Audyty sprawiedliwości algorytmicznej są odpowiedzią na rosnącą świadomość, że systemy AI mogą działać nierówno wobec różnych grup użytkowników. W praktyce FAIRAI oznacza zestaw metod sprawdzania, czy model nie powoduje systematycznie gorszych wyników dla określonych kategorii osób, czy nie utrwala uprzedzeń danych treningowych i czy można wyjaśnić logikę jego działania w kontekście konkretnej decyzji. To już nie tylko problem etyczny, ale również operacyjny i prawny dla firm oraz instytucji publicznych.
Największa trudność polega na tym, że „sprawiedliwość” nie ma jednej powszechnie akceptowanej definicji matematycznej. Różne metryki mogą prowadzić do różnych ocen tego samego systemu, a poprawa jednego aspektu może pogarszać inny. Dlatego audyt nie powinien być traktowany jak prosty test jakości, lecz jak proces łączący dane, statystykę, prawo i rozumienie skutków społecznych. Bez tej wielowymiarowości łatwo uznać model za „zgodny”, choć w praktyce nadal wywołuje nierówne skutki.
FAIRAI ma coraz większe znaczenie, ponieważ algorytmy są wykorzystywane w obszarach o wysokiej stawce: kredytach, zatrudnieniu, zdrowiu, edukacji czy bezpieczeństwie. Audyt sprawiedliwości nie powinien być tylko reakcją na kryzys reputacyjny, ale częścią projektowania i utrzymania systemu. To jeden z warunków, by rozwój sztucznej inteligencji nie odbywał się kosztem zaufania społecznego i równego traktowania obywateli.