1956年のダートマス大学におけるAIに関する夏季研究プロジェクトは、AI分野の創設に焦点を当てた会議として最もよく知られています。この会議は、人工知能が学問分野として正式に始まったことを示す歴史的意義を持つものです。「人工知能」という用語はこのイベントで造語され、その後のAI研究開発の基盤を築きました。
参考: AIGP 知識体系では、AI を独自の研究分野として確立した AI の歴史における極めて重要な瞬間として、ダートマス会議の重要性を強調しています。

サードパーティ モデルの新しいバージョンがリリースされると、デプロイ者はそれが安全性、パフォーマンス、コンプライアンスの要件を満たしていることを確認する必要があり、そのためには正式な監査が必要になります。
AIガバナンス実践レポート2025より:
「AIシステムの更新や変更は、継続的なコンプライアンスとパフォーマンスを確保するために再評価をトリガーする必要があります。」（12ページ）
「市販後モニタリングには、更新されたモデルや再トレーニングの影響の再評価が含まれます。」（35ページ）

企業Aは、サードパーティ（企業B）からライセンス供与された生成AIモデルを統合しており、有害コンテンツやわいせつなコンテンツがユーザーに配信されるリスクを主に懸念しています。このシナリオでは、AIモデルにおけるこうしたコンテンツリスクのテストと検証が最も直接的かつ効果的なガバナンス戦略となります。
AIガバナンス実践レポート2024によると、AIを導入する組織は、パフォーマンス監視プロトコルを実施し、有害なコンテンツのフィルタリングなど、システムが意図した目的に適切に機能することを保証する必要があります。
「運用ガバナンス...システムが本来の目的に適切に機能することを保証するパフォーマンス監視プロトコルの開発。」(p. 12)
「製品ガバナンスには、製品の開発または展開前にリスクを特定し対処するためのシステム影響評価が含まれます。」(p. 11) さらに、多くの組織が準拠を目指す世界標準を定めたEU AI法では、潜在的な有害動作がないかシステムをテストおよび監視する明確な義務が定められています。
「この法律は、適切な説明責任構造の確立、システムへの影響の評価、技術文書の提供、リスク管理プロトコルの確立、パフォーマンスの監視などの規制義務を課しています...」（7 ページ）オプション B は、モデルがビジネス A の最低限のコンテンツ安全性要件に準拠していることを確認するための、展開前のテストと検証のベスト プラクティスを直接反映しています。
間違った選択肢を評価してみましょう。
* A. 検証済みのユーザー生成テキストを微調整することでモデルの整合性が向上する可能性はありますが、モデルが正しく一般化されることは保証されません。特に、ビジネスAがモデル内部にアクセスできない場合（サードパーティライセンスのシナリオではよくあることです）は、その傾向が顕著です。また、微調整自体にもリスクが伴い、契約上の制限を受ける可能性があります。
* C. ユーザーレポート機能は事後対応的であり、予防的ではありません。長期的な監視と緩和には役立ちますが、企業Aの最大の懸念である有害な出力による初期の被害を防ぐことはできません。
* D. ビジネス B に文書を要求することは透明性とリスク管理には役立ちますが、モデルがビジネス A のコンテンツ安全性基準を満たしていることの独立した検証に代わるものではありません。
したがって、展開前にモデルの動作をテストして許容できない出力がないか確認することは、AI ガバナンスのベスト プラクティスと義務に最も適合したアプローチです。

AI影響評価の主な目的は、AIシステムの潜在的なリスクと危害を予測し、管理することです。これには、起こり得る悪影響を特定し、それらのリスクを軽減するための対策を実施することが含まれます。このプロセスは、AIシステムが倫理的かつ社会的に責任ある方法で開発・導入され、偏見、公平性、透明性、説明責任といった懸念事項に対処できるようにするために役立ちます。
評価には、AIシステムの設計、データの入力、出力、そして様々なステークホルダーへの潜在的な影響を徹底的に評価することが含まれることが多い。このアプローチは、社会の信頼を維持し、規制要件を遵守するために不可欠である。