훈련 전 편향(pre-training bias)은 모델을 학습시키기 전에 데이터에서 확인하는 편향이다. 특정 집단의 사례가 부족하거나 레이블(label)이 편향되어 있으면 그 문제가 모델에도 전달될 수 있다. 패싯(facet)은 성별이나 연령대처럼 비교할 집단을 나누는 속성이다. 집단별 표본 수와 오류를 함께 살피며 공정성(fairness)을 한 가지 수치로만 판단하지 않는다. 훈련 전에는 데이터 자체를, 훈련 후에는 모델의 예측을, 배포 후에는 기준 시점과 비교한 변화를 평가한다. 이 세 단계는 서로 대체되지 않는다. 2026년 9월 20일 기준 Clarify 문서의 신규 고객 이용 제한은 실제 도입 전에 다시 확인해야 한다.
적용 범위: 개별 편향 지표의 수식과 Clarify 신규 이용 조건은 별도 확인이 필요하다.