Este artículo fue escrito por Jishnu Das (Georgetown), Adnan Q. Khan (LSE), Asim I. Khwaja (Harvard) y Anum Malkani (Centro de Investigación Económica en Pakistán). Este artículo se vuelve a publicar amablemente con el agradecimiento del blog LSE Covid-19 y puede leer el artículo original aquí .

Enfrentados a una crisis abrumadora, los gobiernos de todo el mundo se enfrentaron a decisiones políticas difíciles en respuesta a la COVID. Resolver estos desafíos ahora, al adoptar una mentalidad de aprendizaje activo, permitir una mayor colaboración y establecer una infraestructura de datos sólida, puede prepararnos para mitigar mejor los impactos a mediano y largo plazo de COVID, así como para responder de manera efectiva a futuras crisis. , escriben Jishnu Das (Georgetown), Adnan Q. Khan (LSE), Asim I. Khwaja (Harvard) y Anum Malkani (Centro de Investigación Económica de Pakistán).

A través de un compromiso prolongado y extenso con los gobiernos de India y Pakistán durante la crisis de COVID, se nos hizo cada vez más evidente que los formuladores de políticas estaban paralizados por su comprensión limitada de cómo adquirir el conocimiento y la capacidad relevantes. Aprender a aprender fue algo que COVID obligó a muchos gobiernos sin la capacitación o las herramientas necesarias.

Los gobiernos de todo el mundo se vieron perjudicados por las limitaciones de las plantillas estándar para problemas de políticas. Han tenido problemas para diseñar, implementar y monitorear políticas en el contexto de un virus cuyo impacto varía según el espacio y el tiempo. Los mensajes a menudo contradictorios de diferentes expertos y disciplinas, la falta de coordinación efectiva entre los diferentes actores políticos y la eficacia limitada de las políticas de arriba hacia abajo que prestan poca atención a la agencia de los ciudadanos han contribuido aún más a la confusión política. COVID obligó a los gobiernos a lidiar con cómo actuar cuando no hay evidencia.

La experiencia diversa también podría haber arrojado luz sobre varios aspectos de la crisis. El papel de los epidemiólogos y especialistas en enfermedades infecciosas es obvio para una respuesta pandémica, pero también podemos aprovechar los marcos y conjuntos de herramientas de los científicos sociales para comprender mejor el impacto de la crisis. Los especialistas en educación podrían ayudarnos a comprender las consecuencias de las interrupciones en la escolarización sobre el desarrollo infantil y la futura fuerza laboral. Los expertos en comportamiento y los antropólogos pueden arrojar luz sobre la mejor manera de diseñar y hacer cumplir las intervenciones de salud pública.

Si bien puede ser el caso en los países ricos que la compensación entre vidas y medios de subsistencia sea una falsa dicotomía, es menos claro si este también es el caso para los países de bajos ingresos. De hecho, la literatura sugiere una compensación potencialmente más marcada en los países de bajos ingresos debido a la vulnerabilidad económica, la inseguridad alimentaria, la informalidad y el espacio fiscal limitado . Sin embargo, la ausencia de datos de monitoreo regulares obstaculizó la capacidad de los estados y las organizaciones para diseñar estrategias de confinamiento y distanciamiento físico que podrían mitigar la propagación de la COVID sin incurrir en la pérdida de medios de subsistencia e ingresos.

"La competencia malsana y el deseo de evitar la culpa a menudo ha sido una prioridad para los gobiernos".

La colaboración entre niveles y agencias de gobierno de una manera que esté coordinada centralmente pero que aún responda localmente ha planteado un desafío sustancial. Por ejemplo, la ola de trabajadores migrantes que regresaban de las áreas urbanas a sus hogares rurales luego del confinamiento inicial en India provocó un brote rural de COVID que podría haberse mitigado con una mejor coordinación de las respuestas políticas en todo el país (por ejemplo, estableciendo centros de cuarentena e instalaciones de prueba antes de que se anunciara el cierre para prepararse para el regreso de los trabajadores).

