AI・PMOの進化
アルゴリズムの公平性
Algorithmic Fairness
読み：あるごりずむのこうへいせい
AIなどの判断が人や集団をどう扱うかを、明示した公平性の考え方と尺度で評価する性質です。
01初心者向け
まず意味をつかむ
全体の正解率が同じでも、ある集団だけ見逃しが多い場合があります。何を公平とするかは一つではなく、対象の目的と関係者への影響を考えます。
02実務者向け
仕事でどう使うか
保護すべき集団、比較対象、誤りの種類と不利益を定めます。利用が許されるデータで集団別指標を測り、差の理由、対策、残る限界を記録します。
03専門家向け
判断を一段深める
複数の公平性指標が同時に満たせない場合があります。数値の差だけを機械的に消すのでなく、データの代表性、制度、人の運用を含めて影響を判断します。
IN PRACTICE
具体例で考える
架空の研修推薦で部門別の推薦率と、必要な人の見逃し率を調べ、人数比の違いと評価基準を確認します。
理解を助けるための架空の例です。対象集団と影響
選んだ公平性の尺度
差の理由と対応
特定の一指標を唯一の公平の基準とするものではありません。
ここは誤解しやすい
個人属性を入力から外しただけで、公平性が保証されるわけではありません。
PROXIA INSIGHTS
考え方を、実務へつなぐ
AIを「使う」から、PMの判断に「活かす」へ ↗この知識を、組織の力へ。