Inteligencia artificial: con algoritmos predicen qué liceales pueden abandonar o repetir y harán listas

Agesic es la punta de lanza y el gobierno avanza con diferentes modelos en los que se aplica la inteligencia artificial. La mayor novedad está en ANEP, que probará un nuevo sistema en 2023.

Por estos días la Administración Nacional de Educación Pública (ANEP) termina de definir un innovador modelo para pronosticar cuáles son los liceales que tienen grandes chances de dejar los estudios o repetir el año. UTE, mientras, ya aplica un algoritmo para predecir el consumo de los hogares, que permite entre otras cosas apagar y prender calefones en forma automática. Y la Intendencia de Montevideo (IMM) utiliza los datos históricos de camiones y contenedores para intentar recoger la basura de una manera más eficiente. Esos son apenas tres ejemplos del uso de inteligencia artificial en el Estado, que avanza (quizás en forma lenta) e incluye la creación del primer observatorio en la materia.

Dicen que la inteligencia artificial, que se ha abreviado con la sigla IA, es el motor de la llamada cuarta revolución industrial y que transformará las industrias, como lo hizo la electricidad un siglo atrás.

¿Pero de qué hablamos cuando hablamos de inteligencia artificial? Para el ingeniero Héctor Cotelo, director de la maestría de ciencia de datos de la Universidad Católica y referente de machine learning de la empresa Quanam, lo explica así: se basa “en dar muchos ejemplos de datos de determinada cuestión para que luego la computadora detecte patrones” y haga, por ejemplo, predicciones.

Sergio Yovine y Franz Mayr, catedráticos de inteligencia artificial y big data de la Universidad ORT, dicen que es un concepto tan amplio que no existe una única definición y que en el fondo es un problema filosófico. “Pero podemos decir que es un subárea de la teoría de la computación que se centra en la construcción de agentes inteligentes, que son máquinas o sistemas autónomos que actúan racionalmente, esto es maximizando alguna métrica objetivo”. Eso sí, “los de mayor interés son aquellos capaces de aprender y mejorar su rendimiento”.

¿Cuánto ha avanzado Uruguay en la materia? Maximiliano Maneiro, subdirector de Tecnologías de la Información y gerente de Tecnologías Emergentes de la Agencia de Gobierno Electrónico y Sociedad de la Información y del Conocimiento (Agesic), se sincera: “En esto de la ciencia de datos no es que tengamos un desarrollo brutal en el Estado. Estamos empezando pero la pandemia aceleró todo”.

Cotelo admite que hay mucho camino por recorrer y que “acá las cosas a veces llegan tarde”. Pero luego dice que “se ha trabajado bien” con la orientación de la Agesic, para intentar ayudar al Estado en la gestión y toma de decisiones, aunque a veces con poca visibilidad. “Esto avanza rapidísimo, en los últimos tres meses salieron cinco papers que revolucionaron la industria; es difícil mantenerse al tanto”, afirma el especialista.

Entonces cuenta casos exitosos, en algunos de los cuales Quanam ha trabajado con organismos públicos: la predicción de clientes que se irán a otra empresa y la creación de un sistema personalizado de recomendaciones para shows según gustos en Antel, modelos de detección de anomalías y acciones fraudulentas en BPS, DGI y el Banco de Seguros, así como la creación por parte del Ministerio de Salud Pública (MSP) y Agesic de modelos estadísticos para evaluar la efectividad de la vacunación contra el covid. Pero advierte que hay aspectos éticos y de privacidad que deben ser tenidos en cuenta porque el Estado “no se puede transformar en un Gran Hermano” que se mete en la vida de las personas. Es decir, no todo vale.

Yovine, de la ORT, coincide que la estrategia de Agesic “está bien orientada, es avanzada y enfocada en aspectos críticos de la IA responsable, como privacidad y explicabilidad”. Pero también admite que la adopción concreta lleva tiempo y requiere de recursos humanos calificados.

Lo cierto es que Agesic tiene en marcha desde 2019 la Estrategia de Inteligencia Artificial para el Gobierno Digital con varios proyectos que se orientan hacia la obtención de modelos predictivos y la formación de unos 800 funcionarios.

El año pasado se realizó una encuesta en la cual registraron iniciativas que se han desarrollado pero la participación fue parcial: formaron parte cinco ministerios, tres empresas públicas, dos intendencias y dos unidades reguladoras.

