El impacto de la transformación digital en la financiación de la Seguridad Social
algoritmos predictivos basados en la gestión de datos o información previamente volcada o digitalizada.
En primer lugar, porque el trabajo con big data desde el propio sistema de la Seguridad Social permitiría el intercambio de datos necesario, incluso con la Agencia Tributaria, para la detección de bolsas de fraude, tanto en el ingreso de cotizacio- nes (o infracotizaciones) como en el de percepción indebida de prestaciones. No existen estimaciones acerca del ahorro que supondría la plena eficacia de estos sis- temas de control inteligente basados en la minería de datos, pero la propia eficacia contrastada de las herramientas en sí avala un resultado positivo de buen seguro. En segundo lugar, porque la propia gestión podría agilizarse mediante la automa- tización de muchas tareas que tienen que ver con la atención al ciudadano, con el consiguiente ahorro de personal dedicado a la atención de potenciales beneficiarios de alta demanda, sin que ello conlleve per se su pura sustitución por terminales u otros mecanismos automatizados, pero admitiendo su aligeramiento, junto con el adiestramiento de un cierto volumen de empleados al servicio de la Administración de la Seguridad Social en la interacción con instrumentos de inteligencia artificial. El beneficio adicional de esta vía es la indudable mejora de la atención ciudadana y, por consiguiente, del grado de satisfacción de los usuarios, con una ratio y rapi- dez de respuesta notablemente mejorada. Lo cierto es que la Administración de la Seguridad Social viene trabajando en esta línea desde hace años, si bien sus resul- tados no se han materializado aún. En tercer lugar, el sistema de inteligencia artificial basado en algoritmos predictivos puede ser de especial eficacia en dos ámbitos relacionados con la salud: por una parte, en el campo de la valoración de incapacidades, temporales o permanentes (pero singularmente en las temporales, aplicando las previsiones de duraciones me- dias de las patologías, que se ajustarían a patrones más depurados basados en big data, sobre espectros poblacionales amplios, pues cabría esperar resultados pre- dictivos derivados de los millones de usuarios del propio sistema de la Seguridad Social, es decir, un universo de análisis muy aproximado) y, por otra parte, en el de la prestación de asistencia sanitaria (prestaciones sanitarias), en el que los al- goritmos predictivos permitirían lograr diversos objetivos. Así, el cruce de datos sanitarios dentro del sistema de millones de usuarios permite establecer parametri- zaciones de todo tipo, tanto en el diagnóstico como en la selección del tratamiento 46 .
46. Según indica el estudio de Mckinsey & Company (Groves, Peter; Kayyali, Basel; Knott, David, y Van Kuiken, Steve: "The big-data revolu- tion in US health care: Accelerating value and innovation", Mckinsey & Company, https://www.mckinsey.com/~/media/mckinsey/industries/healthcare%20systems%20and%20services/our%20insights/the%20 big%20data%20revolution%20in%20us%20health%20care/the_big_data_revolution_in_healthcare.ashx, abril 2013, https://www.mckinsey.com/industries/healthcare-systems-and-services/our-insights/the-big-data-revolution-in-us-health-care), la solidez de los resultados del análisis algoritmo supera a la de cualquier otra muestra, porque esta obvia habitualmente situaciones minoritarias (dolencias poco comunes o menos habituales, esto es, "matices en subpoblaciones"), permitiendo ajustar tanto tratamientos como el propio coste de estos. Se citan ejemplos de esta línea en Estados Unidos (Kaiser, Blue Shield of California, AstraZeneca).
38
Made with FlippingBook - Online Brochure Maker