公司很難在不歧視的情況下提供個人化的服務。機器學習與大數據的進展，伴隨著隱藏風險：自動化系統會讓有害偏見持續下去。即使是最大的科技公司與演算法專家，都很難在避免歧視之下實現高度個人化的服務。因此，企業領導人必須明白哪些自動化決策的方式，既會傷害顧客，也會傷害組織。
(不符合) 小於6段 & 小於700字 (段落: 1/ 字數: 90)
理論上，行銷個人化應該會是公司與顧客雙贏的主張。行銷科技可以用獨一無二的方式提供令人滿意的顧客體驗，做法是恰當地結合溝通、推薦與促銷，而所有這些都會針對每個人的特定品味來量身制定。
雖然手法拙劣的個人化做法，可能為這種做法帶來汙名，但鎖定目標對象的技術日益變得更複雜精細。機器學習與大數據的新進展，使得對於消費者來說，個人化變得更切合需求、造成較少打擾，也比較不惱人。然而，這些進展也伴隨一種隱藏風險：自動化系統有能力讓有害偏見持續不衰。
我們在一項新研究中，探討動態定價與定向折扣（targeted discount）的使用情況，想了解當消費者支付的價錢是由演算法決定時，是否可能會出現偏見（以及如何出現）。這類個人化行銷做法的一則警世故事，是測驗輔導公司「普林斯頓評論」（Princeton Review）。2015年，這家公司被揭發的做法是，儘管他們的教學課程都是透過視訊會議進...