Aquí encontrará respuestas a las preguntas más frecuentes sobre el uso de la inteligencia artificial (IA) por parte de Beamery. Para obtener más información sobre dónde utiliza Beamery la IA, haga clic aquí.
P: ¿El uso de la IA por parte de Beamery aumenta el riesgo de infracciones de protección de datos?
No. Los datos del algoritmo no utilizan información de identificación personal (PII) y no supondrán un aumento del riesgo en términos de privacidad.
P: ¿Qué conjunto de datos se utilizó para entrenar el algoritmo?
Beamery utilizó datos públicos para entrenar nuestro algoritmo de aprendizaje de grafos. El conjunto de datos consta de ~2 mill. de perfiles de personas con sus datos de RR. HH., incluidos roles históricos, habilidades, educación, sectores, etc. Utilizamos ~300 mil nodos de entidades de RR. HH. que generan ~100 mill. de conexiones. El modelo genera representaciones que nos permiten comparar entidades de RR. HH. en modelos posteriores.
P: ¿Cómo podemos saber si las recomendaciones realizadas están sesgadas por género, raza, edad, país, educación, antecedentes, etc.?
Los datos se entrenan con datos no personales ni discriminatorios. Las comprobaciones de sesgo se realizan internamente y por un tercero. Los comentarios sobre las recomendaciones se recopilan a través de la interfaz de usuario y el equipo los revisa; cualquier reentrenamiento del modelo es revisado por el equipo de ciencia de datos y se realiza mensualmente si es necesario.
P: ¿En cuántos perfiles individuales se entrenó la IA de Beamery?
La IA de Beamery se entrena con ~2 mill. de perfiles de personas.
P: ¿Con qué frecuencia se vuelven a entrenar sus modelos de datos?
Los modelos se vuelven a entrenar cuando actualizamos nuestra taxonomía u otros modelos anteriores (por ejemplo, la reconciliación).
P: ¿Beamery ha tomado medidas para proteger el modelo de IA frente a ataques externos?
Las arquitecturas de los modelos solo están disponibles para el equipo de investigación de aprendizaje automático de Beamery. No existen API públicas a las que puedan acceder los atacantes.
Además, los modelos disponibles no aceptan entradas de texto libre, que son más susceptibles a ataques adversarios. Las entradas de los modelos pasan por procesos de estandarización y reconciliación antes de llegar a los modelos.