人工智慧的確會產生偏見，那是因為它模擬的，正是人類的行為。而用來訓練演算法的資料集，是有偏見的。但我們可以找出並糾正人工智慧中的偏見，善用人工智慧來消除無意識的偏見，並消除有偏見的傳統評估方法，以公平的方式選出人選。
麻省理工學院研究員麥可．許瑞吉解釋，如何善用員工的個人科技。在大部分企業，員工會使用自己的行動裝置，如智慧型手機和平板電腦，取用工作所需的應用程式。應用程式可提高人們的生產力，可協助你的員工找到重要的資料和分析，可協助他們迅速回應顧客問題。那是好東西。
醫藥界必須擴大演算法的應用。其中一個正在開發和驗證的新方法，稱為「因果人工智慧」。因果人工智慧演算法可以從觀測數據來推斷出因果關係，告訴我們不同因素如何相互作用，以及哪個因素導致了什麼情況。此外，還可以進行「如果……會怎樣？」的模擬。
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。
人工智慧系統就像人類一樣，從本身接觸到的環境裡學習，並依據它們培養出來的偏見來做決定。隨著我們愈來愈把做決定這件事外包給演算法去做，就更有必要開始正視人工智慧偏見造成的問題，拿出對策減緩這種負面效果。這是減少偏見的唯一方式。
微軟如何在144,000名員工之間，打造彼此的社群感？一部分重點在於科技，一部分在於透明度。換句話說，除了善用數位工具，更策略性運用「連結執行長」、「每日脈搏」調查等方式，與領導階層直接連結，並即時取得員工想法。
有一個產業特別能夠提供極大潛力來應用人工智慧技術，那就是教育行業。測試已經證實，許多重複性工作和例行工作都能用人工智慧系統協助處理，讓教師有更多時間可專注在教導學生或進行研究。為學生量身打造「學習」，學習效果更佳。
區塊鏈可以讓兩方以上的個人、企業或電腦在數位環境中交換價值，而不需要透過銀行或第三方平台之類的中介者居間處理。換句話說，區塊鏈為數位經濟重新定義了交易條件。但如果只是因為怕趕不上潮流，而開始採用區塊鏈技術，這麼做是沒有好處的。
