欧州連合（EU）内で導入されている、または影響を及ぼしているすべてのAIシステムは、現在、4段階のリスクスペクトラムのいずれかに位置づけられます。この位置づけは決して理論上の机上論ではありません。組織において、規制上の義務が全く発生しないのか、限定的な透明性確保の義務にとどまるのか、数十万ユーロのコストを伴う包括的な適合性評価制度が適用されるのか、あるいは全面禁止となるのかを左右する重要な指標となります。最も実質的なコスト負担が生じるのは「低すぎる評価（過小分類）」をした場合であり、行政処分、最大3500万ユーロ（またはグローバル売上高の7%）の制約を伴う制裁金、そしていかなる是正措置を講じても即座には回復不可能なレピュテーションへの大打撃を受けることになります [1]。

EU AI法の定めるリスク分類フレームワーク自体は、一見すると、非常に明快です。しかし実務においては、各段階の境界線は条文が示すほど明確ではありません。一見すると一つのカテゴリーにすっきりと当てはまるように見えるシステムであっても、精査すると2つのカテゴリーにまたがっていることもあります。本ガイドは、そうした複雑な状況下においても、迷うことなく適正な意思決定を下すための構造化された手順を提示します。

4つのリスクレベル

AI法では4段階のリスクレベルが設定され、それぞれに異なる一連の義務が定められています。適正に分類するための前提として、各段階でどのような義務が課されるかを正しく理解することが極めて重要です。

許容できないリスク（禁止されているAI）

AI法の第5条では、安全性、人々の生活、基本的人権に対して根本的な脅威を与え、一律かつ即座に禁止されるべきAI事例が定義されています。これには、公的機関による（またはその委託による）社会的スコアリングシステム、法執行のための公的にアクセス可能な空間におけるリアルタイムの遠隔生体識別（極めて限定的な例外あり）、年齢や障害、社会的状況等に基づく特定グループの脆弱性を悪用するAIシステム、そして人の潜在意識に訴えかける技術を利用して行動を実質的に歪め、何らかの損害を引き起こすシステムなどが含まれます [2]。

禁止に該当するAIシステムに対しては、法令遵守のための回避手段や順守プロセスは一切存在しません。唯一の合法的な対処法は、運用の即時停止のみです。

高リスク（ハイリスク）

高リスクに分類されるシステムは、本法による規制の最大の重点項目となります。これらに対しては、リスク管理システム、データガバナンス、技術文書、記録保存（ログ記録）、透明性の確保、人間による監視の仕組み、精度や堅牢性、サイバーセキュリティ要件など、網羅的な一連の義務が生じます [3]。高リスク分類に至るルートには大きく2種類あり、詳細は以下に解説します。

この段階は、企業がコンプライアンス（法令遵守）に向けた取り組みを最も集中して行う必要があり、分類ミスによるコストやリスクが最も高くなる領域です。

限定的なリスク

限定的リスクとして分類されるシステムには、主に情報の透明性の確保に関する義務のみが課されます。最も極めて基本的な義務は「通知・開示」をすることであり、当該ユーザーに対してAIシステムと対話している事実を明示する必要があります。この段階には、チャットボット、禁止事項に該当しない感情認識システム、ディープフェイク生成ツール、テキスト、音声、画像コンテンツを生成または操作するAIシステムなどが該当します [4]。

限定的リスクの枠組みは、すべての厳格な適合評価を義務付けることなく、ユーザーに誤解を招くといったAI特有の不正リスクや課題を管理するために機能します。

最小限のリスク

現在運用されている大多数のAIシステムはここに該当します。スパムフィルター、AI搭載のビデオゲーム、バックオフィスの在庫管理アルゴリズムなどがその具体例であり、本法に基づく法的義務は特にありませんが、自主的な行動規範（コード・オブ・コンダクト）への参加は推奨されています [5]。

デフォルトの状態（初期設定）は最小限のリスクです。より上位のレベルの明確な判定基準に合致して初めて、分類レベルが引き上げられることになります。

ディシジョンツリー：段階を追った明確な分類方法

EU AI法のリスク分類を行うには、順を追った論理的な分析が必要です。以下のディシジョンツリーは、第5条、第6条、第7条の論理的フローに沿って設計されており、EnzaiのAI分類ワークフローが提供する、多くのAIシステムを管理・精査するための体系的なプロセスをそのまま反映しています。

