AAISMフレームワークは、組織におけるAI利用状況の監視を最も効果的に行うには、すべてのAIシステムとそれらを利用する事業部門の包括的なインベントリを維持することが不可欠であると強調しています。このようなインベントリは、AIがどこに導入されているかを一元的に透明性の高い記録として提供し、説明責任、監視、コンプライアンスを確保します。取締役会の承認、ダッシュボード、KPIは重要なガバナンスツールではありますが、企業全体を包括的に可視化することはできません。インベントリはトレーサビリティとガバナンスの整合性を保証するため、AI利用状況の可視性を維持するための最良の方法となります。

AIサービス契約における責任条項は、主にAIシステムの利用、運用、ガバナンス、および監督に関わる各当事者の責任、義務、および法的責任を明確に定義することを目的としています。これにより、コンプライアンス、セキュリティ、倫理、および運用上の障害に関連するAI特有のリスクを管理することができます。

AAISMは、人的要因によるAIリスクに対する最も効果的な短期的な介入策として、政策や職務内容に合わせた、対象を絞った役割ベースのシナリオ主導型トレーニングを推奨しています。
特定の役割に対して「行うべきこと／行ってはならないこと」の行動（例えば、公開チャットボットに貼り付けてもよいデータ／貼り付けてはならないデータ、必要な編集手順、承認されたツール、出力の検証など）を定めることで、組織はインシデント発生の可能性と有害な行為を迅速に減らすことができます。

AAISMの資料では、モデルが動作する際に説明可能性と透明性が最大の課題であると指摘しています。
内部ロジックが不透明な「ブラックボックス」。結果がどのように生成されるかを解釈できないことは、ビジネスユーザー、顧客、規制当局、監査人の信頼を損なう。説明可能性は重要なガバナンス要件として強調される。なぜなら、説明可能性がなければ、倫理的妥当性、説明責任、および規制遵守が危険にさらされるからである。
リスク責任者の割り当てや取引時間の測定は運用上の問題ではあるが、可視性の欠如によって引き起こされる根本的な信頼の欠如には対処していない。したがって、この状況における最大の課題は、説明責任の不足によるエンドユーザーの信頼の喪失である。
参考文献：
AAISM学習ガイド - AIガバナンスとプログラム管理（透明性と説明可能性） ISACA AIセキュリティ管理 - 倫理と信頼性に関する考察

AAISMは、影響力の大きい生成型AIのユースケースにおける幻覚リスクを軽減するための主要な安全策として、ヒューマン・イン・ザ・ループ（HITL）制御を規定しています。人間の監視により、重要な出力は使用前にレビュー、修正、承認され、説明責任、エスカレーション、および文書化された意思決定履歴が確保されます。自動検証ツールとエンリッチメントはエラーの削減に役立ちますが、二次的なものです。再帰的チャンキングは、ガバナンス制御ではなく、促しの手法です。
参考文献：AIセキュリティ管理（AAISM）知識体系：責任あるAIと人間の監視；生成AIリスク管理 - 承認ワークフローと人間によるレビュー；AAISM学習ガイド：HITLと承認ゲートによる幻覚リスク処理。