Mind the Gap: Optimal and Equitable Encouragement Policies

1. Problema y Motivación

En muchos dominios de alto impacto (salud, comercio electrónico, servicios sociales, justicia penal), los tomadores de decisiones no pueden obligar a los individuos a recibir un tratamiento; solo pueden recomendar o fomentar su adopción. Esto crea un problema de no adherencia (o incumplimiento): la decisión de tomar el tratamiento depende de la respuesta del individuo a la recomendación.

El problema central abordado en el artículo es cómo diseñar políticas personalizadas de recomendación (encouragement) que maximicen el valor social (resultados de los individuos) mientras se gestionan las disparidades equitativas. La literatura tradicional a menudo se centra en el efecto de la intención de tratar (ITT) o en la eficacia del tratamiento, ignorando que las disparidades pueden surgir de dos fuentes distintas:

1. Eficacia del tratamiento: Diferentes grupos se benefician de manera distinta del tratamiento en sí.
2. Respuesta al fomento (Take-up/Adherence): Diferentes grupos tienen distinta probabilidad de aceptar la recomendación debido a barreras estructurales, administrativas o de acceso.

Si una política optimiza solo el resultado global sin distinguir entre estas dos fuentes, puede perpetuar o exacerbar desigualdades, favoreciendo a grupos que son más fáciles de "nudgear" (empujar) pero que quizás no son los que más necesitan el tratamiento, o viceversa.

2. Metodología y Marco Teórico

El autor propone un marco causal basado en el modelo de efectos de exclusión condicional a las covariables.

A. Modelo Causal y Supuestos

Se define un modelo de tres variables:

• $R$: Recomendación o fomento (0 o 1).
• $T$: Tratamiento real tomado (0 o 1), que depende de $R$.
• $Y$: Resultado de interés.

Supuestos Clave:

1. Restricción de Exclusión (No efecto directo): La recomendación $R$ afecta al resultado $Y$ únicamente a través de su efecto en la toma de tratamiento $T$. No hay efecto directo de $R$ sobre $Y$.
2. Desenredado del tratamiento (Unconfoundedness): Dado $R$ y las covariables $X$, el tratamiento $T$ es independiente de los resultados potenciales.
3. Estabilidad de la respuesta: La probabilidad de respuesta al tratamiento ($p_{t|r}$) se mantiene estable al cambiar la política de recomendación.

B. Descomposición del Puntaje de Fomento

La contribución teórica central es la descomposición del puntaje de fomento ($s(x, a)$), que determina la prioridad de recomendación:
$$s(x, a) = \tau(x, a) \cdot \kappa(x, a)$$
Donde:

• $\tau(x, a)$: Eficacia del tratamiento (Efecto del tratamiento sobre el resultado).
• $\kappa(x, a)$: Respuesta al fomento (Probabilidad de que la recomendación induzca la toma del tratamiento).

Esta descomposición permite auditar si las disparidades en las políticas óptimas se deben a diferencias en la necesidad del tratamiento ($\tau$) o a diferencias en la capacidad de acceso/respuesta ($\kappa$).

C. Optimización con Restricciones de Equidad

El artículo formula problemas de optimización de políticas bajo restricciones de presupuesto y equidad:

• Objetivo: Maximizar el valor esperado $E[Y(\pi)]$.
• Restricciones:
  • Presupuesto global: $E[\pi(X)] \leq B$.
  • Equidad en la toma de tratamiento (Treatment Parity): $|E[T(\pi)|A=a] - E[T(\pi)|A=b]| \leq \epsilon$.
• Solución: Se demuestra que las políticas óptimas bajo estas restricciones siguen una estructura de umbral sobre un puntaje Lagrangiano modificado, que combina la eficacia y la respuesta, penalizada por la disparidad.

D. Robustez ante Falta de Superposición (Overlap)

En escenarios de consejo algorítmico (donde las recomendaciones son deterministas y no aleatorias), la suposición de superposición (overlap) se viola. El autor propone un enfoque de extrapolación robusta:

• En lugar de extrapolar el modelo de resultados ($Y$), que es complejo, el modelo permite extrapolar solo la respuesta al tratamiento ($p_{t|r}$) bajo supuestos de suavidad (Lipschitz) o monotonicidad.
• Esto reduce la conservaduría de las políticas robustas, ya que la incertidumbre se limita a la respuesta conductual y no al resultado causal completo.

