การจัดการความลำเอียงที่ซ่อนอยู่ของระบบการสรรหาบุคลากร AI

เครื่องมือการสรรหาบุคลากรที่ขับเคลื่อนด้วย AI สัญญาว่าจะมีประโยชน์ในการเปลี่ยนแปลงกระบวนการสรรหา โดยให้การคัดเลือกผู้สมัครที่รวดเร็ว การสัมภาษณ์ที่เป็นมาตรฐาน และกระบวนการคัดเลือกที่มีข้อมูลสนับสนุน เครื่องมือเหล่านี้ดึงดูดนายจ้างที่ต้องการความมีประสิทธิภาพและความเป็นกลาง โดยสัญญาว่าจะกำจัดความลำเอียงของมนุษย์ออกจากการตัดสินใจในการสรรหา ในขณะเดียวกันก็สามารถประมวลผลการสมัครงานหลายพันรายการในเวลาเพียงไม่กี่นาที

อย่างไรก็ตาม ภายใต้คำสัญญาเทคโนโลยีนี้มีความเป็นจริงที่น่าห่วงใย การวิจัยแสดงให้เห็นว่าความลำเอียงของอัลกอริทึมส่งผลให้เกิดการปฏิบัติที่เลือกปฏิบัติในการสรรหา โดยพิจารณาจากเพศ สีผิว และลักษณะบุคลิก นักวิจัยจากมหาวิทยาลัยวอชิงตันพบว่ามีความลำเอียงทางเชื้อชาติและเพศที่มีนัยสำคัญในระบบโมเดลภาษาขนาดใหญ่สามแบบที่จัดอันดับเรซูเม่ โดยระบบเหล่านี้ให้ความชอบแก่ชื่อที่เกี่ยวข้องกับคนผิวขาว

บทความนี้ตรวจสอบสาเหตุของความลำเอียงที่ซ่อนอยู่เหล่านี้ในระบบการสรรหาบุคลากร AI และอธิบายกลยุทธ์ที่ครอบคลุมเพื่อจัดการ ลด และกำจัดผลกระทบที่เป็นอันตรายในที่สุด โดยส่งเสริมให้เกิดภูมิทัศน์การสรรหาที่เท่าเทียมกันมากขึ้น

การเปิดเผยความลำเอียงในระบบการสรรหาบุคลากร AI

การทำความเข้าใจ AI และความลำเอียงของอัลกอริทึม

ความลำเอียงของ AI เกิดขึ้นเมื่อระบบ AI สร้างผลลัพธ์ที่มีความลำเอียง ซึ่งสะท้อนและยืดเยื้อความลำเอียงของมนุษย์ภายในสังคม รวมถึงความไม่เท่าเทียมกันทางสังคมในอดีตและปัจจุบัน ไม่เหมือนกับความลำเอียงของมนุษย์ที่อาจแตกต่างกันไปในแต่ละบุคคล ความลำเอียงของอัลกอริทึมแสดงออกมาในรูปแบบของการปฏิบัติที่ไม่เป็นธรรมอย่างเป็นระบบ ซึ่งสามารถส่งผลกระทบต่อผู้สมัครหลายพันคนในเวลาเดียวกัน

การวิจัยล่าสุดจากสถาบัน Brookings แสดงให้เห็นถึงหลักฐานที่ชัดเจนของการเลือกปฏิบัติที่มีนัยสำคัญ ตามเพศ อัตลักษณ์เชื้อชาติ และจุดตัดกัน โดยมีการทดสอบการเลือกปฏิบัติ 27 ครั้งบนโมเดลภาษาขนาดใหญ่สามแบบและอาชีพเก้าประเภท

การแพร่กระจายของระบบ AI ในกระบวนการสรรหา (87% ของบริษัทใช้ AI ในการสรรหา) หมายความว่าการเลือกปฏิบัติ正在ถูกขยายขึ้น

แหล่งที่มาหลักของความลำเอียงในระบบการสรรหาบุคลากร AI

แหล่งที่มาของความลำเอียงที่แพร่หลายที่สุดมาจากข้อมูลการฝึกอบรมเอง การศึกษาแสดงให้เห็นว่าความลำเอียงของอัลกอริทึมมาจากชุดข้อมูลดิบที่จำกัดและนักออกแบบอัลกอริทึมที่มีความลำเอียง เมื่อระบบ AI เรียนรู้จากข้อมูลการสรรหาในอดีต ระบบเหล่านี้จะดูดซับอคติที่ฝังอยู่ในกระบวนการตัดสินใจในอดีต ทำให้ระบบเหล่านี้กลายเป็นเครื่องมือในการส่งเสริมการเลือกปฏิบัติ

