Auditar algoritmos de aprendizaje automático — un libro blanco y catálogo de auditoría elaborados por cinco entidades fiscalizadoras superiores

En noviembre de 2020, la Oficina del Auditor General de Noruega, junto con científicos de datos de las entidades fiscalizadoras superiores (EFS) de Finlandia, Alemania, los Países Bajos y el Reino Unido, publicó 'Auditing Machine Learning Algorithms: A White Paper for Public Auditors'. Se escribió porque existía poca orientación sobre cómo deben examinar los auditores los sistemas de IA y aprendizaje automático usados en los servicios públicos.
El documento resume los riesgos principales, entre ellos el trato desigual automatizado e institucionalizado y la producción masiva de decisiones erróneas o discriminatorias, y propone un catálogo de auditoría con enfoques metodológicos en tres áreas: gestión y gobernanza del proyecto, datos (calidad, sesgo, privacidad, RGPD) y desarrollo del modelo (documentación, reproducibilidad, equidad). Es una guía, no una lista de verificación fija. Está publicado abiertamente en auditingalgorithms.net y lo han descrito el INTOSAI Journal y la National Audit Office del Reino Unido.
Límites de la evidencia: ninguna fuente indica cuántas auditorías han usado el catálogo ni qué concluyeron, por lo que el impacto y la replicación no están documentados. Su valor es ser un método abierto y multiinstitucional que otras EFS pueden reutilizar.