En los últimos años, los algoritmos han desempeñado un papel crucial en una amplia gama de decisiones, desde la selección de noticias y productos hasta la evaluación de riesgos crediticios y la asignación de recursos de atención médica. Sin embargo, este poder trae consigo una responsabilidad significativa: la necesidad de transparencia algorítmica.

¿Qué son los Sesgos Algorítmicos?

Los sesgos algorítmicos se refieren a la tendencia de los algoritmos de aprendizaje automático (ML) e inteligencia artificial (IA) a reproducir prejuicios humanos, lo que resulta en decisiones injustas. Estos sesgos pueden estar relacionados con factores como género, edad, raza, religión, etnia y cultura (Pathak, 2024).

En otras palabras, en el ámbito de la inteligencia artificial y el aprendizaje automático, los sesgos algorítmicos se definen como errores sistemáticos y recurrentes que se introducen en un sistema, generando resultados que pueden ser considerados injustos.

Las causas de los sesgos en los algoritmos son variadas e incluyen decisiones sobre cómo se recopilan, seleccionan, codifican y utilizan los datos durante el entrenamiento del algoritmo, así como el propósito para el cual se diseñó y la estructura del algoritmo. Un ejemplo de sesgo algorítmico puede observarse en los resultados de un motor de búsqueda, que podría llevar a violaciones de privacidad o a la propagación de prejuicios sociales.

¿Qué es la Transparencia Algorítmica?

La transparencia algorítmica se refiere a la apertura y claridad con la que se divulgan y explican los procesos y decisiones que realizan los algoritmos. Esto incluye la comprensión de cómo funcionan los algoritmos, qué datos utilizan y cómo llegan a sus conclusiones. En un mundo ideal, cualquier persona afectada por una decisión algorítmica debería poder entender cómo se tomó esa decisión.

Por ello, a este tipo de transparencia se la considera crucial en múltiples sectores, como el financiero, el sanitario, el de la seguridad y el legal, donde los algoritmos pueden influir significativamente en la vida de las personas. La falta de transparencia puede llevar a decisiones sesgadas, injustas o discriminatorias, erosionando la confianza pública en estos sistemas.

Importancia de la Transparencia Algorítmica

• Equidad y No Discriminación: Los algoritmos pueden perpetuar sesgos existentes o incluso crear nuevos si no se diseñan y supervisan adecuadamente. La transparencia permite identificar y corregir estos sesgos, asegurando decisiones más justas y equitativas para todos los usuarios.
• Responsabilidad: La transparencia facilita la rendición de cuentas. Cuando las decisiones algorítmicas afectan significativamente a las personas, como en los casos de justicia penal o asignación de crédito, es crucial que las organizaciones puedan justificar y explicar esas decisiones.
• Confianza: La transparencia aumenta la confianza del público en los sistemas automatizados. Cuando las personas entienden cómo funcionan los algoritmos, es más probable que confíen en ellos y acepten sus decisiones, promoviendo una mayor aceptación y uso de estas tecnologías.

Desafíos para la Transparencia Algorítmica

• Complejidad Técnica: Muchos algoritmos, especialmente aquellos basados en aprendizaje profundo, son intrínsecamente complejos y difíciles de interpretar. Según Bathaee (2018), la naturaleza «caja negra» de estos algoritmos representan un obstáculo significativo para la transparencia ya que se podrían generarse resultados que incluso los propios creadores no logran entender o prever.
• Propiedad Intelectual y Secretos Comerciales: Las empresas pueden mostrarse reticentes a revelar detalles sobre sus algoritmos debido a preocupaciones relacionadas con la propiedad intelectual y la competitividad. De acuerdo con Araya (2021), dicha transparencia podría vulnerar derechos de propiedad intelectual y secretos industriales de los titulares de los algoritmos. Esto se debe a que los algoritmos son activos intangibles que proporcionan un considerable valor económico a sus creadores o propietarios, traduciendo esto en una ventaja competitiva en el mercado.
• Datos Sensibles: La divulgación completa de cómo funcionan los algoritmos puede implicar la exposición de datos sensibles o privados, lo que plantea riesgos de privacidad y a una posible supervisión del incumplimiento de la Ley de Protección de Datos Personales (Ley N° 29733) y su reglamento.[1]

Soluciones y Enfoques para Mejorar la Transparencia

1. Auditorías Algorítmicas: Las auditorías independientes son herramientas valiosas para evaluar la equidad y la precisión de los algoritmos sin comprometer secretos comerciales. A través de un análisis riguroso, estas auditorías pueden identificar sesgos y otros problemas que podrían afectar el desempeño del algoritmo. Al proporcionar una revisión externa, se garantiza un mayor nivel de confianza en los resultados generados, además de facilitar la implementación de mejoras necesarias para optimizar su funcionamiento.

