AIを活用した不正検出の文脈において、PMI-CP/CPMAIのデータガバナンスに関するガイダンスは、プライバシー法および「最小権限」の原則への準拠は、技術的なアクセス制御とポリシーの両方によって徹底されなければならないことを強調しています。データ分類ポリシーとプライバシー影響評価は重要ですが、それらは主にリスクを記述・分析するものであり、それ自体で不正アクセスを防止するものではありません。
「許可された担当者のみがデータに安全にアクセスできる」という課題に直接的に取り組む効果的な手法として、ロールベースアクセス制御（RBAC）があります。RBACは、アクセス権限を定義された役割（不正分析担当者、データサイエンティスト、監査担当者など）に紐付けることで、ユーザーが業務に必要なデータのみを閲覧できるようにし、それ以外のデータにはアクセスできないようにします。これにより、データ最小化、アクセス制限、説明責任を求めるプライバシー規制への準拠が促進されます。また、誰が何にアクセスできるかを監査可能な構造として提供できるため、規制当局による審査やインシデント発生時に非常に重要となります。
AIプロジェクトにおいては、機密性の高いトランザクションデータやIDデータがエンドツーエンドで保護されるよう、データストア、モデル監視ダッシュボード、運用インターフェース全体にRBACを適用する必要があります。したがって、提示された選択肢の中で、ロールベースアクセス制御（RBAC）を利用してデータアクセスを制限することは、法的コンプライアンスと安全で権限のあるユーザーのみのアクセスという両方の要件を満たすための最も直接的かつ効果的な手法です。

PMI-CPMAI では、AI プロジェクト マネージャーの重要な責任は、技術的な機能をビジネスで使用できる意思決定支援に変換することです。特に、詳細な技術モデルを必要としない (または望まない) 上級リーダー向けです。PMI-CPMAI 試験の内容は、ビジネス ニーズの定義から実際の環境でのソリューションの運用まで、ライフサイクル全体にわたって AI の出力をビジネス プロセスおよび意思決定ワークフローに合わせることに重点を置いています。プロジェクト管理では、ニューラル ネットワーク、勾配降下法、またはアンサンブル法 (オプション AC) の数学を説明するのではなく、ガイダンスでは、AI システムの出力が馴染みのあるツール (ダッシュボード、レポート、ワークフロー システム) にどのように表示され、意思決定者がどのようにそれらに基づいて行動できるかを示すことに重点を置いています。これには、入力、主要指標、しきい値、信頼度レベル、例外処理、およびさまざまなシステム推奨事項に基づいてユーザーが取るべきアクションを明確にすることが含まれます。
PMI-CPMAI は、これを価値実現にも関連付けています。リーダーは、アルゴリズムの実装方法ではなく、モデルの出力がエンドユーザー システムにどのように組み込まれて測定可能な成果を生み出すかを見る必要があります。 certifyera.com+1 エンドユーザー システムへの統合を実証する (オプション D) ことで、このニーズに直接対応し、導入をサポートし、実践的でライフサイクル指向の AI 提供に焦点を当てたフレームワークの要件を満たします。

PMI-CPMAIは、データプライバシー、ガバナンス、セキュリティを責任あるAIの中核的な柱として扱い、AIプロジェクトが機密情報や規制対象情報を扱うことが多いことを強調しています。LPCentre+1は、機密性の高い航空宇宙製造データへの不正アクセスにつながる可能性のある脅威を評価する際に、攻撃対象領域、データの分散、制御の複雑さを検討することを推奨しています。
分散型データストレージシステム（オプションC）は、潜在的なリスクを大幅に高めます。データが複数の場所やノードに分散されるため、一貫したアクセス制御、ID管理、ログ記録、インシデント対応がより困難になります。このような環境では、設定ミスや脆弱なエンドポイントによって攻撃者の侵入経路が多数発生し、独自の設計、安全性が重要なパラメータ、個人データの漏洩リスクが増大する可能性があります。PMI-CPMAIのデータガバナンスに関するガイダンスでは、まさにこのリスクを軽減するために、集中型ポリシー、明確な管理体制、および制御されたデータフローを重視しています。
対照的に、オープンソースレビューのない独自ソフトウェア（A）は透明性に関する懸念を生じさせる可能性があるものの、必ずしもデータ漏洩の拡大を意味するものではありません。定期的なデータ更新の欠如（B）は、直接的なセキュリティ上の脅威というよりも、モデルのパフォーマンスやドリフトの問題です。オプションDは、リスクではなく、APIの保護とガバナンスの徹底という緩和策を説明しています。したがって、このシナリオにおける不正アクセスによる最大のセキュリティリスクは、分散型データストレージシステムの運用化です。

最適な答えは D. 潜在的な非認知代替手段です。PMI-CPMAI では、初期のビジネス評価は、AI が使用できるかどうかを決定するだけでなく、そもそもその問題に対して AI を使用すべきかどうかを決定することです。
PMIの公式試験内容概要では、「ビジネスニーズとソリューションの特定」の項目において、AIの初期実現可能性の検討には、AIアプローチと従来型のソリューションの代替案を比較することが含まれると明記されています。つまり、プロジェクトマネージャーはまず、よりシンプルなルールベースのワークフロー、レポート作成、または従来型のソフトウェアソリューションで、不必要なAIの複雑さ、リスク、コスト、またはガバナンス上の負担を生じさせることなく問題を解決できるかどうかを判断する必要があるということです。
これは、アップロードされたCPMAI準拠のプレイブックとも一致しています。プレイブックでは、チームはAIを自動的に適用することを避け、実際のニーズとリスクに見合ったガバナンスとソリューションの厳格さを選択すべきであると強調しています。また、AIソリューションをデフォルトで想定するのではなく、ビジネス上の課題から始め、AIが本当に適切なアプローチであるかどうかを検討することが、正しい意思決定の出発点であると繰り返し強調しています。
他の選択肢が劣る理由：ビジネス目標は重要であり、コストも重要であり、解釈可能性は後々重要になるかもしれないが、認知アプローチが適切かどうかを判断する上で最も重要なのは、実行可能な非認知的な代替手段が既に存在するかどうかである。これが、PMI-CPMAIの基準に最も合致した選択肢である。

最適な答えはBです。現在の非AIソリューションの拡張性を評価します。PMI-CPMAIでは、プロジェクトマネージャーは、問題が重要である、またはデータが豊富であるという理由だけで、AIが正しい答えであると決めつけるべきではありません。
この方法論では、データ計画や実装の詳細に進む前に、まずAIアプローチが実際に必要かどうかを判断し、非認知型または非AI型の代替案と比較することを重視します。PMIの公式試験内容概要には、AIの導入可否評価の実施、認知タスクと非認知タスクの分離、ソリューションアプローチを実際のビジネスニーズに合わせることなどが含まれています。また、関連するAIパターンを理解することで、チームが適切なデータ戦略とスコープを責任を持って選択できることも強調しています。
予知保全はAIの応用分野として広く認識されているが、だからといって、よりシンプルな既存のソリューションが十分な拡張性を備えているかどうかを評価する必要性がなくなるわけではない。
オプションAは重要ですが、AIの導入が正当であるとチームが確認した後で、データの適合性を検討する必要があります。
オプションCはビジネスケース作成作業の一部であり、オプションDはさらに後の段階です。なぜなら、運用計画はAIが選択されてから初めて意味を持つからです。質問は既存の選択肢を検討しながら最初に何を行うべきかを問うているた​​め、PMIに沿った論理では、現在の非AIアプローチで既に大規模なニーズを満たせるかどうかを評価することが推奨されます。