随着各组织越来越多地应用人工智能（AI），它们必须将伦理和道德方面的担忧视为战略优先事项。
普华永道的一项分析提出了9项伦理原则，供组织跟踪参考。
利益相关方需要共同努力，识别威胁，并共同打造对所有各方都有益且符合伦理的人工智能。
全球各地的组织越来越意识到人工智能（AI）可能带来的风险，包括偏见以及因自动化导致的潜在失业。与此同时，人工智能也为组织和社会带来了诸多切实的益处。
对组织而言，这使得人工智能可能造成的危害与不采用该技术的成本之间形成了一条微妙的界线。与人工智能相关的许多风险都具有伦理影响，但明确的指导可以为个人和组织提供推荐的伦理做法和行动
有三项新兴做法可以帮助组织应对自主系统和智能系统所引发的复杂道德困境。
1. 引入人工智能伦理原则
人工智能风险持续增长，但发布伦理原则以指导人工智能开发和使用的公共及私营机构数量也在不断增加。事实上，许多人认为，这种方法是最有效的主动风险缓解策略。确立伦理原则有助于组织保护个人权利和自由，同时增进福祉与公共利益。组织可以将这些原则付诸实践，并将其转化为规范和做法，进而加以治理。
越来越多的公共及私营组织，从科技公司到宗教机构不等，已发布伦理原则以指导人工智能的开发和使用，其中一些甚至呼吁制定源自科幻小说的法律扩展。截至2019年5月，42个国家已采纳经济合作与发展组织（OECD）首套经济合作与发展组织（OECD）的人工智能伦理原则，更多国家可能会相继效仿。
人工智能伦理原则的版图十分广阔，但其中也存在一些共性。我们梳理了90多套伦理原则，其中包含200多项原则，并将其整合为九项核心人工智能伦理原则。按公司、组织类型、行业和地域对这些原则进行跟踪，有助于我们可视化并把握人工智能相关的各类关切，以及这些关切在不同群体之间的差异。这些原则可以被转化为规范和做法，并结合具体情境加以阐释，进而加以治理。
这九项核心人工智能伦理原则源自全球公认的基本人权、国际宣言和公约或条约，同时也参考了对各类组织、公司和倡议所制定的现行行为准则及伦理原则的梳理。
这九项核心原则可以归纳为认知原则和一般原则，并可为评估和衡量人工智能系统的伦理有效性提供基准。这些原则的整体框架旨在用于比较和对照组织当前采用的人工智能实践，随后可将其嵌入其中，以助力开发符合伦理的人工智能解决方案和文化。
认知原则构成了考察人工智能伦理性的前提条件，体现了使组织能够判断人工智能系统是否符合某项伦理原则的知识条件。它们包括可解释性和可靠性方面的原则。
一般人工智能伦理原则，则体现了在多种文化和地域环境中均适用的行为原则，并说明人工智能解决方案在面对特定应用领域中的道德决策或两难困境时应如何表现。它们包括问责制、数据隐私和人的自主性方面的原则。
不同行业和不同类型的组织，包括政府机构（如美国国防部）、私营企业、学术界、智库、协会及联盟，各自倾向于不同的原则。虽然所有组织都重视公平性，但安全性原则在涉及实体资产的行业中比在涉及信息资产的行业中更为常见。合法性与合规性原则则最常出现在政府机构、协会及联盟发布的原则之中；尽管所有组织都必须遵守法律，但很少有组织将法律本身视为一项伦理原则。
2. 使人工智能伦理原则与具体情境相结合
文化差异在这些原则的解读方式上发挥着关键作用。因此，应首先使这些原则与具体情境相结合，以反映人工智能解决方案运行所在社区的当地价值观、社会规范和行为方式。
这些“本地行为驱动因素”可分为两类：合规伦理，涉及特定司法管辖区适用的法律法规；以及合规之外的伦理，涉及社会和文化规范。在情境化过程中，研究人员必须努力识别利益相关方、其价值观，以及因使用该技术而可能产生的任何紧张关系和冲突。
为什么情境化很重要？以公平性为例。关于公平性可以从多个角度衡量，包括针对个人、特定决策和特定情境，人们已展开大量讨论。仅仅声明系统需要“公平”，并不能说明公平应由谁、在何处、以何种方式、针对什么内容加以落实，而且不同监管机构对公平的看法也各不相同。情境化要求主要利益相关方界定公平对他们而言意味着什么。
例如，招聘领域的平等机会可以有不同的定义。在美国，平等就业机会委员会（EEOC）要求在选拔率（一项计算获选求职者与申请者比例的具体指标）方面实现平等机会，并以“四分之五规则”所界定的容差为限。英国反歧视法《2010年平等法》提供了针对歧视的保护，既涵盖直接歧视，也涵盖间接歧视，无论该歧视是由人类决策还是自动化决策系统产生。
3. 将人工智能伦理原则与人权和组织价值观相联系
将伦理原则与具体人权相联系，对于减少监管上的模糊性至关重要。此外，将人权理念作为人工智能实践的基础，有助于确立道德和法律问责，并促进以人为本、服务于公共利益的人工智能发展。这一做法与欧盟委员会的《可信赖人工智能伦理准则》保持一致。
还有必要使这些原则与组织价值观、现有商业伦理实践和业务目标相一致，从而将相关理念明确转化为具体规范，进而影响具体的设计和治理，以塑造人工智能系统的开发和使用。组织应建立可操作的人工智能伦理框架，明确问责机制，并配备具体的监测方法。
