La mayor parte del robo de agua está vinculado a la agricultura de regadío, como sucede en el sur de Europa, donde la mitad de los pozos existentes son ilegales. O en África, donde el número de pozos ilegales se ha disparado de 2 a 25 millones en menos de una década.
Si se mantienen las tendencias actuales de robo de agua, la demanda mundial de agua podría superar la oferta hasta en un 40 % para 2030, agotando así las masas de agua, socavando la resiliencia y provocando tasas negativas de crecimiento del PIB en varias regiones con estrés hídrico.
En este contexto, hacer frente al robo de agua se ha convertido en una condición necesaria para alcanzar un desarrollo sostenible y equitativo.
Medidas ineficaces
Sin embargo, las políticas empleadas hasta la fecha para abordar la problemática del robo de agua han demostrado ser no sólo inadecuadas, sino a menudo también contraproducentes. La inacción ha aumentado la incidencia del robo de agua. Las amnistías han generado un efecto llamada.
El cierre de extracciones ilegales ha dado pie a mercados negros de agua. Las sanciones por robo se han visto sistemáticamente contrarrestadas por el creciente valor del agua debido a la mayor escasez, lo que ha generado más incumplimientos.
En la raíz de todas estas políticas ineficaces se encuentra una incapacidad fundamental para comprender las respuestas adaptativas de agentes económicos como los regantes, que pueden afectar y verse afectadas por otros procesos socioeconómicos (por ejemplo, oscilaciones en los precios de productos agrícolas) y ecológicos (cambio climático, escasez de agua) con impactos en cascada difíciles de prever. Esto puede dar lugar a sorpresas, esto es, acontecimientos inesperados que pueden tener consecuencias desproporcionadas y desfavorables.
¿Qué lleva a las personas a robar agua?
En el proyecto WaterTheft estamos desarrollando un enfoque interdisciplinar para predecir sorpresas en sistemas complejos. Nuestra hipótesis es que nuestra capacidad para prever la adaptación no lineal (es decir, respuestas inesperadas), incluido el robo de agua, depende de nuestra comprensión de tres variables fundamentales: el comportamiento individual, las interacciones entre individuos y la incertidumbre.
Para empezar, solemos suponer que las acciones de las personas pueden predecirse observando y proyectando comportamientos pasados. Aunque esto puede funcionar razonablemente bien cuando hay estabilidad, lo cierto es que el comportamiento humano está impulsado por nuestras preferencias o creencias, algunas de las cuales a menudo no se observan hasta que desencadenan una respuesta conductual.
Por ejemplo, el recuerdo de una sequía reciente y de las penurias sufridas puede hacer que un usuario se vuelva mucho más propenso al robo de agua que un agricultor que nunca ha sufrido una sequía grave, un proceso mental que se conoce como sesgo de disponibilidad. Del mismo modo, los regantes pueden dar un peso desproporcionado a los beneficios presentes sobre los futuros, aunque esto no sea sostenible ni económicamente óptimo, un proceso mental que se conoce como descuento hiperbólico.
En segundo lugar, las preferencias individuales se llevan a cabo y son condicionadas por entornos sociales, lo que también puede desencadenar cambios no lineales. Por ejemplo, las interacciones entre los regantes de una comunidad pueden validar y normalizar el incumplimiento (“pensamiento de grupo”), hasta el punto de que surja una reacción violenta a la aplicación de la ley, como ocurrió en Doñana. A mayor escala, eventos macroeconómicos como las subidas de los precios de productos agroalimentarios (por ejemplo de los cereales, debido a la guerra de Ucrania), también pueden desencadenar el robo de agua, sobre todo cuando otros usuarios en el entorno del regante se benefician de esta situación.
Por otra parte, las no linealidades también pueden surgir porque estemos asumiendo demasiado, proporcionando así información excesivamente precisa que puede dar lugar a políticas inadecuadas y a sorpresas. Por ejemplo, una parametrización agronómica errónea del maíz en el modelo de seguro agrario de la African Risk Capacity subestimó las pérdidas en la sequía de 2015 en Malawi en más de dos órdenes de magnitud, concluyendo que la sequía de Malawi fue leve (la población afectada estimada era de 21 000 personas) y que no había lugar a compensaciones, mientras que las organizaciones de ayuda sobre el terreno estimaron la población afectada en 6,5 millones de personas y las pérdidas severas.
Del mismo modo, hay modelos que muestran cómo la regularización de pozos ilegales puede erradicar el robo de agua, pero ignoran que esta decisión introduce incentivos para que terceras partes incurran en conductas ilícitas.
Cómo hacer mejores pronósticos
Mejorando nuestra comprensión de estas tres variables, e integrándolas en modelos de simulación, podemos pronosticar adaptaciones no lineales:
En primer lugar, aprovechando avances en economía conductual y experimental, podemos identificar preferencias no observadas y relevantes para explicar el comportamiento, e integrarlas en modelos de simulación para así pronosticar respuestas no lineales.
En segundo lugar, estudiando las interacciones humanas desde el nivel local al global, y cómo afectan y se ven afectadas por las decisiones individuales, podemos prever las no linealidades que emergen como resultado de dinámicas sociales.
En tercer lugar, cuantificando la incertidumbre, podremos prever las no linealidades que surgen debido a problemas de diseño y calibración de modelo, así como los datos de entrada de esos modelos.
Finalmente, si bien desarrollar mejores previsiones es importante, también lo es explorar e identificar las vulnerabilidades de los modelos y predicciones. Y comunicarlas a los responsables de la toma de decisiones para garantizar que las políticas adoptadas funcionen razonablemente bien en la mayoría de las circunstancias –esto es, que sean robustas–.
Este artículo fue publicado originalmente en The Conversation. Lea el original.