No ha sido raro ver diferentes agencias dentro del mismo gobierno que no cooperan y, en algunos casos, trabajan con propósitos opuestos. La competencia malsana y el deseo de evitar la culpa a menudo ha sido una prioridad para los gobiernos durante la pandemia. Tal competencia ha sido evidente en estados unitarios, donde los gobiernos nacionales y locales entran en conflicto, pero ha sido particularmente evidente en países federalizados, especialmente donde los gobiernos central y estatal provienen de partidos políticos en competencia, como en Brasil, Estados Unidos y Malasia.

También ha faltado constantemente el equilibrio adecuado entre la política y la experiencia. Muchos gobiernos no han confiado efectivamente en la autoridad de los expertos, prefiriendo la conveniencia política a las decisiones difíciles, mientras que otros han subcontratado la mayor parte posible de la toma de decisiones a los expertos, con el fin de protegerse de la responsabilidad por el impacto de las intervenciones políticas.

Un camino a seguir: adoptar una mentalidad de aprendizaje activo

Una respuesta a la crisis que funcione debe ser no solo clara y decisiva, sino también flexible y modular para incorporar un aprendizaje rápido. En un mundo incierto, las respuestas políticas deben basarse en datos y pruebas y deben responder a los datos. Para que esto suceda, debemos reconocer que estamos en un ambiente de aprendizaje marcado por la experimentación. Los gobiernos y los formuladores de políticas no solo deben actuar en función del conocimiento existente, sino también tomar medidas para comprender mejor los costos y beneficios de cada política y perfeccionar las acciones de acuerdo con el nuevo conocimiento.

En situaciones con información previa limitada, debemos reconocer que existe una maquinaria bien desarrollada y bien probada sobre cómo tomar decisiones en medio de la incertidumbre. En otras palabras, aprende mientras actúas y actúa para aprender.

Algunas decisiones seguirán siendo esencialmente las mismas independientemente de la información disponible. Por ejemplo, es poco probable que la información cambie la necesidad de pruebas y EPP, una vacunación más rápida para los trabajadores de la salud o una comunicación cuidadosa con respecto a Covid-19. En estos casos, no tiene sentido esperar a que la información esté disponible. Los gobiernos deben actuar de inmediato y comunicarse de manera inequívoca.

Otras decisiones se toman mejor después de recopilar cierta información, especialmente si esa información es relativamente económica de recopilar. Estas decisiones son aquellas en las que más información puede cambiar la decisión. Suponga que está conduciendo un automóvil y no puede ver más allá de un punto. Te han dicho que más allá de ese punto, o hay un acantilado y morirás si lo pasas, o hay un hermoso prado donde puedes parar y hacer un picnic. La decisión obvia es detener el automóvil antes de ese punto y verificar antes de continuar. Para los países que impusieron cierres repentinos como India, incluso una encuesta rápida en tiempo real podría haber ayudado al gobierno a darse cuenta de que los migrantes abandonarían rápidamente las áreas urbanas si se impusiera un cierre repentino, y esto habría permitido que se implementaran múltiples medidas de mitigación. . Los países pueden ser rápidos en su respuesta pero sin precipitarse ciegamente en las decisiones.

"Aprende mientras actúas y actúa para aprender".

Al tomar decisiones, se debe utilizar toda la información previa. Los mapas que nos permiten comprender mejor la vulnerabilidad subyacente de las poblaciones para que los gobiernos puedan emprender una estrategia espacialmente focalizada son un ejemplo. Comprender la densidad de población en áreas utilizando datos del censo, así como los patrones de movilidad basados en datos de teléfonos celulares, podría ayudar a identificar áreas que son más susceptibles a la propagación de infecciones y, por lo tanto, pueden ser candidatas para mayores políticas de monitoreo y contención.

Por ejemplo, los datos existentes podrían haberse utilizado para una mejor estratificación y focalización de las respuestas. Piense en los gobiernos que deciden entre un confinamiento general y un confinamiento 'graduado', en el que a ciertos grupos se les permite una mayor libertad de movimiento para mantener nuestros motores económicos en funcionamiento y ofrecer así un grado de sostenibilidad económica, especialmente para los pobres.

Una forma de hacerlo habría sido a través de la estratificación del riesgo : los riesgos de hospitalización por COVID aumentan con la edad y las condiciones crónicas preexistentes. Por lo tanto, permitir un movimiento potencialmente mayor entre los jóvenes y sanos mientras se protege a nuestros mayores podría haber permitido la reanudación de la actividad económica y aumentar gradualmente la inmunidad en nuestras poblaciones; aunque los jóvenes seguirán siendo más propensos a infectarse.