ステップ 1：該当するAIシステムは、第5条で定める「禁止事項」に該当しますか。

対象となるシステムの利用目的や仕組みを、禁止されているすべての事例と照らし合わせて精査してください。もし公衆スペースにおいて法執行目的のリアルタイム遠隔生体識別を行ったり、潜在意識への介入により健康等に被害を与える形での行動操作、脆弱性の悪用、あるいは公的機関による社会的スコアリングなどを行ったりする場合、そのシステムは禁止対象に該当します。

「はい」の場合：お使いのシステムは許容できないリスクです。ここで検証プロセスを終了し、利用や開発を行わないようにしてください。

「いいえ」の場合：ステップ 2へ進みます。

ステップ 2：該当システムは、附属書Iに列挙されているEU調和法令の対象となる製品の「安全構成要素」である、あるいはシステム自体がそうした製品に該当しますか。

附属書Iには、機械類、玩具、医療機器、民間航空、自動車、鉄道システムなどをカバーする、既存の広範なEU製品安全指令・規則が列挙されています [6]。もし開発・利用中のAIシステムがそれら特定製品の安全性保護システムの一部である場合、または製品自体が安全規制の対象である場合には、第6条(1)に基づき自動的に「高リスク」と定義されます。特にこれらのシステムには、分野ごとの適用法令に基づき、第三者評価機関による適合性評価が義務付けられます。

「はい」の場合：当該システムは第6条(1)に基づき高リスクに該当します。分類後の遵守タスク（必要な適合手続きなど）へ進みます。

「いいえ」の場合：ステップ 3へ進みます。

ステップ 3：該当システムは、附属書IIIに列挙されている「該当ユースケース（適用領域）」に該当しますか。

附属書IIIには、「高リスク」となり得る8大領域が規定されています。システムの元々の設計意図や使用目的がこれらに該当する場合、第6条(2)に基づき、暫定的に高リスクと判定されます。附属書IIIは非常に広範かつ具体的な状況に依存するため、この段階で最も精密な分析が要求されます。

「はい」の場合：ステップ 4へ進みます。

「いいえ」の場合：ステップ 5へ進みます。

ステップ 4：第6条(3)に定められている「例外要件」に合致（該当）しますか。

最終的な条文において、第6条(3)に非常に重要な例外規定が新設されました。附属書IIIの領域に該当するシステムであっても、健康、安全、または基本的人権への重大なリスクをもたらさないと判断できる場合、高リスクとはみなされません。具体的には、限定的な手続きタスクを主に遂行する場合、完了した人間の活動結果をさらに一歩改善するための作業である場合、人間の評価を代替したり歪めたりすることなくデータ判断のトレンドのみを検出する場合、あるいは評価作業のための予備・支援的なステップに留まる場合などは例外として認められます [7]。

システム提供者は、こうした例外が適正に適用できる根拠を文書化し、市場に投入する前に該当する所管官庁への事前通知を行うことが義務づけられています。当局が異議を申し立てた場合、システムは再び高リスクに分類されます。

第6条(3)の例外規定に該当する場合：当該システムは高リスクではありません。ただし、一定の文書化および届出義務は残る点に留意してください。その後、お使いのシステム仕様（透明性が必要かどうかなど）に応じて「限定的」または「最小限」のリスクに正式分類します。

第6条(3)の例外規定に該当しない（例外が適用できない）場合：当該システムは第6条(2)に基づき高リスクに該当します。高リスク適用後の遵守手順へ進んでください。

ステップ 5：当該AIシステムは、透明性確保や通知に関する情報の開示を必要とし、該当しますか。

対象者がチャットボットのようにAIシステムに能動的に接触する場合（個人向け対話）、合成画像や音声・動画といったディープフェイク等のコンテンツを作成・操作する場合（生成AI）、または非禁止事項である通常の感情認識や特定の生体認証に基づくマッピング等に利用する場合は、限定的なリスクに特有の透明性確保の義務が課されます [4]。

「はい」の場合：お使いのシステムは限定的なリスクです。

「いいえ」の場合：お使いのシステムは最小限のリスクに該当し、本法令による追加義務は適用されません。

分類プロセスの評価結果は、各意思決定ノードで適用される審査プロセスの論理的な厳格さに左右されます。複数のAI製品・システムを運用するチームのために、インベントリ（管理台帳）全体のシステムごとに複製し活用できるよう、検証ワークシートを用意しています：

