論文の概要: The Unified Control Framework: Establishing a Common Foundation for Enterprise AI Governance, Risk Management and Regulatory Compliance
- arxiv url: http://arxiv.org/abs/2503.05937v1
- Date: Fri, 07 Mar 2025 21:14:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-11 15:52:50.744688
- Title: The Unified Control Framework: Establishing a Common Foundation for Enterprise AI Governance, Risk Management and Regulatory Compliance
- Title（参考訳）: Unified Control Framework: エンタープライズAIガバナンス、リスク管理、規制コンプライアンスのための共通基盤を確立する
- Authors: Ian W. Eisenberg, Lucía Gamboa, Eli Sherman,
- Abstract要約: リスク管理と規制コンプライアンスを統合した総合的なガバナンスアプローチを,統一されたコントロールセットを通じて提案する。
UCFは、包括的リスク分類、構造化されたポリシー要件、42の統括的なコントロールからなる3つの重要なコンポーネントで構成されている。
UCFをコロラドAI法にマッピングすることで検証し、我々のアプローチがいかに効率的で適応可能なガバナンスを可能にするかを実証します。
- 参考スコア（独自算出の注目度）: 0.6554326244334866
- License:
- Abstract: The rapid adoption of AI systems presents enterprises with a dual challenge: accelerating innovation while ensuring responsible governance. Current AI governance approaches suffer from fragmentation, with risk management frameworks that focus on isolated domains, regulations that vary across jurisdictions despite conceptual alignment, and high-level standards lacking concrete implementation guidance. This fragmentation increases governance costs and creates a false dichotomy between innovation and responsibility. We propose the Unified Control Framework (UCF): a comprehensive governance approach that integrates risk management and regulatory compliance through a unified set of controls. The UCF consists of three key components: (1) a comprehensive risk taxonomy synthesizing organizational and societal risks, (2) structured policy requirements derived from regulations, and (3) a parsimonious set of 42 controls that simultaneously address multiple risk scenarios and compliance requirements. We validate the UCF by mapping it to the Colorado AI Act, demonstrating how our approach enables efficient, adaptable governance that scales across regulations while providing concrete implementation guidance. The UCF reduces duplication of effort, ensures comprehensive coverage, and provides a foundation for automation, enabling organizations to achieve responsible AI governance without sacrificing innovation speed.
- Abstract（参考訳）: AIシステムの急速な採用は、イノベーションを加速し、責任あるガバナンスを確実にする、という2つの課題を企業に提供する。
現在のAIガバナンスアプローチは断片化に悩まされており、独立したドメインに重点を置くリスク管理フレームワーク、概念的アライメントにもかかわらず管轄範囲によって異なる規制、具体的実装ガイダンスを欠いたハイレベルな標準がある。
この断片化はガバナンスのコストを増大させ、イノベーションと責任の誤った二分法を生み出します。
リスク管理と規制コンプライアンスを統一されたコントロールを通じて統合する包括的なガバナンス手法である統一制御フレームワーク(UCF: Unified Control Framework)を提案する。
UCFは,(1)組織的リスクと社会的リスクを包括的に合成する包括的リスク分類,(2)規制に基づく構造的政策要件,(3)複数のリスクシナリオとコンプライアンス要件に同時に対処する42の統括的コントロールからなる。
UCFをコロラドAI法にマッピングして検証し、具体的実装ガイダンスを提供しながら、規制をまたいだ効率的な適応可能なガバナンスを実現する方法を示します。
UCFは労力の重複を減らし、包括的なカバレッジを確保し、自動化のための基盤を提供し、イノベーションのスピードを犠牲にすることなく、組織が責任あるAIガバナンスを達成することを可能にする。
関連論文リスト
- A Frontier AI Risk Management Framework: Bridging the Gap Between Current AI Practices and Established Risk Management [0.0]
