変更要約: 初版: ドメイン3（安全性・セキュリティ・ガバナンス）の4節を作成
3.3AI ガバナンスとコンプライアンスの仕組み
規制順守と説明可能性を支えるガバナンスを学びます。SageMaker モデルカード、Glue によるデータリネージ/データカタログ、CloudTrail 監査、継続監視（誤用・ドリフト・ポリシー違反・バイアスドリフト）を扱います。
規制対応では「どのモデルを・どのデータで・どう使ったか」を追跡・文書化できることが要です。モデルカード・データリネージ・監査ログ・継続監視で説明責任を果たします.
3.3.1ガバナンスの構成要素
- SageMaker モデルカード：モデルの用途・制限・リスクを文書化し、規制レビューに備える。
- データリネージ：AWS Glue（Data Catalog）でデータの出所・系譜を追跡し、生成物のソース帰属をメタデータで残す。
- 監査ログ：CloudTrail で API 呼び出しを記録、CloudWatch Logs で意思決定ログを収集する。
- 継続監視：誤用・ドリフト・ポリシー違反・バイアスドリフト を自動検出し、アラート/自動修復、トークンレベルの墨消しを行う。
「モデルの用途/制限の文書化＝モデルカード」「データの出所追跡＝Glue データリネージ/カタログ」「API 呼び出しの監査＝CloudTrail」「バイアスや挙動のドリフト継続検出＝継続監視」 は頻出です。
ガバナンスは「文書化・追跡・監視」の三本柱です。文書化は SageMaker モデルカード（用途・制限・リスク・評価結果）をプログラム的に生成し、組織のポリシーや規制要件、責任ある AI 原則に整合させます。追跡は AWS Glue の データリネージ と Data Catalog でデータソースを登録し、生成コンテンツにソース帰属のメタデータタグを付与、CloudTrail で監査ログを残します。監視は継続的に行い、誤用・モデル ドリフト・ポリシー違反・バイアスドリフト を自動検出して CloudWatch アラート/自動修復ワークフローへ連携、必要に応じてトークンレベルの墨消しや応答ログのフィルタを適用します。組織レベルでは、ポリシーに整合した一貫したガバナンスフレームワークを敷き、監査・規制対応に常時備えます。これにより「説明できる AI 運用」を実現します。
| 目的 | 使うもの | 成果 |
|---|---|---|
| モデルの文書化 | SageMaker モデルカード | 用途/制限/リスクの記録 |
| データ系譜の追跡 | Glue データリネージ/カタログ | 出所とソース帰属 |
| API の監査 | CloudTrail | 誰が何を呼んだか |
| 挙動/バイアスの監視 | 継続監視＋CloudWatch | ドリフト検出と修復 |
ひっかけ： 「監査は CloudWatch メトリクスの数値だけで十分」は誤りです。誰がどの API を呼んだかの監査証跡は CloudTrail、構成評価は AWS Config と、用途で使い分けます。また「モデルカードはモデルの暗号鍵を保管する機能」も誤り（用途・制限・リスクの文書化です）。
3.3.2この節のまとめ
- 文書化＝モデルカード／追跡＝Glue リネージ＋CloudTrail／監視＝継続監視（ドリフト/バイアス）
- 組織的に一貫したガバナンスで監査・規制対応に常時備える
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. 規制レビューに備え、本番で使う各モデルの用途・制限・既知のリスク・評価結果を体系的に文書化したい。最適なのは？
Q2. コンプライアンス上、生成 AI が参照したデータの出所と系譜を追跡し、ソース帰属を残したい。最適なのは？
Q3. 本番モデルの出力に経時的なバイアスの偏り（バイアスドリフト）やポリシー違反が出ていないかを継続的に検出し、自動で対応したい。適切なのは？