AIモデルにおけるバイアスは、多くの場合、トレーニングデータを通じて生じます。AAIA™学習ガイドでは、公平性を確保するためには、監査担当者と開発者が、モデルのトレーニングに使用されるデータの多様性、代表性、および品質を評価する必要があると強調しています。
「AIにおけるバイアスの最大の原因は、トレーニングデータにあります。出力が特定のグループに不均衡な影響を与えたり、結果を歪めたりしないようにするためには、このデータをレビューし、監査することが不可欠です。」適応性（C）や温度（D）などのモデルパラメータは動作に影響を与えますが、ほとんどのバイアスの根本原因に対処するものではありません。開発環境（B）はインフラストラクチャをサポートしますが、倫理的保証はサポートしません。
参考資料：ISACA Advanced in AI Audit™ (AAIA™) 学習ガイド、セクション：「AIにおける倫理的および法的考慮事項」、サブセクション：「AIシステムにおけるバイアスと公平性」