Al procesar comentarios utilizando la herramienta de IA de People Insight, se llevan a cabo varios pasos para garantizar la privacidad y seguridad de los datos. Inicialmente, la información personal identificable (PII) se redacta utilizando Microsoft Language Studio antes de cualquier procesamiento adicional.

También ofrecemos redacción por una persona en lugar de IA si esa es tu preferencia. Es más costoso, pero puede haber razones válidas para preferir que una persona redacte cualquier PII o información sensible.

Después de la redacción, los comentarios se categorizan y analizan para determinar el sentimiento. Los datos procesados se almacenan de manera segura, y cuando Prism está habilitado, proporciona resúmenes y recomendaciones de acción mientras mantiene la confidencialidad durante todo el proceso. Esto asegura que la información sensible esté protegida mientras se ofrecen ideas accionables.

Cuando habilitamos el manejo de comentarios asistido por IA en encuestas, aquí tienes un resumen paso a paso de lo que sucede con los datos:

Una vez que los comentarios son procesados a través de la herramienta de IA de People Insight, el acceso a la información está restringido a usuarios autorizados dentro de la organización. Ninguna parte externa puede ver o usar los datos, y ninguno de los datos se utiliza para entrenar modelos de IA. Nuestro sistema está diseñado con la privacidad y confidencialidad en mente, asegurando que los datos personales estén protegidos y permanezcan bajo el control del cliente.

Priorizamos la protección de datos redactando PII antes de cualquier procesamiento de IA. Nuestros sistemas aseguran que no se utilicen datos para el entrenamiento de modelos, y el acceso está restringido solo a usuarios autorizados. Los riesgos se mitigan a través de estrictos protocolos de privacidad, encriptación y uso ético de la IA, asegurando la confidencialidad de los datos. Aunque los sistemas digitales siempre conllevan algún riesgo de violaciones de datos o acceso indebido, implementamos medidas robustas para minimizar estos riesgos, y la naturaleza redactada y anonimizada de los datos reduce la probabilidad de cualquier preocupación significativa de privacidad.

La redacción de PII de Microsoft Language Studio es confiable para identificar y eliminar datos sensibles como nombres, correos electrónicos y números de Seguro Nacional. Soporta múltiples idiomas y ofrece alta precisión, particularmente en inglés. Lo hemos personalizado para adaptarse a nuestras necesidades específicas de la industria, mejorando la precisión para la terminología específica del dominio. Aunque el sistema es generalmente efectivo, pueden ocurrir ocasionalmente falsos positivos o negativos, especialmente en textos dependientes del contexto. Sin embargo, cumple con las principales regulaciones de privacidad como GDPR y HIPAA, asegurando que el proceso de redacción sea seguro, con encriptación de datos para proteger la información sensible durante el procesamiento.

Microsoft Language Studio proporciona una lista predefinida de categorías de PII para la redacción, incluyendo:

Estas categorías aseguran el cumplimiento con las regulaciones de privacidad del Reino Unido y globales, y la herramienta permite la personalización para detectar tipos adicionales de PII.

Aunque la redacción de PII no cubre el marcado manual de sensibilidad, Prism, nuestra herramienta de Gen IA, puede identificar información altamente sensible o divulgativa, como orientación sexual, discapacidad, creencias religiosas o situaciones personales específicas como casos de quejas. Al usar prompts detallados, Prism es capaz de identificar y marcar efectivamente estas categorías, extendiéndose más allá de los tipos estándar de PII para asegurar que la información sensible se maneje adecuadamente.

En nuestra plataforma, hemos desarrollado un modelo utilizando OpenAI para categorizar comentarios de encuestas de empleados en categorías específicas. El modelo fue entrenado utilizando datos de entrenamiento anonimizados, asegurando que toda la información personal identificable (PII) fuera eliminada para mantener la privacidad de los datos. Las categorías abarcan una variedad de temas, incluyendo "agilidad e innovación", "progresión profesional", "igualdad, diversidad e inclusión (EDI)" y "trabajo flexible e híbrido", entre otros. Esto permite que el modelo capture temas diversos, desde temas operativos como "servicio al cliente y calidad" hasta aspectos culturales como "voz del empleado" y "liderazgo".

Para desarrollar este modelo de categorización, etiquetamos manualmente un gran conjunto de datos de comentarios anonimizados con las categorías apropiadas. El modelo fue entrenado utilizando estos datos etiquetados, y su rendimiento fue probado utilizando un conjunto de datos de validación para asegurar su precisión. Medimos su efectividad y recuerdo (qué tan bien el modelo identifica casos relevantes). Este enfoque iterativo nos permitió afinar continuamente el modelo para un rendimiento óptimo, asegurando que pueda asignar comentarios de manera confiable a las categorías correctas.

El modelo ahora es capaz de categorizar eficientemente comentarios en las siguientes categorías: agilidad e innovación, autonomía y empoderamiento, progresión profesional, gestión del cambio, comunicación interfuncional, servicio al cliente y calidad, no sabe o no está seguro, voz del empleado, ambiental, social y gobernanza (ESG), igualdad, diversidad e inclusión (EDI), trabajo flexible e híbrido, comunicación general, salud y seguridad, seguridad laboral, liderazgo, aprendizaje y desarrollo, efectividad del gerente de línea, reuniones, incorporación e inducción de nuevos empleados, y sin comentario. Estas categorías predefinidas permiten un análisis profundo de los comentarios cualitativos, proporcionando a los usuarios información accionable sobre temas clave de la organización.

Si tienes más preguntas, no dudes en contactar a nuestro equipo de soporte.