混同行列は、AAISMにおいて、分類性能を解釈するための枠組みとして明示的に定義されており、以下の項目を列挙する。
* 真の陽性
* 真のネガティブ
* 偽陽性
偽陰性
精度（B）と再現率（D）は、行列の一部を使用する派生指標であり、全体像を示すものではありません。
ハイパーパラメータチューニング（A）は関係ありません。
参考文献：AAISM学習ガイド - AIモデル評価指標、混同行列。

AAISMは、正式なモデル変更ガバナンス（文書化された正当性、リスク評価、検証）を要求する。
機能、しきい値、またはシグナルを変更する際には、検証（V&V）、承認、および展開後の監視が必要です。厳密な検証と管理された展開なしに、誤検出を減らすためにリスク指標を無効にすることは、モデル検証と変更管理の失敗を反映しており、AAISM はこれを意図しない損害や規制違反に対する主要な安全策とみなしています。
参考文献：AIセキュリティ管理（AAISM）知識体系 - モデルリスクガバナンス、変更管理と承認、検証/妥当性確認要件。AAISM学習ガイド - 機能/しきい値変更の制御ゲート、変更後の監視とロールバック基準。

AAISMのガバナンスプラクティスでは、所有権と説明責任が、あらゆる集中型AIインベントリにおいて最も重要な要素であるとされています。AIインベントリは、組織内のすべてのAI資産をカタログ化することで監視機能を提供し、責任を割り当てることで、各システムが明確なガバナンス、監視、およびコンプライアンスの適用範囲を確保します。ユースケース、トレーニングデータ、レジストリは貴重なメタデータですが、説明責任を保証するものではありません。所有権が明確に定義されていない場合、リスク、バイアス、またはインシデントへの対応に責任を負う当事者は存在しません。したがって、含めるべき最も重要な情報は、各AIシステムの所有権と説明責任の詳細です。
参考文献：
AAISM試験内容概要 - AIガバナンスとプログラム管理（AIインベントリと監視） AIセキュリティ管理学習ガイド - 所有権と説明責任の構造

AAISMは、AIインシデント対応の基礎段階として準備段階を規定しています。最優先事項は、AI/MLの専門知識（セキュリティ、データサイエンス、製品、法務/コンプライアンス）を持つ部門横断的なインシデント対応（IR）チームを編成し、権限を与えることです。責任あるチームが確立されて初めて、プレイブック、コミュニケーション、封じ込め/排除手順、復旧プロセス、エスカレーションパスを定義できます。専任チームがいない場合、手順やチャネルは責任感と有効性を欠きます。
参考文献:* AIセキュリティ管理（AAISM）知識体系：インシデント管理 - 準備、役割と責任、部門横断的な調整* AAISM学習ガイド：AI IR運用モデル、ステークホルダーマッピング、権限とエスカレーション* AAISM標準へのマッピング：セキュリティ運用 - 手順の前に準備（人員と役割がプレイブックに先行する）

モデルカードは、AIモデルの目的、データソース、性能、制限事項、倫理的考慮事項に関する構造化された文書を提供し、透明性を高め、規制およびガバナンスの期待事項への準拠を示すものです。