正因我們對數據的仰賴，消除性別資訊缺口成了當務之急。醫生仰賴人工智慧下診斷，企業依賴人工智慧篩選履歷， 甚至與潛在員工面試時，也靠人工智慧完成；這些都是常見的生活實例。然而，人們訓練人工智慧時用的是充滿缺口的資訊，再加上演算法常受到專利保護，我們甚至無法檢視它們是否曾考慮到眾多的資料缺口。至少從現有證據來看，人們顯然沒把這些考量納入演算程式中。
 
在本書中，數字、科技、演算法都是不可或缺的一部分。數據是資訊的同義詞，而資訊的來源繁多。統計數據是資訊的一部分，然而人類經驗也是資訊。我認為，要是我們想設計一個適用於每個人的世界，我們就必須讓女性參與。要是那些做決策的人，全是身體健全的白人男性（而且十有八九是個美國人），就會造成資訊缺口；然而他們所裁定的決策卻足以影響我們每一個人。同樣的，醫學界沒有收集足夠的女性資料，也會產生資訊缺口。我會向讀者解釋，沒有結合女性觀點，是在無意識間造成男性偏誤的重要原因，而人們卻說這只是「性別中立」，甚至自以為用意良善。這就是波娃說的，男人誤把個人觀點視為絕對真理的意思。
 
本書會提到，男性在各種領域都忽略了女性特有的許多議題，讀者會發現3項主題反覆出現：女性的身體、女性無支薪的照護責任，以及男性對女性的暴力。這些重要議題影響我們生活的每一個層面，左右我們的日常生活，從公共運輸到政治， 從工作場域到醫院手術。但男性忘了這些，因為他們的身體和女人不一樣。我們會看到，女人做了各種未給職的工作，而男人只做了一小部分這類工作。雖然男人也得對抗男性暴力，但他們所遇到的暴力與女性大不相同。然而眾人都忽略了這些差異，我們把男性身體和他們的生活經驗，當作性別中立。這就是對女性的歧視。
 
在這本書中， 我會提到生理性別（sex） 和社會性別（gender）。生理性別指的是各種決定一人是男還是女的生理特徵，XX和XY染色體。社會性別指的是我們附加於生理性別的各種社會意涵—人們把妳當作女性時，他們對待妳的方式。後者是人類創造的產物，但這兩者都真實存在。在這個由男性數據組成的世界中，兩者都對女性造成嚴重後果。