Summary  
This chapter covers techniques for building responsible AI systems, focusing on detecting and mitigating algorithmic bias and ensuring fairness through testing and human oversight. It also addresses implementing transparency features and user controls for personalization to respect privacy.

General domain of usage  
Marketing

AI predicts user preferences, but too much tracking becomes intrusive.

**+** Stores suggesting relevant products.</br>
**-** Hyper-targeted messages based on private details.

Users must understand how personalization works and have control over it.

Users appreciate helpful experiences but dislike manipulation or secrecy.

**+** Companies that clearly explain how AI works and allow user control build loyalty.

Transparency creates trust; manipulation destroys it.

AI reflects the quality of its training data. Biased data creates unfair outcomes.

**-** Hiring AI rejecting women due to biased résumé data.
**-** Marketing tools excluding certain groups.

Requires fairness testing, reviewing data sources, and keeping humans in the loop.

En praktisk veiledning for ansvarlig drift innen digital annonsering og markedsføring — som dekker regelverkene som styrer datainnsamling, systemene som beskytter forbrukerens personvern, risikoene knyttet til programmatisk media, og de organisatoriske strukturene som holder merkevarer etterrettelige og troverdige. Utviklet for fagpersoner som trenger mer enn teori: hver seksjon går fra konsept til anvendelse, og avsluttes med verktøy, rammeverk og beslutningsevner for å håndtere reelle etterlevelsesutfordringer i praksis.

Reglene, rammeverkene og kjernebegrepene som definerer hvordan organisasjoner håndterer personopplysninger — fra globale forskrifter til de praktiske retningslinjene som styrer digital annonsering.

Hvordan data beveger seg gjennom en organisasjon, hvordan det må beskyttes, og hva enkeltpersoner har rett til å forvente fra virksomheter som oppbevarer deres informasjon.

Risikoene ved å operere i digitale medier, hvordan kontrollere hvor et merke vises, og hvordan håndtere situasjoner når noe går galt.

Å samle alt — revisjon av eksisterende praksis, utvikling av kultur og systemer for å opprettholde dette, samt å ligge i forkant av fremtidige endringer.

Etisk bruk av data og KI i markedsføring

Viktige etiske utfordringer