AIシステムに組み込まれた定義済みの制約やチェック（技術的およびポリシー）は、実行時における安全でないまたはコンプライアンスに違反する行動を防ぐためのものです。
ポリシー境界を強制する、防御レイヤー（アルゴリズム面：信頼度しきい値、入力サニタイズ、敵対的検知器／手続き面：承認ゲート、ヒューマン・イン・ザ・ループ）。ガードレールは、出力を制限し（例：ヘイトスピーチの禁止）、意思決定領域を限定し、フェイルセーフ動作をトリガーします。効果的なガードレール・ガバナンスには、新たな脅威の出現に応じた制約の見直しと更新、およびバイパスの試行の監視が必要です。
コンテンツモデレーションAIには、冒とく的表現や過激主義的コンテンツを遮断するガードレールが備わっています。NLPフィルターの信頼度が70%を下回る場合、システムは投稿を自動公開するのではなく人間のモデレーターに振り分けることで、監督なしに安全でないコンテンツがフィードに到達することを防ぎます。
