Του Robert Ginsburg
Με λιγότερο από πέντε χρόνια μέχρι το 2030, η επίτευξη των Στόχων Βιώσιμης Ανάπτυξης (SDGs) απομακρύνεται όλο και περισσότερο. Εξακολουθούν να υπάρχουν τρισεκατομμύρια δολάρια σε ανεκπλήρωτες χρηματοδοτικές ανάγκες, ενώ ορισμένες τράπεζες ανάπτυξης και ιδιώτες επενδυτές συνεχίζουν να απέχουν από τις αναδυόμενες και αναπτυσσόμενες οικονομίες (EMDE), επικαλούμενοι τον "κρατικό κίνδυνο".
Το πρόβλημα δεν είναι μόνο τα δεδομένα, αλλά και η μεθοδολογία. Οι αξιολογήσεις σε κρατικό επίπεδο δεν σχεδιάστηκαν για το σημερινό επενδυτικό τοπίο. Συμπιέζουν τις διαφορετικές πραγματικότητες σε μια ενιαία αξιολόγηση, καταρρίπτοντας τις θεσμικές, γεωγραφικές και ανά τομέα διαφορές. Για τους επενδυτές στην Ουάσιγκτον ή στο Λονδίνο, ο κίνδυνος της "Κένυας" ή της "Βραζιλίας" φαίνεται ομοιόμορφος. Ωστόσο, στην πράξη, μια επαρχία μπορεί να έχει ανθεκτικές υποδομές και αξιόπιστη δικαιοσύνη, ενώ μια άλλη να αντιμετωπίζει αστάθεια. Οι τρέχουσες μεθοδολογίες συσκοτίζουν αυτές τις διαφορές, δημιουργώντας ένα ασφάλιστρο κινδύνου που εμποδίζει τα έργα, όχι επειδή αυτά δεν αξίζουν χρηματοδότηση, αλλά επειδή η οπτική γωνία είναι πολύ γενικόλογη.
Πράσινα ομόλογα στη Λατινική Αμερική με έμφαση στις μη κρατικές εκθέσεις
Σε ορισμένες περιπτώσεις, έχουμε δει τι συμβαίνει όταν ο κίνδυνος αξιολογείται με διαφορετικό τρόπο. Στη Λατινική Αμερική, αρκετά πράσινα ομόλογα που εκδίδουν δήμοι για έργα ύδρευσης και υποδομών πέτυχαν επειδή οι περιφερειακές τράπεζες ανάπτυξης δημιούργησαν εξατομικευμένες αξιολογήσεις. Αυτές οι μεθοδολογίες αποκάλυψαν ότι ορισμένες πόλεις είχαν ισχυρότερα θεμελιώδη μεγέθη από ό,τι υποδείκνυε το προφίλ του κράτους: αξιόπιστη ικανότητα αποπληρωμής, διαφανή προϋπολογισμό και σταθερή διακυβέρνηση. Σύμφωνα με τις κρατικές αξιολογήσεις, αυτοί οι δήμοι φαίνονταν να μην διαφέρουν από τις κεντρικές κυβερνήσεις τους, που οι αδύναμες οικονομικές τους επιδόσεις έριχναν βαρύ τον ίσκιο τους και στις τοπικές οικονομίες.
Μόλις άλλαξε η μεθοδολογία, τα δεδομένα αποκάλυψαν μια διαφορετική εικόνα. Οι επενδυτές διαπίστωσαν τελικά ότι το προφίλ κινδύνου των δήμων ήταν πιο υγιές από αυτό των κρατών, και άρχισαν να εισρέουν κεφάλαια. Αυτά τα έργα δεν πέτυχαν επειδή εξαφανίστηκε ο κίνδυνος — πέτυχαν επειδή ο κίνδυνος προσδιορίστηκε με ακρίβεια.
Τα οφέλη της "τοπικής" ανάλυσης
Αυτή η διάκριση υποδεικνύει μια ευρύτερη αλήθεια. Η "τοπική" ανάλυση δεν περιορίζεται στο να αποτυπώσει τις λεπτές αποχρώσεις: αναδεικνύει τα μεθοδολογικά κενά των μοντέλων που αξιολογούν τους κινδύνους σε κρατικό επίπεδο. Μείωση του κινδύνου σημαίνει να αποδειχθεί ότι μια τοπική κυβέρνηση ή ένα έργο είναι αντικειμενικά ασφαλέστερο από ό,τι υποδηλώνει η αξιολόγηση του κράτους. Μείωση της αβεβαιότητας σημαίνει να συμπληρωθούν τα κενά για τα οποία παλαιότερα δεν είχαμε πληροφορίες. Συχνά οι επενδυτές συγχέουν το "άγνωστο" με την "ανασφάλεια". Όταν δεν μπορούν να δουν τι βρίσκεται κάτω από το επίπεδο του κράτους, υποθέτουν το χειρότερο. Κάνοντας ορατά τα "αόρατα" σημάδια —από τη δικαιοσύνη έως τον προϋπολογισμό— η τεχνητή νοημοσύνη μειώνει αυτό το ασφάλιστρο αβεβαιότητας και δίνει στους υπεύθυνους διαχείρισης ρίσκου την ευκαιρία να εφαρμόσουν στρατηγικές μετριασμού και μετατόπισης των κινδύνων.
