定義
公平性指標とは、AIモデルの予測結果が性別・人種・年齢などの属性によって不当な偏りを生んでいないかを定量的に測る評価基準のこと。
公平性指標 (Demographic Parity等)とは（詳しく解説）
公平性指標は、機械学習モデルの判定結果が性別・年齢・国籍などのセンシティブ属性によって統計的に偏っていないかを定量化する指標群で、代表例にDemographic Parity(属性間でpositive判定率を揃える)、Equalized Odds(真陽性率と偽陽性率を揃える)、Equal Opportunity(真陽性率のみ揃える)がある。採用・与信・保険審査など人に影響する判定AIで業界標準として使われるが、Demographic ParityとEqualized Oddsは数学的に同時達成が難しいトレードオフ関係にあり、どれを優先するかは業務要件次第という落とし穴がある。2026年時点の実運用では、属性データの取得自体が個人情報保護の制約で難しく、居住地域などの代理変数を経由した間接差別を現場で見落としがちとされる。監査体制の構築や外部監査ツールの導入にはコストがかかるため、規制業種以外ではグループ別合格率の簡易モニタリングから始める相場感が一般的とされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「公平性指標 (Demographic Parity等)とは」 https://aipicks.jp/glossary/fairness-metrics
公平性指標 (Demographic Parity等)の使用例
- 求人選考AIの合格率を性別・年齢層別に集計し、Demographic Parityの乖離が5%以内かを確認する。
- 与信スコアAIでEqualized Oddsを算出し、属性間で誤承認率・誤却下率に差がないか監査する。