Dicha estratificación de riesgo también podría enfocarse espacialmente manteniendo restricciones más estrictas en lugares con una mayor aglomeración de personas mayores y/o aquellas con comorbilidades adicionales. Por ejemplo, Italia introdujo bloqueos espacialmente específicos basados en la estratificación del riesgo. Implementó un sistema de cuatro niveles, con áreas con niveles de infección más altos enfrentando restricciones más estrictas. El gobierno podría haber afinado aún más la estratificación al tomar en cuenta los perfiles de morbilidad. No estamos volando completamente a ciegas aquí. Existe una enorme cantidad de información previa que puede aplicarse a este tema. Debería.

Los gobiernos deben reconocer que cada decisión tendrá un impacto en los resultados de interés y también proporcionará más información. Este nuevo aprendizaje puede informar críticamente el proceso de toma de decisiones mañana. Por ejemplo, considere una política de cerrar parte de una ciudad. Si bien el propósito inmediato de hacerlo puede ser prevenir la propagación de enfermedades, comprender cómo reaccionan las personas ante tales políticas, no solo en términos de cumplimiento sino también si esto afecta los patrones de movilidad en otras partes de la ciudad, puede ayudarnos a comprender cómo tales cierres parciales afectaría la propagación de la enfermedad a más largo plazo. De manera similar, las acciones que generan información crítica, incluso si conducen a beneficios inmediatos limitados, ganan prioridad bajo tal perspectiva. Como ejemplo, las pruebas basadas en aguas residuales para determinar la prevalencia de la enfermedad, aunque son menos útiles para orientar la respuesta al tratamiento, podrían ayudar a identificar áreas donde la enfermedad puede estar propagándose. Esto nos aleja del aprendizaje pasivo al activo y debe ser un componente clave de las estrategias en los países de ingresos altos y bajos.

Al adoptar tales enfoques, es fundamental que los gobiernos utilicen un enfoque de "gran carpa" que incluya economistas, científicos de datos, especialistas en enfermedades infecciosas y salud pública, líderes del sector tecnológico, así como socios de prueba y departamentos gubernamentales, y que los gobiernos adapten este grupo. a la crisis específica enfrentada. Los esfuerzos para reunir coaliciones amplias y experiencia diversa deben realizarse de manera sistemática, porque las disciplinas a menudo no se coordinan naturalmente entre sí.

Mejorar la coordinación y desarrollar la capacidad estatal para responder a las crisis

Si bien el desempeño está correlacionado con la capacidad estatal existente, la heterogeneidad en las respuestas políticas a la COVID demuestra que los gobiernos con una capacidad estatal alta pueden quedarse cortos, mientras que los gobiernos con una capacidad más limitada pueden formular respuestas políticas oportunas y eficaces a la pandemia. La prueba clave de una respuesta dinámicamente efectiva radica en si los gobiernos pueden aprovechar la experiencia actual para desarrollar una capacidad estatal sólida para responder a las crisis en el futuro. Esto depende en gran medida de que los políticos aprovechen la experiencia del sacrificio compartido en un sentido de propósito común que justifique y sustente un cambio en las políticas futuras.

"La digitalización de los datos del censo es fundamental y puede generar enormes beneficios".

Para crear un estado de aprendizaje que pueda coordinarse entre los actores relevantes, primero es importante preparar planes y plantillas e introducir estructuras organizativas basadas en el conocimiento actual para gestionar crisis potenciales. Estos planes deben ser flexibles y capaces de revisión y refinamiento en base a nuevos conocimientos. Los gobiernos necesitan crear nuevas estructuras frente a las crisis. Estas estructuras no tienen que existir de antemano, sino que pueden introducirse a mitad de camino, creadas sobre la base de nuevos conocimientos, y tampoco son exclusivas de los países ricos y con grandes recursos. Por ejemplo, Liberia y Sierra Leona pudieron crear estructuras rápidas, planas y flexibles para enfrentar con éxito la epidemia de ébola.

