La inteligencia artificial es la quinta más precisa para predecir si es probable que los individuos se conviertan en receptores de beneficios a largo plazo.

Un nuevo método para predecir la dependencia del bienestar, desarrollado por el Dr. Dario Sansone de la University of Exeter Business School y la Dra. Anna Zhu de la RMIT University, podría ahorrar a los gobiernos miles de millones en costos de asistencia social y ayudarlos a realizar intervenciones más tempranas para prevenir las desventajas económicas y la exclusión social a largo plazo.

Su estudio encontró que los algoritmos de aprendizaje automático, que mejoran a través de varias iteraciones y el uso de big data, son un 22% más precisos para predecir la proporción de tiempo que las personas reciben ayuda económica que los sistemas estándar de alerta temprana.

Los investigadores pudieron aplicar los algoritmos estándar a toda la población de personas inscritas en el sistema de seguridad social australiano entre 2014 y 2018.

Esto incluyó datos demográficos y socioeconómicos de cualquier persona que recibió un pago de asistencia social del sistema de seguridad social de Australia, Centrelink, ya sea por motivos de desempleo, discapacidad, tener hijos, o ser cuidador, estudiante o en edad de jubilación.

El algoritmo utilizó una muestra del 1% de los aproximadamente cinco millones de personas registradas en el sistema de entre 15 y 66 años en 2014 y siguió esa muestra durante los siguientes tres años. monitorear si esas personas seguían recibiendo pagos de apoyo a los ingresos.

Luego comparó los resultados con los métodos actuales para predecir la dependencia del bienestar basados ​​en indicadores de perfiles como sexo, edad y educación, historial de apoyo a los ingresos, estado migratorio, estado civil, y estado de residencia.

Descubrieron que los algoritmos de aprendizaje automático eran un 22% más efectivos para predecir el apoyo a los ingresos en el futuro que los métodos de referencia de perfiles de mejor rendimiento.

Según los cálculos de los autores, aquellas personas que se predijo que serían solicitantes de asistencia social a largo plazo mediante el uso de algoritmos de aprendizaje automático le costaron al Estado australiano 1.000 millones de dólares australianos adicionales en pagos de asistencia social, el equivalente a alrededor del 10% de la cantidad que gasta anualmente en prestaciones por desempleo.

Esta mayor precisión se atribuye a cómo los algoritmos de aprendizaje automático pueden manejar una gama mucho mayor de factores predictivos (alrededor de 1, 800 en total), que refleja los complejos procesos que subyacen a la dependencia del bienestar.

Los investigadores dicen que su enfoque tiene como objetivo complementar los programas de intervención temprana existentes que tienen como objetivo la recepción de asistencia social a largo plazo.

Para implementar estos programas, Los gobiernos necesitan saber qué individuos están en mayor riesgo, una función que, según los autores, puede desempeñar hábilmente mediante algoritmos de aprendizaje automático.

Los investigadores agregan que estas predicciones mejoradas pueden reducir los sesgos conscientes e inconscientes comunes en la toma de decisiones humana.

Y fundamentalmente, el enfoque sería de relativamente bajo costo de implementar, ya que hace uso de datos que ya están disponibles para los trabajadores sociales.

Dr. Dario Sansone, profesor de economía en la University of Exeter Business School, dijo:"Los gobiernos utilizan cada vez más el aprendizaje automático para abordar problemas sociales y tomar decisiones sobre la asignación de recursos. Por ejemplo, se ha utilizado para ayudar a los jueces a mejorar las decisiones de concesión de fianzas, escuelas para identificar a los estudiantes en riesgo de abandonar la escuela, y cirujanos para evaluar a los pacientes para la cirugía de reemplazo de cadera.

"Descubrimos que el tamaño y la riqueza del conjunto de datos sobre los afiliados a la seguridad social lo hace ideal para una aplicación de aprendizaje automático, permitiendo que los algoritmos alcancen un alto rendimiento mediante la detección de patrones sutiles en los datos y la identificación de nuevos predictores potentes.

"Sin embargo, No creemos que los algoritmos deban reemplazar la experiencia humana, sino actuar como complemento. Los trabajadores sociales podrían centrar su atención y su tiempo en brindar un servicio personalizado y orientar el apoyo adecuado a las personas que el algoritmo identifica como de mayor riesgo ".

"Uso del aprendizaje automático para crear un sistema de alerta temprana para los beneficiarios de la asistencia social, "por el Dr. Dario Sansone y la Dra. Anna Zhu, se publica como documento de trabajo en la serie de documentos de debate del Instituto IZA de Economía Laboral.