論文の概要: From Reactive to Proactive: A Multi-Regulatory Empirical Analysis of 480 AI Incidents and a Data-Driven Governance Compliance Framework
- arxiv url: http://arxiv.org/abs/2605.16281v1
- Date: Fri, 10 Apr 2026 21:22:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 12:34:33.850803
- Title: From Reactive to Proactive: A Multi-Regulatory Empirical Analysis of 480 AI Incidents and a Data-Driven Governance Compliance Framework
- Title（参考訳）: リアクティブからアクティブへ:480件のAIインシデントとデータ駆動型ガバナンスコンプライアンスフレームワークの多段階的実証分析
- Authors: Ummara Mumtaz, Summaya Mumtaz,
- Abstract要約: この研究は、AIインシデントデータベースから480の現実世界のAIインシデントを横断的に分析した。
その結果、実質的なガバナンスのギャップが明らかとなり、デプロイ後の説明責任の持続的な弱点が示唆された。
この研究は、プロアクティブAIガバナンスコンプライアンスフレームワーク(PAGCF)を提案し、ガバナンスをリアクティブインシデント対応からデプロイ前コンプライアンスに移行する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence systems are increasingly deployed in high-stakes domains, yet it remains unclear whether existing governance frameworks ensure accountability after deployment. This study makes two contributions. First, it presents a cross-regulatory empirical analysis of 480 real-world AI incidents from the AI Incident Database (AIID), evaluating their alignment with post-deployment provisions in three major governance frameworks: the EU AI Act (Articles 72-73), the NIST AI Risk Management Framework (MANAGE and GOVERN functions), and the General Data Protection Regulation (GDPR Articles 22, 33-35). The results reveal substantial governance gaps across these frameworks, indicating persistent weaknesses in post-deployment accountability. Second, based on these findings, the study proposes the Proactive AI Governance Compliance Framework (PAGCF), a four-phase lifecycle methodology designed to shift governance from reactive incident response toward pre-deployment compliance assurance. The framework includes risk-stratified governance tiers, an implementation checklist linked to specific regulatory provisions, and a projected impact analysis that uses internal monitoring as a proxy for proactive governance capacity.
- Abstract（参考訳）: 人工知能システムは、ハイテイクなドメインにますますデプロイされているが、既存のガバナンスフレームワークがデプロイ後の説明責任を保証するかどうかは不明だ。
この研究には2つの貢献がある。
まず、EU AI Act(第72-73条)、NIST AI Risk Management Framework(MANAGEとGOVERNの機能)、General Data Protection Regulation(GDPR第22条33-35条)の3つの主要なガバナンスフレームワークにおいて、AIID(AIID)から480の現実のAIインシデントに関する相互規制的な実証分析を提示した。
その結果、これらのフレームワーク間での実質的なガバナンスのギャップが明らかとなり、デプロイ後の説明責任の持続的な弱点が示唆された。
第二に、この研究はこれらの知見に基づいて、プロアクティブAIガバナンスコンプライアンスフレームワーク(PAGCF)を提案する。これは、ガバナンスをリアクティブインシデント応答からデプロイ前のコンプライアンス保証に移行するために設計された4段階のライフサイクル方法論である。
このフレームワークには、リスク階層化されたガバナンス層、特定の規制規定にリンクされた実装チェックリスト、およびプロアクティブなガバナンス能力のプロキシとして内部監視を使用する予測された影響分析が含まれている。
関連論文リスト
- Governing What the EU AI Act Excludes: Accountability for Autonomous AI Agents in Smart City Critical Infrastructure [1.1002771741647328]
本稿では,都市AIの重要なクラスの規制ギャップ分析とガバナンスアーキテクチャに貢献する。
3層アーキテクチャ(Agent, Orchestration, City)で25のガバナンス対策を規定している。
5つの競合解決ルールと自律キャリブレーションされたアクティベーションモデルが設計を完成させる。
論文 参考訳（メタデータ） (2026-05-01T20:50:34Z) - AI Governance Control Stack for Operational Stability: Achieving Hardened Governance in AI Systems [0.0]
本稿では、トレーサブルでレジリエントなAIシステムの動作を保証するために設計された階層型ガバナンスアーキテクチャである、運用安定のためのAIガバナンス制御スタックを紹介する。
提案したコントロールスタックには,システム・オブ・レコーズ・バージョン管理,エビデンスに基づく検証,意思決定時の説明可能性ロギング,テレメトリ監視,モデルドリフト検出,ガバナンスエスカレーションという,6つの補完的なガバナンスレイヤが統合されている。
論文 参考訳（メタデータ） (2026-03-12T19:01:42Z) - AI TIPS 2.0: A Comprehensive Framework for Operationalizing AI Governance [0.0]
組織はユースケースレベルでの不適切なリスク評価に苦しむ。
ISO 42001やNIST AI RMFのような既存のフレームワークは高い概念レベルを維持している。
開発ライフサイクル全体にAIプラクティスを組み込むための体系的なアプローチはない。
論文 参考訳（メタデータ） (2025-12-09T20:57:22Z) - Subject Roles in the EU AI Act: Mapping and Regulatory Implications [0.0]
欧州連合の2024/1689年の人工知能法(Regulation)は、世界初のAIシステムのための包括的な規制枠組みを確立している。
本稿では、提供者、展開者、認可された代表者、輸入者、流通業者、製品製造業者の6つの主要なカテゴリーについて、構造化された検討を行う。
完全なガバナンス構造をマッピングし、AI法がこれらの主題をどのように規制するかを分析します。
論文 参考訳（メタデータ） (2025-10-15T14:21:30Z) - 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) - In-House Evaluation Is Not Enough: Towards Robust Third-Party Flaw Disclosure for General-Purpose AI [93.33036653316591]
我々はシステムの安全性を高めるために3つの介入を要求します。
まず、標準化されたAI欠陥レポートと研究者へのエンゲージメントのルールを用いることを提案する。
第2に,GPAIシステムプロバイダが広視野欠陥開示プログラムを採用することを提案する。
第3に,欠陥報告の分布を調整するための改良されたインフラの開発を提唱する。
論文 参考訳（メタデータ） (2025-03-21T05:09:46Z) - 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) - Responsible AI Governance: A Systematic Literature Review [8.318630741859113]
本稿では,AIガバナンスに関する既存の文献を検討することを目的とする。
WHOはAIシステムのガバナンスに責任を持ち、WHAT要素は管理されており、WHENガバナンスはAI開発ライフサイクル内で発生し、HOWはフレームワーク、ツール、標準、ポリシー、モデルといった様々なメカニズムによって実行される。
本研究の成果は,RAI原則に沿った包括的ガバナンスモデルの研究・開発の基礎となるものである。
論文 参考訳（メタデータ） (2023-12-18T05:22:36Z)
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。