2. Explicabilidad Algorítmica: El desarrollo de algoritmos más explicables es una línea de investigación activa y crucial en el ámbito de la inteligencia artificial. La capacidad de ofrecer justificaciones claras y comprensibles para las decisiones tomadas por un algoritmo no solo aumenta la confianza del usuario, sino que también permite a los desarrolladores identificar errores y sesgos. La explicabilidad fomenta un enfoque más ético en el diseño de sistemas automatizados, asegurando que las decisiones no sean opacas y puedan ser auditadas y entendidas por quienes las utilizan.

3. Regulación y Adaptación Normativa: La intervención de gobiernos y organismos reguladores es fundamental para establecer normas y requisitos que promuevan la transparencia algorítmica. La Unión Europea, por ejemplo, ha avanzado en este ámbito con el Reglamento General de Protección de Datos (GDPR), que incluye disposiciones sobre la toma de decisiones automatizadas, así como la propuesta del Reglamento de Ley de Inteligencia Artificial en Perú, la cual busca asegurar que los algoritmos se utilicen de manera responsable y respeten los derechos de los ciudadanos, proporcionando un marco legal que favorezca la rendición de cuentas.

4. Participación del Usuario: Involucrar a los usuarios en el proceso de desarrollo y revisión de algoritmos es esencial para mejorar la transparencia y garantizar que los sistemas automatizados reflejen una diversidad de perspectivas y valores. La participación activa de los usuarios no solo enriquece el proceso de diseño, sino que también ayuda a identificar necesidades específicas y preocupaciones éticas, lo que puede resultar en algoritmos más inclusivos y equitativos. Esta colaboración puede establecer un diálogo constructivo entre desarrolladores y usuarios, promoviendo una mayor aceptación y confianza en las tecnologías algorítmicas.

Conclusión

La transparencia algorítmica es esencial en un mundo donde los algoritmos influyen en decisiones críticas que afectan la vida de las personas. Al promover la apertura sobre cómo funcionan estos sistemas, se pueden identificar y corregir sesgos, lo que resulta en decisiones más justas y equitativas. Además, la transparencia fortalece la responsabilidad y la confianza pública en las tecnologías automatizadas. Sin embargo, enfrentar los desafíos que presenta, como la complejidad técnica y la protección de datos sensibles, es fundamental para avanzar en este ámbito. Implementar auditorías independientes, fomentar la explicabilidad, establecer regulaciones adecuadas y promover la participación del usuario son pasos clave para garantizar que los algoritmos operen de manera ética y responsable, beneficiando a toda la sociedad de manera justa.

Esperamos que esta información sea útil para usted y su empresa. Si requiere asesoramiento legal sobre este tema, no dude en ponerse en contacto con nosotros.

Fuentes:

Araya Paz, Carlos. (2021). Transparencia algorítmica ¿un problema normativo o tecnológico? CUHSO (Temuco), 31(2), 306-334. https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S2452-610X2021000200306#fn2

Bathaee, Yavar (2018). The Artifcial Intelligence Black Box and the Failure of Intent and Causation. Harvard Journal of Law & Technology, 890-938. https://jolt.law.harvard.edu/assets/articlePDFs/v31/The-Artificial-Intelligence-Black-Box-and-the-Failure-of-Intent-and-Causation-Yavar-Bathaee.pdf

Pathak, Amrita (2024). ¿Qué son los sesgos algorítmicos y cómo detectarlos? Geekflare. https://geekflare.com/es/algorithmic-biases/

[1] Ley de Protección de Datos Personales (Ley N° 29733) y su reglamento: https://www.gob.pe/institucion/congreso-de-la-republica/normas-legales/243470-29733