Durante décadas, cuando solicitaba un departamento, el arrendador, o una compañía de selección de inquilinos contratada por el arrendador, examinaba su archivo de crédito y recibos de sueldo para verificar su capacidad de pagar el alquiler. Pero hoy, los propietarios están utilizando la revolución de la inteligencia artificial para predecir algo más: su disposición a pagar el arriendo.

"Algunas personas ganan tres veces la renta mensual, pero les encanta comer fuera y conducir un BMW", dijo Matt Davis, vicepresidente senior de servicios financieros de RealPage, un proveedor de software y análisis de datos para la industria de bienes raíces en Richardson, Texas. "Otra persona solo puede pagar 2½ veces el alquiler, pero come ramen y conduce un automóvil de 20 años". Este verano, RealPage lanzó una herramienta basada en inteligencia artificial que probablemente calificaría al comedor de ramen más pobre como un mejor candidato que el candidato más rico.

El filtro de alquiler con inteligencia artificial es posible debido a los avances en el aprendizaje automático, en el que los algoritmos analizan grandes cantidades de datos, toman decisiones y luego refinan más las decisiones. Las empresas que se especializan en la detección de inquilinos han sido grandes usuarios de herramientas impulsadas por IA. La agencia de crédito TransUnion también ofrece dicho producto, al que llama ResidentScore 3.0.

Las empresas afirman que el beneficio para los propietarios es una mayor confianza en los inquilinos que seleccionan y los términos que ofrecen. Para los inquilinos, dicen las compañías, el beneficio es más equitativo, especialmente para los candidatos que podrían ser rechazados por los métodos de evaluación tradicionales.

Pero como con cualquier proceso de toma de decisiones basado en algoritmos, el temor es que las máquinas generen prejuicios y bloqueen a algunos grupos del alquiler.

"Si no usamos la tecnología para minimizar el sesgo, solo vamos a amplificar el sesgo", señaló Lisa Rice, presidenta y directora ejecutiva de la Alianza Nacional de Vivienda Justa.

RealPage creó su algoritmo de detección de inquilinos con 20 años de datos que recopiló mientras usaba tácticas convencionales de detección. La compañía cargó datos sobre 30 millones de arrendamientos y solicitó a la computadora que encontrara patrones en los inquilinos que "arrendaron, se mudaron y no le debían dinero a la propiedad", precisó Davis.

Lo que aprendió RealPage volcó muchas ortodoxias de detección de inquilinos. Si bien todos los tipos de deuda de arrendatarios históricamente se han ponderado de la misma manera, resulta que las personas con deuda estudiantil eran mejores inquilinos que las personas con deuda de tarjeta de crédito. Un arrendatario que está constantemente retrasado unos días con el alquiler es mejor apuesta que alguien que llega muy tarde solo una vez. Las personas con un historial de crédito limitado no son necesariamente malos inquilinos, solo personas nuevas en el sistema financiero.

HelloRented está utilizando un proceso de detección de IA en un nuevo modelo de negocio que creó. La compañía, fundada en 2017 y con sede en Nueva York y Tel Aviv, confía tanto en sus evaluaciones de AI de los inquilinos que asume parte del riesgo del propietario al arrendarles.

El fundador Jeremy Esekow dijo que diseñó la compañía para servir a "internacionales, trabajadores independientes, millennials y cualquier persona que no tenga un recibo de sueldo estable".

En el programa HelloRented, el posible inquilino se somete a un análisis informático del comportamiento de gastos y ganancias en función de su archivo de crédito, cuenta bancaria y registros públicos.

"Teníamos un solicitante que todos los viernes por la noche iba a un casino y gastaba una cantidad bastante sustancial de dinero", afirmó Esekow. "El juego no necesariamente te convierte en un mal inquilino, pero es un factor de riesgo".

HelloRented luego califica al candidato, y si el propietario lo acepta como inquilino, facilita el papeleo. Luego, en lugar de pagar un depósito al arrendador, el arrendatario paga una tarifa de inscripción y una tarifa mensual de "membresía" a HelloRented por aproximadamente el 1% de la renta mensual. HelloRented cubre los daños causados ​​por el arrendatario, hasta cuatro veces el alquiler mensual. Si un inquilino no quiere convertirse en miembro, puede optar por pagar el depósito, explicó Esekow.

Mutale Nkonde, asesor de políticas de inteligencia artificial y miembro del Centro Berkman Klein para Internet y Sociedad de la Facultad de Derecho de Harvard, ve "señales de alerta" en la detección algorítmica de inquilinos. El sesgo se abre paso en los algoritmos a través de "representantes" o características que son más comunes para un grupo de personas que otro, detalló. Si bien las compañías pueden afirmar que sus algoritmos no contienen tales poderes, eso es difícil de verificar.

"Debido a que los algoritmos están protegidos por las leyes de propiedad intelectual, no tenemos forma de examinarlos", manifestó Nkonde.

Las empresas dicen que sus algoritmos no perjudican a las personas en clases protegidas por el gobierno federal, como raza, religión, sexo o edad. Pero incluso si lo hicieran, Rice dijo que probar que la discriminación podría ser difícil. "Si una empresa demuestra que tenía una justificación comercial, los demandantes deben demostrar que existe una alternativa menos discriminatoria", señaló.