AIモデルの予測がグループ間でどれほど公正であるかを評価するために使用される定量的指標（例：人口統計の平等性、平等化されたオッズ）。
グループ間の結果格差を検出・監視するための客観的な基準を提供します。一般的な指標には、Demographic Parity（陽性予測率の均等性）、Equalized Odds（真陽性率・偽陽性率の均等性）、および Calibration（予測リスクと実測結果の一致）があります。ガバナンス・フレームワークでは、各ユースケースに適した指標を選定し、公平性に関する SLA を担保するために継続的に追跡することが求められます。
大学の予測型入学審査モデルは、人口統計学的パリティ差分を四半期ごとに報告します。女性応募者のポジティブ予測率が男性応募者の95%を下回ると、アラートがトリガーされ、公平性レビューが開始されます。チームは0.8パリティルールを満たすように意思決定しきい値を調整し、その変更を公平性ダッシュボードに記録します。
