La mayoría de las investigaciones sobre equidad en el Aprendizaje Automático asume que la relación entre equidad y precisión es un compromiso, donde un aumento en la equidad conlleva inevitablemente a una pérdida de precisión. En este estudio, se analizan varias aproximaciones para el Aprendizaje Automático justo para analizar experimentalmente la relación entre precisión y equidad de grupo. Los resultados indicaron que la equidad de grupo y la precisión incluso pueden beneficiarse mutuamente, lo que enfatiza la importancia de seleccionar medidas apropiadas para la evaluación del rendimiento. Este trabajo proporciona una base para estudios adicionales sobre los objetivos adecuados del Aprendizaje Automático en el contexto de la toma de decisiones automatizada justa.