本記事では、主要な規制動向と、この急速に変化する環境において金融機関が取るべき実務的なステップを重点的に紹介します。

執筆者、出典：蕭乃瑩、費思、虞磊珉、金杜研究

生成AIの普及が加速——規制当局が実務に注目

金融機関が生成的AI（「生成的AI」）を継続的に導入する中で、規制当局の関心は原則的な政策表明から実際の適用に移りつつあります。2025年1月に発表した『金融機関向け生成的AIガイドライン』[1]では、生成的AIの規制環境が形成されつつあることを指摘しましたが、当時は関連フレームワークが依然として原則中心でした。[2]

その後、規制の重点はマクロ原則から運用ガバナンスへと移行してきた。香港は試験段階から責任ある適用へと移り、中国本土の規制は、コンテンツガバナンス、データ処理、届出義務、モデル規制の面でますます細分化されている。本稿では、主要な規制動向と、金融機関がこの急速に変化する環境において取るべき実務的なステップを紹介する。

香港：実験から構造化された応用へ

香港の最近の動向は、金融サービス分野において、生成AIの適用がより成熟し、現実的な方法で推進されていることを示している。規制の重点は、金融機関が責任を持って、制御可能で、投資家保護を重視し、規制当局の審査に耐えうる形で関連技術を導入できるかどうかにある。

香港金融管理局（「金管局」）は2025年4月に発表した『GenA.I.の新時代：金融サービスにおけるAIの責任ある活用の促進』[3]報告書で、香港における生成AIへの認識が変化していることを指摘しており、調査対象の金融機関の75％がAIアプリケーションを導入済みまたは開発中であり、今後3〜5年で87％に達すると予想されている。

同時に、実務ガイドラインはますます具体的になっています。たとえば、香港個人データプライバシー監督局は2025年3月に「従業員による生成的AIの使用に関するガイドラインチェックリスト」[4]を発表し、プライバシーおよびガバナンスに関する懸念を具体的な操作制御措置に変換しました。このチェックリストは、ツールの使用、データ入力、出力の保存と保持、検証、バイアスの是正と報告、ウォーターマークとラベリング、デバイスアクセス、イベント報告に関する明確なポリシーの策定を推奨しています。

香港數字政策辦公室於2025年4月首次發布、並於同年12月更新的《香港生成式人工智能技術及應用指引》[5]進一步提供了最佳實踐指導，強調公平性、透明度、用戶選擇權及偏差糾正等原則。將生成式AI用於客戶互動、推薦引擎、適當性支持、內部分類或風險篩選的金融機構，應將該指引視為整體合規框架的重要組成部分。

特に重要な進展は、香港の生成AI規制枠組みの継続的な拡大です。2025年1月の当社の記事で述べたように、金管局は2024年に数码港と協力してGenA.I.サンドボックスを導入し、認可機関が銀行業における生成AIの革新的な使用事例を開発・テストできる制御された環境を提供しました。

2025年10月、金管局は『第1期GenA.I.サンドボックレポート』[6]を発表し、リスク管理、不正防止対策、顧客体験を三大テスト分野として挙げるとともに、コンテンツの幻覚や情報の誤差などの技術的・ガバナンス上の課題を指摘した。これは、生成AIの推進から、その安全な銀行業務への統合方法を理解することへの規制の重点移行を示している。

また、同年10月に開始された第2期GenA.I.サンドボックス計画は、AIの能力を試験する段階から、安全で信頼できる実装への重要な転換を示している。金銭当局は、20の銀行と14の技術パートナーが関与する27のユースケースを選定し、能動的なAIガバナンス、自動品質検査、対抗的シミュレーションを重点的に強調することで、ディープフェイク詐欺への対策能力を向上させた。これは、導入準備、コントロールの有効性、AI駆動型リスク緩和への明確な移行を意味している。

2026年3月、金融管理局は証券・期货監督委員会、保険業監督局、強制的積立年金計画管理局と連携し、GenA.I.サンドボックス++を導入し、その枠組みを証券、資産および財務管理、保険、強制的積立年金、プリペイド支払ツールの分野に拡大しました。この枠組みは、リスク管理、不正防止、顧客体験の3つの核心分野を維持しつつ、「AIでAIに対抗する」という監督戦略の継続的推進を明確にしました。これは、AIを用いてAI関連リスクを管理することを意味します。

