Gallup致力於持續利用最新技術，包括人工智能（AI）及其相關領域，提升Gallup Access的功能，提供更智能的工具、更快速的洞察以及更優化的使用體驗。
人工智能是一個廣泛領域，涵蓋模擬人類智能的系統，例如理解語言或識別模式。機器學習（ML）是人工智能的一個分支，使系統能從數據中學習並隨時間改進，無需明確編程。生成式人工智能（Gen AI）是人工智能的一個較新領域，利用先進模型根據學習到的模式創造新的內容，如文本、對話和摘要。
Gallup Access透過以下方式整合這些技術，打造智能、科學基礎且具倫理開發的工具，帶來有意義的成果：
Gallup AI（生成式人工智能）
Gallup AI是一款生成式人工智能助手，採用檢索增強生成（RAG）技術，提供有研究支持的答案和建議，幫助提升員工參與度及應用CliftonStrengths。它僅使用Gallup自有內容進行增強，確保準確性，且不使用客戶提示、回應或其他客戶數據來訓練AI模型，以保障機密性。
調查報告洞察（人工智能）
員工參與度報告利用人工智能分析團隊數據，從團隊整體結果中突出重要洞察。雖然洞察由人工智能識別，但內容基於Gallup驗證過的參與度指標、數十年的研究、觀察到的趨勢及Gallup龐大資料庫的比較基準。
調查報告後續步驟（人工智能）
員工參與度報告同樣應用人工智能評估團隊結果，並提供與團隊參與度指標相關的、基於研究的建議。這些建議幫助管理者引導有意義的團隊討論，聚焦優勢並解決機會，以提升參與度與績效。
評論分析（人工智能及機器學習）
調查報告的文本分析利用人工智能的自然語言處理（NLP）技術解讀開放式調查評論，理解書面反饋的結構與意義。接著應用機器學習對情感（正面、負面、中立或混合）進行分類，並識別常見主題及子題，協助管理者快速掌握大量質性數據中的關鍵問題與洞察。
評論摘要（生成式人工智能）
調查報告的文本分析亦利用生成式人工智能，根據問題與主題製作開放式調查評論的簡明摘要。這些摘要突顯大量非結構化反饋的重點，幫助管理者快速處理數據並形成清晰且可行的洞察。
個人識別信息與有害語言檢測（機器學習）
整合於調查報告的文本分析功能中，此機器學習功能標記開放式調查評論中的個人識別信息（PII）及有害語言。管理員可審查並編輯標記的回應，以維護數據完整性並保護機密性。
評論翻譯（機器學習）
此基於機器學習的功能利用AWS翻譯服務將開放式回應翻譯成美式英語，支援超過50種語言，讓全球組織能以一致格式審閱反饋。
個人化團隊與合作洞察（生成式人工智能）
CliftonStrengths提供AI生成的團隊與合作洞察，呈現個人化的合作關係關鍵模式摘要、互補優勢及潛在障礙。
基於優勢的洞察（人工智能）
Gallup Access利用人工智能分析團隊的CliftonStrengths數據，根據團隊整體優勢與潛在缺口，提供相關且有研究支持的建議。雖然人工智能協助決定顯示哪些洞察，但所有洞察均由Gallup科學家及主題專家撰寫與策劃。
負責任的人工智能實踐
Gallup運用嚴謹框架，打造倫理、安全、可解釋且符合法規的人工智能系統。這些實踐涵蓋Gallup Access中人工智能開發與部署的所有階段，包括：
科學誠信與防護措施
Gallup將人工智能系統建立於專有研究基礎，絕不使用客戶專屬數據訓練模型。防護措施包括AWS安全層、內部規則過濾器及Gallup對Anthropic Claude模型變體的評估與配置，有助減少幻覺現象、支持穩定輸出品質及減輕偏見，同時維持Gallup的品質標準。
遵守全球標準
Gallup根據NIST人工智能風險管理框架及大型語言模型應用的OWASP十大標準評估所有人工智能實施，促進安全、可靠且值得信賴的人工智能發展。
透明度與可解釋性
Gallup確保所有生成式人工智能輸出均可追溯至Gallup自有內容（如研究文章、指南），使回應可審計、可解釋，並與Gallup已發布的科學成果保持一致。
隱私與數據保護
Gallup在使用人工智能工具處理前會移除個人識別信息，並將所有人工智能應用置於安全的AWS雲端環境。Gallup從不對外分享數據，也不使用客戶內容訓練人工智能模型。雖然Gallup保留人工智能互動數據（提示與回應）以支持Gallup Access功能與監督，但絕不將該數據用於訓練人工智能模型，並可應個人要求刪除其人工智能互動數據。
持續監控與品質管控
Gallup採用持續的自動化與人工測試，確保可靠性、公平性與準確性。品質保證團隊定期評估表現、執行偏見檢查，並回應客戶與用戶反饋。
這些實踐確保Gallup所有人工智能工具、功能與能力皆安全、透明且科學嚴謹，同時保護客戶機密並維護信任。