สิ่งนี้ไม่ใช่ปัญหาใหม่ เมื่อเดือนธันวาคม 2018 Amazon ต้องยกเลิกเครื่องมือการสรรหาที่แสดงออกถึงปัญหานี้ ระบบนี้ถูกฝึกอบรมจากข้อมูลในอดีตที่มีผู้สมัครชายเป็นหลัก ทำให้ระบบนี้มีการตัดสินลงโทษเรซูเม่ที่มีคำที่เกี่ยวข้องกับผู้หญิงหรืออ้างอิงถึงวิทยาลัยของผู้หญิง

แต่ดูเหมือนว่าไม่มีการเรียนรู้จากสิ่งนี้ เนื่องจากปัญหาเดียวกันยังคงปรากฏในระบบปัจจุบัน

ตัวอย่างอื่นเกี่ยวข้องกับ สหประชาชาติ ซึ่งเผชิญกับการวิพากษ์วิจารณ์เกี่ยวกับการใช้เครื่องมือการรู้จำใบหน้าในกระบวนการสรรหา ซึ่งแสดงให้เห็นถึงความลำเอียงทางเชื้อชาติ โดยการจัดอันดับผู้สมัครที่มีผิวสีเข้มต่ำกว่าผู้สมัครที่มีผิวสีจัด ซึ่งสะท้อนถึงอคติที่ฝังอยู่ในข้อมูลการฝึกอบรมที่ใช้พัฒนาระบบเหล่านี้

แม้ว่าข้อมูลการฝึกอบรมดูสมดุล ความลำเอียงของอัลกอริทึมสามารถเกิดขึ้นจากกระบวนการออกแบบและตัดสินใจของ AI ได้ ความท้าทายคือระบบเหล่านี้มักวัดความสำเร็จโดยการค้นหาผู้สมัครที่คล้ายกับพนักงานปัจจุบันที่ถูกกำหนดให้เป็นคนสำเร็จ ซึ่งยืดเยื้อรูปแบบการสร้างทีมงานที่มีอยู่และปิดกั้นผู้สมัครที่หลากหลาย

การแสดงออกของความลำเอียงในเครื่องมือการสรรหา

เครื่องมือวิเคราะห์สัมภาษณาวิดีโอแสดงให้เห็นตัวอย่างที่น่าห่วงใยของความลำเอียงในการดำเนินการ ระบบเหล่านี้ประเมินภาษากาย สีหน้า และน้ำเสียง แต่การวิจัยแสดงให้เห็นว่าระบบเหล่านี้ให้คะแนนผู้สมัครต่างกันตามเพศ เชื้อชาติ การแต่งกายทางศาสนา และแม้กระทั่งความสว่างของกล้อง พวกเขาอาจล้มเหลวในการตระหนักถึงความแตกต่างของใบหน้าหรือปรับสำหรับสภาพที่หลากหลายทางประสาท ทำให้ผู้สมัครที่มีคุณสมบัติเหมาะสมถูกตัดออกเนื่องจากปัจจัยที่ไม่เกี่ยวข้อง

เครื่องมือคัดเลือก CV และเรซูเม่แสดงให้เห็นถึงความลำเอียงผ่านการกรองตามชื่อ โดยผู้สมัครที่มีชื่อที่บ่งบอกถึงภูมิหลังเชื้อชาติหรือชาติพันธุ์บางอย่างจะถูกจัดอันดับต่ำกว่าโดยอัตโนมัติ ระบบเหล่านี้ยังเลือกปฏิบัติตามประวัติการศึกษา ที่ตั้งทางภูมิศาสตร์ และคำเลือกเฉพาะ โดยบางครั้งปฏิเสธผู้สมัครที่มีคุณสมบัติเหมาะสมเนื่องจากความไม่ถูกต้องเล็กน้อย เช่น การระบุภาษาโปรแกรมมิ่งเก่าที่ไม่ได้ใช้แล้ว

