「社会的偏見とは、システムの価値を他者に押し付けるタイプの偏見です。社会的偏見とは、特定の社会や文化の仮定、規範、または価値を反映するタイプの偏見です。社会的偏見は、AI システムがさまざまなグループやドメインをどのように認識、扱い、または表現するかに影響を与える可能性があるため、AI システムの公平性と倫理に影響を及ぼす可能性があります。たとえば、西洋の美や成功の基準を使用して他の文化の人々を判断またはランク付けするなど、AI システムがシステムの価値を他者に押し付けるときに社会的偏見が発生する可能性があります。」

データ品質が不完全だと、Cloud Kicks による製品推奨の精度に悪影響が及びます。
データが欠落しているか不完全な場合、商品の推奨に使用される AI モデルには、顧客の好みや行動を正確に予測するのに十分な情報がない可能性があります。その結果、顧客のニーズに合わない推奨が行われ、顧客満足度が低下し、売上に影響を及ぼす可能性があります。
完全で正確なデータを確保することは、効果的な推奨システムにとって非常に重要です。Salesforce は、AI とデータ管理に関するドキュメントで、データ品質が AI の結果に与える影響と、データの整合性を高める戦略について説明しています。このドキュメントは、AI 向けデータ管理で参照できます。

「組織は、AI イニシアチブのデータ品質を確保するために、信頼できるソースから高品質のデータを収集してキュレートする必要があります。高品質のデータとは、データが AI タスクに対して正確で、完全で、一貫性があり、関連性があり、タイムリーであることを意味します。信頼できるソースとは、データが信頼でき、信用でき、権威があることを意味します。信頼できるソースから高品質のデータを収集してキュレートすることで、AI システムのパフォーマンスと信頼性を向上させることができます。」

説明
「性別は、偏見につながる可能性のある敏感な変数です。敏感な変数とは、個人のアイデンティティや特徴に基づいて、差別や不当な扱いを引き起こす可能性のある変数です。たとえば、性別は、AI システムによる人の認識、扱い、表現に影響を与える可能性があるため、敏感な変数です。」

説明
「Salesforce AI モデルのトレーニングと微調整におけるデータの役割は、AI 実装におけるデータ品質に関する重要な考慮事項です。データ品質とは、AI タスクに対してデータが正確で、完全で、一貫性があり、関連性があり、タイムリーである度合いのことです。データ品質は、学習や予測に使用するデータの品質に依存するため、AI システムのパフォーマンスと信頼性に影響を与える可能性があります。Salesforce AI モデルのトレーニングと微調整におけるデータの役割とは、Salesforce で Einstein Prediction Builder や Einstein Discovery などの AI モデルを構築、トレーニング、テスト、改善するためにデータがどのように使用されるかを理解することです。」