Ιστορικά, αυτού του είδους η αξιολόγηση ήταν σπάνια και απαιτούσε πολλούς πόρους. Απαιτούσε συλλογή δεδομένων κατά παραγγελία, δαπανηρή μοντελοποίηση και εκτεταμένη υποστήριξη. Για τις περισσότερες αναδυόμενες και αναπτυσσόμενες οικονομίες, η σκιά του κράτους κυριαρχεί ακόμα: εάν το κράτος έχει υψηλή βαθμολογία κινδύνου, τα έργα που πραγματοποιούνται σε αυτό είναι αόρατα. Δισεκατομμύρια σε χρηματοδότηση παραμένουν εγκλωβισμένα πίσω από δύσκαμπτες μεθοδολογίες.
Εδώ είναι που η τεχνητή νοημοσύνη αλλάζει την εξίσωση. Η τεχνητή νοημοσύνη δεν προσθέτει απλώς περισσότερα δεδομένα στα υφιστάμενα μοντέλα, αλλά αναδιαμορφώνει την ίδια την έννοια του κινδύνου. Η μονάδα ανάλυσης μετατοπίζεται από το κράτος στο έργο και στην περιφερειακή δικαιοδοσία. Ξαφνικά, η ποιότητα της διακυβέρνησης ενός περιφερειακού δικαστηρίου, η ανθεκτικότητα ενός τοπικού δικτύου ή η αξιοπιστία ενός δημοτικού προϋπολογισμού μπορούν να μετρηθούν και να αξιολογηθούν σε πραγματικό χρόνο.
Οι δορυφορικές εικόνες μπορούν να υποδείξουν πού επιλύονται ή κλιμακώνονται οι διαμάχες για τη γη. Η επεξεργασία φυσικής γλώσσας μπορεί να "σαρώσει" τις αποφάσεις των τοπικών δικαστηρίων. Η μηχανική μάθηση μπορεί να ενσωματώσει τις ροές του προϋπολογισμού, τις εκθέσεις των ΜΚΟ και τις κοινωνικές συνθήκες σε δυναμικούς "χάρτες κινδύνου". Αυτό που κάποτε ήταν στο περιθώριο και αόρατο γίνεται συστημικό και μετρήσιμο.
Από τον εθνικό κίνδυνο SDG στον τοπικό
Από αυτή την οπτική, το χρηματοδοτικό κενό των SDG μοιάζει λιγότερο με ένα story έλλειψης κεφαλαίων και περισσότερο με ένα story μεθοδολογικής παρανόησης. Τρισεκατομμύρια σε παγκόσμια κεφάλαια παραμένουν αδρανή όχι επειδή τα έργα είναι εγγενώς μη χρηματοδοτήσιμα, αλλά επειδή το αναλυτικό πλαίσιο δεν ευθυγραμμίζεται με την πραγματικότητα. Η τεχνητή νοημοσύνη μπορεί να αλλάξει την οπτική γωνία ανασχεδιάζοντας τις μεθολογίες, ώστε τα βιώσιμα έργα να αναγνωρίζονται και να μην "εξαφανίζονται" ή "παγώνουν" ως χαμένες υποθέσεις.
Τα οφέλη θα μπορούσαν να είναι τεράστια. Αντί να αποκλείονται ολόκληρα κράτη, οι τράπεζες ανάπτυξης θα μπορούσαν να διοχετεύουν κεφάλαια σε περιφερειακές/τοπικές αρχές που εμφανίζουν ανθεκτικότητα. Οι ιδιώτες επενδυτές θα μπορούσαν να αποτιμούν τον κίνδυνο με μεγαλύτερη ακρίβεια, μειώνοντας το κόστος κεφαλαίου για περιοχές που έχουν "πληρώσει" επί χρόνια την αστάθεια των γειτονικών τους κρατών. Αυτό που κάποτε απαιτούσε χρόνια εξατομικευμένης επιμέλειας και εργασίας, τώρα θα μπορούσε να υλοποιηθεί άμεσα και σε μεγάλη κλίμακα.
Οι επιπτώσεις αφορούν τόσο τον ανθρώπινο παράγοντα όσο και τον οικονομικό. Μια περιοριστική αξιολόγηση της πιστοληπτικής ικανότητας ενός κράτους δεν παραμορφώνει απλώς την αγορά, αλλά εμποδίζει τη λειτουργία ενός νοσοκομείου σε μια επαρχία με ισχυρή διακυβέρνηση ή ενός έργου ανανεώσιμων πηγών ενέργειας σε μια πόλη με γερές υποδομές. Η επικαιροποίηση των μεθοδολογιών δεν αποτελεί απλώς αναβάθμιση της αποτελεσματικότητας, αλλά μια γέφυρα μεταξύ του κεφαλαίου και των περιοχών που είναι απομονωμένες λόγω εσφαλμένων αντιλήψεων.
Η τεχνητή νοημοσύνη δεν εγγυάται την επίτευξη των Στόχων Βιώσιμης Ανάπτυξης, αλλά με τον εκσυγχρονισμό των μεθοδολογιών και τις περισσότερες αξιολογήσεις περιφερειακών και τοπικών οντοτήτων μειώνει τους κινδύνους και την αβεβαιότητα, ανοίγοντας τον δρόμο για τη διοχέτευση περισσότερων κεφαλαίων σε έργα που ευθυγραμμίζονται με τους Στόχους Βιώσιμης Ανάπτυξης από ό,τι επέτρεπαν οι περιοριστικοί κρατικοί δείκτες.
