De qué se trata:
Si estás construyendo IA y deseas reducir el sesgo, primero necesitas tener claro qué significa "justo" realmente para tu sistema.
Aquí está la cuestión: no existe una única definición de imparcialidad. ¿Igualdad de oportunidades? ¿Paridad demográfica? ¿Precisión igual? ¿Imparcialidad procedimental? No son solo conceptos académicos; son enfoques genuinamente diferentes, y optimizar uno puede ir en contra de otro.
Este tablero te ayuda a explorar estas cuatro definiciones, comprender los compromisos y tomar una decisión deliberada que se ajuste a tu contexto.
Lo que te ayuda a lograr:
Una definición de equidad clara y documentada que todo tu equipo entiende y con la que está de acuerdo. No más compromisos vagos con la "IA justa" sin saber lo que realmente significa en la práctica.
Te irás con una decisión explícita y el razonamiento detrás de ella. Eso puede usarse para el diseño, la prueba y el perfeccionamiento.
Quiénes se benefician más:
Gerentes de producto, científicos de datos, líderes de ética en IA y equipos multifuncionales que construyen sistemas de IA, especialmente en áreas de alto riesgo como reclutamiento, préstamos o salud, donde equivocarse en la equidad tiene consecuencias reales para personas reales.
Cómo usarlo:
Reserva 45 minutos para tu primera sesión. Revisa cada definición de equidad con tu equipo, discute los compromisos de manera honesta y documenta tu elección.
Buenas noticias: Esto se convierte en la base para todos tus futuros proyectos de IA; después de eso, solo necesitarás 15 minutos para revisar y confirmar que todavía aplica.
Parte de la serie de Talleres para Mitigar el Sesgo en la IA (Tableros 1 a 4).
