論文の概要: An Adaptive Responsible AI Governance Framework for Decentralized Organizations
- arxiv url: http://arxiv.org/abs/2510.03368v1
- Date: Fri, 03 Oct 2025 05:55:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 16:52:58.938009
- Title: An Adaptive Responsible AI Governance Framework for Decentralized Organizations
- Title（参考訳）: 分散型組織のための適応責任AIガバナンスフレームワーク
- Authors: Kiana Jafari Meimandi, Anka Reuel, Gabriela Aranguiz-Dias, Hatim Rahama, Ala-Eddine Ayadi, Xavier Boullier, Jérémy Verdo, Louis Montanie, Mykel Kochenderfer,
- Abstract要約: 本稿では,世界規模の分散組織におけるレスポンシブルAI(RAI)ガバナンス活動の評価課題について検討する。
複数のビジネスユニットとAIユースケースで実施したRAIアセスメントは、RAIの実装を形成する4つの重要なパターンを明らかにします。
- 参考スコア（独自算出の注目度）: 1.172831654730204
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper examines the assessment challenges of Responsible AI (RAI) governance efforts in globally decentralized organizations through a case study collaboration between a leading research university and a multinational enterprise. While there are many proposed frameworks for RAI, their application in complex organizational settings with distributed decision-making authority remains underexplored. Our RAI assessment, conducted across multiple business units and AI use cases, reveals four key patterns that shape RAI implementation: (1) complex interplay between group-level guidance and local interpretation, (2) challenges translating abstract principles into operational practices, (3) regional and functional variation in implementation approaches, and (4) inconsistent accountability in risk oversight. Based on these findings, we propose an Adaptive RAI Governance (ARGO) Framework that balances central coordination with local autonomy through three interdependent layers: shared foundation standards, central advisory resources, and contextual local implementation. We contribute insights from academic-industry collaboration for RAI assessments, highlighting the importance of modular governance approaches that accommodate organizational complexity while maintaining alignment with responsible AI principles. These lessons offer practical guidance for organizations navigating the transition from RAI principles to operational practice within decentralized structures.
- Abstract（参考訳）: 本稿では、先進的な研究大学と多国籍企業とのケーススタディを通じて、世界規模の分散組織における責任AI(RAI)ガバナンス活動の評価課題について検討する。
RAIには多くのフレームワークが提案されているが、分散意思決定権限を持つ複雑な組織環境での彼らの応用はいまだ検討されていない。
1)グループレベルのガイダンスと局所的な解釈の複雑な相互作用,(2)抽象原則の運用実践への変換,(3)実装アプローチにおける地域的・機能的変化,(4)リスク監視における一貫性のない説明責任,である。
これらの知見に基づき, 共通基盤標準, 中央アドバイザリーリソース, 文脈的ローカル実装という3つの相互依存層を通じて, 地方自治との中央協調を両立させる適応的RAIガバナンス(ARGO)フレームワークを提案する。
我々は、RAIアセスメントのための学術と産業のコラボレーションからの洞察に貢献し、責任あるAI原則と整合性を維持しながら、組織的な複雑さに対応するモジュラーガバナンスアプローチの重要性を強調します。
これらのレッスンは、RAI原則から分散構造内の運用実践への移行をナビゲートする組織に対して、実践的なガイダンスを提供する。
関連論文リスト
- Diagnose, Localize, Align: A Full-Stack Framework for Reliable LLM Multi-Agent Systems under Instruction Conflicts [75.20929587906228]
LLM(Large Language Model)を利用したマルチエージェントシステム(MAS)は、複雑なタスクにおける協調推論、ツールの使用、役割特化調整を急速に進めている。
しかし、信頼性クリティカルなデプロイメントは、体系的な障害モード、すなわち命令の競合による階層的コンプライアンスによって妨げられている。
