Quantidade
Quanto mais exemplos variados, mais situações a máquina conhece. Com poucos exemplos, ela decora o pouco que viu e não generaliza: qualquer caso um pouco diferente a confunde.
Um caso concreto
Um sistema de triagem de currículos treinado apenas com candidatos de uma única região aprende que "ser dessa região" é sinal de bom candidato. Não porque isso seja verdade, mas porque era o padrão nos exemplos. O viés dos dados vira viés da IA.
Dados ruins geram uma IA ruim. A máquina não filtra o que aprende: ela reproduz fielmente os padrões dos exemplos, incluindo os erros e as injustiças que eles carregam.