E. Algoritmo de Dos Etapas (Two-Stage)

Para el aprendizaje de políticas con restricciones, se propone un algoritmo de dos etapas que:

1. Estima una política candidata y las restricciones casi vinculantes en una primera división de datos.
2. Localiza la optimización en la segunda división, ajustando los "slacks" (márgenes de seguridad) basados en la varianza estimada de las restricciones.
   Esto mejora el control de las violaciones de equidad fuera de la muestra en comparación con métodos de una sola etapa.

3. Contribuciones Clave

1. Distinción Causal: Establece que la equidad en políticas de fomento debe medirse en la toma de tratamiento inducida (take-up), no solo en las tasas de recomendación.
2. Auditoría de Disparidades: Proporciona un marco para diagnosticar si las brechas de equidad provienen de la eficacia del tratamiento o de la respuesta al fomento, lo cual dicta intervenciones operativas diferentes (ej. mejorar el producto vs. mejorar la logística de acceso).
3. Optimización Robusta: Desarrolla métodos para optimizar políticas cuando las recomendaciones algorítmicas no tienen superposición, limitando la extrapolación solo a la respuesta conductual.
4. Algoritmo Variance-Sensitive: Introduce un método de dos etapas que utiliza la varianza de las políticas cercanas a la óptima para relajar las restricciones de equidad de manera menos conservadora, mejorando el rendimiento fuera de la muestra.

4. Resultados Empíricos (Casos de Estudio)

El artículo valida el marco en dos contextos reales:

A. Recordatorios para la Recertificación de SNAP (Asistencia Nutricional)

• Contexto: Envío de mensajes de texto para recordar a los beneficiarios que renueven sus beneficios.
• Hallazgos:
  • La disparidad en los resultados bajo una política de fomento "naive" (basada solo en el efecto total) se debe casi enteramente a diferencias en la respuesta al fomento (acceso), no en la eficacia del tratamiento.
  • Los beneficiarios no blancos tienen una menor probabilidad de responder a los recordatorios (posiblemente por barreras administrativas o de idioma), aunque el beneficio del tratamiento es alto.
  • Solución: Una política personalizada que ajusta los umbrales o invierte en outreach adicional para grupos de baja respuesta puede reducir las disparidades de acceso sin sacrificar significativamente la eficiencia global.

B. Libertad Supervisada con Monitoreo Electrónico (Justicia Penal)

• Contexto: Recomendaciones algorítmicas (PSA-DMF) para jueces sobre si asignar libertad supervisada con monitoreo electrónico.
• Hallazgos:
  • Existe una falta de superposición en las recomendaciones del algoritmo (es determinista).
  • Al aplicar la optimización robusta sobre la respuesta al tratamiento, se pueden diseñar tarjetas de puntuación interpretables (scorecards) que reducen las disparidades raciales en la supervisión.
  • Resultado: Se logró reducir la disparidad en la supervisión (de ~0.057 a ~0.022) con una pérdida mínima en el objetivo principal (reducción de comparecencias fallidas), demostrando que pequeños ajustes locales en las reglas de decisión pueden mejorar la equidad significativamente.

5. Significado e Implicaciones

El artículo ofrece una hoja de ruta crítica para la implementación de IA en la toma de decisiones públicas y comerciales:

• Más allá de la "Caja Negra": No basta con optimizar el resultado promedio; es crucial entender los mecanismos causales (adherencia vs. eficacia) que generan las disparidades.
• Intervenciones Diferenciadas: Si la disparidad se debe a la eficacia, la solución es científica/tecnológica. Si se debe a la respuesta (acceso), la solución es operativa/logística (mejorar la navegación, reducir cargas administrativas).
• Equidad Práctica: Demuestra que es posible lograr mejoras de Pareto (mejorar la equidad sin dañar la eficiencia) mediante el uso de datos ricos y modelos causales que separan la recomendación de la ejecución.
• Robustez: Proporciona herramientas para operar en entornos donde las recomendaciones algorítmicas son deterministas, un escenario común en la práctica pero difícil de manejar teóricamente.

En resumen, el trabajo argumenta que para lograr políticas verdaderamente equitativas en dominios donde la adherencia es voluntaria, los diseñadores de políticas deben modelar explícitamente y auditar por separado la toma de decisiones y la eficacia del tratamiento, utilizando optimización robusta para navegar las incertidumbres inherentes a los datos observacionales y las recomendaciones algorítmicas.