ช่องว่างในการจ้างงานไม่เพียงแต่ส่งผลกระทบต่อผู้หญิงและผู้ดูแลเท่านั้น แต่ยังพบได้บ่อยหลังการระบาดของโควิด-19 และการปลดพนักงานจำนวนมาก ซึ่งบางครั้งอาจกระตุ้นให้ระบบ AI ปฏิเสธโดยอัตโนมัติ เนื่องจากระบบเหล่านี้ไม่สามารถเข้าใจบริบทของการหยุดงานได้ ทำให้เกิดความลำเอียงอย่างเป็นระบบต่อผู้สมัครที่หยุดงานเพื่อความรับผิดชอบต่อครอบครัวหรือเหตุผลอื่น ๆ ที่ชอบด้วยกฎหมาย

ผลกระทบรipple: ผลกระทบของความลำเอียงต่อการสรรหา

ผลลัพธ์ที่ไม่เป็นธรรมสำหรับผู้สมัคร

ค่าใช้จ่ายของมนุษย์จากความลำเอียงของ AI ในการสรรหาคือสิ่งสำคัญ ผู้สมัครที่มีคุณสมบัติเหมาะสมพบว่าตัวเองถูกตัดออกจากโอกาสไม่ใช่เพราะความสามารถ แต่เนื่องจากลักษณะที่ควรเป็นเรื่องไม่สำคัญต่อการทำงาน ผลกระทบนี้ดำเนินไปอย่างเงียบๆ เนื่องจากระบบ AI สามารถกรองกลุ่มประชากรทั้งหมดก่อนที่จะถึงผู้ตรวจสอบมนุษย์

ลักษณะที่เป็นระบบของความเสียเปรียบนี้หมายความว่าบุคคลจากกลุ่มเฉพาะต้องเผชิญกับอุปสรรคที่สม่ำเสมอในการสมัครงานหลายครั้ง ไม่เหมือนกับความลำเอียงของมนุษย์ที่อาจแตกต่างกันไปในแต่ละผู้สรรหา ความลำเอียงของอัลกอริทึมสร้างอุปสรรคที่สม่ำเสมอสำหรับผู้สมัคร โดยไม่คำนึงถึงที่ที่พวกเขาสมัครงาน

หากไม่มีการดำเนินการที่积极 AI จะยังคงสะท้อนและเสริมความลำเอียงของสังคม แทนที่จะแก้ไขปัญหาเหล่านี้ ระบบเหล่านี้ไม่ได้สร้างกระบวนการสรรหาที่เท่าเทียมกัน แต่กลับยืดเยื้อรูปแบบการเลือกปฏิบัติในอดีตและทำให้พวกเขาเป็นเรื่องที่ท้าทายมากขึ้น

การขาดความโปร่งใสยิ่งเพิ่มปัญหาเหล่านี้ ผู้สมัครงานไม่เคยรู้ว่าเครื่องมือ AI เป็นสาเหตุของการปฏิเสธหรือไม่ เนื่องจากระบบเหล่านี้ไม่เผยแพร่วิธีการประเมินหรือให้เหตุผลเฉพาะเจาะจงสำหรับการล้มเหลว สิ่งนี้ทำให้ผู้สมัครยากที่จะเข้าใจว่าทำไมพวกเขาถึงถูกปฏิเสธหรือที่จะท้าทายการตัดสินใจที่ไม่เป็นธรรม

สิ่งนี้ส่งผลให้ผู้สมัครถูกเลือกไม่ใช่เพราะพวกเขาเป็นตัวเลือกที่ดีที่สุดสำหรับตำแหน่ง แต่เนื่องจากความสามารถในการสร้างเรซูเม่ที่สามารถหลบเลี่ยงระบบ ATS

ความเสี่ยงที่สำคัญสำหรับองค์กร

องค์กรที่ใช้ระบบการสรรหาบุคลากร AI ที่มีความลำเอียงต้องเผชิญกับความเสี่ยงทางกฎหมายและความสอดคล้องที่รุนแรง หากผู้สมัครรู้สึกว่าตนเองถูกปฏิบัติไม่เป็นธรรมโดยระบบ AI ในกระบวนการสรรหา พวกเขาอาจฟ้องร้ององค์กรสำหรับการเลือกปฏิบัติของ AI นอกจากนี้ รัฐบาลและหน่วยงานกำกับดูแลหลายแห่งกำลังสร้างกฎหมายและข้อจำกัดในการควบคุมการใช้ AI ในการสรรหา

