AI倫理・AIガバナンス
G検定 学習ガイド ／ 30問 ／ 更新：2026年9月8日
AIの精度だけでなく、誰にどのような影響が及ぶかを考えます。プライバシー、公平性、安全性、透明性を運用の仕組みへ落とし込む視点を学びます。
理解のポイント
全体の正解率が高くても、特定の集団に不利益が集中する場合があります。人による監督も、担当者を置くだけでなく、必要な情報、確認時間、介入権限があるかまで確認することが重要です。
このページは解答を確認しながら読む教材です。答えを見ずに挑戦したい場合は、演習ページの単元一覧から該当する単元を選んでください。
30問の解答と解説
問題文を開くと、正解・考え方・各選択肢の理由を確認できます。
01AIのリスクベースアプローチとして、最も適切なものを選べ。
国内外のガイドライン ／ 問題ID：g-045
正解：用途や影響の大きさなどに応じて対策の強度を決める
リスクベースアプローチは、危害の大きさや発生可能性、利用状況に応じて管理を設計する考え方です。同じモデルでも、画像の整理と生命に関わる判断支援では必要な対策が異なります。
選択肢ごとの理由
- 用途や影響の大きさなどに応じて対策の強度を決める（正解）
具体的なリスクに応じて管理します。
- すべてのAIに同じ手順を例外なく課すことだけを指す
一律の管理だけを意味しません。
- 利益が見込めればリスク評価を省く
便益があってもリスクの把握は必要です。
- 事故が起きるまでは評価しない
導入前からリスクを検討します。
覚える要点：リスクはモデルだけでなく、使い方によって変わる。
公式シラバスを確認02プライバシー・バイ・デザインに最も合う対応を選べ。
プライバシー ／ 問題ID：g-046
正解：設計時から収集範囲と利用・保存方法を検討する
プライバシー保護を後付けせず、設計や運用に組み込みます。必要な情報だけを収集する、保存期間を定める、アクセスを制御するなどが具体例です。推論で新たに生じるプライバシー上の影響も検討します。
選択肢ごとの理由
- 設計時から収集範囲と利用・保存方法を検討する（正解）
初期段階から保護を組み込む考え方です。
- 公開後に苦情が来てからのみ考える
問題発生後だけの対応ではありません。
- 収集できる情報をすべて無期限で保存する
必要性や保存期間の検討が抜けています。
- 氏名を収集しなければ一切の検討を不要とする
氏名以外の情報や推論結果も問題になり得ます。
覚える要点：プライバシー保護は、設計の最初から。
公式シラバスを確認03採用AIから性別の入力欄を削除した。この対応の評価として最も適切なものを選べ。
公平性 ／ 問題ID：g-047
正解：代理変数の影響を含め、公平性を検証する
所属や経歴などが性別と相関して代理変数として働く可能性があります。また過去の採用ラベルに偏りが含まれる場合もあります。公平性の定義を検討し、適切に集団ごとの影響を調べることが大切です。
選択肢ごとの理由
- 代理変数の影響を含め、公平性を検証する（正解）
属性削除だけでは偏りが残ることがあります。
- 性別を削除した時点で公平性が保証される
代理変数やデータの偏りが残り得ます。
- 全体正解率が高ければ集団別の評価は不要である
集団による誤りの違いを全体平均が隠すことがあります。
- 過去の採用結果を学べば差別は自動的に解消される
過去の偏りも学習する可能性があります。
覚える要点：属性を消すことと、公平な結果を得ることは別。
公式シラバスを確認04攻撃者が学習用データに意図的な誤ラベルを混ぜ、モデルの振る舞いを変えようとする行為を選べ。
安全性とセキュリティ ／ 問題ID：g-048
正解：データ汚染
データ汚染は訓練に使うデータへ不正な情報を混入させる攻撃です。学習後の入力に細かな摂動を加える敵対的サンプルとは、攻撃する段階が異なります。データ来歴や変更履歴の確認が対策の一部になります。
