Equità — Schemi

Il pilastro Equità si concentra su accessibilità, etica dell’intelligenza artificiale, supervisione umana, mitigazione della distorsione e progettazione equa, in modo che le soluzioni servano tutti gli utenti in modo equo. Questi schemi trasformano i principi di progettazione del pilastro in pratiche concrete e riesaminabili: cosa cercare in una soluzione, che aspetto ha e gli schemi anti-schema che la minano.

Questi schemi mettono in pratica i principi di progettazione del pilastro Equità. I principi sono alla base delle decisioni in materia di architettura, ma non producono risultati equi da soli: leggeteli insieme al pilastro Fairness per una guida completa su ciascuno di essi.

  • Progettazione di modelli di accessibilità Lightning: creare con SLDS e componenti Web Lightning standard controllati per le WCAG 2.2 AA e convalidare qualsiasi componente personalizzato mediante test di tecnologia per l’accesso facilitato.
  • Ridurre e monitorare la distorsione con gli strumenti appropriati per ogni tipo di modello: convalidare gli output del modello per risultati equi prima della distribuzione e in modo continuativo nell’ambiente di produzione, utilizzando la strumentazione adatta a ogni tipo di modello.
  • Sfruttare Shield Platform Encryption per controlli della protezione dei dati: proteggere gli attributi sensibili e instradare i registri di Monitoraggio evento a un SIEM per gli itinerari di controllo senza manomissioni.
  • Progettare flussi di lavoro di revisione per previsioni con rischi elevati: configurare i processi di approvazione e le soglie di confidenza in modo che le previsioni consequenziali ricevano un esame umano appropriato.
  • Applica impostazioni predefinite organizzazione (OWD) e Protezione a livello di campo (FLS) per non discriminazione: limitare l’accesso per impostazione predefinita e concedere solo ciò di cui ogni ruolo ha bisogno, evitando l’esposizione di attributi sensibili.
  • Abilita agenzia utente tramite consenso piattaforma: tenere traccia del consenso AI granulare per ogni caso d’uso e consentire agli utenti di disattivare le funzioni basate sull’intelligenza artificiale con alternative umane, quando possibile.

Ogni categoria abbina modelli (aspetto positivo) e anti-schemi (cosa evitare), organizzati in modo da poter rivedere una soluzione area per area. Iniziare dal risultato di equità necessario:

  • Rendere l’esperienza fruibile da tutti? Utilizzare l’accessibilità per la conformità alle WCAG, il supporto per le tecnologie per l’assistenza e la progettazione inclusiva.
  • Costruire un’intelligenza artificiale responsabile ed equa? Utilizzare l’etica dell’intelligenza artificiale per la riduzione della distorsione, le metriche di equità, la supervisione umana, la non discriminazione e il consenso.
  • Agenti operativi nella produzione? Utilizzare gli schemi degli agenti per il rilevamento della distorsione, l’intelligenza artificiale trasparente e il comportamento equo degli agenti.

Schemi per la conformità alle WCAG, supporto per le tecnologie per l’assistenza, progettazione inclusiva ed esperienze utente accessibili.

Modelli di equità per i sistemi agentici, tra cui rilevamento della distorsione, intelligenza artificiale trasparente e comportamento equo degli agenti.

Schemi per lo sviluppo etico dell’intelligenza artificiale, la mitigazione della distorsione, le metriche di equità, la supervisione umana, la non discriminazione, il consenso e le pratiche di intelligenza artificiale responsabili.