona una perspectiva basada en evidencia.

“A partir de estas técnicas de modelación cuantitativa logramos minimizar el sesgo de selección, ayudando -mas no reemplazando- al decisor en su tarea de política pública. Esta herramienta aportaría un alto valor agregado a la implementación de un proceso de reintegración justo. Esperamos que el Gobierno pueda hacer uso de ella”, precisa el experto.

La investigación se publicó en Applied Soft Computing,una de las revistas internacionales más prestigiosas en el ámbito de la IA y de soluciones inteligentes a problemas de la vida real.