Nombre del autor:Martín Villar

Estándar de monitoreo

Para mitigar posibles sesgos en las diferentes etapas de puesta en marcha de los Sistemas de Decisiones Automatizadas (SDA) se necesita de una serie de controles y monitoreos permanentes. 

Siguiendo las Recomendaciones Éticas de la Inteligencia Artificial emitidas por la UNESCO desarrollamos el estándar TATE para que los SDA se operen de forma transparente, auditables, trazables y explicables por parte de los organismos que lo utilicen:

1) Transparentes: Garantiza la protección y promoción de los Derechos Humanos y principios éticos;

2) Auditables: Asegura la rendición de cuentas para identificar posibles sesgos o errores;

3) Trazables: permite que se comprendan y corrijan desvíos durante las distintas etapas del desarrollo; y

4) Explicables: Posibilita conocer los motivos de las decisiones y presentar descargos sobre las mismas.

El estándar propuesto sigue los lineamientos de organismos internacionales y tiene como objetivo conocer en detalle los datos de los SDA con impacto social.

El Registro sistematiza los datos sobre los SDA a fin que haya más conciencia pública, fomentar el diálogo y el debate para que expertas/os de diferentes disciplinas analicen el uso y el impacto social de los mismos.

El estándar se compone de un listado de categorías con el intento de compilar y sistematizar la información producida por el uso de los SDA en uso en el sector público. Estas son las categorías y definiciones que estamos utilizando actualmente:

1.- Categoría: Información básica

1.1.- Nombre o denominación que identifique al sistema. Describe de forma precisa el nombre y la abreviatura del SDA.

1.2.- Breve descripción del sistema. Se detallan en un máximo de 140 caracteres la visión general y los objetivos del sistema.

1.3.- Organización responsable del sistema y competencias primarias. Se detallan el nombre completo de la organización estatal a cargo del sistema y descripción de las misiones y funciones.

1.4.- Detalle del área geográfica donde será utilizado el sistema y grupos impactados. Se especifica si el sistema es de cobertura nacional o si se utiliza para una delimitada cantidad de jurisdicciones. Además, se consignan los grupos de personas impactados.

1.5.- Informar si el sistema es operado por una unidad ejecutora externa. Se detalla si es operado por una unidad ejecutora externa a la dependencia que decidió implementar el sistema y se deja constancia si la misma es una organización sin fines de lucro; una universidad; otro gobierno; empresa público-privada u otro organismo.

1.6.- Política pública en la que intervendrá el sistema. Se debe detallar en el marco del plan, programa o acción para el que fue pensado el sistema.

1.7.- Estado del sistema. Se establece el estado en que se encuentra el sistema, pudiendo ser: planificado, diseño, desarrollo, piloto, operativo o archivado.

1.8.- Correo electrónico institucional. Se indica el correo electrónico oficial de la dependencia a cargo del sistema.

1.9.- Número telefónico. Se indica el número telefónico institucional de la dependencia a cargo del sistema.

1.10.- Web para consulta. Se añade el sitio web para consultar información adicional de la dependencia gubernamental.

1.11.- Costo de implementación del sistema. Se detalla el costo de implementación erogado para el sistema, las contrataciones asociadas a la implementación y los enlaces correspondientes al portal de compras públicas en caso de corresponder.

2.- Categoría: Uso del sistema

2.1.- Proceso de toma de decisiones. En este apartado se especifica la lógica del proceso de toma de decisiones del sistema, indicando su operación y posibles efectos. 

2.2.- Objetivos. Se incorpora el fin de la política pública para la que se está implementando el sistema y como se espera que su aplicación contribuya a alcanzar los objetivos.

2.3.- Impacto. Este punto indica la manera que estarán en contacto los ciudadanos con los efectos del sistema, bajo que circunstancias específicas sucederá y las consecuencias esperadas a nivel individual y colectivo.

