“Incentivos locales y evasión fiscal nacional: la respuesta de la minería ilegal a una reforma tributaria en Colombia”. La minería ilegal es un problema mundial: En Estados Unidos dos terceras partes de las compañías no saben de dónde vienen sus minerales. Para Colombia, se estima que 78% del área minada no tiene licencia de extracción. La minería ilegal es un problema fiscal y ambiental: El Estado deja de recibir recursos fiscales y se contamina los ríos.

Si el país contara con información certera sobre extracción ilícita de minerales y los comportamientos de los gobiernos municipales frente a esta actividad, la historia sería otra. Para superar el desafío de medir la actividad ilegal, construimos un conjunto de datos novedosos utilizando predicciones de aprendizaje de máquinas (machine learning) en imágenes satelitales. Actualmente monitorear la minería ilegal en todo el país toma varios meses. Usando nuestro algoritmo se puede analizar todo el territorio nacional en una noche. El computador aprende cómo se ve la imagen de una mina a cielo abierto: por ejemplo, sin vegetación y de color marrón.

La entrada en vigencia de la Ley de Regalías redujo los recursos a municipios mineros y los repartió en todo el país. Teóricamente, esperamos que la minería ilegal aumente porque la autoridad local recibe menos regalías después de la reforma y por tanto tiene menos incentivos a monitorearla.
Para comprobarlo empíricamente comparamos los niveles de minería ilegal en Colombia y Perú, antes y después de la reforma. Los niveles eran similares antes de la entrada en vigencia de la ley. Pero después la proporción de área minada ilegalmente en Colombia es mayor en 4.47 puntos porcentuales, especialmente en municipios con poca presencia del gobierno central.

Estimamos que con la reforma al sistema de regalías dejaron de entrar entre 19 y 57 millones de dólares por el aumento de la extracción ilegal, es decir, por cada peso redistribuido, se pierden entre 3 y 9 centavos a través de la evasión. A esto hay que sumarle los costos en salud, porque encontramos que los impactos en salud asociados a la minería ilegal son mayores.

En este trabajo hacemos tres contribuciones. La primera es metodológica: al usar machine learning para detectar actividad minera analizando imágenes satelitales. Con nuestros algoritmos se podría detectar minería ilegal en otros países como la República Democrática del Congo e India (Los códigos están documentados y podrían ser replicados por estudiantes, académicos y entidades gubernamentales. Usamos R, un software de licencia libre e imágenes satelitales de libre acceso de la NASA). Segundo, mostramos la importancia de los incentivos de las autoridades locales para monitorear esta actividad. Finalmente, mostramos que los daños en la salud de la minería ilegal son mayores a los de la minería legal.