選択肢ごとの理由
- データ汚染（正解）
学習データを操作する攻撃です。
- 量子化
モデルを軽量化する手法です。
- 通常の交差検証
モデル評価の手続きです。
- 主成分分析
次元を削減する手法です。
覚える要点：学習データを攻撃するのがデータ汚染。
公式シラバスを確認05著名人の発言を偽造した動画が届いた。ディープフェイクへの対応として最も適切なものを選べ。
悪用 ／ 問題ID：g-049
正解：一次情報を確認し、未確認のまま拡散しない
生成技術により、自然に見える偽動画も作れます。元の発表や信頼できる一次情報を確認し、必要に応じて複数の手掛かりを照合します。検出技術にも誤りがあるので、一つの判定を絶対視しません。
選択肢ごとの理由
- 一次情報を確認し、未確認のまま拡散しない（正解）
出所と内容の検証が大切です。
- 映像が自然なら本人の発言と断定する
自然な見た目は真正性の証明になりません。
- 検出AIが偽物としなければ必ず本物と判断する
検出器にも見逃しがあります。
- 再生数が多ければ真実と判断する
人気と事実性は別です。
覚える要点：リアルに見えることと、事実であることを分ける。
公式シラバスを確認06AIの判定を後から点検できるようにする対応として、最も適切なものを選べ。
透明性 ／ 問題ID：g-050
正解：データの来歴・モデルの版・評価条件を残す
透明性を高めるには、何を使ってどのように判断したかを点検できる情報が必要です。データの来歴やモデルの版、評価条件の記録は再検証を助けます。透明性は無制限の情報公開ではなく、機密やプライバシーにも配慮します。
選択肢ごとの理由
- データの来歴・モデルの版・評価条件を残す（正解）
判断の経緯を追跡できる情報を残します。
- 結果だけ残して入力や版の記録を捨てる
原因や条件の確認が難しくなります。
- 説明のために個人情報をすべて一般公開する
公開範囲と情報保護を両立する必要があります。
- モデルが複雑なら記録を不要とする
複雑なモデルでも記録は有用です。
覚える要点：透明性は、適切な人が経緯を確かめられること。
公式シラバスを確認07推薦が個人の好みに合う情報ばかりを表示し、異なる見解に触れにくくなる現象を選べ。
民主主義 ／ 問題ID：g-051
正解：フィルターバブル
フィルターバブルは、個人化された情報選別により接する情報が限定される現象です。同じ意見の人同士で見解が増幅するエコーチェンバーと関連しますが、ここでは推薦による選別に着目します。
選択肢ごとの理由
- フィルターバブル（正解）
個人化された情報の選別による閉鎖性です。
- 勾配爆発
学習時の勾配に関する問題です。
- コールドスタート
推薦用の履歴不足の問題です。
- 知識蒸留
モデル軽量化の手法です。
覚える要点：フィルターバブルは選別、エコーチェンバーは同調の増幅。
公式シラバスを確認08AIシステムの環境負荷を検討する観点として、最も適切なものを選べ。
環境保護 ／ 問題ID：g-052
正解：学習と推論の電力消費を利用規模も含めて評価する
AIは学習時にも利用時にも計算資源を使います。小さな1回の推論でも利用が多ければ総量は大きくなります。計算量、利用規模、電力源などを踏まえて、便益と負荷の両方を考えます。
選択肢ごとの理由
- 学習と推論の電力消費を利用規模も含めて評価する（正解）
ライフサイクルと利用規模の観点が重要です。
- 学習終了後には電力を消費しないと考える
推論にも計算が必要です。
- モデルの大きさだけで全環境負荷を断定する
実行頻度やハードウェアなどにも依存します。
- 精度向上があれば環境負荷を評価しない
精度と環境負荷は両方評価できます。
覚える要点：学習時だけでなく、使い続ける負荷も見る。
