Ra quyết định AI

Tách biệt các giai đoạn của quyết định. Xác định những gì được quan sát, những gì mô hình ước tính, quy tắc nào biến ước tính đó thành hành động và ai chịu trách nhiệm về kết quả. Điều này giúp có thể thách thức bằng chứng hoặc chính sách một cách độc lập với mô hình. Đánh giá cả hai hướng lỗi và tùy chọn trì hoãn. Một báo động sai có thể tạo ra công việc đánh giá; một sự kiện bị bỏ lỡ có thể khiến vấn đề không được giải quyết. Ngưỡng thích hợp phụ thuộc vào những hậu quả, năng lực và độ tin cậy của điểm số. Xem xét hành động thay đổi dữ liệu sau này như thế nào. Nếu một hệ thống chỉ ghi lại kết quả cho các trường hợp mà nó chọn thì dữ liệu huấn luyện trong tương lai có thể phản ánh các lựa chọn trong quá khứ của chính nó. Sự cải thiện rõ ràng có thể là kết quả của việc thay đổi cách đo lường hơn là những quyết định tốt hơn. Đối với các quyết định mang tính hệ quả, hãy duy trì sự giám sát thích hợp của chuyên gia, giải thích dựa trên bằng chứng thực tế và cách sửa chữa sai lầm. Tuyên bố về độ tin cậy của mô hình chung không phải là sự thay thế cho chính sách hiện hành hoặc quyền đặt câu hỏi về kết quả của một người. Kiểm tra quy trình làm việc hoàn chỉnh trong các điều kiện mà nó sẽ được sử dụng.