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 868: El algoritmo SERVUS de la Oficina de Aguas de Portland supuestamente asigna descuentos en las facturas de servicios públicos a los consumidores de alto poder adquisitivo

Traducido por IA
Descripción:
Traducido por IA
Según informes, el programa piloto de descuentos en la factura de agua, impulsado por IA, de la Oficina de Aguas de Portland seleccionó al azar a Tim Boyle, un consumidor adinerado de agua con altos costos, para ofrecerle un descuento del 40% destinado a clientes con dificultades económicas. El programa, desarrollado por SERVUS, busca identificar a personas desatendidas mediante aprendizaje automático.

Herramientas

Nuevo InformeNuevo InformeNueva RespuestaNueva RespuestaDescubrirDescubrirVer HistorialVer Historial

Entidades

Ver todas las entidades
Presunto: un sistema de IA desarrollado e implementado por Portland Water Bureau y SERVUS, perjudicó a Portland Water Bureau , Tim Boyle , Low-income Portland residents y City of Portland.
Sistema de IA presuntamente implicado: SERVUS

Estadísticas de incidentes

ID
868
Cantidad de informes
1
Fecha del Incidente
2024-10-14
Editores
Daniel Atherton
Applied Taxonomies
MIT

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
 

7.3. Lack of capability or robustness

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. AI system safety, failures, and limitations

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 OccurrenceEl aprendizaje automático ofrece un descuento en la factura del agua a los habitantes ricos de Portland
El aprendizaje automático ofrece un descuento en la factura del agua a los habitantes ricos de Portland

El aprendizaje automático ofrece un descuento en la factura del agua a los habitantes ricos de Portland

wweek.com

El aprendizaje automático ofrece un descuento en la factura del agua a los habitantes ricos de Portland
wweek.com · 2024
Traducido por IA

Tim Boyle no podía creer lo que veía. El director ejecutivo de Columbia Sportswear paga muchas facturas, tanto a nivel personal como de su empresa. Es inusual que un proveedor le ofrezca un gran descuento por algo por lo que paga el precio …

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

Kronos Scheduling Algorithm Allegedly Caused Financial Issues for Starbucks Employees

Kronos Scheduling Algorithm Allegedly Caused Financial Issues for Starbucks Employees

Aug 2014 · 10 informes
Waze Allegedly Clogged Streets and Directed Drivers to Make Unsafe Traffic Decisions

Waze Allegedly Clogged Streets and Directed Drivers to Make Unsafe Traffic Decisions

Apr 2015 · 3 informes
Predictive Policing Biases of PredPol

Predictive Policing Biases of PredPol

Nov 2015 · 17 informes
Incidente AnteriorSiguiente Incidente

Incidentes Similares

Por similitud de texto

Did our AI mess up? Flag the unrelated incidents

Kronos Scheduling Algorithm Allegedly Caused Financial Issues for Starbucks Employees

Kronos Scheduling Algorithm Allegedly Caused Financial Issues for Starbucks Employees

Aug 2014 · 10 informes
Waze Allegedly Clogged Streets and Directed Drivers to Make Unsafe Traffic Decisions

Waze Allegedly Clogged Streets and Directed Drivers to Make Unsafe Traffic Decisions

Apr 2015 · 3 informes
Predictive Policing Biases of PredPol

Predictive Policing Biases of PredPol

Nov 2015 · 17 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