附属書IIIカテゴリー：エンタープライズにおける具体例

一般企業のAIシステムが「高リスク」かどうかの分類検討を行う際、附属書IIIが最も主要な判断ポイントとなります。法令文書はきわめて広範な記述になっているため、8つの該当分野について、分かりやすい實務例とともに定義を正確に理解しておく必要があります。

1. 生体認証およびカテゴリ分け

本カテゴリは、事後の遠隔生体認証システム（リアルタイムの法執行は禁止事項）と、特定の生体データなどに基づいて利用者をセグメント分類する自動カテゴリ分けシステムをカバーします。企業における事例として、空港が自動搭乗検証プロセスのために顔認証システムを導入する場合や、小売店舗が利用者の購買傾向分析や属性分析のため、生体認証を用いて来店客を自動判定する場合などが挙げられます。

2. 重要インフラの管理および運営

道路の信号制御などの交通管理、ガス、水道、暖房、電力網、および主要なデジタルネットワーク等の運用システムに直接導入されている「安全制御保護システム」を指します。具体的には、スマート電力網における配電の負荷分散最適化AIや、浄水処理設備の予期せぬ不具合や劣化を予知する保全アルゴリズム、交通渋滞緩和を最適化するために自治体によって導入された信号機最適化システムなどが該当します。

3. 教育および職業訓練

教育・評価機関において、対象となる利用者の選考や割り当てなどを判断、または教育評価を行うシステムを指します。大学が書類選考時にAIベースの合否・書類審査採点システムを導入する場合や、試験での手書き論文の自動採点機能、または今後の個々の学習カリキュラム・クラス配属を選択・推薦するシステムなどがこれに含まれます。

4. 雇用、従業員管理、自営業へのアクセス支援

採用、スクリーニング、業務割り当て、能力評価、評価や処遇基準の確定、解雇予告などに関連して人事意思決定・労働者支援を行うシステムであり、企業の経営活動において最も適用対象となりやすいカテゴリーの一つです。履歴書をAIでフィルタリングして点数化・整理するツール、稼働予定や売上予測データに基づき各シフトの作業工程や自動割り当てを行うシステム、従業員の行動パターンや勤怠データを評価して自動的に離職リスク等を判定する分析ロジックなども高リスク領域に規定されます。

5. 基本的なプライベートサービスおよび公的サービスの享受

公的扶助などの適用可否判定、融資時のスコアリング、生命・健康保険における引き受け、損害査定やリスク算定、救急車等の対応や災害救援手順の選別システムなどが該当します。銀行での融資やクレジットカード限度額の設定審査アルゴリズム、行政サービスの申請適性プロセスの優先順位判定、利用者の医療健康歴情報などに基づいて料率やサービス区分を設定する保険モデルなどは高リスクとして分類されます。

6. 法執行に用いるシステム

捜査機関や法執行機関における被疑者の個別リスク判定、嘘発見器（ポリグラフ）による検証、収集証拠の信用性解析、将来の犯罪発生傾向に関する予測システムや容疑者プロファイリングなどの役割を持つAIシステムです。将来の特定の時間・場所での法的な犯罪発生確率をデータに基づき判定するツールや、目撃者の目撃証言の信頼度などを判定・評価・数値化するシステムなどが該当します。

7. 移民、難民、および国境手続き管理

EU領域に移動・進入する旅行者や対象者のセキュリティー検証、難民申請書面の審査サポート、および国境警備業務での個人の特定や監視に用いられる手法全体を含みます。空港の入国監査プロセスで要注意人物や書類不備の傾向を検出・表示するリスク算出ツールや、審査案件の論理的一貫性を審査・サポートする機能などが対象となります。

8. 司法運営および民主的な手続きプロセス

司法手続きの過程において法的知識の検索や法解釈の支援を行うためのAIシステムや、選挙の成果や世論傾向を分析して直接的に関与するシステムなどがこれに当たります。裁判における事件調査・類似判例から判決傾向・結果候補のリストアップを提案するAIシステムや、プロファイリングデータに基づいて特定政治メッセージなどのターゲット広告を作成し運用する処理などが分類されます。

最終分類は、お使いの基幹テクノロジーの精緻さだけではなく、システムそのものの明確な「運用目的・ターゲット」によって最終決定されます。

境界線上にある判断の難しいグレーゾーン（実例）

AI法が想定する各分類のグレーゾーンは、実際のビジネスシナリオにおいてとりわけ頻繁に表面化します。Enzaiなどの先進的なガバナンスプラットフォームを導入している企業においても、これらは特に繰り返し直面する重要論点です。

