来自档案
审查会议需要公平性。
平均表现可能会掩盖服务效果不佳的用户。
回顾专栏准备此存档于 版本日期确定了它在每周系列中的位置。
我希望人工智能评估包含一个容易被忽视的问题：谁对结果的体验不同？一项服务可能总体上看起来很有用，但同时会给那些语言、环境或信息与开发中使用的情况不同的人带来困难。
看看平均水平后面的案例
首先了解服务旨在支持的人员和情况。考虑评估中是否遗漏了重要类型的案例。适当的类别和方法取决于具体情况，并应与相关专家一起制定。目标是在绩效不均匀成为无形的运营假设之前发现它。
给人们一条挑战之路
受决策影响的人应该有一种实用的方法来质疑信息或在流程需要时寻求审查。该路 线需要一个负责任的所有者和对使用它的人有意义的响应。没有明确处理流程的反馈表不太可能揭示全部问题。
将发现视为设计责任
当出现某种困难模式时，接下来的讨论应该涉及工作流程、信息和审核安排。指责用户没有匹配理想的例子并不会改善服务。我希望合作团队记录他们所学到的知识并决定如何应对。当领导者花时间检查特定的经历（包括那些挑战平均结果的经历）时，公平就成为交付的一部分。
Genellipse如何提供帮助
Genellipse 可以支持对与您的服务相关的案例进行结构化的绩效检查。我们的分析和人工智能团队可以与领域专家合作，找出评估差距、检查异常情况并记录结果。这支持明智的改进计划，同时与适当的组织所有者一起保留有关公平、政策和适用义务的决策。
从思考到实践
与 Genellipse 讨论这个问题
