← Últimos artículos
💻 computer science

Into the Unknown: Accounting for Missing Demographic Data when Mitigating Ad Delivery Skew

Este artículo propone y valida una intervención de división presupuestaria que mitiga eficazmente el sesgo en la entrega de anuncios basado en el género en plataformas como Google Ads al dirigir estratégicamente tanto a grupos demográficos inferidos como a "desconocidos", ofreciendo una solución rentable para una difusión equitativa de servicios públicos.

Autores originales: Isabel Corpus, Allison Koenecke

Publicado 2026-05-13
📖 5 min de lectura🧠 Análisis profundo

Autores originales: Isabel Corpus, Allison Koenecke

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres el alcalde de una ciudad intentando repartir folletos sobre un nuevo centro de recursos comunitarios. Quieres asegurarte de que todos en la ciudad reciban un folleto, independientemente de si son hombres, mujeres o alguien que no encaja fácilmente en esas categorías. Contratas un servicio de entrega de alta tecnología (como Google Ads) para depositar estos folletos en los buzones digitales de la gente.

Le dices al servicio de entrega: "Por favor, asegúrate de que la mitad de los folletos vayan a hombres y la mitad a mujeres".

Sin embargo, el servicio de entrega utiliza un robot misterioso para decidir quién recibe qué. El robot examina el historial de navegación de las personas y adivina su género. A veces adivina "Hombre", a veces "Mujer", y a veces simplemente se encoge de hombros y dice: "No tengo idea" (llamemos a estos los "Desconocidos").

El Problema: El Sesgo del Robot

Los investigadores de este documento descubrieron que el robot tenía un sesgo incorporado. Aunque el alcalde pidió una división justa, el robot seguía repartiendo muchos más folletos a las personas que adivinaba que eran hombres.

¿Por qué? Porque el robot pensaba que los hombres tenían más probabilidades de hacer clic en el folleto, por lo que enviaba más de ellos a hombres para ahorrar dinero y obtener mejores resultados. Esto significaba que las mujeres recibían menos folletos, y los "Desconocidos" (que podrían ser mujeres, personas no binarias o personas con menos historial digital) recibían cero folletos porque el robot no sabía cómo categorizarlos.

La Vieja Solución: El Enfoque de "Dividir la Cuenta"

Anteriormente, los investigadores sugerían una solución llamada "División de Presupuesto".

  • Cómo funcionaba: Le decías al robot: "¡Deja de adivinar! Quiero dos pilas separadas de folletos. Una pila solo para las personas que crees que son hombres, y una pila solo para las personas que crees que son mujeres".
  • El Truco: Este enfoque ignora completamente a los "Desconocidos". Si el robot no puede adivinar el género, el folleto nunca se entrega a ellos. Además, este método es costoso porque el robot cobra más por dirigirse a grupos específicos que por simplemente rociar folletos por todas partes.

La Nueva Solución: La "División Inclusiva"

Los autores de este documento, trabajando con un gobierno estatal, idearon una forma más inteligente de solucionar el problema sin dejar a nadie atrás ni arruinar el presupuesto. Lo llamaron "División de Presupuesto con Usuarios Desconocidos".

Así es como funciona su solución creativa, usando una analogía simple:

Imagina que tienes un gran cubo de agua (tu presupuesto publicitario) y quieres regar dos jardines: el "Jardín de Hombres" y el "Jardín de Mujeres".

  1. El Problema: El robot sigue vertiendo el 60% del agua en el Jardín de Hombres y solo el 40% en el Jardín de Mujeres.
  2. La Vieja Solución: Construyes dos tuberías separadas. Una tubería solo va al Jardín de Hombres y otra solo al Jardín de Mujeres. Viertes la mitad del agua en cada una. Pero ahora, el jardín "Desconocido" (las malas hierbas y flores silvestres en medio) queda completamente seco.
  3. La Nueva Solución: Construyes un sistema híbrido.
    • Creas una tubería para Hombres solamente.
    • Creas una tubería para Mujeres solamente.
    • Crucialmente, también creas tuberías que dicen: "Hombres O Desconocido" y "Mujeres O Desconocido".

Alternando estas tuberías, te aseguras de que:

  • Los "Desconocidos" tengan la oportunidad de recibir un folleto (no quedan excluidos).
  • Puedes controlar la cantidad total de agua que va al lado de "Hombres" frente al lado de "Mujeres", incluso si no sabes exactamente quién está en la pila "Desconocida".
  • Cuesta menos que el estricto enfoque de "Solo Hombres / Solo Mujeres" porque no luchas tan duramente contra el costoso juego de adivinanzas del robot.

Lo Que Descubrieron

Los investigadores probaron este nuevo método en una campaña gubernamental real para ayudar a los propietarios de pequeñas empresas.

  • El Resultado: El nuevo método logró detener con éxito al robot de favorecer a los hombres. Consiguió que la distribución de folletos se acercara mucho más a la división 50/50 que el gobierno deseaba.
  • La Bonificación: Fue más barato que el viejo método de "división estricta" y, lo más importante, no dejó a las personas "Desconocidas" en la oscuridad.

La Gran Conclusión

El documento argumenta que cuando los gobiernos intentan usar anuncios en línea para ayudar a todos, no pueden simplemente ignorar a las personas que los algoritmos no entienden. Al utilizar esta estrategia de "División Inclusiva", pueden corregir la entrega injusta sin gastar una fortuna ni excluir a las personas más vulnerables.

Los autores también advierten que los anuncios en línea tienen límites. A veces, la mejor manera de llegar a la gente no es a través de un algoritmo informático en absoluto, sino mediante métodos anticuados como visitar bibliotecas o centros comunitarios, especialmente para grupos que internet suele pasar por alto.

¿Ahogado en artículos de tu campo?

Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.

Probar Digest →