Question.

“AIコンピテンシー検査の精度と妥当性は信頼可能な水準なのでしょうか? また精度と妥当性の判断基準と実際の統計値が知りたいです。 ”

Answer.01

01

“成果の分類精度と相関係数をAIコンピテンシー検査の 妥当性の判断基準として活用しています。”

inAIRはAIコンピテンシーモデルの妥当性をより客観的に把握するため “分類精度分析”と“相関分析”結果を活用しています。

分類精度とは対象をいかに正確に分類するかを示します。例えば、 動物を分類するモデルに10個の猫の写真を入れた場合、9個の写真が 猫という結果が導出されれば、このモデルの分類精度は90%と言えます。

< 分類精度はAIモデルの重要な妥当性の指標となります。 >(イメージの出所:becominghuman)

上記の例と同様に、AIコンピテンシー検査のモデルは高成果者と低成果者を分類するアルゴリズムを活用しています。

相関分析は二つの変数の関連性を把握します。 “AIコンピテンシー検査の点数”と“人事評価の点数”の 関係はどのようなものになるべきでしょうか。 下記のグラフのような関係を正の相関関係といいますが、 ここでの相関係数がモデルの妥当性を説明する重要な指標となります。

< AIコンピテンシー検査の点数が高ければ、人事評価の点数も高い可能性について探索 >

Answer.02

02

“最大82%の分類精度と、約0.4の成果との相関関係を示しています。”

AIコンピテンシー検査の職種別の分類精度を分析した結果、 全ての職種で70%以上の分類精度を示すことが明らかになりました。 具体的には経営支援/研究開発での分類精度が82%で最も高く、 営業/マーケティングは72%、エンジニアでは70.6%の精度を 示しています。

< AIコンピテンシー検査は全ての職種で70%以上の分類精度を示しています。 >

Answer.03

03

“AIコンピテンシー検査の妥当性&精度の向上は現在も進行中です。”

リアルタイムに収集されるAIコンピテンシー検査のデータと成果データを、 持続的に学習させることで重要な変数を選別し、モデルの予測力を改善しています。

また、より深層的なコンピテンシーを測定するために 自己報告式設問、P6ゲーム技術、映像分析V4技術などの測定方法や評価方法を拡張・改善しています。

inAIR FAQ

よくあるご質問です。
その回答をご紹介します。