合成データとは、「実際のデータが不足している場合や機密情報が含まれている場合に、現実世界のデータを模倣して人工的に生成されたデータ」のことです。必要なポーズをとった人物の合成トレーニング画像を生成することで、ロジスティクス、プライバシー、ラベル付けといった負担なしに、データセットを迅速に拡張できます。

CPMAIは、データの価値は、チームがそれを効果的に管理、準備、活用できる能力によって決まることを強調しています。フェーズI：ビジネス理解において、「状況評価」の最初のタスクの1つは「AIスキル評価」です。これは、プロジェクトチームがデータ集約型のAI作業を処理するために適切な経験とツールに関する専門知識を備えていることを確認するものです。熟練したデータエンジニアとAI実務者がいなければ、どんなに大規模なデータセットでもビジネス価値に転換することはできません。
ワークブックのタスクグループ「フェーズIにおける状況評価」では、リソースやツールに関する検討事項と並んで「AIスキル評価」が明確に挙げられており、チームの能力がデータ中心の取り組みにおける基礎的な要件であることを強調している。
さらに、CPMAI試験内容概要のドメインIV：AIのためのデータでは、データの基礎とビッグデータの概念を管理するには、「ビッグデータアプローチを適用してAI機能を強化する」ことができる人材が必要であり、そのためには経験豊富なデータ専門家の存在が前提となります。
したがって、最も重要な要素は、膨大な量のデータを処理し、そこから価値を引き出すための適切な経験とツールに関する専門知識を備えたチームメンバーを確保することです。

AIの実施可否判断は、認知プロジェクト要件に関する汎用タスクグループのフェーズI：ビジネス理解の一部です。フェーズIでは、チームはAI作業を進める前に、ビジネス上の実現可能性、データの実現可能性、および実行の実現可能性のチェックを行います。

フェーズ II: データ理解では、モデルトレーニングに適切な量のデータを特定することに重点を置きます。データが少なすぎると（適合不足のリスク）、多すぎると（リソースの浪費とノイズの発生）になります。このバランスの取れた
「ゴルディロックス」アプローチを採用することで、不必要なコストや複雑さを招くことなく、認知目標を達成するのに十分な質の高い関連性の高い記録を確実に収集できます。

CPMAIの信頼できるAI要件において、説明可能なAIレイヤーは特に「意思決定に使用されるAIシステムが、監査、根本原因分析、またはその他の目的のために、ある程度の説明可能性を提供する必要がある可能性のある、法的、コンプライアンス、およびリスクに関する考慮事項」を対象としています。応募者が採用決定に異議を申し立てる能力を提供するには、モデルがどのように、そしてなぜその結果に至ったのかを、明確で人間が理解できる説明を提供する必要があります。これはまさに、必須のAI説明可能性に関する考慮事項タスクの焦点です。