¿Por qué darle dinero a los pobres no soluciona el problema?
Un experimento con 100,000 hogares sobre dinero, focalización, información e incentivos.
Antes de empezar: esto es un experimento sintético
Los 100,000 hogares, la línea de pobreza de Q2,000, el presupuesto de Q20 millones y los parámetros de comportamiento que vas a leer son piezas de un modelo construido para pensar con claridad sobre el problema. No son estadísticas oficiales de Guatemala ni una estimación de cuánto costaría eliminar la pobreza en el país. Ningún resultado de este artículo debe leerse como un dato real.
Si una persona es pobre porque no tiene suficiente dinero, la pregunta parece resolverse sola: ¿por qué el gobierno no simplemente le da el dinero que le falta? La intuición es difícil de rebatir. Y sin embargo, cualquier ministerio de finanzas del mundo sabe que la política de transferencias monetarias es una de las decisiones más difíciles de diseñar bien.
Este artículo no argumenta que dar dinero sea inútil. De hecho, el experimento que vas a leer demuestra que las transferencias pueden funcionar extraordinariamente bien. La tesis es otra: dar dinero reduce la pobreza monetaria, pero no resuelve por sí solo el problema de diseñar una política contra la pobreza. También hay que decidir a quién transferir, cuánto, con qué información, bajo qué objetivo, y frente a qué incentivos. Construimos una economía artificial para ver, paso a paso, por qué cada una de esas decisiones importa.
1
Construimos una economía artificial
Empezamos con 100,000 hogares sintéticos, cada uno con un ingreso generado por el modelo. Trazamos una línea de pobreza experimental en Q2,000: quien gana menos que eso, dentro de esta economía artificial, es pobre.
Pobreza inicial
29.97%
29,971 hogares
Brecha agregada inicial
Q20.23M
Q20,232,300.65
Cada hogar pobre tiene una brecha: la distancia entre lo que gana y la línea de Q2,000. Un hogar que gana Q1,700 tiene una brecha de Q300; uno que gana Q2,000 o más, brecha cero. Esa idea se escribe así:
Sumar esa brecha en los 29,971 hogares pobres da el número que abre el experimento: hacen falta Q20,232,300.65 para que, en teoría, nadie en esta economía artificial quede por debajo de la línea.
2
Cuatro gobiernos reciben Q20 millones
Le dimos el mismo presupuesto, Q20 millones, a cuatro estrategias distintas de reparto. Cada una representa una forma razonable de pensar la política pública.
A — Universal
25.31%
4,662 hogares salen · Q200 por hogar
B — Q1,000 a los más pobres
17.35%
12,623 hogares salen
C — brecha mínima primero
0.13%
29,837 hogares salen
D — pobreza profunda primero
3.26%
26,707 hogares salen
A reparte Q200 a cada uno de los 100,000 hogares, pobres o no. B entrega Q1,000 a los hogares más pobres hasta agotar el presupuesto. C prioriza a quienes necesitan menos dinero para cruzar la línea — la forma más barata de "graduar" a un hogar de la pobreza. D hace lo contrario: atiende primero a quienes tienen la brecha más profunda.
Pobreza final por estrategia, con el mismo presupuesto de Q20 millones. Kairos Optimization Lab #1.
Hallazgo
C y D dejan una brecha agregada casi idéntica (Q233,786.52 contra Q232,300.65), pero un número de hogares pobres muy distinto (0.13% contra 3.26%). Repartir el mismo dinero de dos maneras "óptimas" puede producir resultados muy diferentes según qué estemos midiendo. "Óptimo" depende de qué queremos optimizar.
3
Quitamos el primer superpoder: información perfecta
Hasta aquí, el gobierno del experimento conocía el ingreso exacto de cada hogar. Ningún gobierno real tiene ese privilegio: los datos de ingreso se declaran, se estiman, se infieren de encuestas. Introdujimos un error de medición experimental, de manera que el gobierno observa un ingreso estimado en vez del real:
Con un error de σ = Q500, el mismo algoritmo de "brecha mínima primero" que casi eliminaba la pobreza en el escenario C deja de funcionar tan bien:
Falsos positivos
4,402
Falsos negativos
4,694
Leakage
15.58%
del beneficio a hogares no objetivo
Pobreza final
16.48%
brecha restante ≈ Q6.39M
El algoritmo no cambió. Lo que cambió es que ahora observa imperfectamente a la población que quiere ayudar, y eso basta para que un diseño casi perfecto se convierta en uno mediocre.
Nota metodológica
Los escenarios de información imperfecta y comportamiento estratégico se evalúan por separado. No representan perturbaciones acumulativas del mismo modelo: la sección siguiente parte de nuevo del algoritmo C con información perfecta, y le agrega conducta estratégica en el reporte, no el error de medición de esta sección.
