Neufast 특허 출원 중인 Debiased AI의 과학
우리의 사명은 귀하와 귀하의 후보자에게 편견 없이 매력적이고 매우 정확한 채용을 제공하는 것입니다. 우리는 깊이 있는 과학적 다층 편향 제거 AI/ML 모델을 통해 점수가 항상 유효하고 신뢰할 수 있으며 공정하도록 보장합니다.
시각, 청각 및 텍스트 기반 분석
컴퓨터 비전, 음성 인식 및 자연어 처리 기술을 기반으로 후보자의 동영상에서 겉보기 특징, 운율 특징 및 의미 특징을 추출합니다.
명백한 특징 추출을 위한 시각적 채널
얼굴 표정, 제스처와 같은 겉보기 특징은 컴퓨터 비전 기술을 통해 암묵적으로 추출됩니다.
운율 특징 추출을 위한 오디오 채널
음조, 속도, 리듬과 같은 운율 특징은 오디오 분석 기술에 의해 암묵적으로 추출됩니다.
시맨틱 특징 추출을 위한 텍스트 채널
문맥 인식을 통한 자연어 처리 기법으로 후보자 구술 텍스트의 통사적, 의미적 의미 추출
Neufast 특허 출원 중인 Debiased AI
모델 아키텍처
특허 출원 중인 Debiased AI 모델은 복잡한 작업 중심의 적응형 가중치 체계를 사용하여 시청각 및 의미론적 기능을 포괄적인 방식으로 분석하여 지원자의 인상 점수 및 잠재적 업무 성과 점수를 추론합니다.
Debiased AI 모델의 훈련
비주얼, 오디오 및 텍스트 채널
(딥러닝 모델)
명백한
특징
작시법
특징
맞춤형 회귀
인상 / 역량 점수
시맨틱
특징
윤리적 AI 모델 개발의 내부 거버넌스
Neufast는 2018년 12월 유럽 위원회에서 발표한 신뢰할 수 있는 AI에 대한 윤리 지침에 따라 AI의 운영, 개발 및 적용에서 윤리적 AI 및 데이터 윤리를 수용합니다[1]. 채용에서 AI의 윤리적 개발 및 사용을 보장하기 위해 Neufast의 데이터 주석 및 AI 모델 개발 프로세스는 내부 데이터 거버넌스를 위한 AI의 7가지 윤리 원칙(1. 책임, 2. 인간 감독, 3. 투명성 및 해석 가능성, 4)을 따릅니다. . 데이터 프라이버시, 5. 공정성, 6. 유익한 AI, 7. 신뢰성, 견고성 및 보안 [2]. Neufast의 특허 출원 중인 Debiased AI가 내린 결정은 개인 식별 정보(PII)가 수정되므로 설명 가능하고 투명하며 공정합니다. Neufast의 특허 출원 중인 Debiased AI 시스템은 인간 중심으로 설계되었습니다[3].
-
일부 특정 그룹에 유리한 편향된 모델로 이어지는 교육 데이터 수집 조작 없음
-
다른 그룹의 데이터 분포를 변경하는 데이터 전처리 없음
데이터 준비
-
모델 구축 프로세스의 모든 주요 측면을 검토합니다.
-
현저한 수치 결과가 시트에 복사됩니다.
-
표준 모델 교육 프로세스의 모든 중요한 편차는 잘 문서화되어 있습니다.
모델 빌딩 및
훈련
-
부정적 영향 평가는 훈련된 AI 모델이 인구통계, 교육 배경 또는 고객이 정의한 기타 그룹에 대해 UGESP의 4/5 규칙*을 준수하는지 평가하기 위해 수행됩니다.
모델 테스트
*참고: 고용평등위원회, 공직자위원회 등 1978. 직원 선발 절차에 대한 통일된 지침. Federal Register 43, 166(1978), 38290–38315.
인상 성능 평가
Neufast의 특허 출원 중인 Debiased AI 비디오 평가 도구는 세 가지 관점을 통해 다른 사람에게 긍정적인 인상을 주는 응시자의 능력을 평가합니다.
침착
자신감
긍정적인 감정
동기 평가
Neufast의 Debiased AI 비디오 평가 도구는 개인-직무 적합성 및 인재 유지를 위해 업무 관련 행동을 시작하려는 후보자의 동기를 식별합니다.
평가
근무 실적
Neufast의 역량 모델은 작업 성과에 대한 누적된 연구에서 구축됩니다. 응시자는 작업, 상황 및 적응 성과를 통해 평가됩니다.
직무 설명에 나열된 역할 책임 및 활동을 수행하는 것을 포함하는 직무별 행동으로 구성됩니다.
직무 및 역할 책임
리더십 및 관리 행동
일
성능
직무 및 역할 책임
리더십 및 관리 행동
직무 및 역할 책임
리더십 및 관리 행동
직무 및 역할 책임
리더십 및 관리 행동
작업 수행을 촉진하고 조직 목표 달성을 달성하는 데 필요한 더 넓은 조직적, 사회적 또는 심리적 환경을 유지하거나 개선하는 데 도움이 되는 비직무 특정 행동으로 구성됩니다.
관계 및 커뮤니케이션
상황별 실적
유연하고 역동적인 업무 상황에 빠르게 적응하기 위해 요구되는 행동과 태도로 구성
적응과 변화
적응형 성능
신뢰성 연구
우리의 AI 비디오 평가 도구는 고객의 내부 평가에 대해 매우 신뢰할 수 있고 정확합니다. AI 점수를 HR(클라이언트) 내부 평가와 비교하여 제품의 효율성을 분석했습니다.
신뢰성에 대한 Cronbach의 알파 > 0.7(1점 만점)
0.3 - 0.6(1에서 1) 양성 Pearson 상관관계는 역량 수준에서 p<0.05 유의 수준에서 HR 후보자 평가와 높은 상관관계가 있습니다.
F1 분류 정확도는 역량 수준에서 최대 98%에 이릅니다.