2.4.- Riesgos. En el presente apartado se explica la evaluación del riesgo utilizada y da una visión general de los posibles riesgos y medidas de mitigación.

2.5.- Proporcionalidad. Se especifica por qué es razonablemente necesario la implementación del sistema, detallando los beneficios esperados y explicando porque los mismos superan a los posibles daños.

2.6.- Norma que aprueba el sistema. Se indica el número, año de la norma, las siglas del organismo y el enlace al boletín oficial del acto administrativo que aprueba el sistema.

2.7.- Más información sobre el sistema. En caso de contar con más información se detalla el sitio web que contiene más documentación sobre sobre el uso del sistema.

3.- Categoría: Datos

3.1.- Datos utilizados. En el apartado se da una visión general sobre los datos que utiliza el sistema en un máximo de 140 caracteres.

3.2.- Datos de origen del sistema. En este punto se detallan los datos que procesa el sistema, describiendo las fuentes de datos y las posibles dependencias que resulten de los mismos. 

3.3.- Datos sesgados. El apartado menciona si los datos utilizados en el sistema presentan sesgos y para el caso de existir se tienen que detallar el plan de mitigación en un máximo de 140 caracteres. 

3.4.- Conexión de fuentes de datos. Se indica si el sistema está funcionando a través de una conexión a una base de datos personales o de datos sensibles.

3.5.- Descripción de los posibles impactos sobre los datos del sistema. En el punto se da cuenta de las herramientas elaboradas para evaluar el impacto de la protección de los datos de acuerdo a lo establecido en la normativa vigente.

4.- Categoría. Sistema algorítmico

4.1.- Tipo de sistema. En el presente apartado se indica qué tipo de sistema se está utilizando, especificando si es de autoaprendizaje, basado en reglas o mixto.

4.2.- Explicación del sistema. En el punto se describe en un máximo de  10.000 caracteres el funcionamiento interno del sistema. Se detallan todos los aspectos relevantes necesarios para entender cómo el sistema procesa los datos y alimenta la toma de las decisiones.

4.3.- Alternativas planificadas. Se explican los motivos que llevaron a elegir el sistema para cumplimentar los objetivos y si se consideró alguno alternativo.

4.4.- URL del código fuente. Se indica la URL a la base del código fuente del sistema.

4.5.- Evaluación de impacto del sistema. Se detalla la evaluación de impacto que se utilizó para el sistema y el detalle de los puntos claves del mismo.

5.- Categoría. Supervisión

5.1.- Monitoreo de rendimiento. Se especifica cuál es el rendimiento esperado del sistema, cómo se previó monitorear y quién es el responsable de hacerlo, qué criterios se utilizaron y cuál es la frecuencia para supervisar el rendimiento. 

5.2.- Intervención humana. El punto describe cómo los humanos intervienen en los resultados del sistema, para que quede claro quién es el responsable por el accionar del mismo.

5.3.- Procedimiento de oposición. Se especifican los mecanismos por los cuales la ciudadanía puede oponerse al uso o resultado del sistema.

5.4.- Reducción del impacto del sistema. Detalla si es posible revertir completamente los efectos del sistema en caso de ser necesario y cuáles son los mecanismos que se necesitan para ello.

¿Qué es un SDA?

Los Sistemas de Inteligencia Artificial (SIA) abarcan una amplia gama de ideas controvertidas. En noviembre de 2018, el Grupo de Expertos en IA de la OCDE (AIGO) estableció un subgrupo para desarrollar una descripción de un sistema de IA, definiéndolo como un sistema basado en máquinas que es capaz de influir en el entorno produciendo un resultado (predicciones, recomendaciones o decisiones) para un conjunto determinado de objetivos. Utiliza datos e insumos basados en máquinas y/o humanos para a) percibir entornos reales y/o virtuales; b) abstraer estas percepciones en modelos a través del análisis de manera automatizada, o manualmente; y c) usar la inferencia del modelo para formular opciones para los resultados.

