Serviço de Desduplicação Empresarial do PAM — Correspondência de Fotos por IA Poupa 431.000 Dólares em Registos de Ajuda no Mali

As bases de dados de beneficiários do PAM, como em muitas grandes respostas humanitárias, correm o risco de registos duplicados — a mesma pessoa registada mais do que uma vez com dados pessoais ligeiramente diferentes —, o que desperdiça orçamentos escassos de assistência alimentar e atrasa a chegada de ajuda a quem dela precisa.

Em 2025, o PAM testou o seu Serviço Empresarial de Deduplicação (EDS) no Mali, uma ferramenta de IA construída sobre modelos de visão computacional de código aberto que compara fotografias, nomes e outros dados de registo dos beneficiários para assinalar prováveis registos duplicados para revisão por funcionários humanos; são as pessoas, e não o algoritmo, que tomam a decisão final de elegibilidade, e o design permite que as pessoas mantenham coberturas religiosas ou culturais, como véus ou turbantes, durante a correspondência fotográfica. A mesma ferramenta foi também testada no Afeganistão, no Burquina Faso, nos Camarões, em Moçambique, no Níger, na Somália e no Uganda.

Ao longo de seis meses em 2025, o EDS ajudou a operação do PAM no Mali a poupar mais de 431.000 dólares ao identificar assistência duplicada, reduzindo uma tarefa que costumava exigir semanas de comparação manual de folhas de cálculo para apenas algumas horas. O PAM projeta que a ferramenta poderá poupar pelo menos 4,7 milhões de dólares a nível global em 2026, à medida que se expande, o equivalente a cerca de 6,7 milhões de refeições adicionais, e reporta uma precisão de correspondência de 99,99%.

Por assentar em modelos de IA de código aberto em vez de software biométrico licenciado, o PAM afirma que a ferramenta custa cerca de 50% menos do que sistemas de deduplicação proprietários comparáveis. O PAM afirma que realiza auditorias e avaliações de privacidade de dados antes de cada implementação por país e sublinha que os sinais da IA são apenas indicativos, cabendo ao pessoal a decisão final; ainda não foi tornada pública uma avaliação independente das taxas de falsos positivos e falsos negativos, nem dos eventuais efeitos a jusante sobre beneficiários incorretamente assinalados.