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

Problema 2107

Incidentes Asociados

Incidente 934 Reportes
HUD charges Facebook with enabling housing discrimination

Loading...
HUD contra Facebook
nafcu.org · 2019

La semana pasada vi un seminario web (costo adicional) que está disponible en el Centro de capacitación en línea de NAFCU titulado [Banderas rojas para préstamos justos] (https://onlinetrainingcenter.nafcu.org/KD/training_menu.cfm?pg=tm_module.cfm&mid= 2856&cid=12). El seminario web se presentó en vivo en marzo de este año el mismo día que el Departamento de Vivienda y Desarrollo Urbano de los Estados Unidos (HUD) acusó Facebook de violar la Ley de Vivienda Justa. A pesar de la breve advertencia, los presentadores hicieron un excelente trabajo al explicar de qué se trataba el cargo contra Facebook y qué podría significar para las cooperativas de ahorro y crédito y otras instituciones financieras que intentan cumplir con los requisitos de la Ley de Vivienda Justa. La Ley de Equidad de Vivienda prohibe discriminar a cualquier persona con respecto a los términos y condiciones de la venta o el alquiler de una vivienda o al proporcionar cualquier servicio junto con una venta o alquiler por motivos de raza, color, religión, sexo, estado familiar, origen nacional o discapacidad. Cuando se trata de una vivienda, la [regla de no discriminación en los préstamos] (https://www.ecfr.gov/cgi-bin/text-idx?SID=a681f514baa5e573a5a41809b16cddc2&mc=true&node=se12.7.701_131&rgn=div8) de la NCUA prohíbe la discriminación contra cualquier persona. en el contexto crediticio sobre bases similares.

El [Cargo de Discriminación] de HUD (https://www.hud.gov/sites/dfiles/Main/documents/HUD_v_Facebook.pdf) contra Facebook siguió a una [Denuncia de Discriminación de Vivienda] (https://www.hud.gov/ press/press_releases_media_advisories/HUD_No_18_085) HUD presentó contra Facebook en agosto de 2018. En la Denuncia por discriminación en la vivienda, HUD alegó que

Facebook discrimina ilegalmente al permitir que los anunciantes restrinjan qué usuarios de Facebook reciben anuncios relacionados con la vivienda en función de la raza, el color, la religión, el sexo, el estado familiar, el origen nacional y la discapacidad. Facebook extrae una gran cantidad de datos de usuarios y clasifica a sus usuarios en función de las características protegidas. Las herramientas de orientación de anuncios de Facebook luego invitan a los anunciantes a expresar preferencias ilegales al sugerir opciones discriminatorias, y Facebook efectúa la entrega de anuncios relacionados con la vivienda a ciertos usuarios y no a otros en función de los rasgos protegidos reales o imputados de esos usuarios.

Tanto la Queja por Discriminación en la Vivienda como el Cargo por Discriminación contenían acusaciones específicas sobre cómo funcionaba la plataforma de publicidad de Facebook. Como se alega en el Cargo de Discriminación, Facebook determinó qué usuarios finalmente terminarían viendo un anuncio basado en un proceso de dos partes.

La primera parte del proceso de publicidad de Facebook involucró a los anunciantes seleccionando "atributos que los usuarios a los que se les mostrará el anuncio deben tener y atributos que los usuarios a los que se les mostrará el anuncio no deben tener". Esta primera parte del proceso también permitió a los anunciantes incluir o excluir a personas específicas identificadas por los anunciantes, así como a usuarios que pudieran compartir puntos en común con las personas específicamente identificadas. Con respecto al último grupo, aquellos usuarios de Facebook que podrían compartir puntos en común con las personas específicamente identificadas, ese grupo sería identificado por Facebook considerando "sexo y representantes cercanos para las otras clases protegidas".

En la segunda parte del proceso, Facebook determinó cuáles de sus usuarios realmente verían un anuncio basado "en gran parte en las inferencias y predicciones que extrae sobre la probabilidad de que cada usuario responda a un anuncio en función de los datos que tiene sobre ese usuario". los datos que tiene sobre otros usuarios que considera que se parecen a ese usuario, y los datos que tiene sobre 'amigos' y otros asociados de ese usuario".

El riesgo para las cooperativas de ahorro y crédito señalado por los presentadores del seminario web de NAFCU es que la capacidad de dirigirse a los miembros y otros clientes en función de su dirección, edad, sexo u otros intereses puede aumentar el riesgo de excluir a los miembros o miembros potenciales que son parte de un grupo protegido. clase. Por lo tanto, el desafío es desarrollar un plan de marketing holístico a la luz del riesgo de exclusión.

El seminario web de marzo de 2019 también cubrió más temas relacionados con la inclusión y la exclusión, las prácticas de fijación de precios, las prácticas de suscripción y los programas de préstamos justos. Si está buscando más orientación sobre problemas de préstamos justos, NAFCU también está organizando un [seminario web sobre préstamos justos 101] (https://www.nafcu.org/lending10119webinar) (costo adicional) el 4 de junio.

Leer la Fuente

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
  • e1b50cd