Este artículo presenta nuevas técnicas de caracterización y aplicación específicas de GenAI para abordar problemas de equidad que surgen al implementar modelos de IA generativa (GenAI). A diferencia de la IA convencional que realiza tareas específicas, la amplia funcionalidad de GenAI requiere equidad condicional adaptada al contexto en el que se genera (p. ej., equidad demográfica en la generación de imágenes de empresarios pobres y exitosos). Definimos dos niveles de equidad: el primero evalúa la equidad de los resultados generados independientemente de las indicaciones y los modelos, y el segundo evalúa la equidad intrínseca utilizando indicaciones neutrales. Dada la complejidad de GenAI y la dificultad de especificar la equidad, nos enfocamos en limitar el peor escenario al considerar que el sistema GenAI es injusto si la distancia entre las apariencias de un grupo específico excede un umbral predefinido. También exploramos pruebas combinatorias para evaluar la completitud relativa de la equidad transversal. Al limitar el peor de los casos, desarrollamos un método de inyección rápida que aplica equidad condicional con una intervención mínima dentro de un marco basado en agentes y lo validamos en un sistema GenAI de última generación.
