論文の概要: Governing at Machine Speed: An Adaptive Intelligence Architecture for Real-Time AI Policy Enforcement
- arxiv url: http://arxiv.org/abs/2609.13466v1
- Date: Fri, 11 Sep 2026 19:35:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 12:40:38.815392
- Title: Governing at Machine Speed: An Adaptive Intelligence Architecture for Real-Time AI Policy Enforcement
- Title（参考訳）: Governing at Machine Speed: リアルタイムAIポリシ強化のための適応型インテリジェンスアーキテクチャ
- Abstract要約: エンタープライズAIの採用は世界中の組織の78%に達しているが、その採用を管理するインフラストラクチャはペースを保っていない。
我々は、リアルタイムAIガバナンスの実施に機械学習を使用するように設計された概念的な5層アーキテクチャであるAGILを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Enterprise AI adoption has reached 78% of organizations globally, yet the infrastructure to govern that adoption has not kept pace. This paper identifies and characterizes the attestation deficit, a structural condition in which organizations maintain governance policies but cannot produce auditable, tamper-evident evidence of enforcement within regulatory timelines. Drawing on empirical data from the Stanford 2026 AI Index Report (362 documented incidents), the IBM/Ponemon 2026 Cost of a Data Breach study (USD 4.99M average cost, 92% lacking access controls), and the EY/AIUC-1 Consortium survey (38% end-to-end monitoring, 17% agent-to-agent coverage), this paper demonstrates that the governance failure is organizational and architectural rather than technical. To address this deficit, we propose AGIL (Adaptive Governance Intelligence Layer), a conceptual five-layer architecture designed to use machine learning for real-time AI governance enforcement. The proposed layers include: (1) Autonomous Discovery for shadow AI detection via behavioral fingerprinting, (2) Behavioral Risk Classification unifying security, hallucination, privacy, and accountability scoring, (3) a Policy Enforcement Gateway for inline permit/deny/modify decisions at sub-100ms latency, (4) a Continuous Attestation Engine generating tamper-evident audit trails as a byproduct of enforcement, and (5) Adaptive Policy Intelligence for ML-driven policy evolution across jurisdictions. AGIL is presented as a theoretical framework and architectural proposal; empirical validation through controlled deployment remains a direction for future work.
- Abstract（参考訳）: エンタープライズAIの採用は世界中の組織の78%に達しているが、その採用を管理するインフラストラクチャはペースを保っていない。
本報告では,組織が統治方針を維持できるが,規制タイムライン内で実施されているという監査可能な証拠を提示できない構造的条件である実証不足を特定し,特徴づける。
Stanford 2026 AI Index Report (362 件の文書化事件)、IBM/Ponemon 2026 Cost of a Data Breach study (USD 4.99M 平均コスト、アクセス制御の欠如)、EY/AIUC-1 Consortium Survey (38% エンドツーエンドモニタリング、17% エージェント・ツー・エージェントカバレッジ)からの経験的なデータに基づいて、この記事では、ガバナンスの失敗が技術的ではなく組織的、アーキテクチャ的であることを示す。
この欠点に対処するために、リアルタイムAIガバナンスの実施に機械学習を使用するように設計された概念的な5層アーキテクチャであるAGIL(Adaptive Governance Intelligence Layer)を提案する。
提案するレイヤは,(1)行動指紋によるシャドーAI検出のための自律的発見,(2)行動リスク分類によるセキュリティ,幻覚,プライバシ,説明責任評価の統一,(3)100ms未満のレイテンシでのインライン許可/拒否/修正のためのポリシー強化ゲートウェイ,(4)施行の副産物としてタンパーエビデントな監査証跡を生成する継続的検査エンジン,(5)管轄区域間のML駆動ポリシ進化のための適応的ポリシーインテリジェンスである。