感情予測：利用環境が前提をすべて決定する

職場で従業員の態度変化を測定したり、学校などで教育上の関心度や学習意欲を定量的に評価したりするような「感情分析」は、禁止事項または「高リスク」のいずれかに分類されます。一方、カスタマーリレーション（CRM）での問い合わせ窓口において、お客様の声のトーンから「お困り度合い」を測定して専門オペレーターグループへ速やかにつなぐ機能（会話感情解析など）は、職場での直接監視という禁止活動には該当しないため禁止行為にはなりません。ただしこの運用方法の場合でも透明性の開示が義務付け（限定的なリスク）られるため、顧客への事前の注意喚起などは必要になる可能性が高いです。ここで分かれ目となるのは、AIシステムの技術構造ではなく、利用されるビジネス背景および両者の力関係（ユーザーと事業者との情報優位性の差）に依存している点にあります [8]。

「AIのリコメンド（提案）」と「AIによる直接の意思決定自動化」

人間による確認ステップが途中に存在する前提で構築された「自動提案のみのリコメンドシステム」と、完全にコンピュータのみで最後まで判断を決定する「自動意思決定システム」とでは、ガバナンス上の立場が異なります。例えば、採用プロセスにおいて候補者を数名ピックアップし人事が判断を下すためにリスト作成するAIは、附属書III（雇用分野）の下で高リスクとして監視されますが、人間による監視レベルの仕組みによって遵守目標などは一定の配慮が考慮されます。対して、融資判定や各種申請手続きにおいて人間のレビューを入れずに自動的に即時「不採用または不承認」にするアルゴリズムの場合、高リスク要求事項のすべての責務が適用されることになります。検証すべき重要項目は、人間の責任者が実質的にAIの結論を上書き、若しくは容易に却下・修正選択可能か、または実際上、AI製品が吐き出すレコメンドに従う以外に選択権がないか（事実上の自動決定か）という部分です [9]。

第6条(3) 例外判定の自己決定フローにおけるリスク

第6条(3)は、高リスク判定から除外するための有効な手段になります。しかし、現実として、利用側企業が望む見通しほどには適用のハードルは低くありません。例えば、提出された履歴書のデザインや記述フォーマットを指定書式に合わせて単純に整理するだけの作業であれば、「第6条(3)に基づき実質的な判断評価を含まない予備的な支援行為」となり、単なるシステム的な変換として除外が可能かもしれません。しかし、それを基準化して適合度の配列ランキングを出力させた場合は、この特定要件が否定されます。企業は、規制回避などの観点に基づいて自律分類を安易に行うリスクを避ける必要があります。各国の所管当局はこれらを再分類する完全な監査権限を有しており、適用理由の厳密な文書化やログ等の提示義務はすべて企業の側が負担を負うためです。Enzaiの分類検証ワークフローは、このような意思決定を下す手前の段階で、規制基準に照らし合わせて根拠となる理論を自動的に検証・ストレステストし、根拠を堅牢化する仕組みをあらかじめ組み込んでいます。

高リスク統合としての汎用AI (GPAI - General-Purpose AI) の活用

既存の汎用的な自動言語モデルなどの「基盤モデル（GPAI）」を自社の高いリスクを伴うビジネスシステムに組み込んで構成・運用する場合、最終的なコンプライアンス（遵守義務）は基盤モデルの提供元企業だけではなく、特定の高リスク状況へその機能を最適設定して実際にサービスをデプロイする「事業運用担当（デプロイヤー）」が自社適合要件の大部分を実行し管理責務を並行して負うことになります [10]。

自社の利用するシステムがそのリスク分類スペクトラムのどこに位置するかを確定するための意思決定は、一見簡潔に見えて、多くの場合は技術とビジネス文脈が交錯した複雑な性質を含みます。

分類プロセスの進め方：組織ガバナンスと文書のエビデンス管理

EU AI法に適合する適正なリスク分類手続きは、単一のIT部門や個別事業ユニットだけで完結できるタスクではありません。専門性の異なる関係者の視点を交え、コンプライアンス等で要求される法的な適合エビデンスをしっかりと監査可能な形で蓄積・整理する必要があります。