En segundo lugar, es fundamental crear estructuras centrales que puedan coordinarse entre agencias, potenciar el liderazgo distribuido y los actores descentralizados, permitir la innovación local y difundir el aprendizaje activo a través de la experimentación. La entidad central también puede garantizar un enfoque suficiente tanto en la respuesta de emergencia a la crisis a corto plazo como en considerar el trabajo analítico a mediano y largo plazo para aumentar la preparación mediante la construcción de estructuras más sólidas, capaces y autocorregibles.

En tercer lugar, para crear una cultura cooperativa y de aprendizaje, los gobiernos deben idear formas de escapar de las guerras territoriales organizacionales y los juegos de culpas. Esto se logra mejor mediante la creación de normas y procedimientos para compartir el crédito por las innovaciones y los éxitos de las políticas, y procesos similares para mitigar la culpa en caso de fracaso.

En cuarto lugar, es fundamental desarrollar la capacidad para utilizar y analizar datos en los organismos públicos pertinentes que se ocupan de las crisis. Debido a que las capacitaciones generalizadas rara vez son efectivas, esta capacidad debe vincularse a brindar respuestas concretas y apoyar decisiones y acciones específicas.

Preparación de la infraestructura de datos para la respuesta a la crisis

Las crisis requieren una acción inmediata y los retrasos pueden ser muy costosos. En el contexto de COVID y otras pandemias de salud, la parálisis de políticas podría resultar en una propagación absoluta de la enfermedad. La construcción de sistemas de información/datos para apoyar la toma de decisiones eficaz y rápida es fundamental. Pero en lugar de construir sistemas desde cero en medio de una crisis, o actuar a ciegas en ausencia de dichos sistemas, los gobiernos deben planificar estrategias y construir infraestructura de datos antes de que estalle una crisis.

La digitalización de los datos del censo es fundamental y puede generar enormes beneficios para la prestación de servicios. Los gobiernos deberían invertir ahora en el establecimiento de sistemas preexistentes de infraestructura de datos geocodificados y digitalizados superpuestos con datos útiles (demográficos, del sector público y nuevas fuentes de datos digitales), junto con protocolos para activar, acceder y aprovechar estos en en tiempo real para apoyar la coordinación durante emergencias por parte de actores públicos, privados y sin fines de lucro. En segundo lugar, los gobiernos pueden tomar una serie de medidas para construir una infraestructura de datos que aproveche las fuentes de datos existentes, especialmente los datos administrativos, y que estandarice y vincule diferentes conjuntos de datos. Al hacerlo, es importante trabajar con el sector privado para aprovechar de forma segura los "grandes datos" a través de registros móviles, consumo de electricidad y otras fuentes, y diseñar mecanismos voluntarios para que los ciudadanos compartan datos relevantes, al mismo tiempo que se aseguran de hacerlo de acuerdo con con protocolos de intercambio de datos y anonimato.

Finalmente, si bien es importante ser creativo en la forma en que pensamos en los datos, las necesidades de datos y tecnología deben estar directamente vinculadas a las necesidades de las políticas. Las encuestas de hogares a gran escala existentes pueden reemplazarse o complementarse con nuevas fuentes de datos basadas en tecnología, como registros detallados de llamadas (CDR), datos satelitales y consumo de electricidad. Sin embargo, antes de hacerlo, es necesario definir claramente qué tipos de datos son útiles para los investigadores y los encargados de formular políticas, establecer cómo estos datos pueden contribuir a los programas de desarrollo y los esfuerzos humanitarios, y construir marcos sólidos en torno a la privacidad y seguridad de los datos.

Jishnu Das es profesor en la Escuela McCourt de Políticas Públicas y en la Escuela Walsh de Servicio Exterior de la Universidad de Georgetown. Adnan Q. Khan es Director Académico y Profesor en Práctica en la Escuela de Políticas Públicas, LSE. Asim Ijaz Khwaja es el Director del Centro para el Desarrollo Internacional y la Sumitomo-Foundation for Advanced Studies on International Development Profesor de Finanzas Internacionales y Desarrollo en la Escuela Kennedy de Harvard, y co-fundador del Centro de Investigación Económica en Pakistán (CERP) . Anum Malkani es Director - Asesoramiento en Políticas en el Centro de Investigación Económica en Pakistán.

👋 ¡Puedes crear una publicación como esta! Comparta sus pensamientos con una comunidad de servidores públicos. Aprende más

(Crédito de la imagen: Unsplash)