000			04059nam a22004817a 4500
001			00007988
003			ES-MaONT
005			20241218012111.0
008			240704s202406uufr d|||fs|||| 001 0 eng d
040			_aES-MaONT
100	1		_95350 _aVerhagen, Annelore
245			_aUsing AI to manage minimum income benefits and unemployment assistance: Opportunities, risks and possible policy directions _c/ Verhagen, Annelore
260			_aParís : _bOECD Publishing _c06/2024
300			_a54 p. _c; 1 documento PDF
336			_2isbdcontent _atexto (visual)
337			_2isbdmedia _aelectrónico
338			_2rdacarrier _arecurso en línea
490			_aOECD ARTIFICIAL INTELLIGENCE PAPERS _vJune 2024 No. 21
520			_aEste artículo investiga las oportunidades y riesgos del uso de la inteligencia artificial (IA) por parte de las administraciones públicas para gestionar las ayudas sujetas a verificación de recursos, como las prestaciones de ingreso mínimo (MIB, por sus siglas en inglés) y la asistencia por desempleo (UA, por sus siglas en inglés). Esto abarca desde proporcionar información a las personas, pasando por determinar la elegibilidad basándose en criterios legales predeterminados e identificar pagos indebidos, hasta notificar a las personas sobre su estado de elegibilidad. Para estudiar las oportunidades y riesgos del uso de la IA en la gestión de estos beneficios el documento recurre a investigaciones documentales, encuestas abiertas y entrevistas semiestructuradas. El análisis muestra que la IA se puede utilizar durante todo el proceso de gestión de beneficios sujetos a verificación de recursos, como los beneficios de ingreso mínimo y la asistencia por desempleo: desde proporcionar información a los beneficiarios potenciales, hasta determinar la elegibilidad de acuerdo con criterios legales predeterminados. Esto trae importantes oportunidades, así como retos para la protección social. Por ejemplo, el uso de IA para la gestión de MIB o UA puede mejorar la aceptación al inscribir automáticamente a las personas en programas o completar formularios previamente. Sin embargo, si no se diseñan o implementan bien, se puede lograr el efecto contrario, con el riesgo de que algunos grupos queden rezagados. Otro caso de ejemplo, lo conforman los grupos con bajas habilidades digitales o grupos con acceso limitado a dispositivos digitales o Internet en casa. De manera similar, si bien la toma de decisiones basada en datos de la IA puede mejorar la precisión y la equidad de la evaluación de elegibilidad basada en criterios legales predefinidos, también puede sistematizar imprecisiones y sesgos. El proceso de toma de decisiones con respecto a la adopción de IA para la gestión de MIB y UA debe considerar si esta tecnología es la solución óptima para el problema en cuestión y garantizar que los sistemas de IA utilizados sean confiables. Esto incluye mantener la intervención y supervisión humana, la transparencia y la explicabilidad, incluso en cómo se tratan los falsos positivos y los falsos negativos, y una buena gobernanza de los datos de los sistemas de IA utilizados.
650		0	_94348 _aInteligencia Artificial
650		0	_92192 _aPolíticas públicas digitales
650		7	_92059 _aAdministración electrónica
650		0	_95190 _aEmpleo
650		0	_95609 _aTransformación digital
651		0	_96581 _aUnión Europea
651		0	_94015 _aEstados Unidos de América
651		0	_96173 _aCanadá
651		0	_95783 _aFinlandia
651		0	_96175 _aCosta Rica
651		0	_96188 _aNueva Zelanda
651		0	_aDinamarca _92748
651		0	_aPaíses Bajos _92752
653			_aIA
653			_arenta mínima
653			_aprestaciones
653			_adesempleo
653			_agobernanza
653			_abrecha digital
653			_aprotección social
856			_uhttps://www.oecd-ilibrary.org/employment/using-ai-to-manage-minimum-income-benefits-and-unemployment-assistance_718c93a1-en _x0 _yAcceso a la publicación
942			_2z _cINF
999			_c7988 _d7988