Conscious infrastructure for fairness aware detection of household water insecurity in Hyderabad informal settlements

Resumen Técnico: Infraestructura Consciente para la Detección de la Inseguridad Hídrica del Hogar con Enfoque de Equidad en Asentamientos Informales de Hyderabad

Planteamiento del Problema
Las aplicaciones actuales de la Inteligencia Artificial (IA) y el aprendizaje automático en la gobernanza del agua urbana están predominantemente organizadas en torno a la perspectiva operativa de las empresas de servicios públicos, centrándose en los activos de la red, los flujos, las presiones y la visibilidad de la infraestructura. Esta orientación es analíticamente incompleta para los asentamientos informales, donde la inseguridad hídrica suele experimentarse no como una ausencia total de infraestructura, sino como la carga del hogar para hacer que los servicios poco fiables o inseguros sean utilizables. El artículo identifica una "brecha de visibilidad infraestructural": la disyunción entre las cargas que experimentan los hogares (pérdida de tiempo, presión sobre los ingresos, riesgos para la salud, costos de afrontamiento) y la evidencia que los sistemas de decisión pública reconocen como accionable. Cuando los modelos de IA se entrenan únicamente con variables visibles para la empresa de servicios públicos (por ejemplo, tipo de fuente, horarios de suministro), corren el riesgo de optimizar la legibilidad institucional mientras pasan por alto a los hogares cuya inseguridad se expresa a través del trabajo y la disrupción económica. Esto constituye un "sesgo de formulación del problema" más que un mero sesgo algorítmico técnico.

Metodología
El estudio operacionaliza una arquitectura de soporte de decisiones denominada Sistemas Neurales de Infraestructura Consciente (CINS, por sus siglas en inglés). Es importante notar que "neural" en este contexto se refiere a una arquitectura de decisión vinculada que conecta los datos del hogar, la clasificación predictiva, las auditorías de equidad de subgrupos y los protocolos de respuesta institucional, no al uso de algoritmos de redes neuronales.

• Fuente de Datos: El análisis utiliza un conjunto de datos brutos que comprende 1,700 registros de encuestas domiciliarias en 34 asentamientos informales en Hyderabad, India, y 34 registros de muestras de calidad del agua. Los datos se originan de una investigación doctoral sobre el acceso al agua potable y la toma de decisiones.
• Variable de Resultado: La variable principal es un indicador binario de si un hogar reportó que su horario de trabajo fue interrumpido por la programación o disponibilidad del suministro de agua potable. Esto sirve como un proxy para la inseguridad hídrica "vinculante", capturando las consecuencias económicas y temporales directas en lugar de la percepción subjetiva.
• Comparación de Modelos: Se estimaron y compararon dos modelos de regresión logística en un conjunto de prueba retenido (30% de los datos, estratificado):
  1. Modelo Visible para la Empresa de Servicios Públicos: Incluye variables cercanas al conocimiento convencional de la infraestructura (uso de la fuente, tiempos de suministro, duración del almacenamiento, ID del asentamiento, riesgo microbiológico vinculado).
  2. Modelo de Carga del Hogar: Incluye todas las variables visibles para la empresa de servicios públicos más variables de carga del hogar (puntos medios de ingresos/gastos, ratios de gastos, calificaciones de calidad/cantidad percibidas, indicadores de enfermedad/tratamiento, carga de recolección y dependencia de múltiples fuentes).
• Métricas de Evaluación: El desempeño se evaluó mediante precisión (accuracy), precisión (precision), exhaustividad (recall), F1-score, AUC y, específicamente, la Tasa de Falsos Negativos (FNR). El estudio prioriza la reducción de la FNR entre subgrupos vulnerables (cuartil de menores ingresos, hogares con múltiples fuentes, hogares dependientes de camiones cisterna y aquellos en asentamientos con riesgo microbiológico) por encima de la precisión agregada.
• Auditoría de Equidad: Se realizó un análisis de subgrupos para determinar si la inclusión de variables de carga reducía la detección insuficiente para grupos vulnerables específicos. Se utilizó un análisis de importancia de características de Random Forest como una comprobación de interpretabilidad suplementaria.