Por su parte, los algoritmos son: “Un conjunto de reglas computacionales que equivale a una secuencia de operaciones para tomar una entrada y convertirla en una salida”. Es decir, un conjunto de instrucciones, reglas o una serie metódica de pasos que puede utilizarse para hacer cálculos, resolver problemas y tomar decisiones.

Los Sistemas de Decisiones Automatizadas (SDA automated decision system o automated decision making, ADMS o ADM por sus siglas en inglés) son implementados para desarrollar un rol particular o la totalidad del proceso en la toma de decisiones. 

Un SDA es un sistema controlado algorítmicamente, en el que un proceso de decisión se delega parcial o totalmente a otro, el que a su vez toma o propone una decisión automáticamente. La delegación, no de la decisión en sí, sino de la ejecución, a un sistema basado en datos y controlado algorítmicamente, es en lo que debemos poner el foco de atención.  

Los resultados de los algoritmos más potentes de la IA, los de “deep learning”, en efecto, son difíciles de entender, ya que el proceso que desarrolla es opaco. Se los conoce como “caja negra”. Sin embargo, hay muchos algoritmos de aprendizaje automático que son perfectamente inteligibles (cajas blancas) para saber cómo se ha llegado a una determinada conclusión. Por ejemplo, los llamados “árboles de decisión”, son perfectamente comprensibles. El algoritmo puede demostrar todas las variables que han influido en su decisión y con qué importancia.

Aunque, hasta la fecha, la mayoría de los expertos prefieren usar “deep learning” por su prestaciones superiores, cada vez más son las empresas que consideran usar un algoritmo interpretable “caja blanca” si su prestación es suficientemente buena para resolver el problema de negocio, aunque sea un rendimiento un poco peor que un algoritmo de “caja negra”. La razón es la explicabilidad, que, en ciertas aplicaciones, debe tener un peso importante, como en el sector médico. De todas formas, hoy en día hay mucha investigación trabajando en mejorar la explicabilidad de los algoritmos de “deep learning”.

La creciente adopción de herramientas de automatización en el sector público, los responsables políticos, funcionarios y administradores deben comprender cómo afecta la automatización a los contextos de toma de decisiones. Aunque la normativa suele promover la supervisión humana como una medida de protección, los expertos advierten sobre la falta de sensación de seguridad que promete dicha supervisión, puesto que el riesgo que suponen las SDA va más allá del criterio del personal de asistencia.

Los Sistemas pueden estar diseñados para recopilar datos de las personas; evaluar el comportamiento humano, identificar rasgos biométricos; predecir el comportamiento humano; perfilar a las personas; simular el habla humana; reconocimiento de imágenes; reconocimientos de sonidos; automatización de tareas rutinarias, entre otros.

Nota infobae

Finalizó el primer relevamiento de algoritmos de IA en el Estado: cuántos detectaron y para qué se usan

 

(10) Proceso de renovación automática del sistema de medicamentos sin cargo

Instituto Nacional de Servicios Sociales para Jubilados y Pensionados (PAMI)

– Propósito: El sistema de medicamentos sin cargo tiene el propósito de administrar y gestionar las autorizaciones de provisión de medicamentos sin cargo a los afiliados del Instituto. El proceso de renovación automática, tiene algoritmos de control de reglas para que el tratamiento medicamentoso del segmento ambulatorio que tenía autorizado un afiliado y procede a renovarse una vez haya vencido el tratamiento vigente.

– Datos sensibles: El sistema no utiliza datos sensibles.

– Costo: No informa.

– Acto administrativo: DI-2019-6-INSSJP-GM#INSSJP.

– Información pública: Informa un enlace donde se podría descargar la documentación sobre los manuales y documentación técnico, pero el mismo no está disponible.

Consultá la ficha completa

(9) SINTRA

Instituto Nacional Central Único Coordinador de Ablación e Implante (INCUCAI)

– Propósito: El propósito de los algoritmos contenidos en el Sistema de Decisión Automatizada incluido en SINTRA es elaborar las listas de distribución de órganos basado en las normativas vigentes.