公式シラバスを確認09AIによる業務の自動化を進める組織の対応として、最も適切なものを選べ。
労働政策 ／ 問題ID：g-053
正解：業務を再設計し、人の役割や学び直しも検討する
AIの影響は職業単位だけでなくタスク単位でも考えます。一部の作業が自動化されても人の判断や調整が残る場合があります。技能の喪失を防ぎ、AIと協働できるよう教育や役割の設計が必要です。
選択肢ごとの理由
- 業務を再設計し、人の役割や学び直しも検討する（正解）
技術導入と人材・業務の変化を一緒に考えます。
- 人の技能は利用状況にかかわらず必ず向上すると考える
利用方法によっては技能が失われる可能性もあります。
- 自動化できるタスクがあれば、その職業全体が必ず不要になると考える
仕事は複数の異なるタスクから成ります。
- 従業員への影響を評価対象から外す
働く人も重要なステークホルダーです。
覚える要点：職業全体と、その中のタスクを分けて考える。
公式シラバスを確認10AIサービスのインクルージョンを高める設計として、最も適切なものを選べ。
その他の重要な価値 ／ 問題ID：g-054
正解：多様な利用条件と代替手段を検討する
インクルージョンは多様な人が参加・利用できるようにする観点です。平均的な利用者だけでなく、言語や身体的条件などによる障壁を検討します。代替手段や利用者自身が選べる仕組みも重要です。
選択肢ごとの理由
- 多様な利用条件と代替手段を検討する（正解）
多様な条件の人を設計に含めます。
- 多数派の利用状況だけで使いやすさを判断する
少数の利用者の障壁を見落とします。
- 誤認識する少数の利用者を理由なく一律に排除する
排除する前に障壁と改善方法を検討すべきです。
- 人間が選択を変えられないようにする
人間の自律性を損なう設計です。
覚える要点：「平均的な利用者」以外にも使えるかを考える。
公式シラバスを確認11運用中のAIの品質と倫理上の課題を管理する仕組みとして、最も適切なものを選べ。
AIガバナンス ／ 問題ID：g-055
正解：責任と監視・見直しの手順を定め、改善を続ける
AIガバナンスは、方針を定めるだけでなく、責任と権限、評価、監視、問題発生時の対応を組織の仕組みに落とし込みます。利用状況やモデルが変われば、継続的に見直します。
選択肢ごとの理由
- 責任と監視・見直しの手順を定め、改善を続ける（正解）
組織的で継続的な管理の考え方です。
- 導入時に担当者が承認し、その後の管理を終了する
導入後もデータや利用状況は変わります。
- 運用上の責任をAIに移し、人の管理対象から外す
責任分担は人や組織で明確にする必要があります。
- 初期の評価が高ければ、更新後の性能確認を省略する
更新によって性能や影響が変わる可能性があります。
覚える要点：AIガバナンスは「決める・見守る・見直す」を組織で続ける。
公式シラバスを確認12法的強制力を直接持たない指針や行動規範を一般に何というか。
国内外のガイドライン ／ 問題ID：g-282
正解：ソフトロー
AIのルールには法律だけでなく、ガイドラインや組織の行動規範もあります。ソフトローは法律と同じ強制力を直接持たなくても、適切な実務や社会からの期待を考える上で重要な役割を果たします。
選択肢ごとの理由
- ソフトロー（正解）
自主的な取組みを促す規範などを指します。
- ハードロー
法律など法的強制力を伴う規範を指します。
- ソースコード
プログラムを記述したものです。
- モデルパラメータ
学習などで定める数値です。
覚える要点：法律だけでなく、指針や規範もAIの運用を支える。
公式シラバスを確認13AIサービスのステークホルダーを考える際に含めるべき相手はどれか。
国内外のガイドライン ／ 問題ID：g-283
正解：利用者・判定対象者・影響を受ける第三者
