Las dos versiones están alineadas bloque a bloque, en el orden del texto: titular, lo esencial y después párrafo a párrafo. Cuando la traducción ha fusionado o dividido un párrafo, la casilla correspondiente queda vacía — nunca emparejamos dos pasajes a ojo.
An appointment queue can hide the decision that shapes it. In one machine-learning scheduling system in health care, Black patients waited approximately 30% longer than non-Black patients. Researchers eliminated the disparity by putting race into the system’s optimization objective while maintaining scheduling efficiency.
Una cola de citas puede ocultar la decisión que la determina. En un sistema de programación basado en aprendizaje automático en el ámbito sanitario, los pacientes negros esperaron aproximadamente un 30 % más que los pacientes no negros. Los investigadores eliminaron la disparidad al incluir la raza en el objetivo de optimización del sistema, manteniendo al mismo tiempo la eficiencia de la programación.
That finding shows why AI systems are not only prediction engines. They can allocate resources, shape opportunities and influence institutional processes. When historical inequities are embedded in data, feedback is incomplete or institutions interact in reinforcing ways, disparities can emerge less visibly and compound over time.
Ese hallazgo muestra por qué los sistemas de IA no son solo motores de predicción. Pueden asignar recursos, determinar oportunidades e influir en los procesos institucionales. Cuando las desigualdades históricas están incorporadas en los datos, la retroalimentación es incompleta o las instituciones interactúan de forma que se refuerzan mutuamente, las disparidades pueden aparecer de manera menos visible y agravarse con el tiempo.
The example comes from one of 13 studies in a special issue of the INFORMS Journal on Computing focused on responsible AI and data science for social good. The issue spans six areas: judicial systems, education, communication, health care, bias and fairness, and interpretability. Ram Ramesh, a professor at the University at Buffalo School of Management and an area editor of the journal, says ethical consequences cannot be handled only after systems are built; social goals have to shape data collection, learning, optimization, interaction and governance.
El ejemplo procede de uno de los 13 estudios incluidos en un número especial de INFORMS Journal on Computing centrado en la IA responsable y la ciencia de datos para el bien social. El número abarca seis áreas: sistemas judiciales, educación, comunicación, atención sanitaria, sesgo y equidad, e interpretabilidad. Ram Ramesh, profesor de la Facultad de Gestión de la Universidad de Buffalo y editor de área de la revista, afirma que las consecuencias éticas no pueden abordarse únicamente después de construir los sistemas; los objetivos sociales deben orientar la recopilación de datos, el aprendizaje, la optimización, la interacción y la gobernanza.
Ramesh describes fairness as a design objective rather than an external constraint added to an otherwise optimal system. The appointment result is a narrow but useful demonstration: changing what an algorithm optimizes altered a measured disparity without reducing the reported scheduling efficiency. It does not settle the broader problems created by biased historical data or incomplete feedback.
Ramesh describe la equidad como un objetivo de diseño, no como una restricción externa que se añade a un sistema que, por lo demás, es óptimo. El resultado sobre las citas es una demostración limitada pero útil: cambiar aquello que optimiza un algoritmo modificó una disparidad medida sin reducir la eficiencia de programación registrada. No resuelve los problemas más amplios creados por los datos históricos sesgados o la retroalimentación incompleta.
Concretely, teams building AI for scheduling or resource allocation can treat fairness as part of the technical brief from the beginning, alongside the data and performance objectives. For people affected by those systems, that choice can show up as a measurable difference in waiting time. The reported result offers a specific route to improvement while leaving the wider task—finding and preventing less obvious disparities—firmly on the engineering table.
En términos concretos, los equipos que desarrollan IA para programar citas o asignar recursos pueden tratar la equidad como parte de las especificaciones técnicas desde el principio, junto con los datos y los objetivos de rendimiento. Para las personas afectadas por esos sistemas, esa decisión puede traducirse en una diferencia medible en el tiempo de espera. El resultado comunicado ofrece una vía específica de mejora, aunque deja firmemente sobre la mesa de ingeniería la tarea más amplia: detectar y prevenir las disparidades menos evidentes.