2025年11月に金管局は「フィンテック2030」戦略を発表し、その中には「人工知能 x 認可機関」戦略が含まれており、人工知能の金融業界における包括的かつ責任ある活用を推進し、共有可能で拡張可能なインフラや業界モデルの発展を促進することを目的としています。法的・規制的な観点から、この戦略は重要なメッセージを強化しています。すなわち、AIガバナンスは孤立したイノベーションの課題ではなく、企業アーキテクチャ、事業レジリエンス、顧客保護、規制対応に統合されるべきであるということです。

2026年3月、金管局は、デジタルトランスフォーメーションにおけるビジネスモデルに関する通知[7]をすべての認可機関に発行し、エージェント型AIを含む新技術がデジタル化の加速を促していることを指摘した。この通知では、金管局がすべての認可機関に求めている期待として、技術の変化に対応するため、長期的なビジネスモデルを積極的に評価し調整することを明確にした。その他の事項として、通知は各認可機関の取締役会に対し、2026年9月9日までに、デジタルトランスフォーメーションおよび金融デジタル化に関する公式な戦略計画を監督・承認することを要請した。この戦略計画は、製品供給、収益モデル、顧客との関わり、リスク管理、運用における調整または転換の機会を特定するものでなければならない。金管局のデジタルトランスフォーメーション通知に関する詳細については、当社のインフォグラフィックをご参照ください。[8]

香港の最近の規制動向は、金融機関がデータ、技術的レジリエンス、ガバナンス、説明責任を含む包括的なフレームワークを構築し、生成型AIのライフサイクル全体にわたる管理を厳格かつ検証可能な方法で実施することを示している。

実務では、これには以下のポイントが含まれます：

（利用シーンの区別）異なる導入シーンを慎重に区別する必要があります。内部ツール、顧客アプリケーション、モニタリングおよび監視ツール、意思決定支援ユースケース、およびサードパーティモデルは、それぞれ異なる法的およびリスク上の考慮事項を引き起こす可能性があり、これらを「AI利用」という単一のカテゴリに簡略化することは要件を満たすには不十分です。

（ガバナンスの重点）機関は、プロンプト設計、検索メカニズム、出力処理、モデル検証、報告閾値、および人間による監査といった通常技術的問題とされる事項をガバナンスの範囲に含めるべきである；

（政策の整合性）機関は、責任ある利用、公平性、正確性、透明性、プライバシー、説明責任、および事故対応を含む、香港のガイドラインに現在示されている用語と注目点と内部方針を整合させるべきである；

（規制のバランス）機関は、イノベーション支援と規制審査との間の空間が狭まることに備えるべきである。サンドボックスへの参加やその他の規制との対話は導入を加速させる可能性があるが、より高いガバナンス要件を意味する。また

（監督当局との連携）サンドボックスおよびパイロットプロジェクトへの参加は、単なるイノベーションの機会と見なすのではなく、監督準備活動と捉えるべきです。監督当局と連携する前に、機関は明確な権限と承認プロセス、根拠に基づくテストおよび検証（偏差および幻覚の制御を含む）、明確な人間によるレビューと報告トリガー、ならびに審査に備えた完全な証拠文書を整備する必要があります。

中国本土：操作性およびルール指向の規制パスへ向かう

中国本土の生成AI規制枠組みは、より実行可能性が高く、規則的かつ規制志向の方向へ継続的に進化している。金融機関にとって、実務上の課題はもはや特定のAIツールの使用が許可されているかどうかではなく、関連するユースケースが適切に分類され、必要に応じて届出が完了し、適切なデータ管理が実施され、ライフサイクル全体にわたって監視されていることを証明できるかどうかである。

これは非常に重要です。なぜなら、規制の境界がますます細分化されているからです。最近のAI生成コンテンツのラベリング、アルゴリズムおよびモデルの届出、セキュリティ評価、国家基準、金融業界のデータガバナンスにおける進展はすべて同じ方向を示しており、中国本土のAIコンプライアンスは証拠に基づく実施に重点を置き始めています。