Algunos ejemplos de las iniciativas presentadas son un sistema de fiscalización móvil vehicular en la IMM, el ruteo de vehículos gracias a algoritmos evolutivos (casi en tiempo real) en el Correo, monitoreo de asentamientos con imágenes satelitales en el Ministerio de Desarrollo Social (Mides), el control del espectro radioeléctrico con drones e IA en la Unidad Reguladora de Servicios de Comunicaciones (Ursec), predicción de consumo a corto plazo en UTE, análisis de imágenes satelitales en el Ministerio de Ganadería, la automatización robótica de procesos (RPA) para evaluar proyectos de inversión en el Ministerio de Ganadería y la proyección de precios de crudo y derivados en Ancap. Además, varios organismos realizaron mejora de los trámites en línea y usan chatbots.

En forma paralela, el Banco Interamericano de Desarrollo (BID) promueve en toda América Latina la alianza fAIr LAC con el sector público y la academia para incentivar “el uso responsable y ético” de la IA. En Uruguay el programa es coordinado con la Agesic con la idea de ejecutar planes piloto de aplicación en sectores estratégicos y de interés social. Hoy el más avanzado es la creación, junto a ANEP, la Universidad de la República y una universidad de Santa Catarina (Brasil), del mencionado modelo predictivo de desvinculación y reprobación en enseñanza media básica.

Algoritmos en el liceo.

Es un proyecto que arrancó en 2019, en el período anterior. ¿Pero de qué se trata? “Hay otros estudios similares en el mundo, no es que sea algo tan nuevo, pero sí puede ser una herramienta muy útil para profesores, adscriptos y otros educadores”, explica Maneiro, de Agesic.

Para explicarlo primero hay que ir un poco hacia atrás y hablar del sistema de alerta temprana y la matriculación centralizada digital que existe hace años para intentar hacer frente a la grave desvinculación educativa en el liceo (según las últimas cifras conocidas, la deserción en el Ciclo Básico es de 4,5% y en Bachillerato de 11,2%.). Es decir, ante una cierta cantidad de faltas, “salta” una alerta y se intenta intervenir.

El economista Héctor Bouzón, director ejecutivo de Gestión Institucional de ANEP, dice que ya se atienden situaciones de riesgo de desvinculación con el sistema de trayectorias protegidas y “dispositivos en territorio”. Y en este contexto es que entrará en vigencia la nueva herramienta predictiva que Bouzón se apresura a aclarar es “un instrumento más” de diagnóstico.
Es decir, no es una “varita mágica”, advierten desde el gobierno.

El argentino Marcelo Pérez, especialista en educación del BID, vive acá desde hace siete años y está bien al tanto de este plan: dice que llega para reforzar lo que ya existe, o sea se pasa de un sistema de alerta basado en eventos a uno en el que con la información previa de trayectorias de los estudiantes “y con algoritmos que mantienen todas las garantías éticas, permite saber a principios de años cuáles son los niños, niñas o adolescentes que podrían tener riesgo de desvinculación”.

O sea, busca adelantarse al abandono y tomar medidas para intentar evitarlo. ¿Es tan simple? “Uruguay tiene datos buenos, hicieron un gran trabajo en sistemas de gestión”, afirma Pérez, quien trabaja desde el BID para unos 15 países. “Sobre esa base, en lugar de tener datos que te saltan cuando se produce el hecho (la desvinculación), tienes a principios de año un mapa de cuáles son los chicos que pueden tener un potencial riesgo”.
Entonces tira un dato que da contexto: Uruguay afronta una tasa de finalización de enseñanza media muy baja, está en el 43%. Es de las más bajas del continente. “Es un tema estratégico, que puede dar a ANEP mucha data, información a nivel de conducción política pero también a los profesores y directores”, afirma Pérez. “Desde el BID, identificamos la importancia que tienen estos modelos y estamos comprometidos a continuar desarrollando e implementando pilotos como este”, afirma el experto. Y adelanta que “sería una herramienta de una utilidad enorme que ningún país de la región tiene”.

Las autoridades tendrán una herramienta más para retener a los alumnos. Foto: Ricardo Figueredo.

¿Cómo funcionará? En una oficina en el entrepiso del edificio principal de ANEP, Bouzón y las especialistas Isis Forcellati y Victoria Novas son algo más cautos y dicen que al sistema aún le falta. Esperan que esté todo pronto para implementarlo en primer y segundo de liceo desde inicios de 2023, ya que los modelos están terminados pero con datos de 2019: hay que sumar 2020 y 2021.

Cuentan que primero se trabajó en entender el problema, luego preparar las bases de datos, generar modelos, analizar los resultados y las cuestiones éticas, y así calibrar el mecanismo. Lo que ahora hará ANEP de acá a fin de año es “apropiarse del todo de la tecnología” y que pueda aplicarse con la mayor precisión posible, dice Novas.

El modelo usa información de ANEP (incluye los resultados de los alumnos actualizados tres veces al año, así como las asistencias), pero también del Ceibal y del Mides.

