AAISMは、AIリスク評価の中核的な成果は優先順位付けであると強調している。つまり、脅威の発生可能性とビジネスへの影響をマッピングし、どのリスクを最初に、どの程度の強度で、どのような対策を講じるべきかを決定するということである。
プライバシー管理の実施（A）、資金配分の調整（B）、登録簿の更新（C）は重要な成果物ですが、最大のメリットは、リスク許容度に合致し、管理策の選択とリソース配分を最適化する、正当性のある優先順位付けされた意思決定を行うことです。
参考文献：AIセキュリティ管理™（AAISM）知識体系 - AIリスク評価と対策、リスク許容度、リスク優先順位付け、リスク決定のガバナンスと追跡。

アウトソーシングされたAIサービスにおけるセキュリティとプライバシーのリスクを軽減するための最も重要な契約上の管理策は、プロバイダーが明示的に許可されない限り、顧客データをモデルトレーニング（および派生モデルの改善）に使用することを禁止するデータ使用制限です。これにより、意図しない二次処理、専有データのモデル反転による漏洩、不正なプロファイリング、およびマルチテナントシステム全体にわたる下流データの拡散を防ぐことができます。AAISMは、サードパーティリスク管理策において、データ最小化、目的制限、機密保持、および下流管理を優先するよう位置付けています。一般的なMSA条項の中で、データ使用制限は、プロバイダーによる機密入力の技術的および組織的な取り扱いを直接的に制限するため、最も影響力の大きいリスク軽減条項となっています。

独立したレビュー担当者は、外部からの視点を提供することで、社内チームが慣れや共通の思い込みのために見落としがちな偏見を特定し、軽減するのに役立ち、AIの出力結果をより客観的に評価することにつながります。

LLMワークロードをプライベートインスタンスに移行し、アクセスを制限することで、機密性の高い患者データの漏洩リスクを最も効果的に低減できます。このアプローチは、データ処理、処理環境、アクセス管理、および漏洩経路に対するより強力な制御を可能にするため、医療データに対する最も適切なリスク低減策となります。

AAISMは、無制限の消費（「リソース枯渇」または「無限クエリ」とも呼ばれる）を、攻撃者（または不適切なプロンプト）が過剰な計算を引き起こし、高コストとサービス低下につながるAI特有の脆弱性として分類しています。
これは、予想外に高額なコンピューティング料金が発生したことと完全に一致する。
過剰な主体性（A）は安全でない自律性を指し、情報開示（B）と迅速な漏洩（D）はコンピューティングの過剰使用とは関係がない。
参考文献：AAISM学習ガイド - AIの乱用と無制限の消費リスク。