.

Por Mar Santamaria Varas y Pablo Martínez Diez

Cuando hablamos de datos y ciudades, podemos pensar que hablamos de automatizar y autonomizar decisiones. Es decir, que la gestión de la ciudad pase de ser una tarea conducida por personas a que sean las máquinas quienes puedan tomar decisiones precisas para tareas tediosas y repetitivas, sin el lastre de los errores humanos. Probablemente hasta aquí podamos estar de acuerdo, y parezca obvio y evidente echar mano de una digitalización que ya ha dejado de ser incipiente y forma parte de cada uno de los aspectos de nuestra vida cotidiana. Sin embargo, hay que tomar nota de cuáles son los riesgos de trasladar nuestras decisiones a algoritmos que operan sin descanso.

En este contexto, son tantísimos los riesgos a los que nos exponemos si no acometemos correctamente los procesos de digitalización de la información y las decisiones que soportan. A continuación, mencionamos algunos a modo de ejemplo.

Decisiones transparentes

Seguramente uno de los principales riesgos sea que la descripción y el análisis de la ciudad con datos ofrezca un relato críptico, difícil de comprender o incluso opaco. Los métodos estadísticos que se emplean en el análisis de la información son complejos y, en muchos casos, se encuentran lejos de la comprensión de aquellos que no son expertos. Sin embargo, tenemos que hacer que las metodologías utilizadas sean transparentes (documentadas) y empleen programas de código abierto, con el objetivo de validar y certificar que los  cálculos se ejecutan de forma rigurosa y que se pueden reproducir y replicar. Pero, sobre todo, que sean explicables. Más allá del virtuosismo estadístico al que hoy es posible llegar, hay que producir conceptos intuitivos y claros para que todos podamos disfrutar de estos.

La gobernanza del dato

Otro de los riesgos que no debemos desatender en ningún momento es garantizar una buena gobernanza del dato. Esto significa que, si vamos a utilizar información para la redacción y ejecución de políticas públicas, deberemos garantizar la confiabilidad de los datos que usamos, evaluando su rigor y midiendo también sus posibles errores. Además, debemos velar para que este dato no esté exclusivamente en manos de grandes corporaciones que puedan bloquear su acceso de forma arbitraria, ya que entonces la capacidad de hacer  buenas políticas residiría en sus manos. Hemos de generar ecosistemas productores de información entre las administraciones, los ciudadanos y las empresas que, de este modo, supervisen el dato, su calidad y su subsistencia a lo largo del tiempo.

Lo que no medimos no existe

Hoy, la gran cantidad de datos disponibles nos hace olvidar todo lo que aún no hemos sido capaces de medir. Y aquí está otro de los riesgos importantes: que aquello que no medimos termine por ser excluido de las políticas públicas. Pongamos unos ejemplos sencillos. ¿Es posible proveer y dimensionar los servicios públicos si desconocemos la población que reside en nuestros municipios?. ¿Es posible realizar un plan para la mejora del espacio público si no disponemos de información precisa de las aceras y de su mantenimiento?.  ¿Cómo sabemos que la mejora de un ámbito de la ciudad repercute positivamente en la población sin cuantificar sus necesidades y carencias?.

Pensar en el modelo más allá de la gestión.

Por último, existe el riesgo de que el trabajo con datos convierta las políticas públicas en un mero ejercicio de optimización, en el cual solamente se busque reducir errores, mejorar tiempos e incrementar beneficios. Los datos son el alimento de los sistemas de inteligencia artificial que actualmente están detrás de la autonomización de tantísimos procesos. Estos sistemas optimizan los modelos, pero son incapaces de proponernos otros nuevos, Por ejemplo, si en una ciudad tuviésemos los semáforos gestionados por inteligencia artificial (conectados a un sofocado sistema de medición del tráfico en tiempo real) probablemente conseguiríamos reducir los atascos, pero no el número de vehículos que circulan en la ciudad. Los datos y la IA pueden hacer que dentro del entramado de la ciudad los coches circulen de forma más ágil. Sin embargo, el objetivo que deberíamos imponernos hoy es el contrario, transformar el modelo de movilidad de las ciudades para que el uso de los coches sea excepcional a favor del transporte colectivo y descarbonizado.

Lidiar contra estos riesgos puede parecer complicado y tentarnos a aliar la prudencia con la pereza y dejar estos retos para otros compañeros o incluso otras generaciones. Sin embargo, no podemos perder de vista las ventajas que el trabajo con datos nos puede proporcionar. Son muchas, pero nos gusta resumirlas en estas cuatro (reflejadas en distinta medida en los ejemplos del Plan de usos de Ciutat Vella, Embarriados y Mercè).

Diagnosticar. Podemos medir y evaluar la ciudad mucho más rápido y de forma más precisa, permitiéndonos realizar diagnósticos más certeros que nos ayuden a diseñar las políticas públicas necesarias así como dimensionar la magnitud y alcance de nuestras acciones.

Evaluar. Podemos hacer que las decisiones que tomamos sean evaluables, es decir, que esperemos un resultado concreto y específico con el objetivo de entender si nuestras decisiones son correctas. Y, en caso contrario, modificarlas. Además, podemos cuantificar los sesgos que inferimos a nuestras decisiones y auditar su imparcialidad.

Transferir. Podemos medir el contexto que rodea a cada política de manera que podemos entender por qué decisiones similares obtienen resultados distintos o por qué decisiones exitosas lo son en un lugar y en otro no. Debemos hacer que nuestras experiencias sean trasladables a otros lugares y contextos. Esto solamente es posible si conocemos el proceso que las ha originado.

Romper silos. A través de los datos, es posible hacer una descripción global de la ciudad que muestra distintas informaciones que, hasta el momento solamente, discurren como capas paralelas. La organización por silos de las administraciones dificulta la transversalización de los diagnósticos y las acciones. Debemos entender que aunque las acciones y actuaciones se den de forma sectorial, la ciudad es un conjunto de relaciones. Gracias a los datos podemos construir miradas más complejas que incorporan información acerca de la forma urbana, la movilidad, la salud, las rentas, los servicios sociales, la educación, etc. Una visión global nos permitirá intuir cómo nuestras acciones interactúan y repercuten sobre distintos lugares y dimensiones de la ciudad.

Si al inicio decíamos que los datos y su computación pueden facilitar la automatización y autonomización de las decisiones, también es cierto que nos pueden ayudar a transparentar mejor la toma de decisiones que se dan en las ciudades, a entender y exponer su funcionamiento. Tenemos la oportunidad de comprender mejor cómo funcionan las ciudades, de hacer de las decisiones experiencias transferibles.

No debemos ignorar los riesgos, ya que podemos perder mucho por el camino, pero los beneficios pueden ser tantísimos para la mejora de la calidad de vida y la prosperidad. Hoy, no podemos imaginarnos ciudades sin redes de abastecimiento de agua o sin redes de telecomunicaciones. Asociamos el uso de la tecnología a la necesidad de disponer grandes presupuestos. Sin embargo, lo que debemos entender es que las tecnologías nos ponen frente a un reto de aprendizaje y nos obligan a experimentar y a innovar, a repensar de nuevo tantas  políticas llevadas a cabo en las ciudades y a imaginar otras estrategias nuevas enfocadas hacia nuevos retos que las sociedades urbanas deberán abordar.

———-

Ciudades Hexagonales es un programa impulsado por CIDEU, diseñado y coordinado por Hexagonal LAB, financiado por la Unión Europea, con el apoyo de la Oficina del Historiador de la Ciudad de La Habana y el Ayuntamiento de Barcelona.