Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
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 coda per le prenotazioni può nascondere la decisione che la determina. In un sistema di prenotazione sanitaria basato sul machine learning, i pazienti neri attendevano circa il 30% in più rispetto ai pazienti non neri. I ricercatori hanno eliminato il divario inserendo la razza nell'obiettivo di ottimizzazione del sistema, mantenendo al contempo l'efficienza delle prenotazioni.
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.
Il risultato mostra perché i sistemi di IA non siano soltanto motori di previsione. Possono distribuire risorse, influenzare le opportunità e condizionare i processi istituzionali. Quando le disuguaglianze storiche sono incorporate nei dati, i feedback sono incompleti o le istituzioni interagiscono in modi che si rafforzano a vicenda, i divari possono emergere in modo meno visibile e aggravarsi nel tempo.
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.
L'esempio proviene da uno dei 13 studi pubblicati in un numero speciale dell'INFORMS Journal on Computing dedicato all'IA responsabile e alla data science per il bene sociale. Il numero copre sei aree: sistemi giudiziari, istruzione, comunicazione, sanità, distorsioni ed equità, e interpretabilità. Ram Ramesh, professore alla School of Management dell'Università di Buffalo e responsabile di area della rivista, afferma che le conseguenze etiche non possono essere affrontate soltanto dopo la realizzazione dei sistemi; gli obiettivi sociali devono orientare la raccolta dei dati, l'apprendimento, l'ottimizzazione, l'interazione e la governance.
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 descrive l'equità come un obiettivo progettuale, non come un vincolo esterno aggiunto a un sistema altrimenti ottimale. Il risultato sulle prenotazioni è una dimostrazione circoscritta ma utile: modificare ciò che un algoritmo ottimizza ha cambiato un divario misurato senza ridurre l'efficienza delle prenotazioni riportata. Non risolve i problemi più ampi creati dai dati storici distorti o dai feedback incompleti.
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.
In concreto, i team che sviluppano sistemi di IA per le prenotazioni o l'allocazione delle risorse possono considerare l'equità parte integrante delle specifiche tecniche fin dall'inizio, insieme ai dati e agli obiettivi di rendimento. Per le persone interessate da questi sistemi, quella scelta può tradursi in una differenza misurabile nei tempi di attesa. Il risultato riportato offre una strada specifica per migliorare la situazione, lasciando però il compito più ampio — individuare e prevenire i divari meno evidenti — saldamente sul tavolo degli ingegneri.