AAISMは、候補者の評価を行う人事システムは、訓練データの公平性、代表性、およびバイアスの軽減を優先しなければならないと述べている。なぜなら、偏った人事決定は、規制、倫理、および訴訟のリスクを伴うからである。

サイトが所有権を証明していることを確認することで、データが正当に管理され、合法的に使用できることが保証され、生成型AIモデルのトレーニング時に著作権侵害や不正使用のリスクが軽減されます。

AAISMは、本番環境のAIシステムで有害または偏った動作が観察された場合、組織は、逸脱の原因（データドリフト、コンセプトドリフト、機能漏洩、パイプラインの変更、制御の失敗）を特定し、リスクに応じた適切な対応を決定するために、根本原因分析（RCA）から始まる正式なインシデント/差異処理ワークフローを開始すべきであると指示しています。RCAなしでの即時再トレーニング（オプションA）は、同じ偏りを強化するリスクがあります。監査（オプションC）は、対応策を策定するアクションではなく、RCA内の重要な活動です。キルスイッチ（オプションD）は、リスクが定義された許容範囲を超え、即時の危害防止が必要な状況のために確保されています。
参考文献：AIセキュリティ管理（AAISM）知識体系 - インシデント対応とインシデント後の改善、モデルリスク処理とドリフト管理、バイアス検出と是正ガバナンス。

AAISMは、AIの動作が予期せず逸脱した場合、根本原因分析を第一のステップとして重視しています。RCAは、問題が以下の原因から生じているかどうかを判断します。
* データ操作
*モデル操作
* 汚染されたデータ
* 不足している機能
* 論理エラー
* 設定変更
再訓練（D）は後々必要になる場合があるが、それはRCA（根本原因分析）の後に限る。キルスイッチ（A）は最終手段である。監査（B）は役立つが、RCAよりも範囲が狭い。
参考文献：AAISM学習ガイド - AIのインシデント対応；根本原因第一の原則。