Resultos Clave

• Desempeño del Modelo: El modelo de carga del hogar superó al modelo visible para la empresa de servicios públicos en el conjunto de prueba retenido.
  • Precisión (Accuracy): Aumentó de 0.669 a 0.731.
  • Exhaustividad (Recall): Aumentó de 0.636 a 0.714.
  • F1-Score: Aumentó de 0.513 a 0.593.
  • AUC: Aumentó de 0.731 a 0.818.
  • Tasa de Falsos Negativos (FNR): Disminuyó de 0.364 a 0.286.
• Matriz de Confusión: El modelo de carga del hogar identificó correctamente 100 positivos reales (hogares con interrupciones) en comparación con 89 del modelo visible para la empresa de servicios públicos, reduciendo los hogares con interrupciones no detectados de 51 a 40.
• Equidad de Subgrupos:
  • Mejoras: La FNR disminuyó significativamente para el cuartil de menores ingresos (32.1% a 25.0%) y los hogares con múltiples fuentes (40.5% a 31.6%).
  • Anomalía: La FNR para los hogares dependientes de camiones cisterna aumentó ligeramente (8.8% a 12.5%). Los autores interpretan esto como un resultado de que el uso de camiones cisterna ya es un fuerte predictor en el modelo visible para la empresa de servicios públicos; la adición de variables de carga redistribuyó los pesos del modelo, debilitando ligeramente el desempeño para este subgrupo específico cuyo riesgo ya era altamente visible.
• Importancia de las Características: En el modelo de carga del hogar, la presión económica (gastos, margen de ingresos), la calidad percibida del servicio y la carga de recolección emergieron como predictores de alto rango junto con las variables de infraestructura, confirmando que la experiencia del hogar añade información relevante para la decisión.

Contribuciones Clave

1. Marco Conceptual: El artículo introduce la brecha de visibilidad infraestructural como un puente entre la inseguridad hídrica del hogar, la justicia de datos y la gobernanza urbana. Define esta brecha como la diferencia entre las cargas experimentadas por el hogar y la evidencia reconocida por los sistemas de decisión.
2. Evidencia Empírica: Proporciona una comparación reproducible que demuestra que la incorporación de variables de carga del hogar mejora la detección de hogares de alto riesgo y reduce los falsos negativos entre subgrupos vulnerables, desafiando la suficiencia de los datos centrados en la infraestructura.
3. Arquitectura de Gobernanza (CINS): El artículo propone CINS no meramente como una herramienta predictiva, sino como una arquitectura de gobernanza que vincula la clasificación predictiva con protocolos de respuesta institucional. Argumenta que la IA consciente de la equidad debe diseñarse en torno a la detección de las cargas del hogar y debe activar acciones específicas (por ejemplo, reevaluación, corrección del suministro, evaluación de la asequibilidad) en lugar de permanecer como salidas pasivas de tableros de control.
4. Reencuadre de la Equidad: El estudio desplaza la evaluación de la equidad en la IA de infraestructura desde la precisión agregada hacia la distribución de los falsos negativos en subgrupos vulnerables, argumentando que la equidad es una propiedad de la inclusión de datos y la formulación del problema, no solo de un ajuste post-hoc del modelo.

Significancia y Reivindicaciones
El artículo sostiene que la equidad en la IA de infraestructura no se logra simplemente corrigiendo las salidas del modelo, sino alterando fundamentalmente la arquitectura de datos para incluir las cargas del hogar. El argumento central es que un hogar puede ser "formalmente visible" (conectado a una red) pero "analíticamente invisible" respecto a las cargas laborales y económicas que soporta.

Los autores reivindican modestamente que su análisis demuestra que las variables de carga del hogar mejoran la detección bajo una especificación de línea base transparente. No pretenden haber identificado un modelo óptimo final ni haber desplegado plenamente CINS operativamente. En cambio, posicionan la comparación de modelos como un instrumento diagnóstico para la visibilidad institucional, mostrando qué se pierde cuando se excluye la carga del hogar. La significancia radica en la afirmación de que, para que la IA sea consciente de la equidad en la gobernanza del agua urbana, debe estar diseñada para reconocer las realidades vividas de los asentamientos informales —específicamente la fragmentación del servicio y las cargas asociadas— en lugar de depender únicamente de la visibilidad de la infraestructura. El artículo concluye que, sin integrar los datos de la carga del hogar y vincular las predicciones con los protocolos de respuesta, la IA corre el riesgo de hacer la gobernanza del agua más eficiente mientras preserva la invisibilidad de aquellos más afectados por el acceso poco fiable.