論文の概要: Bridging AI Risk Frameworks: Reconciling ISO/IEC 42001, the NIST AI Risk Management Framework, and the EU AI Act into a Uni ed Governance Taxonomy

• arxiv url: http://arxiv.org/abs/2608.07515v1
• Date: Wed, 01 Jul 2026 02:06:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 00:25:54.942769
• Title: Bridging AI Risk Frameworks: Reconciling ISO/IEC 42001, the NIST AI Risk Management Framework, and the EU AI Act into a Uni ed Governance Taxonomy
• Title（参考訳）: AIリスクフレームワークのブリッジ:ISO/IEC 42001、NIST AIリスク管理フレームワーク、EU AI Actを統一されたガバナンス分類に再統合
• Abstract要約: 人工知能のガバナンスは、構造的に異質な3つの機器を中心に統合されている。 本稿では,これら3つの手段を統一AIガバナンス(UAGT)に統合する。 2026年5月、デジタル・オムニバスはAI法と2024年のNIST生成AIプロファイルを改正した。
• 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 governance is consolidating around three structurally heterogeneous instruments: ISO/IEC 42001:2023, the first certifiable Artificial Intelligence Management System (AIMS) standard; the United States NIST AI Risk Management Framework (AI RMF 1.0), a voluntary, socio-technical risk model; and the European Union Artificial Intelligence Act (Regulation (EU) 2024/1689), a binding, risk-tiered law. Although these instruments share the goal of trustworthy AI, they differ fundamentally in legal status, governance subject, and conception of risk, so that the control-level crosswalks now common in practice are both incomplete and, in places, misleading. Drawing on document analysis of the official standards and frameworks and on comparative governance literature, this article reconciles the three instruments into a Unified AI Governance Taxonomy (UAGT) organized as five analytical layers -- normative purpose, governance subject, risk logic, control architecture, and evidence and assurance -- bound by a traceability spine and expressed through eight regulation-stable governance domains. The taxonomy is deliberately current, incorporating the May 2026 Digital Omnibus amendments to the AI Act and the 2024 NIST Generative AI Profile. A four-step implementation model and two worked high-risk examples -- an AI-enabled clinical decision-support system and an AI credit-scoring system -- show how organizations can operate a single control library and evidence base that supports ISO/IEC 42001 certification, NIST AI RMF adoption, and EU AI Act compliance without duplicative effort. We are explicit about where unification breaks down: the non-fungibility of legal conformity and voluntary certification, the mismatch between list-based and contextual risk ontologies, enforcement asymmetry, and the widening gap between all three instruments and general-purpose and agentic AI.
• Abstract（参考訳）: 人工知能ガバナンスは、最初の認証済み人工知能管理システム(AIMS)規格であるISO/IEC 42001:2023、自発的な社会技術的リスクモデルである米国NIST AI Risk Management Framework(AI RMF 1.0)、束縛されたリスクレベル法である欧州連合人工知能法(EU)2024/1689の3つの構造的に異質な機器を中心に統合されている。 これらの機器は信頼できるAIの目標を共有しているが、それらは基本的に法的地位、ガバナンスの主題、リスクの概念において異なるため、現在では一般的に使われているコントロールレベルの横断歩道は不完全であり、場所によって誤解を招く。 この記事では、公式の標準とフレームワークの文書分析と比較ガバナンスの文献に基づいて、3つの指標を5つの分析レイヤー(規範的目的、ガバナンスの主題、リスクロジック、コントロールアーキテクチャ、エビデンスと保証)にまとめ、トレーサビリティのスピンで拘束し、8つの規制の安定なガバナンスドメインを通して表現する統一AIガバナンス分類(UAGT)に分解する。 2026年5月、デジタル・オムニバスはAI法と2024年のNIST生成AIプロファイルを改正した。 4段階の実装モデルと2つのハイリスクな例(AI対応の臨床的意思決定支援システムとAIクレジットスコアシステム)は、組織が単一のコントロールライブラリと、ISO/IEC 42001認証、NIST AI RMF採用、EU AI Act準拠をサポートするエビデンスベースを、複製作業なしで運用する方法を示している。 法的適合性と自発的な認証の不確実性、リストベースのリスクオントロジーと文脈的リスクオントロジーのミスマッチ、強制的非対称性、そして3つの計器と汎用AIとエージェントAIのギャップの拡大などです。

関連論文リスト

• Governing Generative AI Across Financial Institutions: An SR 26-2-Compatible Framework for Generative AI Risk Control [1.3253687170778101]
  Generative AI Control Framework (GAICF) は、生成AI対応金融ガバナンスのためのSR 26-2互換フレームワークである。 本稿では、生成AI対応金融ガバナンスのためのSR 26-2互換フレームワークである生成AI制御フレームワーク(GAICF)を提案する。
  論文  参考訳（メタデータ） (2026-07-05T03:46:47Z)
• 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)
• Making AI Compliance Evidence Machine-Readable [0.0]
  本稿では,AIガバナンスの候補交換フォーマットとしてOSCALを提案する。 ライフサイクルフェーズ、実施の意味論、リスクトレーサビリティ、リスク受容の正当性を含む16のプロパティ拡張を定義します。 アーキテクチャとリファレンス実装はApache RM 2.0の下でオープンソースである。
  論文  参考訳（メタデータ） (2026-04-15T11:51:54Z)
• 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)
• 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)
• 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)
• Enhancing Trust Through Standards: A Comparative Risk-Impact Framework for Aligning ISO AI Standards with Global Ethical and Regulatory Contexts [0.0]
  ISO標準は、公正性、透明性、リスク管理をAIシステムに組み込むことで責任ある開発を促進することを目的としている。 それらの効果は、EUのリスクベースのAI法から中国の安定性にフォーカスした措置まで、さまざまな規制の状況によって異なる。 本稿では,ISO標準がいかに倫理的リスクに対処するかを評価するための,新たなリスク・即効性評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-22T00:44:20Z)
• 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)

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。