De Esther Duflo al contrafactual del aprendizaje institucional

¿Y si aplicáramos a nuestras propias evaluaciones la misma exigencia causal que pedimos a los programas que evaluamos? Este artículo propone trasladar la lógica del contrafactual desde los efectos de las intervenciones hacia la influencia de las evaluaciones sobre las decisiones, el aprendizaje y el cambio institucional. Porque una cosa es demostrar qué funciona y otra, bastante diferente, conseguir que ese conocimiento cambie algo.

La revolución de Duflo y una pregunta incómoda

En 2019, Esther Duflo recibió el Nobel de Economía, junto con Abhijit Banerjee y Michael Kremer, por su contribución al enfoque experimental para combatir la pobreza. Su trabajo ayudó a consolidar una pregunta fundamental en la evaluación de impacto: ¿cómo sabemos que una intervención produce realmente los resultados que le atribuimos?

La respuesta pasa por construir un contrafactual creíble: ¿qué habría ocurrido si la intervención no hubiera existido?

Los ensayos controlados aleatorizados (RCT) han contribuido decisivamente a responder esta pregunta, permitiendo identificar efectos causales con un rigor difícil de alcanzar mediante simples comparaciones entre beneficiarios y no beneficiarios (Banerjee & Duflo, 2009).

En Poor Economics, Banerjee y Duflo (2011) muestran, además, cómo la experimentación puede cuestionar ideas ampliamente aceptadas sobre la pobreza y orientar intervenciones más eficaces.

Pero identificar un efecto causal no resuelve todas las preguntas.