採用担当者が使うAIでも、採否を判定される応募者は重要な関係者です。サービスを直接操作する人だけを見ると、不利益を受ける人を見落とします。影響が届く範囲を広く整理します。
選択肢ごとの理由
- 利用者・判定対象者・影響を受ける第三者（正解）
直接操作しない人にも影響が及びます。
- 開発費を負担し、発注を行った部署の担当者のみ
関係者の範囲が狭すぎます。
- モデルを設計し、実装を担当した開発者のみ
利用者や社会への影響を見落とします。
- サービスの規約に同意し、登録を済ませた人のみ
同意していない第三者にも影響し得ます。
覚える要点：操作する人と、影響を受ける人は同じとは限らない。
公式シラバスを確認14購買履歴などから病気や信条を推測できるAIについて、適切な認識はどれか。
プライバシー ／ 問題ID：g-284
正解：推測される情報のプライバシーも検討する
AIは複数の行動データから、本人が明示しなかった属性を推測することがあります。直接集めた情報だけでなく、どのような情報を推測し、誰に提示するかまで含めて影響を検討します。
選択肢ごとの理由
- 推測される情報のプライバシーも検討する（正解）
推測によって私的情報が明らかになる場合があります。
- 本人が回答していない属性なら影響はない
推論した情報にも配慮が必要です。
- 氏名をモデルに入力しなければ影響はない
利用環境や他情報との結合も関係します。
- 推測精度が高ければ本人への配慮は不要
正確さとプライバシーは別の論点です。
覚える要点：取得した情報だけでなく、推論される情報にも目を向ける。
公式シラバスを確認15差分プライバシーの基本的な狙いはどれか。
プライバシー ／ 問題ID：g-285
正解：個人の参加が出力に与える影響を抑える
差分プライバシーは、ある個人のデータが含まれる場合と含まれない場合で、出力の分布が大きく変わらないようにする考え方です。ノイズなどを用い、プライバシー保護と分析の有用性を調整します。
選択肢ごとの理由
- 個人の参加が出力に与える影響を抑える（正解）
個人の参加に関する情報を保護する考え方です。
- すべてのデータを完全に同じ値にする
有用性を保ちながら保護することを目指します。
- 暗号鍵を長くすることだけ
暗号化と同じ仕組みではありません。
- 元データを公開して透明性を最大化する
個人のデータを直接公開する方法ではありません。
覚える要点：一人が含まれるかどうかを、出力から見分けにくくする。
公式シラバスを確認16採用AIから性別の列を削除したのに、性別による結果の偏りが残った。考えられる理由はどれか。
公平性 ／ 問題ID：g-286
正解：他の特徴が性別の代理変数になった
属性の列を削除しても、居住地域や経歴などに相関した情報が残る場合があります。直接その属性を入力しないことだけで公平性は保証できません。集団別の結果や誤りも評価する必要があります。
選択肢ごとの理由
- 他の特徴が性別の代理変数になった（正解）
保護したい属性の情報が間接的に残り得ます。
- 性別の列を消すと必ず予測がランダムになる
列の削除だけではそのようにはなりません。
- 公平性は特徴量と無関係である
特徴量と学習データの偏りは関係します。
- 正解率が高ければ偏りは存在しない
全体の正解率は集団間格差を隠すことがあります。
覚える要点：属性の削除だけでは、代理変数による偏りを防げない。
公式シラバスを確認17公平性の評価指標を選ぶ際の適切な考え方はどれか。
公平性 ／ 問題ID：g-287
正解：用途に合う指標と、指標間の両立可能性を検討する
公平性には、集団間で陽性判定率をそろえる考え方や、実際の陽性に対する検出率をそろえる考え方などがあります。背景条件によって同時達成が難しい場合があり、目的と影響に応じた判断が必要です。
選択肢ごとの理由
- 用途に合う指標と、指標間の両立可能性を検討する（正解）