Cuando el plan se comience a aplicar, los directores de cada centro educativo podrán acceder desde sus computadoras a los indicadores de los alumnos con mayor riego de abandono o repetición: tendrán entonces “un listado” de esos estudiantes, dice Forcellati. Apunta Novas: para que lo “vean tempranamente y puedan actuar en consecuencia”.

Según Pérez del BID, el plan piloto podría aplicarse a todos los alumnos de enseñanza media básica “porque no hay diferencia entre hacerlo con 10 que con 100.000”. Pero desde ANEP se aclara que en una primera etapa se hará un piloto con unos pocos centros problemáticos, para testear ya que es una herramienta que puede tener margen de error y habrá que enseñar a los docentes a “leer esa información” en forma correcta. Hay que tener cuidado para no estigmatizar alumnos, alerta Bouzón: “Yo tengo una nómina, ¿pero qué significa?”.

Otras experiencias: UTE y la IMM.

Hay varios más, pero UTE y la IMM son otros dos organismos que en los últimos meses han tenido experiencias interesantes con la IA.

En el primer caso buena parte de la fuente de información son los medidores inteligentes que se han desarrollado desde 2017 y que llegarán al millón sobre fines de año. Pasaron de tener información mensual de cada cliente a “poder tener datos cada 15 minutos”, dice a El País la ingeniera Andrea Tutte, a cargo de la gerencia que desarrolla las soluciones de software para las áreas operativas. Su colega Julio Marote, responsable de la división Tecnología de la Información de la empresa, dice que la inteligencia artificial se basa en los datos (“y nosotros tenemos muchísimos”, explica) por lo cual ahora trabajan en el desarrollo de algoritmos para poder explotarlos.

Uno de los usos que se ha desarrollado es la predicción de consumo, tomando en cuenta la historia en función de los días de la semana y la época del año así como la temperatura del día. El objetivo es “gestionar” ciertos electrodomésticos de alto consumo y, en ese sentido, hay un plan piloto voluntario con unos 500 termotanques o calefones. “Lo que hacemos con este algoritmo es predecir cómo será el consumo durante las siguientes 24 horas en determinado grupo de clientes”, explica Liliana Corna, jefe de proyectos de redes inteligentes de UTE, “para saber qué margen existe para intervenir esos electrodomésticos”.

En concreto, en esos 500 hogares se instaló junto al calefón un aparato inteligente que transmite la medición y permite controlarlo a distancia, según los usos y horarios de consumo en esas casas. “Esos clientes tienen una bonificación especial y a determinadas horas los apagamos o prendemos y sabemos, por los algoritmos, que no afectaremos el confort de la casa”, dice Corna.

El resultado, “bajar una cantidad de termotanques que no necesitan estar calentando el agua porque la persona ya se bañó, por ejemplo”, es un beneficio importante tanto para la empresa como para los clientes ya sea en la economía como en cuanto a la vida útil de las instalaciones y la ecología. “Está comprobado, ya no es de libro”, asegura Corna. El plan es “monetizar el proyecto” y ampliarlo a más hogares y otros aparatos, por ejemplo los vehículos eléctricos.

Otros algoritmos, por ejemplo, están vinculados a la mejora de la topología de la red de baja tensión, a la identificación de posibles robos de energía y la segmentación de clientes, alejados de su potencia o su tarifa óptima.

Por último, la IMM trabaja en mecanismos de IA en diferentes ámbitos, desde un asistente virtual que simula a un ser humano y responde consultas en la web hasta la reciente compra de un software para mejorar los cambios de luces en los semáforos, analíticas de video que detectan fisuras en el pavimento o para fiscalizar autos en infracción.

Y también, claro, el uso de los datos para hacer más eficiente la recolección de basura. Hoy se alteran los circuitos de los camiones, según algoritmos basados en la información histórica de la basura recogida en cada contenedor y el pesaje de los camiones. También han realizado planes piloto con sensores en algunos contenedores concretos.

“Con todos esos datos mejoramos los ciclos de recolección”, dice Juan José Prada, director de Tecnología para Ciudades Inteligentes de la IMM. “Antes, hace unos pocos años, se programaba un circuito que no variaba. Ahora hacés lo mismo pero de una manera inteligente: podés saber si un contenedor conviene levantarlo más veces y si con este otro mejor seguir de largo porque suele estar vacío e ir a tal otro”, ejemplifica el jerarca, “ese tipo de acciones las podés hacer cuando tenés muchos datos, que entrenan los algoritmos de inteligencia artificial”. Y la intendencia los tiene. Otra cosa es que el resultado sea siempre exitoso.