Hace ya un tiempo que no tocaba el tema de los Servicios Públicos Proactivos y tenía en la recámaraun tema pendiente: cuando lo proactivo no sale tan bien. Lo cierto es que no quiero parecer el que está diciendo lo que está mal cuando apenas tenemos servicios proactivos, sino que quiero señalar los principales focos en los que hay que poner atención para evitar errores que van desde lo hilarante a lo catastrófico.Se trata de evitar los problemas de los servicios públicos proactivos.
La cuestión es que la proactividad, como señalábamos en su momento es la interacción de tres elementos: el servicio, la persona y el contexto en el que se unen y, a la vez, mecanizar la interacción de las dos primeras para que el tercero llegue al punto más avanzado deseable. Si hay un servicio de becas y una persona susceptible de recibirla, automatizar el salto hasta donde veamos posible y deseable. El problema es que, cuando automatizamos, detectar y controlar los errores es algo difícil, que lleva tiempo y que puede generar no solo malestar, sino, además problemas serios.
Problemas en la definición de servicios públicos proactivos
El primer bloque es el que permite un mayor control a las AAPP: lo referente a la definición del servicio. Cuando generamos un servicio proactivo establecemos sus condiciones de acceso y servicios relacionados. Igualmente, la definición del servicio ofrece los niveles más básicos y de menos valor a la ciudadanía.
Asociación de servicios no adecuados.
El primer problema consiste en proponer servicios similares a un servicio que se consulta. Es el equivalente a cuando entras en Amazon a buscar sartenes y te sugiere, por ejemplo, cortacespedes. Esto se hace porque alguien considera que a quien le gusta la cocina posiblemente haga jardinería.
Si alguien mira una plaza escolar,se le puede proponer las becas de comedor. En este caso la proactividad es relativamente sencilla e intuitiva. Sin embargo, muchas veces esta asociación resulta un poco extraña. Pongamos que alguien quiere darse de alta como autónomo y, en la propia página donde está la información, se proponen ayudas que no están asociadas para estos casos. En la mejor circunstancia, el público puede identificar fácilmente el error, pero en otros puede parecer que se ofrece algo a lo que luego no se tiene derecho. Esto puede significar una pérdida de tiempo o tener que devolver una ayuda.
Contexto no adecuado de acceso al servicio
Un segundo caso sería el de no asociar o entender claramente el contexto del servicio. Es decir, la asociación del servicio puede tener sentido por el tema, pero no por el contexto específico. Es como si entraras en Meetic y te apareciera publicidad de Pronovias… La cosa puede tener sentido, pero quizá no sea el momento de plantear este tema.
En este caso hablamos, igual que en el caso anterior, de cuestiones que pueden ser una anécdota a un problema emocional para el público. Por ejemplo, familias que han perdido un hijo y reciben recordatorios de actividades escolares. En un entorno más práctico, ayudas a empresas que tienen que reonvar equipamiento presentado a empresas recientemente dadas de alta. Igual que antes, tendríamos denegaciones de servicios y la consecuente pérdida de tiempo.
Problemas de servicios públicos proactivos relativos a la definición del sujeto
El segundo nivel sería el que hace referencia a los desajustes en la definición del público. Cuando se propone un servicio proactivo se pretende asociar una oferta con un perfil de público. Aquí ya existe un nivel de personalización que nos puede llevar a los siguientes problemas:
Malas asociaciones de público y servicios
Puede darse es que tengamos definido un segmento de público pero lo asociemos con un servicio que no acaba de corresponder. Esto es algo que es menos probable que suceda en asociaciones directas, pero que puede darse cuando hacemos reglas mal calculadas.
Por ejemplo, si en este mismo caso ponemos un criterio de propuesta de servicios en el que aparezcan todo tipo de servicios que se llamen «ayudas» puede acabar apareciendo a gente que ha buscado como crear una empresa información sobre ayudas para adaptar viviendas personas con discapacidad. Esto en sí mismo no es problemático, pero es introducir ruido en la propuesta de servicio. El coste real es que puede dificultar la elección de servicios o incluso la propuesta del mismo. Conforme más avanzada sea la proactivación (imaginemos que tramite una ayuda a la que no hay derecho), mayor será el quebranto.
Asociación a perfiles no adecuados.
En un nivel más particular existe la posibilidad del perfilado de una persona no sea el adecuado. Una persona que puede estar interesada en actividades deportivas y la metamos por alguna razón en un bloque con el que no tiene nada que ver. Alguien que ha hecho un par de búsquedas o ha solicitado servicios para una persona mayor como «proxy» o intermediario, empieza a recibir mucha más información o servicios para la tercera edad. Tanto es así que le cuesta encontrar los servicios en los que podría estar interesada. Evidentemente este problema podría ser más serio si, en lugar de simplemente proponer un servicio, se establecen medidas de activación automática. Alguien tiene estatuto diplomático y no tributa en un país y se le proponen (o activan) beneficios económicos y sociales porque reside pero no tiene ingresos declarados.
A veces estas casuísiticas son evidentes, pero en otros casos la complejidad de la vida de las personas hace difícil prever que las asignaciones puedan generar este tipo de problemas.
Problemas de servicios públicos proactivos asociados con el contexto
El tercer bloque corresponde a cuando la apreciación del contexto que rodea a un servicio (cuándo se pide, en qué condiciones, qué pasos pueden venir después) no se asigna de manera correcta. Tenemos estos casos:
Condiciones de acceso al servicio mal definidas.