– Datos sensibles: El sistema no utiliza datos sensibles.

– Costo: No existe costo erogado, más que el RRHH asignado a el desarrollo de este proceso, que forma parte de la planta estable de la organización.

– Acto administrativo: Resolución 117/04.

– Información pública: La documentación sobre los manuales y documentación técnica no están publicados.

Consultá la ficha completa

(8) IA para automatización

Ministerio de Obras Públicas

– Propósito: Uso de inteligencia artificial para la automatización de los servicios de áreas sustantivas del Ministerio de Obras Públicas y áreas dependientes.

– Datos sensibles: El sistema no utiliza datos sensibles.

– Costo: El monto total a abonar es de $ 25.000.000.- por la incubación y desarrollo de los tres procesos, la integración de los tres procesos a los sistemas del Ministerio, la capacitación y transferencia de conocimiento.

– Acto administrativo:  El sistema no cuenta con acto administrativo de aprobación.

– Información pública: La documentación sobre los manuales y documentación técnica no están publicados.

Consultá la ficha completa

(7) Sistema de gestión vial

Ministerio de Obras Públicas

– Propósito: El Ministerio de Obras Públicas desarrolla herramientas de gestión vial para la planificación de conservación y mantenimiento de pavimento. El Sistema de Gestión Vial brinda información confiable para definir prioridades en la ejecución de obras y hacer una gestión más eficiente. Incorpora en cada proceso los principios de transparencia, eficiencia y trazabilidad. Se destaca como un avance significativo el uso de Machine Learning (ML) para evaluar la calidad del pavimento de forma inmediata, inteligente y segura en Corredores Viales S.A. Permite: el registro de Estado de Pavimentos; la identificación de Estado de Pavimentos por Machine Learning; el inventario Vial; el registro georeferenciado de imágenes y los escenarios de planificación para conservación vial y mantenimiento.

– Datos sensibles: El sistema no utiliza datos sensibles.

– Costo: No informan.

– Acto administrativo: El sistema no cuenta con acto administrativo de aprobación.

– Información pública: La documentación sobre los manuales y documentación técnica no están publicados.

Consultá la ficha completa

(6) Algoritmos de identificación

Registro Nacional de las Personas (RENAPER)

– Propósito: Los algoritmos de verificación de identidad usando imágenes de rostros o imágenes de huellas dactilares que pueden determinar si hay coincidencia biométrica de los datos almacenados con los aportados pero solo funcionan luego del enrolamiento donde intervienen peritos humanos como primer eslabón de la cadena del ciclo de vida de la identidad.

– Datos sensibles: No informa.

– Costo: No informa.

– Acto administrativo: Resolución 2552/2007.

– Información pública: No informa si la documentación sobre los manuales y documentación técnica se encuentra publicada.

Consultá la ficha completa

(5) Stockwatch

Comisión Nacional de Valores (CNV)

– Propósito: Generar alertas para la detección de posibles ilícitos, y disponibiliza la información para las áreas de Monitoreo e Investigaciones.

– Datos sensibles: El sistema no utiliza datos sensibles.

– Costo: No informan.

– Acto administrativo: RGC 557/09.

– Información pública: La documentación sobre los manuales y documentación técnica no están publicados.

Consultá la ficha completa

(4) Chat-bot (MP)

Ministerio de Economía

– Propósito: Brindar un nuevo canal de comunicación a los ciudadanos con la Secretaría de Industria y Desarrollo Productivo.

– Datos sensibles: El sistema no utiliza datos sensibles.

– Costo: Monto erogado $ 2.322.610,24.-

– Acto administrativo: El sistema no cuenta con acto administrativo de aprobación.

– Información pública: La documentación sobre los manuales y la técnica no están publicados.

Consultá la ficha completa

Scroll al inicio