論文の概要: Engaged AI Governance: Addressing the Last Mile Challenge Through Internal Expert Collaboration
- arxiv url: http://arxiv.org/abs/2604.21554v1
- Date: Thu, 23 Apr 2026 11:27:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-24 14:40:06.461789
- Title: Engaged AI Governance: Addressing the Last Mile Challenge Through Internal Expert Collaboration
- Title（参考訳）: AIガバナンスの推進 - 内部の専門家によるコラボレーションを通じて、最後のマイルチャレンジに対処する
- Authors: Simon Jarvers, Orestis Papakyriakopoulos,
- Abstract要約: EU AI法の下では、AIガバナンス要件をソフトウェア開発プラクティスに変換することは依然として難しい。
我々は、EU AI Actの要件を実行可能な戦略に変換する法的テキスト対アクションパイプラインを提案する。
- 参考スコア（独自算出の注目度）: 3.710315394842565
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Under the EU AI Act, translating AI governance requirements into software development practice remains challenging. While AI governance frameworks exist at industry and organizational levels, empirical evidence of team-level implementation is scarce. We address this "Last Mile" Challenge through insider action research embedded within an AI startup. We present a legal-text-to-action pipeline that translates EU AI Act requirements into actionable strategies through internal expert collaboration by extracting requirements from legal text, engaging practitioners in assessment and ideation, and prioritizing implementation through collective evaluation. Our analysis reveals three patterns in how practitioners perceive regulatory requirements: convergence (compliance aligns with development priorities), existing practice (current work already satisfies requirements), and disconnection (requirements perceived as administrative overhead). Based on these patterns, we discuss when governance might be treated genuinely or performatively. Practitioners prioritize requirements that serve end-users or their own development needs, but view verification-oriented requirements as box-ticking exercises. This distinction suggests a translation challenge: regulatory requirements risk superficial treatment unless practitioners understand how compliance serves system quality and user protection. Expert collaboration offers a practical mechanism for transforming governance from external imposition to shared ownership and making previously invisible governance work visible and collective.
- Abstract（参考訳）: EU AI法の下では、AIガバナンス要件をソフトウェア開発プラクティスに変換することは依然として難しい。
AIガバナンスフレームワークは業界や組織レベルで存在しますが、チームレベルの実装の実証的な証拠は乏しいです。
AIスタートアップに組み込まれたインサイダーアクション研究を通じて、この“Last Mile”チャレンジに対処する。
我々は、EU AI Actの要件を、法的テキストから要件を抽出し、評価と思考に携わる実践者を引き合いに出し、集団評価を通じて実装を優先順位付けすることで、内部専門家の協力を通じて、行動可能な戦略に翻訳する法的テキスト対作用パイプラインを提案する。
我々の分析では、実践者が規制要件をどのように捉えているか、すなわち、収束(開発優先事項に適合する)、既存のプラクティス(現在の作業は要求を満足している)、断絶(管理上のオーバーヘッドと見なされる要求)の3つのパターンを明らかにした。
これらのパターンに基づいて、ガバナンスが真に扱われるか、実行的に扱われるかを議論する。
実践者は、エンドユーザや自身の開発ニーズに合う要件を優先するが、検証指向の要件をボックスティックなエクササイズと見なす。
規制要件は、コンプライアンスがシステム品質とユーザ保護にどのように役立つかを実践者が理解しない限り、表面的治療のリスクを負う。
専門家のコラボレーションは、ガバナンスを外部のインポジションから共有オーナシップに転換し、これまで目に見えないガバナンス作業を可視化し、集合的にするための実践的なメカニズムを提供します。
関連論文リスト
- Security, privacy, and agentic AI in a regulatory view: From definitions and distinctions to provisions and reflections [53.468443050795344]
人工知能(AI)技術の急速な普及は、動的規制の展望につながった。
AIパラダイムが、特にエージェントAIの形で、より大きな自律性へと移行するにつれ、規制規定を明確にすることはますます困難になっている。
本稿は、2024年から2025年の間に発行された24の関連文書を分析して、EU(EU)のAI規制条項をレビューする。
論文 参考訳（メタデータ） (2026-03-19T13:50:52Z) - Mirror: A Multi-Agent System for AI-Assisted Ethics Review [104.3684024153469]
MirrorはAIによる倫理的レビューのためのエージェントフレームワークである。
倫理的推論、構造化された規則解釈、統合されたアーキテクチャ内でのマルチエージェントの議論を統合する。
論文 参考訳（メタデータ） (2026-02-09T03:38:55Z) - 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) - Can AI be Auditable? [3.0260353258798625]
オーディタビリティ(Auditability)とは、倫理的、法的、技術的基準に準拠するために独立して評価されるAIシステムの能力である。
この章では、EU AI Actなどの新たな規制フレームワークを通じて、監査容易性がどのように形式化されているかを論じている。
技術的不透明さ、一貫性のないドキュメントプラクティス、標準化された監査ツールとメトリクスの欠如など、AI監査可能性に直面する課題を分析する。
論文 参考訳（メタデータ） (2025-08-30T18:03:20Z) - Never Compromise to Vulnerabilities: A Comprehensive Survey on AI Governance [211.5823259429128]
本研究は,本質的セキュリティ,デリバティブ・セキュリティ,社会倫理の3つの柱を中心に構築された,技術的・社会的次元を統合した包括的枠組みを提案する。
我々は,(1)防衛が進化する脅威に対して失敗する一般化ギャップ,(2)現実世界のリスクを無視する不適切な評価プロトコル,(3)矛盾する監視につながる断片的な規制,の3つの課題を特定する。
私たちのフレームワークは、研究者、エンジニア、政策立案者に対して、堅牢でセキュアなだけでなく、倫理的に整合性があり、公的な信頼に値するAIシステムを開発するための実用的なガイダンスを提供します。
論文 参考訳（メタデータ） (2025-08-12T09:42:56Z) - Limits of Safe AI Deployment: Differentiating Oversight and Control [0.0]
「Human oversight」は、監視や制御といった重要な概念の曖昧さや矛盾した解釈を成すリスクである。
本稿では,AI以外の文献の監視を対象とする批判的レビューを行う。
コントロールは失敗を防ぐことを目的としており、監視は将来の予防のための検出、修復、インセンティブに焦点を当てている。
論文 参考訳（メタデータ） (2025-07-04T12:22:35Z) - 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) - SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。
提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。
我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
論文 参考訳（メタデータ） (2025-03-11T17:53:02Z) - Towards Responsible AI in Banking: Addressing Bias for Fair
Decision-Making [69.44075077934914]
責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。
この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。
オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
論文 参考訳（メタデータ） (2024-01-13T14:07:09Z)
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。