evidoria

← Volver al listado

Good practice

Novissi — transferencias de emergencia de efectivo dirigidas por IA en Togo

Togo · Lomé · Ver el perfil de Togo

Para acelerar la ayuda COVID a los más pobres, Togo utilizó aprendizaje automático en imágenes satelitales y datos de telefonía móvil para dirigirse a transferencias de efectivo — alcanzando 138.500+ personas con ~USD 10M y mejorando la precisión de focalización en un 42%.

138,500+
Personas inscritas y pagadas
~10 million USD
Total de efectivo de emergencia desembolsado
42 %
Mejora de la precisión de la focalización frente a la focalización geográfica simple
Novissi — transferencias de emergencia de efectivo dirigidas por IA en Togo

Detalles

Promotor
Government of Togo (with GiveDirectly, CEGA & IPA)
Palabras clave
Data, forecasting & decision support, cash transfers, machine learning, satellite & mobile data, social protection

Contexto

Novissi es el programa togolés de transferencias monetarias de emergencia por la COVID-19, gestionado por el gobierno de Togo junto con GiveDirectly, el CEGA de UC Berkeley y la IPA, creado para llegar rápidamente a los residentes más pobres del país en un momento en que no existía un registro de ingresos fiable.

Actividades

La alianza utilizó modelos de aprendizaje automático entrenados con imágenes satelitales de alta resolución y registros de llamadas de teléfonos móviles para estimar la riqueza de los hogares a un nivel geográfico e individual detallado, y luego empleó esas estimaciones para decidir quién recibía los pagos en efectivo de emergencia.

Resultados

El programa inscribió y pagó a más de 138.500 de los togoleses más pobres alrededor de 10 millones de dólares estadounidenses en efectivo de emergencia; se informa que la focalización basada en aprendizaje automático fue aproximadamente un 42% más precisa que la simple focalización geográfica de los cantones más pobres.

Conclusiones

La página describe este caso como un hito de la protección social basada en datos, si bien señala que la focalización basada en teléfonos móviles puede excluir a las personas que no disponen de uno, y que inferir la riqueza a partir de datos personales plantea cuestiones de privacidad que el equipo de investigación afirma haber abordado parcialmente mediante métodos de privacidad diferencial.

Implementación

Los detalles de implementación (coste, plazo, personal, condiciones para el éxito) aún no están disponibles para esta práctica.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles