AIシステムが複数の管轄区域にまたがる場合、それぞれ異なる規制体制、文化的期待、そしてリスク許容度が適用されます。AAIAは、監視のギャップや重複を避けるため、監督の調整が必要であることを強調しています。機関間の共同監督計画とコミュニケーションチャネル(B)を確立することで、関係当局が情報を共有し、期待を一致させ、AIリスクを共同で監視できるようになり、一貫性と包括性を兼ね備えた監督が可能になります。
オプションAは、管轄区域をまたぐ調整を保証せずに、技術的指標に焦点を絞りすぎています。オプションCは、管轄区域の主権により権限の集中化が妨げられることが多いため、実現可能または合法ではない可能性があります。オプションDは自動化を重視していますが、ガバナンスと調整については触れていません。したがって、管轄区域をまたぐAI導入における効果的な監督の最良の例は、正式な共同監督と構造化されたコミュニケーションです。
参考文献:
ISACA、AAIA 試験内容の概要 - AI のガバナンス (役割、責任、利害関係者間の調整)。
複数の管轄区域にまたがる AI のリスク、規制の調整、および監督構造を扱う ISACA の資料。

探索的データ分析（EDA）は、AIモデル開発の初期段階において非常に重要です。AAIA™学習ガイドによると、EDA（ヌル値、不正なデータ型、重複の特定を含む）を実行することで、モデルに入力されるデータがクリーンで信頼できるものになることが保証されます。
初期データフレームは、データ品質の問題を明らかにするために、徹底的なEDAを実施する必要があります。これらの問題は、早期に対処しないと、モデルのトレーニングと予測精度に深刻な影響を与える可能性があります。データセットの分離（B）と可視化（A）は後期フェーズにおける重要なステップですが、Cはモデルトレーニングの準備を確実にするための基礎となります。リスク評価（D）は必要ですが、運用上の最初のステップではありません。
参考資料: ISACA Advanced in AI Audit™ (AAIA™) 学習ガイド、セクション:「AI の基礎とテクノロジー」、サブセクション:「探索的データ分析と前処理」

AI利用規定（AUP）は、AIツールとテクノロジーを組織内で倫理的かつ責任を持ってどのように使用すべきかを規定するものです。AAIA™スタディガイドによると、AUPの主な目的は、誤用を防止し、倫理的、法的、および運用上の基準の遵守を促進することです。
AI利用規定は、AIツールの使用方法、特にデータの取り扱い、公平性、禁止事項に関するガバナンスを提供します。従業員の行動を組織の価値観とコンプライアンス要件に整合させます。監視手順（B）、トレーニング（C）、分類法の説明（D）は、より広範なAIドキュメントに含まれる場合がありますが、AUPの中核的な目的は倫理的な使用に関するガバナンスです。
参考資料: ISACA AI監査上級コース(AAIA™)学習ガイド、「AIガバナンスとリスク管理」セクション、「AIのポリシー、標準、倫理フレームワーク」サブセクション

AAIA™スタディガイドでは、AIモデルが組織が事前に定義したリスク許容度を超えるリスク（特に倫理的損害やバイアスの可能性があるケース）を呈する場合、適切な安全対策が講じられるまで導入を延期すべきであるとアドバイスしています。このアプローチは、法的リスクを回避し、ステークホルダーの信頼を維持します。
AIリスクが許容閾値を超えた場合、組織は是正措置によってリスクが許容レベル内に低減されるまで、実装を一時停止する必要があります。リスク軽減措置を講じずに導入を進めることは、健全なガバナンス原則に違反します。データの改善（B）は役立つかもしれませんが、差し迫ったガバナンス上の懸念に対処するものではありません。リスク許容度（D）は、欠陥のあるシステムに合わせて調整すべきではありません。したがって、Aが正しい方針です。
参考資料: ISACA AI監査上級™ (AAIA™) 学習ガイド、セクション:「AIガバナンスとリスク管理」、サブセクション:「リスク評価と実装の意思決定」