Responsable
I.A.

Blend se compromete con el uso responsable de la Inteligencia Artificial en toda nuestra organización. Reconocemos el extraordinario poder que tiene para impulsar una ventaja competitiva y mejorar la productividad, al tiempo que reconocemos las importantes implicaciones éticas y sociales que presenta.
‍
Nuestros clientes confían en nosotros para gestionar con una base ética sólida en todos los aspectos de nuestro negocio, y la IA no es una excepción. Cumplimos con los más altos estándares de transparencia, equidad, privacidad, responsabilidad y beneficio social y económico.

Principios

Blend se compromete a ofrecer una IA basada en un sólido conjunto de principios que garanticen un uso seguro y eficaz.

Beneficioso

+
Nuestros sistemas de IA respaldan los objetivos humanos y mantienen a los humanos en el centro de la experiencia
Tenga en cuenta los factores económicos y éticos para beneficiar a las personas y a la sociedad en general
Maximice sus beneficios a la vez que aborda cualquier daño potencial
Mitigue los posibles impactos negativos, como el desplazamiento laboral o la amplificación de los prejuicios y otros contenidos dañinos

Transparente

+
La transparencia ayuda a nuestras partes interesadas a tomar decisiones informadas sobre el uso de nuestros sistemas de IA, lo que, en última instancia, genera confianza y seguridad
La documentación clara y coherente que utiliza datos y tarjetas modelo proporciona la visibilidad necesaria para comprender los usos adecuados del sistema
La IA debe funcionar de manera transparente, con explicaciones claras sobre cómo se toman las decisiones, los algoritmos utilizados y las limitaciones del sistema

Feria

+
Junto con la transparencia, la equidad en los sistemas de IA mitiga la posibilidad de que las personas o los grupos se vean sistemáticamente desfavorecidos.
Minimice los sesgos en nuestros sistemas de IA probando rigurosamente nuestros modelos para descubrir y abordar cualquier sesgo no deseado
Asegúrese de que los datos utilizados para entrenar estos modelos sean completos, precisos y representativos de la diversidad de la base de usuarios
Contribuir a la justicia social y no exacerbar las desigualdades existentes

Privacidad

+
Blend respeta la privacidad de nuestros clientes, sus usuarios y nuestras partes interesadas
Cumplimos con las mejores prácticas y los requisitos legales para anonimizar, cifrar y proteger todos los datos que utilizamos
Nunca utilizaremos los datos proporcionados por nuestros clientes para ningún otro propósito que no sea el expresamente acordado.

Seguro

+
An asian girl playing with interactivity
El diseño seguro protege los intereses de las organizaciones al protegerlo del uso indebido
Los principios de seguridad garantizan el respeto de la privacidad y de las personas que interactúan con nuestros sistemas
Proteja tanto el sistema de IA como los datos subyacentes

Responsable

+
Mantenemos a los seres humanos en el centro para garantizar la rendición de cuentas
Los sistemas implementados proporcionan un canal para que grupos o individuos expresen sus inquietudes si se sienten injustamente afectados por los sistemas de IA.

Proceso

Blend incorpora una IA responsable a nuestro desarrollo
proceso para garantizar la equidad, la privacidad, la seguridad,
y responsabilidad general

1
2
3
4
5

Planificación
y diseño

Considere y documente el uso previsto
‍

  • Establecer las pautas éticas a las que se adherirá el modelo
  • Establezca los objetivos previstos en torno a principios como la equidad, la privacidad, la seguridad y la transparencia
  • Aclare las limitaciones/los riesgos asociados con el modelo y los datos subyacentes, incluidos los posibles sesgos, el contexto de la aplicación y los posibles impactos legales o reglamentarios

Evaluación de datos
y aplicación

Los datos utilizados para la formación deben ser representativos de los usuarios que van a interactuar con el sistema, salvaguardando contra la discriminación y respetando las medidas de privacidad y seguridad
‍

  • Siguiendo el entorno regulatorio
  • Asegúrese de que las fuentes de datos sean confiables y de que los métodos de recopilación de datos sean éticos y respeten la privacidad, incluido cualquier consentimiento requerido
  • Evalúe los datos para detectar posibles sesgos y tome medidas para mitigarlos

Sistema
Diseño

Los diseños del sistema aprovecharán las mejores prácticas en MLOps para garantizar que el sistema sea seguro y confiable.

