AIガバナンス委員会は、AI戦略、投資、リスク許容度を事業目標に合致させるための部門横断的な監督を行います。委員会は、ポリシーの設定、ポートフォリオの優先順位付け、説明責任の確保、コンプライアンス、倫理、セキュリティの意思決定への統合を行います。コンプライアンス、倫理、情報保護は不可欠ですが、ガバナンスはAIイニシアチブを企業目標に体系的に結びつける主要なメカニズムです。
参考文献：AIセキュリティ管理（AAISM）知識体系：AIガバナンス運用モデル - 構造、役割、および意思決定権；AAISM学習ガイド：戦略的整合性、ポートフォリオ監視、および説明責任メカニズム。

AAISMは、AI災害復旧テストでは、フェイルオーバー時にモデルが正しく動作することを検証する必要があると述べています。AIコンポーネントの実際の運用継続性をテストする唯一のオプションは次のとおりです。
フェイルオーバー中のモデルパフォーマンスの監視
これは、災害状況下における安定性、機能性、および回復力を実証するものです。

AAISMは、AI影響評価（AIIA）を、AIシステムが許容できないリスクを生み出すことなく、安全かつ責任ある方法でビジネス目標をサポートできるかどうかを判断するために設計された構造化された評価と定義しています。
このフレームワークでは、ビジネス目標との整合性がAI導入の中心的な目的であり、したがって影響評価の出発点となるべきであると述べている。

モデル反転は、モデルの訓練データから機密情報を再構築または推測することを目的としており、機密性とプライバシーを直接的に侵害する。

AAISMは、セキュリティ運用におけるAIの導入は、セキュリティ運用、データサイエンス/機械学習、プラットフォームエンジニアリング、プライバシー、コンプライアンスにわたる明確な運用モデルとRACIマッピングされた責任を通じて管理されるべきであると提言しています。役割の明確化は、実装を延期したり、中核的な責任を外部委託したり、一般的な認証に頼ったりするのではなく、セキュリティプログラムを更新してAI固有の責任（モデル監視、AI障害のインシデント対応、データガバナンス、モデルの変更管理、バイアス/公平性レビュー、サプライヤー保証）を成文化することによって実現されます。これにより、測定可能な説明責任が確保され、引き継ぎリスクが軽減され、日々のSOC業務がAI制御目標と整合します。
参考文献:* AIセキュリティ管理（AAISM）知識体系：AIガバナンス運用モデル、役割と責任、AI対応セキュリティ運用のRACI* AAISM学習ガイド：プログラムガバナンス、SOCワークフローへの制御目標マッピング、AI制御のクロスファンクショナルな所有権