evidoria

← Back to browse

Good practice

Modelo Fiscal do Quénia (RIAPA-AI) — a Plataforma de Equilíbrio Geral Computável com IA Conversacional do KIPPRA para Simulação de Política Fiscal

Kenya · Nairobi · See the Kenya profile

O KIPPRA do Quénia, a KRA e o IFPRI criaram um modelo de equilíbrio geral computável com IA conversacional para simulação fiscal; uma simulação de 2024 previu que uma retenção de 5% sobre produtos agrícolas empurraria mais de 106.000 quenianos para a pobreza.

106,313 people
Aumento previsto da pobreza nacional (proposta de imposto retido na fonte de 5%, sem reciclagem de receitas)
109,805 people
Aumento previsto da pobreza rural
19,832 people
Aumento previsto da população subnutrida a nível nacional
+0.02%
Variação prevista do PIB global
-0.05%
Variação prevista do PIB agrícola (sem reciclagem de receitas)
+1.07%
Variação prevista do PIB agrícola (se a nova receita for reinvestida no investimento agrícola)
Modelo Fiscal do Quénia (RIAPA-AI) — a Plataforma de Equilíbrio Geral Computável com IA Conversacional do KIPPRA para Simulação de Política Fiscal

Details

Maturity
Scaling
Promoter
Kenya Institute for Public Policy Research and Analysis (KIPPRA), with the Kenya Revenue Authority (KRA) and IFPRI/CGIAR
Period
2024–ongoing (model co-created 2024; in active policy use through 2025–2026)
Keywords
policy simulation, tax policy analysis, computable general equilibrium modelling, evidence-based policymaking

Context

Em 2024, o Kenya Institute for Public Policy Research and Analysis (KIPPRA), uma empresa estatal sob o Tesouro e Planeamento Nacional do Quénia, criou em conjunto o Kenya Tax Model com a Autoridade Fiscal do Quénia (KRA) e o International Food Policy Research Institute (IFPRI/CGIAR). O modelo assenta na plataforma de equilíbrio geral computável (CGE) RIAPA do IFPRI, com uma interface de linguagem natural baseada em chat (RIAPA-AI), e integra agora o Economic Modelling Hub do KIPPRA.

Objectives

Permitir que os decisores políticos executem simulações de políticas fiscais e comerciais sem operar software especializado de modelação CGE, para que as medidas propostas possam ser avaliadas quanto aos seus efeitos na pobreza, na nutrição e no crescimento antes de serem promulgadas.

Activities

O modelo foi aplicado a uma proposta política real: um imposto retido na fonte de 5% sobre produtos agrícolas vendidos através de cooperativas. Os resultados da simulação foram apresentados em 5 de abril de 2024 a um workshop de partes interessadas que incluiu a KRA, governos distritais, o National Cereals and Produce Board e cooperativas de agricultores.

Results

Sem reciclagem de receitas, a simulação previu um aumento da pobreza nacional de 106.313 pessoas, um aumento da pobreza rural de 109.805 pessoas e mais 19.832 pessoas subnutridas a nível nacional; o PIB global aumentaria marginalmente 0,02%, enquanto o PIB agrícola cairia 0,05%. Em contrapartida, previa-se que o PIB agrícola aumentasse 1,07% se a nova receita fiscal fosse reinvestida no investimento agrícola. A KRA estaria alegadamente aberta a rever a proposta à luz das evidências.

Conclusions

Os resultados quantitativos são publicados pelos próprios criadores (KIPPRA/IFPRI/CGIAR), e não auditados externamente, e a própria análise subjacente assinalou lacunas de dados relativas aos volumes de vendas das cooperativas, que exigiram pressupostos de incidência. Nenhuma fonte confirma se o imposto retido na fonte acabou por ser abandonado, alterado ou promulgado em resultado direto da modelação — apenas que as conclusões chegaram aos decisores políticos. O elemento de "IA" é uma interface de linguagem natural sobreposta a um modelo CGE convencional, e não um sistema de aprendizagem automática em si mesmo.

Implementation

Indicative cost
Medium (€50k–€500k) — Built on an existing IFPRI CGE platform (RIAPA) rather than developed from scratch; cost is largely staff time within KIPPRA's Economic Modelling Hub plus IFPRI/CGIAR technical collaboration — not itemised in source.
Time to results
Medium (1–3 years) — Model co-created in 2024 and in active policy use through 2025-2026, per the source period.
Staffing & skills
KIPPRA modelling economists (Economic Modelling Hub), Kenya Revenue Authority (KRA) policy staff, IFPRI/CGIAR CGE modelling technical team

Conditions for success

  • Tri-institutional partnership (KIPPRA, KRA, IFPRI) providing institutional backing
  • Chat-driven interface lowering the technical barrier for policymakers to run scenarios
  • Stakeholder workshops (e.g. 5 April 2024) to present findings directly to affected parties such as county governments and cooperatives

Common failure modes

  • Data gaps around cooperative sales volumes required incidence assumptions, flagged by the analysis itself
  • Results are developer-published, not externally audited
  • No confirmed link between the modelling and an actual policy decision

Where it fits

Governance type
national government agency / state corporation, in partnership with an international research institute
Scale
national
Income level
low/middle-income (Kenya)

Data sources

Where this practice's information was retrieved from, and when.

Attachments

Similar practices you may find useful