  • Documente las decisiones y las compensaciones realizadas durante el diseño del sistema
  • Asegúrese de que el sistema sea sólido
  • Existen procedimientos para supervisar y auditar su uso.

modelo
Desarrollo

Cuando sea posible, utilice técnicas (algoritmos, entrenamiento y validación) que proporcionen resultados explicables con un enfoque en la precisión

  • Cualitativo y cuantitativo.
  • Documente las decisiones y las compensaciones realizadas durante el desarrollo y la implementación
  • Se documentarán los componentes clave del modelo y los resultados del proceso de desarrollo

modelo
Despliegue

Los modelos se implementarán en un marco mLOps adecuado
‍

  • Documentación clara de los riesgos y las limitaciones
  • Supervisión regular para garantizar que siga siendo justa e imparcial a medida que evolucionan los datos y las normas sociales

Comunicar
Acerca de los modelos y la IA

Blend se compromete a proporcionar documentación clara y transparencia para todos los modelos y sistemas de IA para garantizar una aplicación bien informada. Utilizamos las tarjetas modelo como plantilla para mantener y comunicar la información sobre todos los sistemas de IA que creamos.

Detalles del modelo
Información básica sobre el modelo, la versión, el tipo y otros detalles

Modelo de desarrollo de persona u organización
Fecha/versión del modelo
Tipo de modelo
Información sobre algoritmos de entrenamiento, parámetros, restricciones de equidad u otros enfoques aplicados y características
Papel u otro recurso para obtener más información
Detalles de citación/licencia

Uso previsto
Permite a los usuarios comprender rápidamente para qué se debe y no se debe usar el modelo y por qué se creó

Usos principales previstos

Factores
Resumen del rendimiento del modelo en todos los grupos, instrumentación y entornos

Factores relevantes: ¿Cuáles son los factores principales previsibles en los que el rendimiento del modelo puede variar y cómo se determinaron?
Factores de evaluación: ¿Qué factores se están reportando y por qué se eligieron? Si los factores relevantes y los factores de evaluación son diferentes, ¿por qué?

Métricas
Elegido para reflejar los posibles impactos del modelo en el mundo real

Medidas de rendimiento del modelo
Umbrales de decisión
Enfoques de variación

Capacitación y evaluación
Consideraciones sobre los datos al entrenar la IA

Cuando sea posible, la capacitación debe reflejar los datos de evaluación
Si tal detalle no es posible, se debe proporcionar aquí la información mínima permitida, como los detalles de la distribución entre varios factores en los conjuntos de datos de capacitación.
Tipo de modelo
Detalles sobre los conjuntos de datos utilizados para los análisis cuantitativos en la tarjeta. Conjuntos de datos. Motivación. Preprocesamiento

Consideraciones, advertencias y recomendaciones éticas
Cómo se debe usar (o no usar) el modelo

Preocupaciones éticas que podrían surgir si el modelo no se usa correctamente
Indicaciones de posibles problemas de equidad o privacidad
Tipo de modelo
Uso adecuado de los datos subyacentes para mantener la seguridad y la eficacia del modelo
Vamos a crear juntos
valoran juntos.
Inscríbase hoy.
Perspectivas Boletín informativo:
‍Pensamiento estratégico, IA y
soluciones impactantes entregadas
directamente a tu bandeja de entrada
Su éxito es nuestra misión. Pongámonos en contacto.
Póngase en contacto con nosotros
© Blend360 2024 — Todos los derechos reservados.
Política de cookiesPolítica de privacidadTérminos y condiciones de Engagement Factory
10221 Wincopin Circle, tercer piso - Columbia, MD 21044

AI Transformation Challenge

Lorem ipsum dolor sit amet consectetur. Sit sit vel eu sed proin. Arcu bibendum in mauris urna erat magna volutpat eget. Lectus commodo consectetur egestas quis ut lobortis nunc.

Let’s solve it together
Arrow

AI Transformation Challenge

Lorem ipsum dolor sit amet consectetur. Sit sit vel eu sed proin. Arcu bibendum in mauris urna erat magna volutpat eget. Lectus commodo consectetur egestas quis ut lobortis nunc.

Let’s solve it together
Arrow
No se ha encontrado ningún artículo.