AAIA™学習ガイドは、AIの実装によってシステムに動的かつ非決定論的な要素が導入され、変更に伴うリスクが増大することを強調しています。したがって、AIに特化した包括的なリスク評価は、アップデート、再トレーニング、またはパラメータ調整によって脆弱性や意図しない結果が生じないようにするための変更管理プログラムの最も重要な要素です。
AIモデル、トレーニングデータ、またはインフラストラクチャの変更は、パフォーマンスや倫理コンプライアンスに影響を与えたり、システムを新たな脅威にさらしたりする可能性があるため、AIに特化したリスク評価は不可欠です。標準的なIT変更レビューでは不十分な場合が多いです。ガバナンス委員会の設置（A）とドキュメントのレビュー（B）は重要な支援策ですが、AIシステム変更のコアリスクを直接軽減できるのはオプションCのみです。倫理研修（D）は意識向上に役立ちますが、変更管理とは直接結びついていません。
参考資料: ISACA AI監査上級編™ (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:「変更管理とAIリスク管理」

情報システム監査人が生成AIモデルの説明可能性を評価する上で最大の課題となるのは、AIが学習を続けるにつれてアルゴリズムの性質が変化する点です（選択肢D）。特にディープラーニングや強化学習といった高度な技術を用いた生成AIモデルは、継続的学習や動的学習を採用することが多く、その結果、モデルは時間の経過とともに進化します。この適応性は、継続的な再学習やリアルタイム学習によってロジック、パラメータ、あるいは意思決定経路が変化する可能性があるため、説明可能性を著しく阻害する可能性があります。
ISACAのAI監査上級コース（AAIA™）学習ガイドは、「継続学習型AIシステムは、導入後に内部表現や推論が変化する可能性があるため、監査において特有の課題を提示します。そのため、特定の時点での出力の根拠を完全に把握し、説明することが困難になります」と強調しています。入力データや計算パフォーマンスの偏りといった他の要因も重要ですが、内部動作が動的に変化するモデルほど、説明可能性に根本的な課題をもたらすものではありません。
参照:ISACA Advanced in AI Audit™ (AAIA™) 学習ガイド、「AI の説明可能性と動的モデル」セクション