如果演算法並未支持你對公平性設下的標準，會發生什麼情況？本文提到發生在亞馬遜公司的狀況，以及ProPublica一篇有關機器偏見的文章，並得出結論：公司領導人必須對衡量公平性進行自我教育，以便決定如何為組織定義公平性。這也意味著，應該要把所選的公平性衡量標準納入關鍵績效指標，搭配傳統的業務衡量標準一起使用。

Google、亞馬遜、微軟與臉書，仍未找出解決之道。

在聘用資料科學家時，最令人擔心的大概就是所聘非人。資料科學家不僅是出了名的搶手、難以延攬，而且還得付出高額薪資，所以一旦聘錯人，代價不小。我們的資料人才培訓公司Data Incubator，已有數十家公司前來洽談，想聘用曾接受我們公司培訓的資料科學家。這些客戶規模有大有小，大到像是輝瑞藥廠（Pfizer）和摩根大通（JPMorgan），也有規模較小的新創公司，像是Foursquare和Upstart。