編成メンバーへの要件構成

最低限必要なプロセスメンバーとして、欧州データ保護法や主要な法知識、AIライセンス等の理解に精通した法務カウンセル、プログラムの実機開発・仕様および内部アルゴリズム処理、パラメータを精査できる技術チーム、業務・ビジネス利用を実際に行うビジネス関係者やプロジェクト・運用統括者、法規範や監査観点から公正に確認し審査を進めるガバナンス部門が必要となり、必要に応じて労働組合などの従業員代表（人事プロセス等に関わる場合）などをメンバーに加える必要があります。

よくある失敗パターンは、すべてを法務担当だけに任せるか、あるいはすべて開発の設計技術部門だけで自動評価判定をして終わらせてしまうケースです。法務だけでは実際の内部アルゴリズムがどこまで自律的に判断を下しているか把握しきれず、一方で開発エンジニアチームだけでは実際のビジネス活用シチュエーションに基づくリスク範囲や、利用状況ごとの本質的な波及リスクを判定しきれないことが理由です。

データエビデンスとしての保管・文書化

リスク判定を最終決定したプロセスの記録は、いついかなる時であっても国境などの管理当局・監査機関から照会された際に迅速に提示できるように保管保存しておく必要があります。このエビデンス文書には、AI製品や機能の設定仕様、評価に当たり適用検証した条項や附属書要件、特定レベルへ分類決定した詳細理由、第6条(3)の適用検証プロセスの中身、本件審査に直接コミットしたプロジェクトメンバー情報（役割など）、および判定を行った具体的な期日と定期監査（ライフサイクル監視など）の対象トリガーなどを一元化して盛り込みます。

異なる見解の調整とアプローチ

組織内での複数の協議メンバー間で意見が分かれた場合、より詳細な評価や分析を踏まえて問題が確定するまでは、より厳格で安全なアプローチ（上位の分類判定）を一時的に適用して進めるのが適切です。例えば暫定的に上位（高リスクなど）に仮規定しておき、その後詳細な合意を得て正式に分類引き下げ（限定的など）として変更・記録する手法は、リスク管理プロセス上、非常に堅実です。逆に、初期評価で根拠なく低リスクに位置づけておき、後から監査で高リスク要件が未達であると摘発されるリスクを圧倒的に低減できます。また、そういった社内での協議プロセスの異なる見解の軌跡事態も重要であり、これらを監査証跡（ディスカッション履歴）等として文書に残しておくことは、社内で真摯かつ適切な検証が行われたというプロセスそのものの十分性と整合性を示す有利な根拠として、当局監査時に有効な材料となります。

リスク分類の活動は、機械的なペーパー手順ではなく、組織のポリシー管理に直結したコアな企業統治活動として扱われるべきです。

分類適用により実施が必要となるタスク（分類後のプロセス）

判定されたリスク分類レベルによって、その後、全ライフサイクルにわたり完了すべき各種の実務要件（コンプライアンスステップ）は様々です。各ティアにおける要件の規模や義務への要求度は大きく異なります。

「禁止」クラス

適用の是非などは検証せず、一律「いかなる状況であっても、開発・販売・EU市場での利用展開を行わない」という原則論です。既存システムに該当する機能が含まれる場合は速やかに関連コードを削除し、システムを終了する必要があります。この禁止事項への適用に対して猶予期間などの措置は認められていません [2]。

「高リスク」クラス

提供事業者（プロバイダー）は、製品のプロダクト設計段階から市場ローンチ後、さらには運用廃棄のフェーズ全体にわたり稼働し続ける「統合リスクマネジメントシステム」を確立・構築・維持する必要があります。学習用の各種データガバナンスの手順では、バリエーションが網羅され不備や偏りがないか、データセット（トレーニング、モデル検証、特定検証）の有効性について定期検証・テストを行うプロセスのエビデンスが問われます。加えて、市場流通前に極めて広範な「総合的な技術標準管理文書」の策定保存が必要であり、システム自身に処理状況や状態履歴が確認可能な「自動ロギング制御プログラム」の実装が要求されます。また、実際にそれを現場で操作・運用する利用側チーム（デプロイヤー）向けに、システムの作動原理、エラー等の検出、対処などを分かりやすく解説した透明性の確認資料を提供しなければなりません。「人間によるアクティブなモニタリング管理」を実現できるよう、監視・停止トリガーの設計も必要です。モデル自体が想定通りの目標精度やレジリエンス、サイバーセキュリティーを全運用期間を通じて満たしていることを証明するためのデータ等も定期更新が義務化されます [3]。

