A pandemia foi difícil para Eric Dossekpli. O fazendeiro de 49 anos de Anfoin Avele, uma cidade no Togo, país da África Ocidental, teve problemas para vender seus amendoins, feijão-fradinho, milho e mandioca no mercado.
Os clientes não podiam comprar muito por causa de sua própria perda de renda pandêmica. Então ele não poderia pagar fertilizantes para continuar cultivando suas plantações.
“Não sabia como iria comprar comida, comprar o que precisava em casa”, diz ele. E com quatro de seus seis filhos na escola, ele precisava pagar suas mensalidades.
Então, por volta de outubro, ele ouviu pessoas em sua comunidade falando sobre um programa: O governo estava dando dinheiro de graça: $ 13 para os homens, $ 15 para as mulheres todos os meses durante 5 meses (as mulheres ganham mais por causa de seu papel de cuidar). Tudo o que ele precisava fazer era discar * 855 # para se registrar e ver se ele estava qualificado para um pagamento móvel instantâneo.
“Eu não acreditei”, diz ele. Mas ele tentou mesmo assim – e para sua surpresa, “meu nome foi aprovado no registro e o dinheiro foi transferido para meu telefone”.
Mas como o governo confirmou que Dossekpli precisava do dinheiro? Como se viu, eles não podiam – sem a ajuda da inteligência artificial.
Em países de baixa renda, identificar pessoas que passavam por momentos difíceis devido à pandemia não é uma tarefa fácil. Pessoas nessa faixa econômica geralmente trabalham no setor informal e não têm documentos que comprovem quanto ganham. Como resultado, os governos não têm bons dados sobre quem é pobre. Existem maneiras de descobrir – por exemplo, indo de porta em porta e fazendo perguntas detalhadas sobre quanto dinheiro uma família ganha – mas esse tipo de pesquisa pessoal é problemático em uma pandemia.
Em abril passado, Togo iniciou um programa chamado Novissi, ou “solidariedade” na língua local Ewe, para ajudar as pessoas que foram empurradas para a pobreza pela pandemia. Mais de um milhão de pessoas cadastradas. Cina Lawson, a ministra da transformação digital do país, liderou uma equipe que usou dados de identificação do eleitor para selecionar os destinatários – pessoas que se listaram como “trabalhadores informais”, um sinal de que provavelmente eram pobres.
O programa usou tecnologia de telefonia móvel para distribuir rapidamente US $ 22 milhões em três pagamentos mensais por telefone móvel para 600.000 cidadãos nas partes urbanas do Togo: US $ 20 para homens e US $ 22 para mulheres.
Lawson e sua equipe queriam adicionar cidadãos rurais ao programa – como Eric Dossekpli.
Leia também: 10 antigos provérbios africanos de grande sabedoria
Mas o governo não tinha dinheiro suficiente para ajudar os milhões de residentes rurais registrados como “trabalhadores informais”. E eles queriam atingir os trabalhadores informais mais pobres nas partes mais pobres do país, mas não sabiam quais áreas rurais eram menos abastadas.
Então, Togo recorreu à inteligência artificial: um programa de computador que analisa os dados para localizar bolsões de pobreza. O governo fez parceria com pesquisadores da Universidade da Califórnia, Berkeley, e da instituição de caridade norte-americana GiveDirectly para usar imagens de satélite e dados de telefones celulares para localizar os cidadãos mais necessitados.
Esta nova fase do programa começou em novembro de 2020 e visa distribuir outros US $ 4 milhões em dinheiro para 60.000 pessoas por meio de pagamentos por telefone celular.
Shegun Adjadi Bakari, conselheira do presidente do Togo, consultou Esther Duflo , que em 2019 ganhou um prêmio Nobel por sua abordagem experimental para aliviar a pobreza – usando testes de controle aleatórios para ver se os programas estavam funcionando. Sua sugestão: entre em contato com Joshua Blumenstock!
Blumenstock, professor associado da Escola de Informação de Berkeley, tem pesquisado novas e diferentes maneiras de medir a pobreza. Seu laboratório mostrou que os computadores podem detectar níveis de riqueza apenas por imagens de satélite e que a maneira como as pessoas usam seus telefones celulares pode ser um bom indicador de quão ricas ou pobres elas são.