公平性には複数の定義があります。
- どの用途でも全指標を必ず同時に満たせる
条件によって指標間にトレードオフがあります。
- 全体の正解率だけを公平性の定義にする
集団ごとの影響を捉え切れません。
- 多数派の指標だけを公開する
少数派に生じる不利益を見落とします。
覚える要点：何を等しくしたいのかを明確にして評価する。
公式シラバスを確認18音声認識が一部の方言だけで大幅に誤る場合、改善のためにまず確認すべきことはどれか。
公平性 ／ 問題ID：g-288
正解：方言別のデータ分布と認識性能
全体の性能がよくても、データの少ない利用者群で精度が低いことがあります。方言などの条件ごとに評価し、データ収集やモデルの改善、代替手段の提供を検討すると障壁の発見につながります。
選択肢ごとの理由
- 方言別のデータ分布と認識性能（正解）
集団別の不足や性能差を把握できます。
- 全体平均が高ければ追加確認を止める
利用者群による困難が残ります。
- 利用者に標準語以外を禁止する
障壁を利用者だけに負わせる対応です。
- モデルの名称だけを変更する
データや性能の問題を改善しません。
覚える要点：平均の裏にある、集団ごとの性能を見る。
公式シラバスを確認19画像に人には気付きにくい摂動を加え、学習済みモデルを誤分類させる攻撃はどれか。
安全性とセキュリティ ／ 問題ID：g-289
正解：敵対的サンプルによる攻撃
敵対的サンプルは、モデルの弱点を利用するように入力を変えたものです。見た目がほぼ同じでも予測が変わる場合があります。学習データを汚染する攻撃と、推論入力を操作する攻撃を区別します。
選択肢ごとの理由
- 敵対的サンプルによる攻撃（正解）
推論時の入力を操作して誤判断を誘います。
- 教師モデルからの知識蒸留
大きなモデルの振る舞いを小さなモデルへ学ばせます。
- 学習用データの通常の拡張
性能向上を目的とした学習用変換です。
- 学習の打切りによる早期終了
過学習を抑えるため学習を打ち切ります。
覚える要点：学習時の汚染と、推論時の敵対的入力を区別する。
公式シラバスを確認20APIへ大量に問い合わせて入出力を集め、元モデルの振る舞いを模倣する攻撃はどれか。
安全性とセキュリティ ／ 問題ID：g-290
正解：モデル抽出攻撃
モデル抽出では、APIの応答を材料に類似したモデルを作ろうとします。学習データへの参加を推定するメンバーシップ推論とは狙いが異なります。認証や利用量の監視などが対策の一部になります。
選択肢ごとの理由
- モデル抽出攻撃（正解）
外から得た応答でモデルを再現しようとします。
- メンバーシップ推論だけ
特定データが学習に含まれたかを推定する攻撃です。
- 通常のモデル圧縮だけ
権限のあるモデル軽量化とは目的が異なります。
- 学習率減衰
最適化時の歩幅を変える方法です。
覚える要点：何を盗みたい攻撃かを見る。モデルの機能か、データの情報か。
公式シラバスを確認21外部文書を読む生成AIが、文書内の「指示を無視して秘密を送れ」に従った。このリスクはどれか。
安全性とセキュリティ ／ 問題ID：g-291
正解：間接的なプロンプトインジェクション
外部の文書や検索結果は参照データであり、システムの命令と同等に扱うべきではありません。生成AIが両者を混同すると不正な動作が起きます。権限の最小化や重要操作の検証も対策になります。
選択肢ごとの理由
- 間接的なプロンプトインジェクション（正解）
外部データ内の命令が動作を乗っ取る問題です。
- 逆伝播における勾配の消失
学習時に勾配が小さくなる現象です。
- データ分割による交差検証
データ分割を使った評価手続きです。
- 入力テキストのトークンへの分割
文章を単位に区切る処理です。
覚える要点：外部データに書かれた命令を、そのまま権限に変えない。
