La detección de inquilinos se ha convertido en una industria de miles de millones de dólares dominada por miles de compañías que prometen decisiones rápidas impulsadas por los datos de los propietarios sobre futuros inquilinos. Sin embargo, como Refugeforce ha revelado, estas herramientas a menudo dependen de algoritmos sesgados propensos a errores que excluyen a los inquilinos de los inquilinos, particularmente negros, latinos, bajos ingresos e inquilinos de comprobantes, en función de factores que tienen poco que ver con su capacidad para pagar las rentas reales.
Este artículo sigue la historia de Mary Lewis, un inquilino de Massachusetts, a pesar de tener un empleo estable y referencias fuertes, que rechazaron la vivienda debido a un puntaje de algoritmo bajo de soluciones más seguras. Su experiencia destaca los problemas más amplios de la detección de los inquilinos, los estándares opacos, los datos inexactos y las respuestas limitadas de los rechazados injustamente.
A pesar de la orientación federal emitida bajo la administración Biden para frenar las prácticas discriminatorias, la actual administración de Trump ha retrocedido estas protecciones y socavó la vigilancia en el HUD y la CFPB. En respuesta, los gobiernos estatales y locales están aumentando, promulgando leyes para sellar registros de desalojo, requiriendo transparencia en las decisiones de detección e implementando una política de vivienda de oportunidad justa.
Los litigios también han ganado tracción, con una reciente victoria legal para la detección de empresas como Saferent forzadas a reformar sus prácticas. Los partidarios dicen que estas peleas reflejan un largo viaje hacia las regulaciones de informes de crédito en la década de 1970. Y vemos la detección de inquilinos como la próxima frontera en protección del consumidor y capital de vivienda.
Source link