Si en el primer bloque hablábamos de las condiciones de acceso al servicio en general, aquí tenemos las condiciones de acceso de cada caso. Una persona puede acceder a un servicio o a una prestación pero esas condiciones pueden no ser las adecuadas para el servicio que queremos tratar de manera proactiva. Por ejemplo, alguien solicita una ayuda para la adecuación de la vivienda a unas condiciones de discapacidad. Eso no tiene por qué querer decir que necesite, por ejemplo, una ayuda complementaria para solicitar un ascensor para la comunidad de propietarios. Este tipo de casos suelen corresponder a una defectuosa asociación de casos, generalmente porque la gran mayoría cumplen una norma pero no lo hacen en todos los casos.
Esto puede ocurrir tanto en servicios asociados directamente, como en servicios que sean ulteriores pero que, por la razón que sea, no se quiere proseguir con ellos.
Aceleración de planteamientos.
Otro problema que puede darser es que el ritmo que consideramos más adaptado a la realidad no es el que pueden querer todas las personas. Alguien puede tener la posibilidad de solicitar una beca o una ayuda en su primer o segundo año de doctorado, pero por el motivo que sea (quizá para acumular más méritos), prefiere hacerlo su segundo año. Lanzar la solicitud y gestión el primer año puede trastocar seriamente sus planes. El problema no será serio si el nivel de proactividad es bajo (proponer el servicio) pero puede serlo si el servicio se activa de manera automática.
Encasquillamiento de la proactividad
Posiblemente a alguna de las personas que lee esto le haya pasado que ha buscado calcetines en Amazon y ha estado viendo anuncios de calcetines en su navegador hasta el fin de los días. Un problema que puede suceder es que se ofrezca un servicio de manera constante a una persona que no está interesada en ello. Igual que ocurre en la mala asociación de servicios, nos encontramos sobre todo en un problema de ruido.
Otra cosa más seria son pagos y demás que puede acabar generando problemas de obligaciones contraidas por ciudadanos. Esto puede suponer liquidar varias veces un pago de una misma prestación porque hay un error informático, por ejemplo.
Problemas de servicios públicos proactivos que aun no tenemos pero que posiblemente tengamos en un futuro
Hay una serie de problemas que requieren un nivel de proactividad y perfilado de usuarios que no parecen tener aún las AAPP pero que ya aparecen en algunos sectores (especialmente publicidad y comercio) que generarán posiblemente algunos problemas.
Asociaciones no explícitas
Uno de los elementos más interesantes de los algoritmos de Machine Learning es predecir o catalogar públicos por elementos que no son evidentes. Por ejemplo, agarrar datos demográficos de vivienda y de renta y asociar estos la propuesta de servicios municipales que pueden ser más interesantes. Pongamos como ejemplo las actividades para niños de cierta edad cerca de la vivienda. La cuestión es que esto nos puede plantear que algunas asocaciones discriminen involuntariamente a segmentos minoritarios. Esto, a veces es evidente (por ejemplo, si no se propone a hogares con rentas bajas clases de violín) pero en otros casos puede no ser evidente.
Esto puede ser difícil de detectar ¿como sabe un colectivo que no recibe información sobre un servicio que no existe? Esto es algo que ha pasado con las miniaturas de las fotos en Twitter y las caras de personas blancas.
Prestaciones no solicitadas
Otro posible probleman cuando se generalicen los servicios totalmente proactivos, la gestión de ayudas o prestaciones no solicitadas. Es cierto que la visión de la Administración española es bastante conservadora en este sentido temiendo los problemas que supone reclamar devoluciones a determinados sectores, como hemos visto que ha pasado con el IMV. Conforme se vayan aumentando estos servicios y se vayan asumiendo en otros sectores será necesario asumir los riesgos.
Privacidad y proactividad.
Un último punto sería el riesgo que supone predecir y prever. Pongamos quedescubrimos que personas en la adolescencia de determinada renta en cierta zona de la ciudad tienen más riesgo de consumir drogas en el futuro. Esto puede dar lugar a que se generen cursos en esos institutos o ayudas específicas del sector. En este caso, como si fuera Minority Report, estamos creando un servicio por una asunción que es discriminatoria. ¿Es un ataque a la intimidad algo inferido a partir de datos explícitos? ¿Es una vulneración a la persona anticipar algo que no ha pasado pero que es muy probable? Esto puede parecer insólito, pero hace ya 8 años(¡!) que unos padres descubrieron que su hija adolescente estaba embarazada porque un algoritmo de publicidad envió un paquete promocional por estimación estadística.
Conclusiones
Podríamos decir que tenemos dos tipos de problemas:
- Problemas actuales relacionados con la gestión de datos y su curva de aprendizaje. La proactividad y la automatización requieren una cantidad importante de aciertos para «ser satisfactorias». Como norma general un algoritmo predictivo requiere un grado de acierto muy alto para ponerlo a trabajar y aquí la administración requiere un trabajo serio sobre los tres componentes de la proactividad. No hablo sólo de las personas, cuyos datos van salpicados entre administraciones de todo nivel, es que la cantidad de servicios que se ofrecen por cada una es tan grande, que clasificarlos y relacionarlos me parece un tarea hercúlea incluso para catalogarlos. Para empezar, es necesario ordenar, clasificar e ir estudiando todos estos casos.
- Problemas relacionados con la frontera del Machine Learning. Conforme avencemos, apareceran situaciones nuevas sobre las que tendremos que tomar decisiones como sociedad. Algunas de ellas ya han aparecido en el sector privado o las podemos prever. Otras las encontraremos, porque no parece posible preverlas, con costes generados por estos propios desajustes. Sin embargo, no creo que haya manera de evitar este tipo de problemas por la propia lógica de un aprendizaje tan complejo.
El reto de hacer una administración más activa y satisfactoria está ahí y es prometedor, pero hay que ser conscientes de que este cambio de paradigma (que en el fondo es lo que supone) generalmente requiere unos cuantos cabezazos para avanzar.