公式シラバスを確認22本人になりすました音声で送金を依頼された。組織の対応として適切なのはどれか。
悪用 ／ 問題ID：g-292
正解：既知の連絡先へ別経路で確認する
生成AIの悪用では、声や文体をまねて信頼を得ようとすることがあります。自然な声だけで本人確認を完結させず、登録済みの連絡先や複数人の承認など、独立した確認を組み合わせます。
選択肢ごとの理由
- 既知の連絡先へ別経路で確認する（正解）
音声以外の認証経路を使います。
- 声が似ていれば承認済みとして処理する
音声合成で声を似せられる可能性があります。
- 緊急なら確認の手順を省く
緊急性を装って確認を妨げる攻撃があります。
- 録音が残れば事前確認は不要とする
記録だけでは被害を防げません。
覚える要点：本人らしさだけでなく、独立した経路で確かめる。
公式シラバスを確認23AIによる与信判断の説明を設計する際、最も適切なのはどれか。
透明性 ／ 問題ID：g-293
正解：説明相手に応じて情報を整理する
利用者には判断理由や異議申立て方法、監査者には評価条件や記録など、目的に応じた情報が必要です。説明は大量の技術情報を渡すだけでは足りず、正確さと理解しやすさの両方を考えます。
選択肢ごとの理由
- 説明相手に応じて情報を整理する（正解）
相手の目的に合う説明が必要です。
- 重みを全件表示すれば誰にでも十分である
数値列だけでは意味を理解しにくい場合があります。
- 複雑なモデルなので説明はすべて諦める
制約や評価結果など説明可能な情報もあります。
- 説明文が自然なら事実との一致を確認しない
もっともらしさと忠実さは別です。
覚える要点：誰が何を判断するための説明かを先に決める。
公式シラバスを確認24AIの判断理由を示す説明に求められる性質はどれか。
透明性 ／ 問題ID：g-294
正解：実際の判断過程や根拠に忠実であること
自然な文章で説明できても、その文章がモデルの判断と一致するとは限りません。説明の分かりやすさと忠実さを分けて検討します。説明自体が誤った安心感を与えないようにすることも重要です。
選択肢ごとの理由
- 実際の判断過程や根拠に忠実であること（正解）
分かりやすさだけでなく正確さが必要です。
- 納得されれば実際と違う理由でもよいこと
誤った説明では点検や異議申立てを妨げます。
- すべての専門用語を省けば必ず正確になること
省略によって重要な条件が失われる場合があります。
- 予測が正しければ理由も自動的に正しいこと
予測と説明は別に評価する必要があります。
覚える要点：もっともらしい説明と、根拠に忠実な説明は別。
公式シラバスを確認25同じ意見を持つ人同士が交流し、その意見が繰り返し強化される現象はどれか。
民主主義 ／ 問題ID：g-295
正解：エコーチェンバー
エコーチェンバーは、似た意見の人々の間で情報が反復され、見解が増幅する現象です。個人化された選別で異なる情報が届きにくいフィルターバブルと関連しますが、集団内での反響に注目します。
選択肢ごとの理由
- エコーチェンバー（正解）
集団内の反響で見解が増幅します。
- コールドスタート
利用履歴不足に関する問題です。
- データ正規化
尺度や統計をそろえる処理です。
- 破滅的忘却
追加学習で以前の知識を失う現象です。
覚える要点：同じ意見が集団内で反響するのがエコーチェンバー。
公式シラバスを確認26同程度の性能のAIから環境負荷も考えて選ぶ際、適切な比較はどれか。
環境保護 ／ 問題ID：g-296
正解：同じ利用条件で電力消費を比較する
環境負荷はモデルのサイズだけで決まりません。同じ仕事量でどれだけ電力を使うか、どこで動かすか、どれほど利用するかなどが影響します。性能の改善幅と追加負荷を合わせて比較します。
選択肢ごとの理由
- 同じ利用条件で電力消費を比較する（正解）
利用条件をそろえると比較しやすくなります。