AGILは理論的枠組みとアーキテクチャの提案として提示され、制御されたデプロイメントによる実証的な検証は将来の作業の方向性のままである。
関連論文リスト
- CEDAR-42001: From ISO/IEC 42001 Conformity to Architecture-Aware, Audit-Visible Assurance Posture for AI Cyber-Physical Systems [25.852577434268273]
本報告では,ISO/IEC 42001監査証拠を,監査記録にトレース可能なアーキテクチャ対応保証姿勢に変換する2段階の手法を提案する。
CEDAR-42001は、エクスプロイラビリティを見積もったり、技術的CPSセキュリティテストを置き換えたりしない。
論文 参考訳（メタデータ） (2026-06-19T09:50:04Z) - GovAI-Pipe: A Layered AI Governance Pipeline for Citizen-Facing AI in Turkey's e-Government Gateway [1.9290392443571385]
トルコのe-Government Gatewayは6800万人以上の登録ユーザーと9200以上の政府サービスを提供している。
我々は、AIモデルのライフサイクルをガバナンスチェックポイントにマップする4層ガバナンスパイプラインであるGovAI-Pipeを提案する。
GovAI-Pipeはガバナンスの原則を監査可能な技術的パイプラインコンポーネントとして運用する方法を示します。
論文 参考訳（メタデータ） (2026-05-31T19:28:17Z) - TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。
TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。
我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
論文 参考訳（メタデータ） (2026-04-29T19:32:58Z) - Governed Reasoning for Institutional AI [0.0]
認知コア(Cognitive Core)は、9種類の認知プリミティブから構築された決定基盤である。
ヒューマンレビューは、ポストホックチェックではなく実行条件である。
我々は、11ケースの事前承認控訴評価セットで3つのシステムをベンチマークした。
論文 参考訳（メタデータ） (2026-04-12T14:09:18Z) - Cryptographic Runtime Governance for Autonomous AI Systems: The Aegis Architecture for Verifiable Policy Enforcement [0.0]
本稿では,自律型AIシステムのためのランタイムガバナンスアーキテクチャであるAegisについて述べる。
エージスは政策と法的制約を諮問の原則よりも実行条件として扱う。
論文 参考訳（メタデータ） (2026-03-15T04:04:57Z) - AI Deployment Authorisation: A Global Standard for Machine-Readable Governance of High-Risk Artificial Intelligence [0.0]
本稿では,AIシステムを評価する機械可読制御フレームワークであるAI Deployment Authorisation Score(ADAS)を紹介する。
ADASは暗号的に検証可能なデプロイメント証明書を生成しており、規制当局、保険会社、インフラオペレーターが運用するライセンスとして使用することができる。
論文 参考訳（メタデータ） (2026-01-11T18:14:20Z) - Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。
このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。
本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
論文 参考訳（メタデータ） (2025-11-10T22:24:21Z) - 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) - Security Challenges in AI Agent Deployment: Insights from a Large Scale Public Competition [101.86739402748995]
44の現実的なデプロイメントシナリオを対象とした,22のフロンティアAIエージェントを対象にしています。
Agent Red Teamingベンチマークを構築し、19の最先端モデルで評価します。
私たちの発見は、今日のAIエージェントの重要かつ永続的な脆弱性を浮き彫りにしたものです。
論文 参考訳（メタデータ） (2025-07-28T05:13:04Z) - Watermarking Without Standards Is Not AI Governance [46.71493672772134]
現在の実装は、効果的な監視を提供するのではなく、象徴的なコンプライアンスとして機能するリスクがある、と私たちは主張する。
本稿では,技術標準,監査インフラストラクチャ,実施機構を含む3層フレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-27T18:10:04Z) - Artificial Intelligence in Government: Why People Feel They Lose Control [44.99833362998488]
行政における人工知能の利用は急速に拡大している。
AIはより効率と応答性を約束するが、政府機能への統合は公正性、透明性、説明責任に関する懸念を提起する。
この記事では、デリゲートの特別事例として、AI導入に関するプリンシパル・エージェント理論を適用します。
論文 参考訳（メタデータ） (2025-05-02T07:46:41Z)
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。