GiveDirectly ใช้ Data+Technology ค้นหาและช่วยเหลือคนจนอย่างไร?

การแพร่ระบาดของโควิด-19 สร้างความเสียหายให้กับเศรษฐกิจทั่วโลกอย่างร้ายแรง จนธนาคารโลกคาดการณ์ว่าในปี 2021 นี้ จะมีผู้คนจำนวนถึง 150 ล้านคน ที่มีเงินใช้ไม่ถึง 1.90 ดอลลาร์สหรัฐ (ประมาณ 58 บาทต่อวัน)

ทำให้องค์กรการกุศลที่มุ่งช่วยเหลือคนจนทั่วโลก โดยเฉพาะในทวีปแอฟริกาอย่าง GiveDirectly ต้องทำงานหนักยิ่งขึ้นเพื่อเยียวยาความเสียหายครั้งนี้ พวกเขาจึงคิดค้นและพัฒนานวัตกรรมใหม่ร่วมกับ UC Berkeley โดยใช้ปัญญาประดิษฐ์ (AI) เข้ามาช่วยค้นหาคนที่ยากจนที่สุดในพื้นที่ที่ยากไร้ที่สุด เพื่อส่งเงินไปช่วยเหลือพวกเขา

ที่ผ่านมา GiveDirectly ใช้วิธีการรวบรวมข้อมูลจากการลงพื้นที่สำรวจในแต่ละประเทศ การเปิดรับสมัครครัวเรือนที่ต้องการความช่วยเหลือ ตลอดจนรวบรวมข้อมูลจากรัฐบาล NGO และองค์กรท้องถิ่นต่างๆ เพื่อมาวิเคราะห์และคัดเลือกคนที่เข้าข่ายการได้รับความช่วยเหลือ แต่เนื่องจากสถานการณ์การแพร่ระบาดทำให้มีข้อจำกัดในการลงพื้นที่ แต่ยังต้องมีการดำเนินงานที่รวดเร็วและเรียลไทม์ การใช้เทคโนโลยีเข้ามาช่วยจึงเป็นทางออกที่มีประสิทธิภาพมากที่สุด

อัลกอริทึม (Algorithm) ที่สร้างขึ้นนั้น จะทำงานใน 2 ขั้นตอนหลัก โดยอาศัยฐานข้อมูลจาก 2 แหล่ง อย่างแรกคือ จะทำการค้นหาพื้นที่หรือหมู่บ้านที่ยากจนที่สุดในแต่ละภูมิภาค ผ่านการวิเคราะห์ภาพถ่ายดาวเทียมความละเอียดสูง เพื่อค้นหาปัจจัยที่สะท้อนความยากจน เช่น ลักษณะที่อยู่อาศัย รูปแบบการใช้พื้นที่ หรือพื้นผิวของพื้นถนน เทียบกับฐานข้อมูลที่มี 

เมื่อปักหมุดพื้นที่ที่ยากจนที่สุดในภูมิภาคนั้นได้แล้ว อัลกอริทึมก็จะทำการวิเคราะห์ข้อมูลการใช้โทรศัพท์ โดยดูปริมาณ ลักษณะ และมูลค่าการใช้งาน แล้วนำไปเทียบเคียงกับฐานข้อมูลการใช้งานโทรศัพท์และระดับรายได้ที่มีอยู่ เพื่อวิเคราะห์ค้นหาครัวเรือนที่น่าจะยากจนที่สุด เพื่อติดต่อให้ความช่วยเหลือต่อไป

การช่วยเหลือคนจนในประเทศโตโก

โปรเจ็กต์นี้ทดลองใช้ครั้งแรกเมื่อเดือนพฤศจิกายนที่ผ่านมาในประเทศโตโก (Togo) ทวีปแอฟริกา หนึ่งในประเทศที่ยากจนที่สุดในโลก!

เป้าหมายคือการค้นหาและให้ความช่วยเหลือรวดเร็วที่สุด ในปริมาณมากที่สุด โดยจะดำเนินโปรเจ็กต์นี้ไปเป็นระยะเวลา 5 เดือน ประมาณการเงินช่วยเหลือรวม 5 ล้านดอลลาร์สหรัฐ (ประมาณ 151 ล้านบาท) จากนั้นจะทำการวิเคราะห์ประสิทธิผลและปรับอัลกอริทึมตามเหมาะสม

ทางทีมวิจัยและพัฒนาก็ยอมรับว่าระบบนี้ยังไม่สมบูรณ์แบบร้อยเปอร์เซ็นต์ เพราะอาจมีอคติที่เกิดขึ้นโดยไม่ตั้งใจ หรือกีดกันคนที่ไม่มีโทรศัพท์มือถือใช้ออกไป แต่ทีมงานก็พยายามค้นหากลุ่มที่อยู่นอกเหนือขอบเขต รวมถึงให้ความสำคัญในการปกป้องความเป็นส่วนตัวของข้อมูลในการใช้งานเพื่อวิเคราะห์ด้วย

GiveDirectly มองว่า หากสามารถพัฒนาอัลกอริทึมนี้ให้แม่นยำมากขึ้น น่าจะสามารถขยายไปใช้ในประเทศอื่นและโปรเจ็กต์อื่นๆ นอกเหนือจากการให้ความช่วยเหลือทางการเงินกับผู้ยากไร้ด้วย

การใช้เทคโนโลยี+ข้อมูลช่วยเหลือคนไทย

ในประเทศไทยเอง ก็มีตัวอย่างของ กองทุนเพื่อความเสมอภาคทางการศึกษา (กสศ.) ที่นำเทคโนโลยีและข้อมูล มาค้นหาและช่วยเหลือนักเรียนยากจนทั่วประเทศ ผ่านระบบที่ชื่อว่า iSEE ซึ่งสร้างฐานข้อมูลขนาดใหญ่ โดยเชื่อมฐานข้อมูลเยาวชนด้อยโอกาสและครอบครัวที่ยากจน มากกว่า 4 ล้านคน จากข้อมูลของกระทรวงหลัก 6 กระทรวง ข้อมูลจากระบบสารสนเทศทางภูมิศาสตร์ (GIS) และข้อมูลจากแต่ละโรงเรียน เช่น รายได้ผู้ปกครอง สถานะครัวเรือน ภาพถ่ายสภาพบ้านเรือน ข้อมูลเด็กด้านสุขภาพ สภาพปัญหา พฤติกรรมเสี่ยง ความต้องการด้านการเรียน ความช่วยเหลือ อัตราการมาเรียน ผลการเรียน

โดย กสศ. ยังเน้นการจัดลำดับความช่วยเหลือแบบเฉพาะเจาะจงเป็นรายคน (Targeting) เพราะเชื่อว่าการที่เด็กทุกคนได้รับเงินอุดหนุนจากภาครัฐเท่ากัน (Equality) ไม่สามารถลดความเหลื่อมล้ำทางการศึกษาได้ ยังมีเด็กยากจนบางส่วนที่หลุดจากระบบการศึกษา เพราะนักเรียนยากจนมากที่สุดกลับได้เงินงบประมาณจากรัฐน้อยกว่าความจำเป็นจริง กองทุนนี้จึงใช้วิธีการจัดสรรงบประมาณด้วยหลักความเสมอภาค (Equity) และยังมีการส่งมอบความช่วยเหลือในรูปแบบอื่นนอกเหนือไปจากเงินทุนด้านการศึกษาอีกด้วย