Análisis Predictivo sobre la eficacia de los mecanismos de la diplomacia preventiva en el caso del conflicto ruso-ucraniano.

Abstract

Este Trabajo de Fin de Grado analiza la eficacia de la diplomacia preventiva en el conflicto ruso-ucraniano, especialmente en torno a la invasión de Ucrania en 2022. A partir de la constatación de que los mecanismos internacionales no lograron evitar la escalada bélica, el estudio plantea una pregunta central: ¿habría sido posible evitar la guerra si se hubieran aplicado con mayor rigor y anticipación los mecanismos preventivos disponibles?

El trabajo combina una revisión teórica con un enfoque metodológico innovador basado en técnicas de Machine Learning. Para ello, se ha desarrollado una base de datos con 33 eventos diplomáticos internacionales (2001–2022), codificados según diez medidas clave de diplomacia preventiva, como la mediación anticipada, misiones internacionales o sanciones. Se construye un índice diplomático ponderado y se aplica un modelo predictivo Random Forest para clasificar los eventos según su desenlace: contención o escalada del conflicto.

Mediante la simulación de dos escenarios (real y contrafactual), el modelo permite contrastar si el cumplimiento total de los mecanismos podría haber reducido la probabilidad de escalada. Los resultados cuantitativos se complementan con un análisis cualitativo, basado en fuentes oficiales y bibliografía especializada, que contextualiza las limitaciones institucionales y geopolíticas de la ONU, la OSCE y la UE.

Este enfoque aporta un valor añadido al debate académico al aplicar técnicas de inteligencia artificial a un problema político y normativo. Además, ofrece herramientas empíricas que pueden ser útiles para la formulación de políticas preventivas más eficaces, superando los enfoques exclusivamente cualitativos. Así, se contribuye a repensar la diplomacia preventiva en un sistema internacional cada vez más volátil, ofreciendo evidencias concretas sobre su posible impacto si se aplica de manera sistemática y efectiva

This Thesis analyzes the effectiveness of preventive diplomacy in the Russo-Ukrainian conflict, particularly regarding the 2022 invasion of Ukraine. Based on the observation that international mechanisms failed to prevent the escalation of the war, the study poses a central question: could the war have been avoided if the available preventive mechanisms had been applied more rigorously and in a timelier manner?

The work combines a theoretical review with an innovative methodological approach based on Machine Learning techniques. A dataset of 33 international diplomatic events (2001–2022) was developed and coded according to ten key preventive diplomacy measures, such as early mediation, international missions, and sanctions. A weighted diplomatic index is constructed, and a predictive Random Forest model is applied to classify events based on their outcome: containment or conflict escalation.

By simulating two scenarios (real and counterfactual), the model allows for testing whether the full implementation of preventive mechanisms could have reduced the likelihood of escalation. The quantitative results are complemented by a qualitative analysis based on official sources and specialized literature, which contextualizes the institutional and geopolitical limitations of the UN, OSCE, and EU.

This approach adds value to the academic debate by applying artificial intelligence techniques to a political and legal issue. Moreover, it offers empirical tools that may be useful for designing more effective preventive policies, going beyond purely qualitative approaches. Thus, the study contributes to rethinking preventive diplomacy in an increasingly volatile international system, providing concrete evidence of its potential impact when applied systematically and effectively.