Teknikens utveckling går ständigt framåt och nya tekniska fenomen får fotfäste. Artificiell intelligens (AI) är ett tekniskt fenomen som blivit ett hett diskuterat ämne inom både forskningen och i samhället. AI börjar bli en stor del av människors vardag och har även implementerats i flera olika branscher i hopp om att vara mer neutralt än mänskligt beslutsfattande. Data är dock inte alltid neutralt vilket har gjort att AI-system i ett antal fall avbildat och förstärkt fördomar som redan finns i samhället. Idag finns det ännu ingen rättspraxis som hanterar utmaningarna med AI. Detta har bidragit till att etiska ramverk som innehåller principer skapats för att säkerställa tillförlitliga AI-system. Dessa principerbeskrivs dock som hög-nivå principer eftersom de saknar konkreta åtgärder att vidta för att uppfyllas. Principerna om förklarbarhet och ansvarstagande är två viktiga principer vid utvecklandet och användandet av AI som fått extra uppmärksamhet inom forskningen. En tematiskt inriktad kvalitativ litteraturstudie har genomförts för att sammanställa de rekommenderade åtgärder inom AI-forskningen som kan vidtas för att uppfylla de två principerna. Sammanställningen resulterade i flera olika rekommendationer kring åtgärder att vidta.

Technology is constantly evolving and new technological phenomena are gaining ground. Artificial intelligence (AI) is a technological phenomenon that has become a hotly debated topic in both research and society. AI is becoming a major part of people's everyday lives and has also been implemented in several different industries in the hope of being more neutral than human decision-making. However, data is not always neutral, which has meant that in a number of cases AI systems have reproduced and reinforced prejudices that already exist in society. Today, there is still no jurisprudence addressing the challenges of AI. This has contributed to the creation of ethical frameworks containing principles to ensure trustworthy AI systems. However, these principles are described as high-level principles because they lack concrete actions to be taken to fulfil them. The principles of explainability and accountability are two important principles in the development and use of AI that have received particular attention in research. A thematically-oriented qualitative literature review was conducted to compile the recommended actions in AI research that can be taken to fulfil these two principles. The synthesis resulted in several different recommendations for actions to betaken.