高リスクAIを利用してサービスを提供する利用側企業（デプロイヤー）側にも固有の責務があり、対象業務の導入初期に「基本的人権影響アセスメント（FRIA）」を適切に展開し、実際の業務フロー内で適切に人間監視プロセスが機能している状態の管理、メーカー側取扱説明の指示への適正追従、およびインシデント（重大事例）が発生した場合の関係各所への即時報告・追跡処理規定などが設定されます。

「限定的リスク」クラス

要求事項は情報の透明性の確保に重点が置かれます。そのシステムを利用・アクセスしている一般のエンドユーザーに「今、AI機能と通話・会話している事実」について明確に認識・表示している必要があります。またAIで合成やリライトしたリッチコンテンツ等についてもその事実行為が第三者に分かるように目印等を自動挿入します。また感情認識などを実施する際にも対象者に対してあらかじめシステムを利用している事実を明示しておく等の配慮が必要です [4]。

「最小限リスク」クラス

本法に基づく一切の強制される法的プロセスの対象になりません。安全利用に関する自発的な活動として、より優れた運用倫理やAIを活用するための最低限のスキル育成（AIリテラシー）に関する行動規範などの整備について参考にすることが推奨されています [5]。

定められた各種のプロセスはあくまで義務規定であり、違反時には極めて厳しい金銭的ペナルティが設定されています。

リスク分類から実際のコンプライアンス完了フェーズへの展開

お使いのAI製品がどのリスクカテゴリーに設定されるかの判定自体は大きなプロジェクトの最も最初のプロセスに過ぎませんが、今後のガバナンスの全般に直結する最大級の意思決定にほかなりません。初期段階における誤った判定や前提評価の間違いは、以後の製品リリースまでのデータ準備設計や予算の見通し、書類の作成コスト、適合性アセスメントの戦略など、すべてを誤まった方向へと導いてしまうリスクを含んでいます。

さらに、複数の異なる機能や複数の国際法規、拠点にまたがって膨大なシステム群を社内に抱えているグループ企業にとって、この作業を一定水準で持続・追跡し続けることは高い現場負担を強いることになります。判定したロジックの最新化、関係する法規範のリアルタイム確認とそれに即した基準評価、審査の証拠となる決定プロセスの検証履歴を安全に記録し続けるためには、これに最適化したガバナンス専用の組織インフラ・システムが欠かせません。

企業のAIインベントリ全体にわたって、EU AI法のリスク分類プロセスを効率的に仕組み化するために、Enzaiは法規規制の新たな動向に追従し、複数のシステムを自動的に把握、文書監査フローを統合管理するための総合的なAIポリシーガバナンスプラットフォームを提供しています。デモをリクエストして、構造化された分類ワークフローがコンプライアンスリスクと無駄な作業をどのように削減するかをご確認ください。

Enzaiは業界をリードするエンタープライズAIガバナンスプラットフォームであり、組織が抽象的なポリシーから運用上の監視へとスムーズに移行できるよう目的を持って構築されています。当社のAIリスク管理プラットフォームは、自律型AIガバナンスの管理、包括的なAIインベントリの維持、およびEU AI法コンプライアンスの確実な実行に必要な専門的インフラを提供します。複雑なワークフローを自動化することで、Enzaiは企業がISO 42001やNISTといったグローバルスタンダードとの整合性を保ちながら、確信を持ってAI導入を拡大できるよう支援します。

参照元・出典記載

[1] 規制(EU) 2024/1689 第99条 - 制裁金

[2] 規制(EU) 2024/1689 第5条 - 禁止される人工知能プラクティス

[3] 規制(EU) 2024/1689 第8条〜第15条 - ハイリスクAIシステムに対する要求事項

[4] 規制(EU) 2024/1689 第50条 - 限定リスクAIシステムを適用する際に要する透明性の確保義務

[5] 規制(EU) 2024/1689 第95条 - 非ハイリスクシステム運用者による任意加入を促す行動規定の作成枠組み

[6] 規制(EU) 2024/1689 附属書I - 統合関連製品における調整法令群

[7] 規制(EU) 2024/1689 第6条(3) - ハイリスクAIシステムへの適合定義に置ける免除規定の評価ルール

[8] 規制(EU) 2024/1689 前文(44)-(46) - 感情認識等にまつわる禁止適用の及ぶ範囲に関する記載

[9] 規制(EU) 2024/1689 第14条 - 人間によるアクティブなシステム制御・監視原則

[10] 規制(EU) 2024/1689 第51条〜第56条 - 汎用目的AIシステム（基礎モデル等）の提供企業における要件義務等