モデルカードは、機械学習モデルの意図された用途、性能特性、制限事項、公平性に関する考慮事項、および倫理的注記を伝えるガバナンス上の成果物です。
AAISMのガバナンス関連資料では、ステークホルダーの信頼は透明性と説明可能性から生まれることが強調されている。
ハイパーパラメータやデータ品質管理は技術的な詳細事項ではあるが、利害関係者にとって分かりやすい説明に欠ける。
モデルのプロトタイプ作成は開発の一部ではあるが、ガバナンス記録ではない。
モデルカードは特に以下の目的で推奨されます。
意思決定の根拠と背景情報を提供する。
ガバナンス、透明性、コンプライアンスを実証する。
* 関係者（規制当局、監査人、ビジネスリーダー）がシステムを信頼できるようにする。
したがって、モデルカードは信頼性を最も高める人工物である。

AAISMは、AIシステムが機密性の高いデータや影響の大きいデータ（例：財務情報、個人情報、健康情報）を処理する場合、精度の閾値が重要なリスク指標になると規定している。不正確な予測は、危害、規制違反、差別、または経済的損失を引き起こす可能性がある。

AAISMの調査資料では、AIを活用したセキュリティツールは、監視システムやアクセス制御システムにおける誤検知を減らすことで最大のメリットをもたらすと強調しています。これにより、効率性が向上し、アラート疲れを防ぎ、セキュリティチームが真の脅威に集中できるようになります。タイムリーな分析とインシデント対応はメリットではありますが、AIベースのツールに特有のものではなく、従来の方法でも実現可能です。また、AIはデータ分類の必要性をなくすものではありません。分類はガバナンスとコンプライアンスの基盤となるからです。AIの際立った利点は、精度の向上と誤検知の削減です。
参考文献：
AAISM学習ガイド - AI技術と制御（セキュリティツールとアクセス管理） ISACA AIセキュリティ管理 - AI対応セキュリティの利点

AAISMの資料では、生成型AIシステムにおけるモデレーション制御の主な利点として、有害、攻撃的、または不適切なコンテンツがユーザーに配信される前にフィルタリングできる能力を挙げている。
これは組織の評判、コンプライアンス、そしてユーザーの信頼を守るものです。モデレーションはプライバシー要件への準拠を間接的に支援する可能性もありますが、その主な機能は、出力が倫理基準と安全基準に合致していることを保証することです。モデレーションは創造性や応答速度を向上させるものではありません。その最大の価値は、有害なコンテンツをブロックすることで、生成される出力の品質を管理することにあります。

契約で変更管理通知を義務付けることで、組織はサードパーティベンダーによるモデルの更新について確実に通知を受けることができます。これにより、影響を適切に評価し、透明性を維持し、パフォーマンスや結果に影響を与える可能性のある予期せぬ変更を防ぐことができます。