4
Las personas reaccionan a las reglas
Le dimos a cada hogar sintético tres opciones frente al formulario de la transferencia: decir la verdad, ocultar Q250 de su ingreso reportado, u ocultar Q500. Con una probabilidad de auditoría de 10%, una sanción de 2 veces lo ocultado, y un costo fijo de Q25 por intentar manipular el reporte, el resultado fue:
Hogares que manipulan su reporte
38.38%
Importante
Esto no significa que el 38.38% de los guatemaltecos mentiría en un programa social real. Es el comportamiento óptimo que resulta de las reglas específicas de esta economía artificial: una auditoría baja, una sanción moderada y un costo de manipular casi nulo. Cambia las reglas, y cambia la conducta.
5
Diseñamos incentivos
Si la gente responde a las reglas, entonces las reglas se pueden diseñar para que decir la verdad sea lo racional. Para que a un hogar no le convenga ocultar Q500, el costo esperado de intentarlo debe superar el beneficio:
Despejando, la condición se reduce a un umbral simple sobre el producto de la probabilidad de auditoría (p) y la sanción (F):
La simulación confirmó la frontera exacta. Con distintas sanciones, esto se traduce en distintos niveles mínimos de auditoría para que nadie tenga incentivo a mentir:
Sanción 2×
47.5%
auditoría mínima
Sanción 3×
31.67%
Sanción 5×
19%
Sanción 10×
9.5%
Entre más dura la sanción, menos auditoría hace falta para lograr el mismo efecto disuasivo.
6
Auditar tampoco es gratis
Cada auditoría cuesta Q100 en el experimento. El presupuesto total ya no es solo transferencias: también hay que pagar la fiscalización.
Con una auditoría del 9.5% y una sanción de 10 veces —el punto justo donde nadie tiene incentivo a mentir— el costo de fiscalizar y el dinero que queda para transferir se reparten así:
Costo de auditoría
≈Q950K
Queda para transferencias
≈Q19.05M
Manipulación
0%
Pobreza final (media Monte Carlo)
0.58%
Resultados bajo distintas fricciones de información e incentivos: pobreza final media en 50 simulaciones, según el mecanismo. Kairos Optimization Lab #1.
Esta es, quizás, la imagen que resume el experimento entero: son cuatro pruebas separadas del mismo algoritmo base, no cuatro pasos de una misma corrida. Con información perfecta e ilimitada (C perfecto), el algoritmo casi elimina la pobreza. Sometido únicamente a error de medición (C imperfecto), se estanca cerca de 16%. Sometido únicamente a manipulación estratégica del reporte, sin corregirla (estratégico), se queda en 10.6%. Y un mecanismo diseñado para eliminar el incentivo a manipular —auditoría y sanción calibradas, con su costo incluido— recupera casi todo el terreno, con manipulación cero.
7
¿Fue suerte?
Para saber si estos resultados eran un golpe de suerte de una sola población sintética, repetimos el experimento completo sobre 50 poblaciones independientes de 100,000 hogares cada una: 5 millones de hogares sintéticos generados a lo largo de 50 simulaciones.
Media y rango mínimo–máximo de la pobreza final en 50 poblaciones sintéticas, por escenario. Kairos Optimization Lab #1.
Los promedios confirman el patrón: A 25.05%, B 16.98%, C (perfecto) 0.03%, D 1.15%, C imperfecto 16.25%, estratégico 10.62%, mecanismo compatible 0.58%, con manipulación en el mecanismo compatible de 0.00% en promedio. No fue suerte.
8
¿Qué ocurre si cambia el presupuesto?
Repetimos las cuatro estrategias con presupuestos de Q10, Q15, Q20, Q25 y Q30 millones.
Sensibilidad de la pobreza final al presupuesto de transferencias, por estrategia. Kairos Optimization Lab #1.
Hallazgo
A partir de Q25 millones, C y D dejan de gastar más: ambas se estabilizan en Q20,232,300.65, exactamente la brecha agregada completa de esta población sintética. Una vez cerrada la brecha, seguir aumentando el presupuesto no reduce nada más dentro del objetivo modelado — la reducción marginal adicional es cero. A continúa gastando todo el presupuesto porque reparte entre los 100,000 hogares. B también termina saturándose: con Q30 millones solo ejecuta Q29.971 millones, equivalentes a Q1,000 para cada uno de los 29,971 hogares inicialmente pobres. C y D se saturan antes porque dejan de gastar una vez cerrada toda la brecha monetaria.
9
Conclusión
Sí, dar dinero funciona.
En este experimento, entregado bien —con buena focalización, buena información y buenos incentivos— el mismo presupuesto que apenas movía la aguja en un reparto universal terminó por cerrar casi toda la brecha de pobreza. Pero la pregunta difícil nunca fue si dar dinero funciona. Es esta:
¿A quién, cuánto, con qué información, bajo qué objetivo y frente a qué incentivos?
Ninguna de esas piezas sobra. Y ninguna, por sí sola, sustituye a las demás.
