Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar
Traducido por IA

Incidente 461: El IRS auditó a contribuyentes negros con mayor frecuencia, según se informa, debido a un algoritmo

Traducido por IA
Descripción:
Traducido por IA
El IRS estaba auditando a los contribuyentes negros con mayor frecuencia que a otros grupos, supuestamente debido al diseño de sus algoritmos, centrándose en auditorías más fáciles de realizar que inadvertidamente se correlacionaban con el patrón de errores de presentación de impuestos del grupo.

Herramientas

Nuevo InformeNuevo InformeNueva RespuestaNueva RespuestaDescubrirDescubrirVer HistorialVer Historial

Entidades

Ver todas las entidades
Presunto: un sistema de IA desarrollado e implementado por Internal Revenue Service, perjudicó a Black taxpayers.

Estadísticas de incidentes

ID
461
Cantidad de informes
4
Fecha del Incidente
2008-07-18
Editores
Khoa Lam
Applied Taxonomies
CSETv1, MIT

Clasificaciones de la Taxonomía CSETv1

Detalles de la Taxonomía

Incident Number

The number of the incident in the AI Incident Database.
 

461

Special Interest Intangible Harm

An assessment of whether a special interest intangible harm occurred. This assessment does not consider the context of the intangible harm, if an AI was involved, or if there is characterizable class or subgroup of harmed entities. It is also not assessing if an intangible harm occurred. It is only asking if a special interest intangible harm occurred.
 

yes

Date of Incident Year

The year in which the incident occurred. If there are multiple harms or occurrences of the incident, list the earliest. If a precise date is unavailable, but the available sources provide a basis for estimating the year, estimate. Otherwise, leave blank. Enter in the format of YYYY
 

2023

Date of Incident Month

The month in which the incident occurred. If there are multiple harms or occurrences of the incident, list the earliest. If a precise date is unavailable, but the available sources provide a basis for estimating the month, estimate. Otherwise, leave blank. Enter in the format of MM
 

01

Date of Incident Day

The day on which the incident occurred. If a precise date is unavailable, leave blank. Enter in the format of DD
 

Estimated Date

“Yes” if the data was estimated. “No” otherwise.
 

No

Clasificaciones de la Taxonomía MIT

Machine-Classified
Detalles de la Taxonomía

Risk Subdomain

A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
 

1.1. Unfair discrimination and misrepresentation

Risk Domain

The Domain Taxonomy of AI Risks classifies risks into seven AI risk domains: (1) Discrimination & toxicity, (2) Privacy & security, (3) Misinformation, (4) Malicious actors & misuse, (5) Human-computer interaction, (6) Socioeconomic & environmental harms, and (7) AI system safety, failures & limitations.
 
  1. Discrimination and Toxicity

Entity

Which, if any, entity is presented as the main cause of the risk
 

AI

Timing

The stage in the AI lifecycle at which the risk is presented as occurring
 

Post-deployment

Intent

Whether the risk is presented as occurring as an expected or unexpected outcome from pursuing a goal
 

Unintentional

Informes del Incidente

Cronología de Informes

Incident Occurrence+3
Medición y mitigación de las disparidades raciales en las auditorías fiscales
Medición y mitigación de las disparidades raciales en las auditorías fiscales

Medición y mitigación de las disparidades raciales en las auditorías fiscales

siepr.stanford.edu

Los afroamericanos son mucho más propensos a enfrentar auditorías fiscales, según un estudio

Los afroamericanos son mucho más propensos a enfrentar auditorías fiscales, según un estudio

nytimes.com

Los contribuyentes afroamericanos tienen tres veces más probabilidades de ser auditados por el IRS

Los contribuyentes afroamericanos tienen tres veces más probabilidades de ser auditados por el IRS

thehill.com

El IRS audita desproporcionadamente a los contribuyentes afroamericanos

El IRS audita desproporcionadamente a los contribuyentes afroamericanos

hai.stanford.edu

Medición y mitigación de las disparidades raciales en las auditorías fiscales
siepr.stanford.edu · 2023
Traducido por IA

Las agencias gubernamentales de todo el mundo utilizan algoritmos basados en datos para asignar recursos de cumplimiento. Incluso cuando dichos algoritmos son formalmente neutrales con respecto a las características protegidas como la raza,…

Los afroamericanos son mucho más propensos a enfrentar auditorías fiscales, según un estudio
nytimes.com · 2023
Traducido por IA

WASHINGTON — Los contribuyentes afroamericanos tienen al menos tres veces más probabilidades de ser auditados por el Servicio de Impuestos Internos que otros contribuyentes, incluso después de tener en cuenta las diferencias en los tipos de…

Los contribuyentes afroamericanos tienen tres veces más probabilidades de ser auditados por el IRS
thehill.com · 2023
Traducido por IA

Un nuevo informe publicado el lunes encontró que el IRS audita a los contribuyentes negros a una tasa significativamente más alta que a los contribuyentes no negros.

El documento, publicado por el [Instituto de Investigación de Política Eco…

El IRS audita desproporcionadamente a los contribuyentes afroamericanos
hai.stanford.edu · 2023
Traducido por IA

Los investigadores se han preguntado durante mucho tiempo si el IRS usa sus poderes de auditoría de manera equitativa. Y ahora hemos aprendido que no.

Los contribuyentes afroamericanos reciben avisos de auditoría del IRS al menos 2,9 veces …

Variantes

Una "Variante" es un incidente de IA similar a un caso conocido—tiene los mismos causantes, daños y sistema de IA. En lugar de enumerarlo por separado, lo agrupamos bajo el primer incidente informado. A diferencia de otros incidentes, las variantes no necesitan haber sido informadas fuera de la AIID. Obtenga más información del trabajo de investigación.
¿Has visto algo similar?

Incidentes Similares

Por similitud de texto

Did our AI mess up? Flag the unrelated incidents

COMPAS Algorithm Performs Poorly in Crime Recidivism Prediction

COMPAS Algorithm Performs Poorly in Crime Recidivism Prediction

May 2016 · 22 informes
Northpointe Risk Models

Northpointe Risk Models

May 2016 · 15 informes
Algorithmic Health Risk Scores Underestimated Black Patients’ Needs

Algorithmic Health Risk Scores Underestimated Black Patients’ Needs

Oct 2019 · 7 informes
Incidente AnteriorSiguiente Incidente

Incidentes Similares

Por similitud de texto

Did our AI mess up? Flag the unrelated incidents

COMPAS Algorithm Performs Poorly in Crime Recidivism Prediction

COMPAS Algorithm Performs Poorly in Crime Recidivism Prediction

May 2016 · 22 informes
Northpointe Risk Models

Northpointe Risk Models

May 2016 · 15 informes
Algorithmic Health Risk Scores Underestimated Black Patients’ Needs

Algorithmic Health Risk Scores Underestimated Black Patients’ Needs

Oct 2019 · 7 informes

Investigación

  • Definición de un “Incidente de IA”
  • Definición de una “Respuesta a incidentes de IA”
  • Hoja de ruta de la base de datos
  • Trabajo relacionado
  • Descargar Base de Datos Completa

Proyecto y Comunidad

  • Acerca de
  • Contactar y Seguir
  • Aplicaciones y resúmenes
  • Guía del editor

Incidencias

  • Todos los incidentes en forma de lista
  • Incidentes marcados
  • Cola de envío
  • Vista de clasificaciones
  • Taxonomías

2024 - AI Incident Database

  • Condiciones de uso
  • Política de privacidad
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • 69ff178