論文 参考訳（メタデータ） (2025-09-27T08:43:34Z) - A five-layer framework for AI governance: integrating regulation, standards, and certification [0.6875312133832078]
人工知能(AI)システムのガバナンスには、高レベルの規制原則と実践的な実装を結びつける構造的なアプローチが必要である。
既存のフレームワークは、規制が適合メカニズムにどのように変換されるかを明確にしていないため、コンプライアンスと施行のギャップが生じる。
5層AIガバナンスフレームワークが提案され、幅広い規制委任事項から特定の標準、アセスメント方法論、認定プロセスにまたがる。
論文 参考訳（メタデータ） (2025-09-14T16:19:08Z) - The 1st International Workshop on Disentangled Representation Learning for Controllable Generation (DRL4Real): Methods and Results [132.86866727471093]
本稿では,ICCV 2025と共同で開催されている制御可能生成のための分散表現学習(DRL4Real)の第1回国際ワークショップをレビューする。
DRL4Realは、制御可能生成、モデルの堅牢性、解釈可能性、一般化の進歩を探究するなど、実用的な応用におけるDRL手法の評価に重点を置いている。
ワークショップでは、新しい誘導バイアス(言語など)の統合、DRLへの拡散モデルの適用、3D認識のゆがみ、自律運転や脳波分析のような専門分野へのDRLの拡張など、幅広いトピックをカバーする9つの論文を受理した。
論文 参考訳（メタデータ） (2025-08-15T16:35:41Z) - Bottom-Up Perspectives on AI Governance: Insights from User Reviews of AI Products [0.0]
本研究は,ガバナンス関連テーマをユーザ談話でどのように表現するかをボトムアップで検討する。
G2.comの10万以上のAI製品のユーザレビューに基づいて、BERTopicを適用して、潜伏したテーマを抽出し、AIガバナンスに関連する最も意味のあるものを特定する。
論文 参考訳（メタデータ） (2025-05-30T01:33:21Z) - Beyond Frameworks: Unpacking Collaboration Strategies in Multi-Agent Systems [29.924868489451327]
本研究では,協力戦略の4つの側面を体系的に検討する。
我々はこれらの戦略がタスク精度と計算効率の両方に与える影響を定量化する。
この研究は適応的でスケーラブルなマルチエージェントシステムを設計するための基盤を確立する。
論文 参考訳（メタデータ） (2025-05-18T15:46:14Z) - Media and responsible AI governance: a game-theoretic and LLM analysis [61.132523071109354]
本稿では,信頼できるAIシステムを育成する上での,AI開発者,規制当局,ユーザ,メディア間の相互作用について検討する。
進化的ゲーム理論と大言語モデル(LLM)を用いて、異なる規制体制下でこれらのアクター間の戦略的相互作用をモデル化する。
論文 参考訳（メタデータ） (2025-03-12T21:39:38Z) - The Unified Control Framework: Establishing a Common Foundation for Enterprise AI Governance, Risk Management and Regulatory Compliance [0.6554326244334866]
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。
論文 参考訳（メタデータ） (2025-03-07T21:14:49Z) - CoAct: A Global-Local Hierarchy for Autonomous Agent Collaboration [87.51781348070914]
既存のLLMは、様々なNLPタスクで顕著なパフォーマンスを示すが、それでも複雑な現実世界タスクに苦戦している。
本稿では,人間社会における階層的計画と協調のパターンをLLMシステムに伝達するCoActフレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-19T09:23:53Z) - Investigating Algorithm Review Boards for Organizational Responsible
Artificial Intelligence Governance [0.16385815610837165]
社内RAIガバナンスの経験について、組織タイプを越えた17のテクニカルコントリビュータにインタビューした。
アルゴリズムレビュー委員会(ARB)と類似のレビュー委員会について,本研究の最初の詳細な知見を要約した。
以上の結果から,既存の内部規制アプローチとリーダシップ購入との統合が,成功の最も重要な要因であることが示唆された。
論文 参考訳（メタデータ） (2024-01-23T20:53:53Z) - Multi-Scenario Empirical Assessment of Agile Governance Theory: A
Technical Report [55.2480439325792]
アジャイルガバナンス理論(AGT)は、ビジネスユニットやチーム間での責任の組織的連鎖の潜在的なモデルとして登場した。
本研究は,AGTが実際にどのように反映されているかを評価することを目的とする。
論文 参考訳（メタデータ） (2023-07-03T18:50:36Z) - Unsupervised Domain Adaptation for Image Classification via
Structure-Conditioned Adversarial Learning [70.79486026698419]
Unsupervised Domain Adapt (UDA) は、典型的には、ラベルリッチなソースドメインから非ラベル付きターゲットドメインへの知識転送を、逆学習によって行う。
ドメイン分散アライメント中にクラス内コンパクト性を維持することができる、エンドツーエンドの構造条件付き対人学習スキーム(SCAL)を提案する。
論文 参考訳（メタデータ） (2021-03-04T03:12:54Z)
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。