AAISMは、組織に対し、データの使用、保持、トレーニング／微調整、隔離、削除を明確に規定する契約上および技術的な管理を通じて、サードパーティAIのリスクを管理するよう指示しています。生成型AI機能を利用する際に最も効果的なデータセキュリティ対策は、プロバイダーが組織のデータをトレーニングや二次的な目的で使用することを禁止し、保持制限と安全な削除を義務付ける、強制力のあるオプトアウト条項を設けることです。

プログラムガバナンスにおけるAIアーキテクチャは、AIシステムコンポーネントとライフサイクルプロセスをビジネス目標およびポリシー制約に整合させるために存在します。アーキテクチャは、戦略、機能、プロセス、データ、モデル、制御、および保証を連携させる組織構造を提供し、AIの成果がビジネス価値、リスク許容度、およびコンプライアンス要件に追跡可能であることを保証します。効率性、スピード、および脅威分析は重要なアーキテクチャ特性ですが、これらは主要な目的ではありません。主要な目的は、戦略とガバナンスを整合させ、技術的な選択と制御が組織目標を一貫して実現することです。
参考文献:* AIセキュリティ管理™ (AAISM) 知識体系: AIプログラムアーキテクチャ - 機能、プロセス、および制御のビジネス目標への整合* AIセキュリティ管理™ 学習ガイド: アーキテクチャ主導のガバナンス、ビジネス目標から技術および制御設計へのトレーサビリティ

AAISMは、プライバシー、倫理、またはコンプライアンス上のリスクが疑われる場合、確立されたAIガバナンスチャネルを使用するよう担当者に指示しています。ガバナンスパネル（リスク、プライバシー、法務／コンプライアンス、セキュリティ、製品／データサイエンス）は、機密属性の潜在的な推論と、それによって生じる意思決定への影響について、トリアージ、記録、調査、および是正措置の指示を行う権限を有しています。直接的な技術的措置（AまたはC）は、適正な手続きと説明責任を回避します。単一の経営幹部に直接エスカレーションする（B）方法は、規制された倫理的なAIリスク処理に必要な構造化された部門横断的な監督を欠いています。

AAISMは、セキュアな集約によって、サーバーは集約されたモデルの更新のみを認識し、個々のクライアントからの貢献は認識しないため、サーバーが侵害された場合でもプライバシーが保護されると説明しています。

AI生成データから統計的知見を導き出す際に最も重大なリスクとなるのは、データにおける体系的なバイアスです。AIセキュリティ管理（AAISM）フレームワークによれば、体系的なバイアスは、AIシステムから得られる分析結果の公平性、信頼性、妥当性を直接的に損ないます。入力データや学習済みモデルパターンにバイアス（偏った表現、サンプリングの不均衡、あるいは内在する偏見など）が存在する場合、統計的出力はこれらのバイアスを増幅・拡大し、誤った意思決定や法令違反につながります。