最近の強力なAIシステムの開発は、堅牢なリスク管理フレームワークの必要性を強調している。
本稿では,フロンティアAI開発のための包括的リスク管理フレームワークを提案する。
論文 参考訳（メタデータ） (2025-02-10T16:47:00Z) - The New Anticipatory Governance Culture for Innovation: Regulatory Foresight, Regulatory Experimentation and Regulatory Learning [0.0]
本稿では、欧州連合におけるイノベーション政策と技術革新の規制に関する奨学金の推進について述べる。
様々なツールや要素を体系的に発掘し、発明的な方法で使用しています。
規制ツールボックスには、より密集的で体系的に統合する必要がある、と同社は主張する。
論文 参考訳（メタデータ） (2025-01-10T12:26:38Z) - Decentralized Governance of Autonomous AI Agents [0.0]
ETHOSは、ブロックチェーン、スマートコントラクト、分散自律組織(DAO)など、Web3テクノロジを活用する分散ガバナンス(DeGov)モデルである。
AIエージェントのグローバルレジストリを確立し、動的リスク分類、比例監視、自動コンプライアンス監視を可能にする。
合理性、倫理的根拠、ゴールアライメントの哲学的原則を統合することで、ETHOSは信頼、透明性、参加的ガバナンスを促進するための堅牢な研究アジェンダを作ることを目指している。
論文 参考訳（メタデータ） (2024-12-22T18:01:49Z) - RIRAG: Regulatory Information Retrieval and Answer Generation [51.998738311700095]
本稿では,質問を自動生成し,関連する規制通路と組み合わせる,問合せペアを生成するタスクを紹介する。
我々は、Abu Dhabi Global Markets (ADGM) の財務規制文書から得られた27,869の質問を含むObliQAデータセットを作成する。
本稿では,RIRAG(Regulation Information Retrieval and Answer Generation)システムをベースラインとして設計し,新しい評価基準であるRePASを用いて評価する。
論文 参考訳（メタデータ） (2024-09-09T14:44:19Z) - The Artificial Intelligence Act: critical overview [0.0]
この記事では、最近承認された人工知能法を概観する。
これはまず、2024/1689年のEU(Regulation)の主要な構造、目的、アプローチを示すことから始まる。
テキストは、全体的なフレームワークが適切かつバランスが取れたとしても、アプローチは非常に複雑であり、それ自体の目的を損なうリスクがある、と結論付けている。
論文 参考訳（メタデータ） (2024-08-30T21:38:02Z) - AI Risk Categorization Decoded (AIR 2024): From Government Regulations to Corporate Policies [88.32153122712478]
我々は4階層の分類に分類された314のユニークなリスクカテゴリを特定した。
最高レベルでは、この分類はシステム・アンド・オペレーショナル・リスク、コンテンツ・セーフティ・リスク、社会的なリスク、法と権利のリスクを含む。
我々は、セクター間の情報共有と、生成型AIモデルとシステムのリスク軽減におけるベストプラクティスの推進を通じて、AIの安全性を向上することを目指している。
論文 参考訳（メタデータ） (2024-06-25T18:13:05Z) - Generative AI Needs Adaptive Governance [0.0]
ジェネレーティブAIは、ガバナンス、信頼、ヒューマンエージェンシーの概念に挑戦する。
本稿では,ジェネレーティブAIが適応的ガバナンスを求めていることを論じる。
我々は、アクター、ロール、および共有およびアクター固有のポリシー活動の概要を概説する。
論文 参考訳（メタデータ） (2024-06-06T23:47:14Z) - AI Risk Management Should Incorporate Both Safety and Security [185.68738503122114]
AIリスクマネジメントの利害関係者は、安全とセキュリティの間のニュアンス、シナジー、相互作用を意識すべきである、と私たちは主張する。
我々は、AIの安全性とAIのセキュリティの違いと相互作用を明らかにするために、統一された参照フレームワークを導入する。
論文 参考訳（メタデータ） (2024-05-29T21:00:47Z) - Uniformly Safe RL with Objective Suppression for Multi-Constraint Safety-Critical Applications [73.58451824894568]
広く採用されているCMDPモデルは予測のリスクを制約しており、長い尾の州で危険な行動を起こす余地がある。
安全クリティカルな領域では、そのような行動は破滅的な結果をもたらす可能性がある。
本稿では,目標を最大化するタスク報酬を適応的に抑制する新しい手法であるObjective Suppressionを提案する。
論文 参考訳（メタデータ） (2024-02-23T23:22:06Z) - The risks of risk-based AI regulation: taking liability seriously [46.90451304069951]
AIの開発と規制は、重要な段階に達したようだ。
一部の専門家は、GPT-4よりも強力なAIシステムのトレーニングに関するモラトリアムを求めている。
本稿では、最も先進的な法的提案である欧州連合のAI法について分析する。
論文 参考訳（メタデータ） (2023-11-03T12:51:37Z) - Mean-Variance Policy Iteration for Risk-Averse Reinforcement Learning [75.17074235764757]
割引無限地平線MDPにおけるリスク・アバース制御の枠組みを提案する。
MVPIは、政策評価方法やリスクニュートラル制御手法を棚から外すためのリスク・アバース制御に投入できる点において、非常に柔軟性がある。
この柔軟性は、リスク中立制御とリスク逆制御のギャップを減らし、新しい拡張MDPの開発によって達成される。
論文 参考訳（メタデータ） (2020-04-22T22:23:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。