สิ่งนี้เป็นปัญหาที่ผู้คนตระหนักถึง: 81% ของผู้นำด้านเทคโนโลยีสนับสนุนการควบคุมของรัฐบาลในการควบคุมความลำเอียงของ AI และ 77% ของบริษัทมีเครื่องมือทดสอบความลำเอียงในสถานที่ แต่ยังคงพบความลำเอียงในระบบของตน สิ่งนี้บ่งชี้ถึงการยอมรับปัญหาอย่างกว้างขวางและความจำเป็นในการกำกับดูแล

ความเสียหายต่อชื่อเสียงเป็นอีกความเสี่ยงที่สำคัญ การเปิดเผยต่อสาธารณะเกี่ยวกับการปฏิบัติที่เลือกปฏิบัติในการสรรหาสามารถทำลายภาพลักษณ์ขององค์กรและความไว้วางใจของผู้มีส่วนได้ส่วนเสีย ผู้สมัครงาน และพนักงานที่มีอยู่ได้อย่างรุนแรง กรณีที่มีชื่อเสียงได้แสดงให้เห็นว่าความขัดแย้งเกี่ยวกับความลำเอียงของ AI ในการสรรหาสามารถสร้างความเสียหายต่อชื่อเสียงและความเสียหายต่อชื่อเสียงในระยะยาว

การขาดความหลากหลายที่เกิดจากความลำเอียงของ AI สร้างปัญหาในระยะยาวสำหรับองค์กร การเลือกผู้สมัครโปรไฟล์ที่คล้ายกันทำให้ระบบเหล่านี้ลดความหลากหลายของทีมงาน ซึ่งการวิจัยแสดงให้เห็นว่าการขาดความหลากหลายจะขัดขวางนวัตกรรมและความคิดสร้างสรรค์ องค์กรพลาดผู้สมัครที่ดีเยี่ยมเนื่องจากปัจจัยที่ไม่สำคัญ สุดท้ายทำให้ความสามารถในการแข่งขันขององค์กรมีความเสียหาย

การวางแผนเส้นทางที่ยุติธรรมยิ่งขึ้น: การจัดการ ลด และกำจัดความลำเอียง

การเตรียมการและตรวจสอบอย่าง积极

การสร้างกลไกในการลดความลำเอียงที่มีประสิทธิผลต้องมีการรวบรวมทีมตรวจสอบที่หลากหลาย ซึ่งรวมถึงนักวิทยาศาสตร์ข้อมูล ผู้เชี่ยวชาญด้านความหลากหลาย ผู้เชี่ยวชาญด้านการปฏิบัติตามกฎระเบียบ และผู้เชี่ยวชาญด้านโดเมน มีความจำเป็นที่จะเพิ่มการมีส่วนร่วมของผู้มีส่วนได้ส่วนเสียและตัวแทนชุมชนในกระบวนการตรวจสอบเหล่านี้ ทีมเหล่านี้ต้องรวมบุคคลจากกลุ่มที่ถูกกีดกันซึ่งสามารถให้มุมมองที่หลากหลายและระบุความลำเอียงที่อาจมองไม่เห็นสำหรับผู้อื่น

การนำกรอบการตรวจสอบที่มีประสิทธิผลสามารถช่วยปิดช่องว่างทางเศรษฐกิจและสังคมได้ โดยการระบุและลดความลำเอียงที่ส่งผลกระทบต่อกลุ่มคนชายขอบ การตั้งเป้าหมายการตรวจสอบที่ชัดเจนและวัดผลได้ให้คำแนะนำและความรับผิดชอบมากกว่าการมุ่งมั่นที่คลุมเครือ

องค์กรสามารถใช้เครื่องมือพิเศษสำหรับการตรวจจับและลดความลำเอียงได้ การศึกษาพบวิธีแก้ปัญหาที่ให้ความหวัง เช่น การสร้างแบบจำลองสาเหตุเพื่อให้ผู้ตรวจสอบสามารถค้นหาความลำเอียงที่ซ่อนอยู่ การทดสอบอัลกอริทึมแบบแทนเจนต์ในการประเมินความเป็นธรรม การตรวจสอบระบบ AI เป็นระยะๆ การกำกับดูแลของมนุษย์ควบคู่ไปกับการ 자동化 และการฝังตัวคุณค่าด้านจริยธรรม เช่น ความเป็นธรรมและความรับผิดชอบ

