Resumen Técnico: Margin Play – Un Sistema Multi-Agente para el Análisis de Políticas Públicas en la Margen Equatorial Brasileña

1. Definición del Problema y Contexto

El artículo aborda la cuestión central de política pública sobre si la exploración petrolera en la Margen Equatorial Brasileña (BEM) genera externalidades positivas netas para el estado de Maranhão, la principal afiliación fiscal-territorial de las cuencas de Foz do Amazonas y Pará-Maranhão. Maranhão posee actualmente el Índice de Desarrollo Humano (IDH) más bajo de Brasil (0.676), lo que crea un contexto de alto riesgo donde la extracción de recursos corre el riesgo de desencadenar la "maldición de los recursos" (enfermedad holandesa, captura institucional, conflicto territorial) en lugar de fomentar el desarrollo.

El problema se caracteriza como intrínsecamente multi-agente y heterogéneo:

• Gobierno Federal: Busca ingresos fiscales y seguridad energética.
• Gobierno Estatal (Maranhão): Busca el bienestar regional bajo la asignación constitucional de regalías (75% a salud, 25% a educación).
• Operador (Petrobras): Maximiza el beneficio sujeto al riesgo operativo y a los costos de levantamiento (lifting costs).
• Reguladores (ANP, IBAMA): Representan mandatos conflictivos (producción/seguridad frente a cumplimiento ambiental).
• Comunidades: Priorizan la integridad territorial y la calidad ambiental sobre el ingreso monetario, enfrentando altas tasas de conflicto de tierras y violencia.

Las herramientas de política tradicionales, como los modelos de Equilibrio General Computable (CGE), se consideran insuficientes debido a su supuesto de agentes representativos con funciones de utilidad homogéneas, lo cual no logra capturar los mandatos legalmente fundamentados y conflictivos de las partes interesadas de la BEM.

2. Metodología: El Sistema Margin Play

Los autores proponen Margin Play, un sistema de Aprendizaje por Refuerzo Multi-Agente (MARL) diseñado para simular estas tensiones bajo una calibración empírica brasileña.

2.1 Arquitectura y Paradigma

• CTDE (Entrenamiento Centralizado, Ejecución Descentralizada): El sistema emplea el paradigma CTDE. Durante el entrenamiento, los críticos observan el estado global para mitigar la no-estacionariedad; durante la ejecución, los actores deciden basándose únicamente en observaciones locales, replicando la realidad institucional donde los agentes no tienen visibilidad total de las estrategias de los demás.
• Seis Agentes Institucionales: El sistema modela seis agentes distintos: Gobierno Estatal (Maranhão), Operador (Petrobras), ANP, IBAMA, Comunidad (poblaciones amazónicas) y Gobierno Federal. Cada uno posee un espacio de acción único y una función de recompensa calibrada a su mandato legal específico.
• Algoritmo: El sistema utiliza BRO-MARL (Bigger, Regularized, Optimistic), adaptado para entornos multi-agente. Utiliza TQC Distribucional (Críticos de Cuantiles Truncados) con 25 átomos de cuantiles para manejar regímenes de retornos de alta varianza y prevenir la explosión del valor Q, un problema común en escenarios optimistas.

2.2 Modelo Físico-Económico

El motor es un híbrido físico-económico que integra:

• Producción de Petróleo: Modelada mediante una curva de Hubbert asimétrica para representar las fases de arranque, pico y declive, junto con la intensidad de inversión del operador y la velocidad de aprobación regulatoria (cuellos de botella de la ANP).
• Pasivo Ambiental: Una ecuación de balance dinámico que contabiliza el impacto irreducible, el impacto evitable (mitigado por la intensidad de inspección), la remediación activa y la degradación natural.
• Acumulación de Capital: Cinco stocks de capital (Público, Humano, Salud, Privado, Institucional) evolucionan mediante la dinámica de acumulación de Solow, con tasas de depreciación y elasticidades específicas derivadas de la literatura (Aschauer–Munnell, Cobb–Douglas, Grossman).
• Marco Fiscal: Los ingresos corrientes netos del estado se descomponen endógenamente en cinco componentes (ICMS, FPE, FUNDEB, Otros, Regalías) adhiriéndose estrictamente a las leyes brasileñas (Ley 9.478/97, Ley 12.858/2013). Notablemente, la asignación de regalías del 75%/25% se trata como una restricción dura del modelo físico, no como una variable de decisión.

2.3 Calibración y Escenarios

El sistema se calibra con datos primarios brasileños, incluyendo el Formulario 20-F de Petrobras (2024), auditorías del TCU y datos de conflictos territoriales de CPT/INCRA/CIMI (2024).

