Ámsterdam dedicó unos cinco años y cerca de 535.000 euros a construir Smart Check, un algoritmo de detección de fraude en ayudas sociales diseñado para evitar la discriminación. En una prueba real de 2023 con unas 1.600 solicitudes, no fue más preciso que el personal humano y seguía mostrando sesgo, por lo que la ciudad lo archivó.
€535,000
Coste del proyecto
~1,600
Solicitudes de asistencia social evaluadas en el piloto de 2023
Detalles
Madurez
Descontinuada
Promotor
City of Amsterdam, Department of Work, Income and Participation
Período
2019–2023
Palabras clave
social welfare, algorithmic fairness, fraud detection, public administration
Contexto
Después de que un tribunal neerlandés anulara en 2020 el algoritmo nacional de fraude social SyRI por vulnerar derechos humanos, Ámsterdam se propuso demostrar que una herramienta de detección de fraude asistida por IA podía construirse de forma justa.
Actividades
El Departamento de Trabajo, Ingresos y Participación de la ciudad construyó Smart Check, un modelo 'explainable boosting machine' que puntuaba unas 15 características, excluyendo deliberadamente género, nacionalidad, edad y variables proxy como el código postal. Los responsables encargaron auditorías de sesgo, evaluaciones de derechos humanos y recogieron opiniones de beneficiarios, reponderando los datos de entrenamiento tras detectar sesgo en las primeras pruebas.
Resultados
Desplegado en unas 1.600 solicitudes reales en 2023, Smart Check resultó no ser más preciso que los trabajadores sociales, y el sesgo reapareció de otra forma (señalando en exceso a ciudadanos neerlandeses, mujeres y solicitantes con hijos).
Conclusiones
Ámsterdam suspendió el proyecto en noviembre de 2023 y publicó el código, la documentación del modelo y los datos de auditoría, produciendo un caso de estudio inusualmente transparente sobre por qué la ingeniería de equidad por sí sola no garantiza un resultado no discriminatorio.
Implementación
Coste indicativo
Medio (50 000–500 000 €)
Tiempo hasta resultados
Largo (> 3 años)
Personal y competencias
Amsterdam Department of Work, Income and Participation, Deloitte (€35,000 contract), academic and welfare-recipient consultees
Condiciones para el éxito
excluding protected/proxy variables from the model
independent bias audits before and during deployment
Modos de fallo comunes
bias resurfaced in a different form after reweighting
no more accurate than existing caseworker judgement
project ultimately shelved
Habitualmente financiado por
Own resources / municipal budget
Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.
¿Usted implementa esta práctica?
Reivindíquela —
los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
Fuentes de datos
De dónde se obtuvo la información de esta práctica, y cuándo.
Udbetaling Danmark usa más de 60 modelos algorítmicos para detectar fraude en prestaciones. Amnistía (2024): varios afectan desproporcionadamente a personas …