La Evaluación de Vivienda de Allegheny — Una Herramienta de Aprendizaje Automático de Pittsburgh Mejora la Priorización de Vivienda, Pero un Estudio Independiente Halla que las Disparidades Raciales Persisten

El Departamento de Servicios Humanos (DHS) del condado de Allegheny necesitaba decidir quién recibe acceso prioritario y limitado a vivienda de apoyo permanente y realojamiento rápido entre las personas sin hogar. Su herramienta anterior, el cuestionario VI-SPDAT usado a nivel nacional en EE. UU., había demostrado asignar puntuaciones de riesgo más altas a clientes blancos que a clientes negros en circunstancias similares, y el personal de primera línea la consideraba lenta de aplicar.
Desde agosto de 2020, el DHS utiliza la Evaluación de Vivienda de Allegheny (AHA), un modelo predictivo entrenado con 18.008 evaluaciones de vivienda históricas (2016-2024) del almacén de datos integrado del condado. El AHA predice la probabilidad de cuatro resultados adversos en un plazo de 12 meses si la persona permanece sin hogar —un ingreso psiquiátrico, cuatro o más visitas a urgencias, una detención, o un nuevo episodio de falta de vivienda— y lo convierte en una puntuación de prioridad de 1 a 10. Un modelo relacionado, el Mental-Health AHA, entrenado con 13.673 evaluaciones, se añadió en febrero de 2023 para clientes inscritos en Medicaid. En su validación más reciente (2025), los cuatro modelos componentes del AHA muestran AUC de 0,66 a 0,72 y valores predictivos positivos de 29% a 58%.
El personal del condado informa que la herramienta hace que las decisiones de priorización sean más rápidas y coherentes que el cuestionario al que sustituyó, y un estudio revisado por pares de 2024 (Conferencia AAAI/ACM sobre IA, Ética y Sociedad) halló que, tras la implementación, las decisiones reales de asignación de servicios se alinearon mejor con las puntuaciones de riesgo del propio modelo, y que la distribución de puntuaciones es ahora similar entre grupos raciales.
El mismo estudio revisado por pares halló que, a pesar de estas mejoras, la disparidad racial en quién recibe realmente los servicios no se redujo. Los investigadores lo atribuyen al uso continuado de una herramienta de respaldo basada en cuestionario (Alt-AHA) en situaciones de baja calidad de datos, y a diferencias demográficas en criterios de elegibilidad como la falta de hogar crónica y la condición de veterano — un recordatorio de que un algoritmo aparentemente más justo no corrige por sí solo resultados desiguales.