用語集
更新日
アルゴリズム的（信頼度しきい値、入力のサニタイズ、敵対的検出器）およびプロセス的（承認ゲート、ヒューマン・イン・ザ・ループ）な二つの防御レイヤーにより、ポリシー境界を強制します。ガードレールは、出力の制限（例：ヘイトスピーチの禁止）、意思決定領域の制限、およびフェイルセーフ動作のトリガーを実行します。効果的なガードレールガバナンスを維持するには、新たな脅威の出現に応じた制約の見直しと更新、およびバイパス試行の監視が必要です。
例
コンテンツモデレーションAIには、不適切な表現や過激派コンテンツをブロックするガードレールが備わっています。NLP（自然言語処理）フィルターの確信度が70%を下回ると、システムは投稿を自動的に公開するのではなく、人間のモデレーターにルーティングします。これにより、監視の目の届かないまま、安全でないコンテンツがフィードに配信されるのを確実に防ぎます。