การแทรกแซงระดับข้อมูลและแบบจำลอง

วิธีที่มีประสิทธิผลที่สุดในการลดความลำเอียงคือการฝึกอบรมอัลกอริทึม AI ด้วยชุดข้อมูลที่หลากหลายและเป็นตัวแทน โดยรวมข้อมูลจากกลุ่มประชากรต่างๆ เพื่อให้แน่ใจว่าเครื่องมือ AI ไม่เอียงเข้าข้างประชากรใดประชากรหนึ่ง สิ่งนี้ต้องมีการผสมผสานแหล่งข้อมูล การสร้างสมดุลของชุดข้อมูลทั่วกลุ่มประชากรต่างๆ และการใช้ข้อมูลสังเคราะห์เพื่อเติมช่องว่างการแสดง

การตรวจสอบและอัปเดตข้อมูลการฝึกอบรมเป็นประจำเป็นสิ่งจำเป็นสำหรับการระบุปัญหาเชิงศีลธรรมก่อนที่จะฝังอยู่ในระบบ AI องค์กรควรตรวจหาช่องว่างการแสดงข้อมูล ข้อผิดพลาด และความไม่สอดคล้องที่อาจนำไปสู่ผลลัพธ์ที่มีความลำเอียง

การตรวจสอบโครงสร้างแบบจำลองและการเลือกคุณลักษณะสามารถป้องกันไม่ให้ความลำเอียงเข้ามาผ่านตัวแปรที่ดูเป็นกลางซึ่งทำหน้าที่เป็นตัวแทนสำหรับคุณลักษณะที่ได้รับการคุ้มครอง องค์กรต้องทำการแมปกับกระบวนการตัดสินใจของแบบจำลอง AI ระบุองค์ประกอบที่ใช้ข้อมูลที่ละเอียดอ่อนโดยตรงหรือโดยอ้อม และลบหรือปรับเปลี่ยนคุณลักษณะที่อาจทำให้เกิดผลลัพธ์ที่ไม่เป็นธรรม

การวัดความเป็นธรรมอย่างเป็นระบบต้องเลือกเมตริกที่เหมาะสม เช่น ความเท่าเทียมกันทางประชากร สถิติความเท่าเทียม และโอกาสที่เท่าเทียมกัน เมตริกเหล่านี้ควรนำไปใช้อย่างสม่ำเสมอเพื่อเปรียบเทียบผลลัพธ์ระหว่างกลุ่มประชากรต่างๆ โดยมีการติดตามอย่างสม่ำเสมอเพื่อระบุความแตกต่างที่มีนัยสำคัญ

การเน้นย้ำถึงการกำกับดูแลของมนุษย์และความโปร่งใส

การตัดสินใจของมนุษย์ต้องยังคงเป็นศูนย์กลางของกระบวนการตัดสินใจในการสรรหา โดยเครื่องมือ AI มีบทบาทในการเสริมการตัดสินใจของมนุษย์ ไม่ใช่การแทนที่การตัดสินใจของมนุษย์ การตัดสินใจในการสรรหาสำคัญควรเกี่ยวข้องกับผู้สรรหาที่เข้าใจข้อจำกัดของระบบ AI และสามารถตรวจสอบคำแนะนำของระบบเหล่านี้อย่างมีวิจารณญาณ

องค์กรต้องดำเนินการตรวจสอบความเป็นธรรม ใช้ข้อมูลที่หลากหลาย และรับรองความโปร่งใสในการตัดสินใจของ AI องค์กรควรแจ้งให้ทราบอย่างชัดเจนว่าและวิธีการที่ AI ถูกนำมาใช้ในกระบวนการสรรหา อะไรคือปัจจัยที่ระบบเหล่านี้ประเมิน และให้ผู้สมัครมีกลไกที่ชัดเจนในการท้าทายการตัดสินใจโดยอัตโนมัติ

