人工智能 (AI) 系统可视为机器学习 (ML) 模型的可部署实例，配备用户界面和其他支持基础设施。这些系统由工程师和 AI 专家为某个领域的特定目的而设计和实施，供该领域的从业者使用，以增强他们的能力。从业者的工作可能至关重要，对教育、医疗、金融和食品生产等不同领域的生活产生影响，而 AI 通常用于协助复杂的决策。AI 系统严重依赖数据，既用于训练和测试提供系统核心功能的 ML 模型，也用于在该领域进行操作分析。从业者通常会通过应用程序或 Web 浏览器界面与 AI 系统交互，以便他们可以向系统提供数据并查看系统的任何结果。在现实环境中实际部署和使用此类 AI 系统开始凸显“最后一英里”[7] AI 部署挑战。本文的动机来自联合国儿童基金会《儿童人工智能政策指导》草案[11]，其中指出：“对于保护和造福儿童而言，特定人工智能系统的所有相关儿童的数据公平性和代表性，包括来自不同地区（包括农村社区）、年龄、社会经济条件和种族的儿童，至关重要。例如，在数据驱动的医疗保健的情况下，儿童的治疗或药物不应基于成人的数据，因为这可能会对儿童的健康造成未知的风险。[强调]”。本文试图通过考虑需要到位的结构来满足这一要求，以便在数据驱动的医疗保健中负有责任的一方能够代表儿童。