最終更新日:
特定されたAIリスクやコンプライアンスのギャップに対処するために計画された対策（例：バイアス修正、再学習、特徴量エンジニアリングなど）。
リスクタイプにマッピングされた対応策のカタログ：データドリフトのトリガー → 再学習パイプライン、公平性の違反 → バイアス緩和アルゴリズム、セキュリティ脅威 → 入力サニタイゼーションレイヤー、パフォーマンス低下 → アーキテクチャチューニング。ガバナンスには、適切な戦略の選択、実装の文書化、およびその後の評価とテストを通じた有効性の検証が含まれます。
実際の導入事例：
バイアス監査によって融資の承認が特定のデモグラフィックに偏っていることが判明した後、チームはトレーニングサンプルの再重み付けを行い、公平性の制約を追加します。その後、緩和策適用後のテストを実施し、承認率が銀行の公平性基準を満たしていることを確認します。