• Entrenamiento: 60,000 episodios (10,000 por escenario) sobre un horizonte de 30 años (15 pasos bienales).
• Escenarios: Se probaron seis configuraciones cualitativamente distintas:
  1. Líneas Base Macroeconómicas: Pesimista, Referencia y Optimista (variando la capacidad de producción, probabilidad de descubrimiento y precio del Brent).
  2. Contrafácticos de Política: "Sin la Ley 12.858/2013" (eliminando la asignación obligatoria) y "Choque de Brent" (alta volatilidad/deriva negativa).
  3. Régimen Transformador Estructural: MA-Próspero, una configuración que aplica seis intervenciones estructurales simultáneas (ej. máxima captura fiscal, mejora de la asignación, inversión institucional inicial).

3. Principales Contribuciones

1. Arquitectura Heterogénea de Seis Agentes: Una novedosa configuración de MARL donde los agentes poseen funciones de objetivo legalmente fundamentadas y estructuralmente conflictivas (ej. el mandato ambiental de IBAMA frente al mandato de beneficio del Operador), calibradas específicamente al contexto subnacional brasileño.
2. Funciones de Recompensa Híbridas: Implementación de formas funcionales heterogéneas (CRRA, log-Aschauer, Atkinson, Cobb–Douglas) para reflejar diversos objetivos institucionales, incluyendo la descomposición de los ingresos estatales en cinco componentes legislativos.
3. CTDE con Críticos Distribucionales: La aplicación de BRO-MARL con críticos TQC para gestionar retornos de alta varianza en un entorno de política pública multi-agente, asegurando la estabilidad numérica en escenarios optimistas.
4. Calibración Empírica: La integración de restricciones legales brasileñas específicas (ej. la asignación de regalías como restricción dura) y datos empíricos (conflictos territoriales, costos de levantamiento) en un marco de simulación.
5. Análisis de Régimen Estructural: La identificación y caracterización del régimen MA-Próspero como una hipótesis institucional coherente en lugar de un simple ajuste paramétrico.

4. Resultados Experimentales

Los resultados, derivados de 60,000 episodios, indican que el impacto en el bienestar de la exploración petrolera es condicional al régimen institucional:

• Desempeño de la Línea Base: Bajo la línea base de referencia (leyes/prácticas actuales), la ganancia de bienestar es marginal ($W_{aval} \approx 1.68$), estadísticamente indistinguible del escenario pesimista. El escenario optimista genera mayores ingresos para la ANP pero un pasivo ambiental significativamente mayor ($E_{amb} = 0.152$).
• Régimen MA-Próspero: Este escenario, que combina seis intervenciones estructurales, produce un resultado transformador:
  • Ganancia de Bienestar: $\Delta W = +17.5\%$ ($W_{aval} \approx 1.97$).
  • Bienestar de la Comunidad: $\Delta R_{com} = +21.3\%$.
  • Pasivo Ambiental: $E_{amb} = 0.048$, que es menor que la línea base de referencia ($0.076$) e incluso menor que el escenario pesimista.
• Contrafácticos:
  • Sin la Ley 12.858/2013: Sorprendentemente, genera un aumento del $+6.6\%$ en $W_{aval}$, sugiriendo que la asignación rígida puede restringir la libertad de asignación en el corto plazo, aunque los autores advierten que esto no niega los propósitos de equidad intergeneracional de la ley.
  • Choque de Brent: El bienestar agregado permanece resiliente ($\Delta W \approx 0$), confirmando que el capital humano e institucional asignado actúan como amortiguadores macroeconómicos.
• Convergencia: Todos los agentes alcanzaron una convergencia estable entre 2,000 y 4,000 episodios. El agente IBAMA se mantuvo invariante a través de los escenarios macroeconómicos, reflejando su mandato procedimental, mientras que el agente de la Comunidad mostró alta sensibilidad a las palancas estructurales de MA-Próspero.

5. Significado y Pretensiones

El artículo concluye que el problema fundamental de la exploración de la BEM no es un compromiso (trade-off) entre producción y bienestar, sino una elección del régimen de política pública.

• Externalidades Condicionales: Las externalidades positivas netas para Maranhão son alcanzables, pero son estrictamente condicionales al desplazamiento de "arreglos institucionales inertes" en favor de un régimen estructural coherente como MA-Próspero.
• Desplazamiento de la Frontera de Pareto: El régimen MA-Próspero demuestra que la frontera de Pareto entre la producción y la calidad ambiental es desplazable mediante configuraciones operativas e institucionales, refutando la hipótesis de un compromiso estructural inherente.
• Rol Metodológico: Los autores posicionan a Margin Play como un instrumento analítico complementario al Análisis de Impacto Regulatorio (RIA) tradicional. Está diseñado para cuantificar compensaciones, identificar configuraciones institucionales coherentes y probar la robustez de los regímenes, en lugar de predecir valores absolutos de PIB o sustituir el juicio legal/político.
• Implicación de Política: Los resultados sugieren que el estado de Maranhão posee instrumentos institucionales para influir en la transición de la "promesa geológica" a la "realidad operativa", con el potencial de capturar ganancias de bienestar significativamente mayores si se implementan simultáneamente intervenciones estructurales específicas (captura fiscal, mejora de la asignación, inversión institucional).