Leksikon
AI-etik og bias
AI lærer af data — og arver deres skævheder. Læs hvordan bias opstår i AI-løsninger, hvorfor det er en forretningsrisiko, og hvad man gør ved det.
Hvad handler det om?
En AI lærer af data, og data afspejler den verden, de kommer fra — med alle dens skævheder. Bias er, når en model viderefører eller forstærker den slags skævheder og behandler fx ansøgere, kunder eller grupper systematisk forskelligt, uden at nogen har bedt om det. AI-etik er det bredere spørgsmål om at bygge og bruge AI ansvarligt.
Hvorfor det er en forretningssag — ikke kun moral
Det er let at tænke på etik som noget blødt. Men bias har hårde konsekvenser. En model, der forskelsbehandler i en ansættelse eller en kreditvurdering, er både et omdømmeproblem og — under EU AI Act — potentielt et lovbrud. En model, der finder på svar over for en kunde, koster tillid. Ansvarlig AI er ganske enkelt god forretning.
Hvor skævheden gemmer sig
Bias er sjældent ond vilje. Den sniger sig ind via træningsdata, der ikke repræsenterer alle, via spørgsmål, der er stillet skævt, eller via en model, der bare gentager fortidens mønstre. Fordi den er svær at få øje på, skal man lede efter den med vilje — ikke gå ud fra, at den ikke er der.
Hvad man gør ved det
Der findes ingen kontakt, der slår bias fra. Men man kan teste for det, holde et menneske inde over de vigtige beslutninger og være åben om, hvad modellen gør og ikke gør. Det afgørende er at tage det alvorligt fra start — i stedet for at opdage problemet, når en kunde eller en journalist gør det først.
Flere opslag i leksikonet
Se hele leksikonet →Relaterede ydelser
Skal det her omsættes til noget, der virker hos jer? Så er det typisk her, vi kommer ind.
Fra begreb til løsning
Skal et af begreberne her omsættes til noget der rent faktisk virker i din virksomhed, så tag en uforpligtende snak med os.