GiveDirectly estava disposta a ajudar a implementar esta nova metodologia no Togo e distribuir US $ 4 milhões em fundos de seus doadores nesta segunda fase do programa, chamada Novissi GiveDirectly.
Juntos, eles embarcaram em uma busca para encontrar os pobres da zona rural.
Leia também: Nova vida para a Grande Muralha Verde, a parede de 8 mil km de árvores para salvar a África
O primeiro desafio foi descobrir quais vilas e bairros no Togo eram lar de residentes que provavelmente viveriam abaixo da linha da pobreza – menos de US $ 1,25 por dia.
Blumenstock voltou-se para imagens de satélite de alta resolução. Não há um conjunto exato de fatores que podem determinar a pobreza ou riqueza, diz Blumenstock. Mas, em geral, “as regiões mais pobres têm casas diferentes, material de cobertura diferente, estradas de qualidade diferente, lotes de terreno de diferentes tamanhos”, diz ele. “Corpos d’água, como rios, tendem a ser associados a regiões mais ricas.”
Por meio do programa de computador, ele e sua equipe foram capazes de identificar 100 dos cantões mais pobres com cerca de 600.000 eleitores registrados.
Isso levou a outro dilema. GiveDirectly só poderia dar fundos para 10% desse grupo. Então, Blumenstock tentou outra tática: e se eles pudessem usar o comportamento do telefone celular de uma pessoa para restringir a lista?
Os dados do telefone móvel podem revelar muito sobre o nível de renda, diz Blumenstock. “Pessoas mais ricas tendem a fazer ligações internacionais. Elas tendem a comprar tempo de antena em denominações maiores. Elas tendem a fazer mais ligações do que recebem”, diz ele. As pessoas mais pobres, por outro lado, tendem a fazer chamadas mais curtas e mais chamadas locais.
Blumenstock analisou dados das duas redes principais de celular do Togo para identificar usuários de telefones celulares com padrões de vida abaixo da linha da pobreza.
Leia também: Continente africano está se partindo em dois
Mesclando os dois conjuntos de dados, a equipe chegou a uma lista de 60.000 nomes. Eles lançaram um piloto em outubro e, em novembro, o abriram ao público.
E foi assim que Dossekpli conseguiu seu dinheiro. Quando ele enviou a mensagem de texto para * 855 # e se registrou para o auxílio, o programa Novissi GiveDirectly verificou por meio de seu título de eleitor que ele vivia em um dos 100 cantões mais pobres – identificado por meio de dados de imagens de satélite – e que seu número de celular correspondia ao critérios de comportamento de quem vive na pobreza.
Até agora, Dossekpli recebeu quatro pagamentos e usou os fundos para pagar as taxas escolares de seus filhos. Ele usará seu quinto e último pagamento em fevereiro para comprar fertilizantes para suas plantações.
Rachel Strohm é consultora do Innovations for Poverty Action Lab (IPA) e é Ph.D. candidata em Berkeley, onde está escrevendo sua dissertação sobre programas de bem-estar em países africanos. A IPA não executou o programa Novissi GiveDirectly, mas Blumenstock e sua equipe são filiados à IPA.
Ela diz que algumas coisas tornam Novissi GiveDirectly digno de nota. Como o novo método usa dados digitais prontamente disponíveis, ele pode ser implantado mais rapidamente – do que, digamos, pesquisas – para encontrar os pobres em emergências.
Ela acrescenta: “Este é o primeiro programa que já ouvi que usa a segmentação por telefone móvel como técnica”, diz ela.
Nos próximos meses, a GiveDirectly espera expandir sua parte do programa Novissi, distribuindo US $ 10 milhões a 114.000 pessoas, disse Han Sheng Chia, diretor de projetos especiais da organização.
“O contexto para tudo isso é que a pobreza extrema pela primeira vez em 20 anos está aumentando” devido à pandemia, diz ele. “Mais de 150 milhões de pessoas estão prestes a ser lançadas na pobreza extrema”.
Para Dossekpli, o dinheiro foi uma dádiva de Deus. Antes de o programa aparecer, ele disse que estava implorando aos outros fazendeiros de sua aldeia que o deixassem trabalhar em seus campos.
“Agora posso fazer o que quero sem implorar aos outros agricultores”, diz ele. “Não consigo imaginar como eu viveria se não fosse por esse dinheiro. Tudo o que posso dizer é obrigado.”
Informações de NPR
