El algoritmo de emparejamiento Gale-Shapley de los institutos de Nueva York — Escala, auditorías y brechas de equidad sin resolver

El Departamento de Educación (DOE) de la ciudad de Nueva York utiliza desde 2003–04 un sistema centralizado de emparejamiento algorítmico —basado en el algoritmo de aceptación diferida de Gale-Shapley («matrimonio estable»), diseñado por los economistas Atila Abdulkadiroğlu, Parag Pathak y Alvin Roth— para asignar alumnos a los institutos. Los alumnos ordenan los centros de su preferencia; los centros fijan criterios de prioridad como zona geográfica, pruebas académicas o audiciones; el algoritmo itera hasta que ningún par alumno-centro prefiera mutuamente estar junto antes que mantener su emparejamiento actual.

El sistema procesa actualmente a unos 900.000 alumnos en cerca de 1.600 centros, con más de 70.000 alumnos de octavo grado solicitando programas de instituto cada año —unos 75.000 para el ciclo 2026–27.

Para 2026–27, el DOE informó de que el 92% de los solicitantes recibió una oferta de una de sus cinco opciones preferidas, frente al 90% del ciclo anterior —una trayectoria mantenida desde que el mecanismo de emparejamiento subyacente fue reconocido con el Premio Nobel Memorial de Ciencias Económicas de 2012 (otorgado a Alvin Roth y Lloyd Shapley).

Una auditoría de julio de 2025 del Contralor del Estado de Nueva York encontró importantes deficiencias de gobernanza detrás de la cifra de emparejamiento divulgada. El DOE no contaba con políticas escritas que regularan un proceso que atiende a cientos de miles de alumnos. Aproximadamente 7.000 alumnos en vivienda temporal no recibieron de forma consistente la consideración prioritaria exigida legalmente de su dirección actual y anterior en el ciclo 2023–24. En una muestra de 39 alumnos, 31 eran probablemente de bajos ingresos pero no habían sido identificados correctamente a efectos de prioridad. Más de 200 sustituciones manuales de colocación ese año estaban indebidamente documentadas o directamente ausentes, y el DOE no cumplió su obligación, conforme a la Local Law 72 (2018), de publicar los datos de admisión a tiempo.

El caso ilustra un patrón habitual en la administración pública algorítmica a gran escala: el propio algoritmo de emparejamiento funciona según lo previsto y a una escala genuina, pero los flujos de datos, los procesos de sustitución manual y las obligaciones de transparencia que determinan si los alumnos vulnerables reciben un trato justo tuvieron mucho menos rigor —una brecha que solo salió a la luz mediante una auditoría independiente, no gracias a los propios informes del DOE.