1. Design for privacy, security and integrity

Transparansi jadi nilai inti yang dapat menjadi acuan perilaku profesional. Organisasi maupun perorangan harus menggunakan data dengan bertanggung jawab. Dalam arti memakai cara yang dianggap mengganggu, manipulatif, atau tidak menghormati orang lain.

Bersikap transparan berarti organisasi atau perorangan harus menyatakan niat penggunaan data serta memberi persetujuan untuk menggunakannya. Beberapa pelaku bisnis seringkali dikritik karena data pelanggan mereka digunakan untuk monetisasi.

Maka dari itu, perlu ada transparansi dalam pertukaran informasi antara pelanggan dan penyedia. Manfaat dari pengumpulan data pribadi (privasi) harus dibagikan oleh kedua belah pihak. Dan tidak dieksploitasi untuk keuntungan uang.

2. Promote trust

Pelanggan layanan digital (user) baik individu, kelompok maupun organisasi harus mempercayai layanan digital dan data yang digunakan. Pihak yang mengumpulkan data harus menjunjung tinggi prinsip harus menjamin agar konsumen percaya. Memastikan integritas data artinya pengelolaan data harus sesuai dengan prosedur audit yang kuat.

Sederhananya, perusahaan harus tahu data yang tersimpan tidak berubah. Infrastruktur digital saat ini bisa menyediakna kemampuan untuk menyediakan layanan lain sepertivalidasi, replikasi, dan analisis. Jika konsumen digital mempercayai data sebagai dasar penggunaan layanan, maka data tersebut harus memiliki asal yang jelas.

Serta keterlacakan dari sumber ke antarmuka pengguna, dan memiliki kualitas yang memadai. Jika kebenaran data tidak dapat diverifikasi, dapat berisiko bagi pengguna data tersebut. Akibatnya ada konsekuensi yang harus dihadapi. 

3. Beware of bias

Pelanggaran etika yang tidak disengaja disebabkan banyak hal. Salah satu alasan yang paling sering adalah bias bawah sadar yang dapat mempengaruhi perilaku manusia. Contoh dari bias konfirmasi ketika individu menafsirkan informasi dan mengabaikan pendapat yang bertentangan.

Ketika ada bias dalam data, ada risiko nyata bahwa sistem yang mengonsumsi data juga bias. Yang jadi perhatian ketika algoritma machine learning membuat jutaan keputusan setiap hari. Bias algoritmik menjadi perhatian belakangan ini.

Para ahli berpendapat bias ini cepat menyebar di industri yang mengandalkan machine learning untuk membuat keputusan. Hal ini mengawatirkan karena machine learning sudah masuk ke sektor kesehatan, keuangan, dan hukum. Cara mengatasi bias tentu saja dengan 'transparansi'.

Ahli digital harus aktif mengidentifikasi bias tersembunyi yang muncul. Dengan demikian, kepercayaan konsumen juga harus dibangun. Dengan memastikan pelanggan tahu siostem kerja sistem berbasis AI dan algoritma machine learning. 

4. Ensure there is accountability

Model dan algoritma adalah komponen fundamental dalam rentang layanan digital pintar (smart digital services). Ini terus berkembang dan menyediakan kecerdasan buatan dan kemampuan machine learning.

Kemampuan dalam menggabungkan data dengan mesin pembuat keputusan, maka muncul kekhawatiran mengenai akuntabilitas terkait data dan layanan. Misalnya, jika algoritma digunakan oleh organisasi jasa keuangan untuk membuat keputusan. Sebelumnya keputusan dibuat oleh profesional tersertifikasi.

Pertanyaannya adalah bagaimana letak akuntabilitasnya. Oleh karena itu, organisasi yang membuat layanan digital harus memastikan bahwa layanan ini tidak digunakan untuk menghindari atau mengurangi akuntabilitas data dan informasi.

5. Promote an ethical culture

Budaya yang menjunjung tinggi etika tergambar dari  sekumpulan nilai, keyakinan, dan norma bersama. Nantinya dapat mempengaruhi cara individu di dalamnya berpikir, merasa, dan berperilaku. Etika tetaplah dijunjung walau transformasi digital berpotensi menciptakan berbagai peluang dan kesuksesan di semua aspek. 

Sebagai contoh, perusahaan digital bertanggung jawab untuk melindungi karyawan dari risiko tidak perlu. Jangan lupa reputasi profesional sama pentingnya bagi individu.