次のすべては、導入後の AI メンテナンスの範囲に含まれますが、次のものを除きます。

OECD の倫理 AI ガバナンス フレームワークは、次のような方法で社会的損害を防ぐことを提案する自己規制モデルです。

ある企業は当初、個人情報を含む大規模なデータセットを使用して AI モデルをトレーニングすることを意図していました。
検討の結果、同社は個人情報がなくてもデータセットから十分な価値を引き出せると判断し、モデルをトレーニングする前にすべての個人データ要素を永続的に難読化しました。
これはどのプライバシー強化技術 (PET) を適用した例ですか?

米国の企業が、刑務所から釈放された後に再び犯罪を犯す可能性があるかどうかを仮釈放委員会が予測できるように、収監されている個人に関する情報を収集するAIシステム「CrimeBuster 9619」を開発した。
EU 市場への拡大を検討する場合、このタイプのテクノロジーはどうでしょうか?

ケーススタディ
世界的なマーケティング代理店は、大規模言語モデル (LLM) を採用して、クライアントの新製品である、あらゆる性別の建設作業員を頭部の怪我からよりよく保護するために設計されたヘルメットの今後のマーケティング キャンペーンのコンテンツを生成しています。
マーケティング代理店は、サードパーティのテクノロジー企業が開発したアプリケーション・プログラミング・インターフェース（API）を介してLLMにアクセスしています。彼らは、ヘルメットのメリットを潜在顧客にアピールするターゲット広告コミュニケーションに使用するテキストを生成したいと考えています。マーケティング代理店とテクノロジー企業は共に、AIガバナンスに対処するための合理的な措置を講じています。
マーケティング会社には次のものがあります:
* 適切な表明および保証を伴う契約をテクノロジー企業と締結しました。
* この使用目的に対する LLM の影響評価を完了しました。
* LLM におけるバイアスを測定し、軽減する方法に関する技術ガイダンスを構築しました。
* 透明性、説明可能性、堅牢性、プライバシーの技術的側面を実現しました。
* 適用される規制要件に従いました。
* クライアントの広告における AI の使用に関する具体的な法的声明と開示を作成しました。
このテクノロジー企業には以下があります。
* 環境問題に対処するために開発者にガイダンスとリソースを提供しました。
* LLM におけるバイアスを測定し、軽減する方法に関する技術ガイダンスを構築します。
* LLM 特有のバイアスを測定するためのツールとリソースを提供しました。
* 透明性、説明可能性、堅牢性、プライバシーの技術的側面を実現しました。
* 潜在的な社会的損害と大規模な影響をマッピングし、軽減しました。
* 適用される規制要件および業界標準に従いました。
* LLM に関する特定の法的声明および開示を作成しました。これには IP およびデータに対する権利に関するものも含まれます。
マーケティング会社とその技術プロバイダーは、AIの利用を管理するために、法的開示、影響評価、バイアス軽減など、合理的な措置を講じてきました。しかし、同社はガバナンスを強化し、継続的な監視と説明責任に関連するリスクを軽減するために、さらに一歩踏み出したいと考えています。
マーケティング代理店はリスクを軽減するための措置を講じましたが、最善の追加措置は次のようになります。