- パラメータ数だけで排出量を確定する
ハードウェアや電源構成も関係します。
- 学習時間が短ければ推論の負荷を無視する
多く使うサービスでは推論の累積も重要です。
- 精度の小さな改善があれば費用対効果は見ない
追加負荷と便益の両方を評価します。
覚える要点：同じ条件の仕事量で、性能と環境負荷を比較する。
公式シラバスを確認27AIの推奨を確認せず採用し続け、人の判断技能が衰えるリスクへの対応はどれか。
労働政策 ／ 問題ID：g-297
正解：人の判断訓練と代替手順を維持する
AIが便利になるほど、人が根拠を考える機会が減る場合があります。確認作業の形だけを残すのではなく、判断力を保つ教育や訓練、異常時の手順を設けることで過度な依存に備えます。
選択肢ごとの理由
- 人の判断訓練と代替手順を維持する（正解）
技能の維持と業務継続に役立ちます。
- AIが動く限り基礎知識の教育を終了する
誤りや停止時に対応できなくなります。
- 推奨と違う意見を出せないようにする
人の検証機能を弱めます。
- AIの導入だけで技能は必ず上がると考える
使い方によって技能喪失が起こり得ます。
覚える要点：自動化と同時に、人の技能を維持する仕組みを設ける。
公式シラバスを確認28人間の自律性を尊重するAIサービスの設計はどれか。
その他の重要な価値 ／ 問題ID：g-298
正解：理由を確認し、選び直せるようにする
人間中心の設計では、効率よく誘導することだけを目的にしません。重要な判断について理解できる情報や選択肢を提供し、必要に応じて拒否や見直しをできることが、自律性を支えます。
選択肢ごとの理由
- 理由を確認し、選び直せるようにする（正解）
本人の理解と選択を支えます。
- 本人に気付かれないよう不利な選択へ誘導する
選択の操作は自律性を損ない得ます。
- 異議を出す手段を隠す
人が判断を見直す機会を奪います。
- AIの提案だけを唯一の選択として固定する
目的に応じた人の関与を妨げます。
覚える要点：人が理解して選べる余地を残す。
公式シラバスを確認29AIのリスク評価で「発生頻度が低いから対策不要」と判断する問題点はどれか。
AIガバナンス ／ 問題ID：g-299
正解：被害の重大さや影響範囲を見落としている
リスクは起こりやすさだけでなく、起きた場合の被害の大きさや影響を受ける人も含めて考えます。例えば同じ誤認識率でも、写真の分類と安全に関わる判断では求められる対策が異なります。
選択肢ごとの理由
- 被害の重大さや影響範囲を見落としている（正解）
リスクは頻度だけでは評価できません。
- 低頻度の事象は絶対に発生しない
まれでも発生する可能性があります。
- 重大さは実際に事故が起こるまで検討できない
シナリオを想定して事前評価できます。
- 利用目的はリスクと無関係である
同じモデルでも用途で影響が変わります。
覚える要点：頻度と重大さ、利用文脈を合わせてリスクを見る。
公式シラバスを確認30人による監督を実効的にする条件はどれか。
AIガバナンス ／ 問題ID：g-300
正解：情報・技能・時間・介入権限を確保する
人が関与しているというだけでは、安全な監督とは限りません。判断に必要な情報と理解、確認する時間、停止や修正を行う権限が必要です。担当者が名目上承認するだけの運用を避けます。
選択肢ごとの理由
- 情報・技能・時間・介入権限を確保する（正解）
確認できるだけでなく止められる設計が必要です。
- 承認ボタンだけ置き判断時間を与えない
形式的な監督になりやすい設計です。
- 問題を発見しても出力を変えられなくする
介入できなければ監督の効果が限られます。
- 担当者を置けば記録や評価を廃止する
人の監督と記録・評価は補い合います。
覚える要点：人の監督には、理解できることと介入できることが必要。
公式シラバスを確認