Pochodzi głównie z tendencyjnych zestawów danych lub próbek. Obciążone wyniki można uzyskać ogólnie za pomocą źle zaprojektowanych algorytmów. Mogą one być źle zaprojektowane, tj. cel tworzenia algorytmów nie jest jasny lub mogą być luźno dopasowane do danych itp. AI podejmuje decyzje wyłącznie na podstawie dostępnych zbiorów danych, ponieważ nie przedstawia własnych opinii . Jak dowiaduje się z opinii innych, w decyzjach może pojawić się stronniczość. Stronniczość może wynikać z kilku czynników, np. sposobu zbierania danych, zastosowanej metody doboru próby itp. Na przykład, jeśli dane są zbierane z ankiety opublikowanej w czasopiśmie, mogą reprezentować tylko ograniczoną grupę społeczną czytającą to czasopismo, a zbiór danych może nie być reprezentatywny dla całej populacji. Główny problem z systemami sztucznej inteligencji polega na tym, że ich poziom dokładności zależy od zestawów danych używanych do szkolenia. Złe/stronnicze dane są często powiązane z tendencyjnością. Stronniczy algorytm może podejmować kluczowe decyzje, które mogą prowadzić do błędnych wyników. Dlatego istnieje pilna potrzeba pracy nad sztuczną inteligencją, która jest szkolona na podstawie obiektywnych danych. W przyszłości takie uprzedzenia mogą zostać wyeliminowane w wielu systemach sztucznej inteligencji mają być przeszkoleni w zakresie dużych zbiorów danych. Można uzyskać nieetyczne i nieuczciwe wyniki, jeśli dane wykorzystywane do szkolenia są powiązane z uprzedzeniami rasowymi, płciowymi, społecznymi lub etnicznymi, które mogą mieć wpływ na proces decyzyjny. Taka stronniczość będzie bardziej widoczna, jeśli systemy sztucznej inteligencji zostały przeszkolone przy użyciu złych danych.