บริษัทต่างๆ ต้องเข้าใจว่าพวกเขาเป็นผู้รับผิดชอบทางกฎหมายหลักสำหรับผลลัพธ์ที่เลือกปฏิบัติ ไม่ว่าจะมีข้อตกลงทางสัญญากับผู้ให้บริการเทคโนโลยีหรือไม่ สิ่งนี้ต้องการให้มีการออกคำสั่งการประมวลผลข้อมูลที่ชัดเจนและนำมาใช้มาตรการป้องกันขั้นต่ำเพื่อป้องกันผลลัพธ์ที่เลือกปฏิบัติ

ความมุ่งมั่นต่อการปรับปรุงอย่างต่อเนื่องและการปฏิบัติตามกฎระเบียบ

การตรวจสอบอย่างสม่ำเสมอ การติดตามผลอย่างต่อเนื่อง และการรวมกลไกการให้ข้อมูลย้อนกลับเป็นสิ่งจำเป็นเพื่อให้แน่ใจว่าระบบ AI ยังคงเป็นธรรมและเท่าเทียมกันตลอดเวลา ระบบ AI ควรได้รับการติดตามอย่างต่อเนื่องสำหรับความลำเอียงที่เกิดขึ้นใหม่ โดยมีการตรวจสอบเมื่ออัลกอริทึมได้รับการอัปเดตหรือเปลี่ยนแปลง

หลายโครงการนโยบาย มาตรฐาน และแนวปฏิบัติที่ดีที่สุดในด้านความเป็นธรรมของ AI ถูกเสนอเพื่อตั้งหลักการ วิธีการ และฐานความรู้เพื่อชี้นำและดำเนินการในการจัดการความลำเอียงและความเป็นธรรม องค์กรต้องรับรองการปฏิบัติตามแนวทางจาก GDPR, พระราชบัญญัติความเท่าเทียม, พระราชบัญญัติ AI ของ EU และกฎระเบียบอื่นๆ ที่เกี่ยวข้อง

ตลาดสำหรับโซลูชัน AI ที่มีความรับผิดชอบมีแนวโน้มที่จะเพิ่มขึ้นสองเท่าในปี 2025 สิ่งนี้สะท้อนถึงการยอมรับที่เพิ่มขึ้นเกี่ยวกับความสำคัญของการแก้ไขปัญหาความลำเอียงในระบบ AI สิ่งนี้บ่งชี้ว่าองค์กรที่ลงทุนในการลดความลำเอียงจะมีผลประโยชน์ในการแข่งขัน ในขณะที่ผู้ที่เพิกเฉยต่อประเด็นเหล่านี้จะเผชิญกับความเสี่ยงที่เพิ่มขึ้น

ความสามารถในการปรับตัวยังคงจำเป็น: องค์กรต้องพร้อมที่จะปรับเปลี่ยนหรือแม้กระทั่งยกเลิกระบบ AI หากปัญหาเรื่องความลำเอียงยังคงอยู่ต่อไป

สรุป

ในขณะที่ระบบการสรรหาบุคลากร AI มีประโยชน์อย่างมากในด้านประสิทธิภาพและขนาด การสัญญาเหล่านี้สามารถเป็นจริงได้เฉพาะเมื่อมีการมุ่งมั่นอย่าง积极ในการระบุและลดความลำเอียงที่ฝังอยู่

องค์กรต้องดำเนินการตรวจสอบอย่างเข้มงวด diversify ข้อมูลการฝึกอบรม รับรองการกำกับดูแลของมนุษย์ที่มีความหมาย และรักษาความโปร่งใสกับผู้สมัครเพื่อใช้พลังของ AI ในการสร้างกระบวนการสรรหาที่ครอบคลุมอย่างแท้จริง

กุญแจสำคัญคือการรับรู้ว่าการลดความลำเอียงไม่ใช่การแก้ไขครั้งเดียว แต่เป็นความรับผิดชอบที่ต้องการการดูแลและทรัพยากรอย่างต่อเนื่อง

องค์กรที่ยอมรับความท้าทายนี้จะไม่เพียงแต่หลีกเลี่ยงความเสี่ยงทางกฎหมายและชื่อเสียง แต่ยังเข้าถึงกลุ่มผู้สมัครที่กว้างขึ้นและทีมงานที่แข็งแกร่งและสร้างสรรค์มากขึ้น อนาคตของ AI ในการสรรหาจะขึ้นอยู่กับการมุ่งมั่นที่จะสร้างกระบวนการที่ยุติธรรมและเท่าเทียมกัน