国家インターネット情報弁公室、工業情報化部、公安部、国家広播電視総局が共同で発表した「人工知能生成合成コンテンツ識別方法」は、高レベルの透明性とガバナンスへの懸念を、具体的で実行可能なコンテンツラベリングおよびメタデータ要件に変換する。

この方法の核心は、二重ラベル制度であり、同時に実施することを要求します：

a) ユーザーに明示的に表示されるラベル；および

b) 追跡可能性を実現するための埋め込みファイルメタデータによる暗黙的ラベリング。

この二重ラベリング手法は、ユーザー向けの透明性と、監督・執行・説明責任のためのバックエンド追跡可能性が並行して機能しなければならないという明確な規制上の期待を示しています。重要なのは、この手法がAIコンテンツのバリューチェーン全体に責任を拡大することです。要するに：

コンテンツ生成サービスプロバイダーは、コンテンツ生成段階で明示的および暗黙的なラベリングを実施し、ラベリングの正確性と持続性を確保するとともに、AI生成コンテンツが規制当局の審査や調査を受けた際に、追跡可能性と説明責任をサポートしなければならない。

コンテンツ配信プラットフォームは、AI生成コンテンツに付与された既存のラベルを識別し、保持し、表示するとともに、ラベルの意図的な削除、偽造、悪用を防止・対処し、コンテンツのトレーサビリティおよび追跡可能性に関する監督当局の監督に協力しなければならない。また、

ユーザーは、明示的なラベルを意図的に削除、改変、隠蔽、または偽造してはならず、暗黙のラベルまたは技術的識別子を意図的に改変してはならず、AI生成コンテンツを人間が作成したかのように誤解を招く形で表現してはならず、追跡可能性または規制を回避する目的で合成コンテンツを使用してはなりません。

この措置は、確認済み、可能性あり、および疑わしいAI生成コンテンツをさらに区別し、適切なガバナンスと規制を支援します。これらのカテゴリは、配信プラットフォームやユーザーに一般的なAI検出義務を課すものではありません。逆に、コンテンツの出所の確実性には異なるレベルが存在することを認識し、規制対象のAIコンテンツ生成サービス提供者が生成した確認済みAI生成コンテンツにのみ、明示的な表示義務を課します。

全体として、この措置は、共有責任とライフサイクルに基づくガバナンスモデルへの移行を示しており、コンテンツのラベリングとトレーサビリティは、中国本土の進化する規制枠組みにおける合成コンテンツリスク管理の基本的なコンプライアンスコントロールとして位置づけられている。

運営面でのコンテンツのラベリングとトレーサビリティへの関心が高まる中、アルゴリズムとモデルの届出は依然として中国本土のAI規制枠組みの中心的支柱である。関連する法規制は最近大きな改正を受けていないが、規制の実践と実施は継続的に発展している。

以下の観察は金融機関にとって特に注目すべきです：

1. アルゴリズム登録とモデル登録は、独立しており、重複する可能性のある二つの規制プロセスです。関連条件を満たす場合、一部のジェネレーティブAIサービス提供者は、アルゴリズムレベルとモデルレベルの「二重登録」義務を負う必要があります。
2. 一部の金融サービスアプリケーションは、より大きな規制の不確実性に直面しています。特定の金融サービス利用ケースに関連するモデルの届出に関する規制アプローチは、まだ発展段階にあります。公開可能な届出記録によると、金融リスク評価、クレジットまたはローン決定、AI駆動型取引活動などの機能に直接使用されるアルゴリズムまたはモデルの成功した承認事例は限られています。市場の安定性および消費者保護への潜在的影響を考慮すると、このような利用ケースはより厳しい審査に直面しているようです。
3. 一部の顧客向けユースケースの登録トレンドはより成熟しています。公に確認可能な登録情報によると、AIインテリジェントカスタマーサポートおよびアシスタント、および一部のAI支援型財務または証券分析ツールなど、顧客向けアプリケーションに関連する複数のアルゴリズムとモデルの登録が承認されています。注目すべきは、このようなユースケースが通常、直接的な意思決定やリスク負担の活動ではなく、コンテンツ生成または情報支援機能を特徴としていることです。

最近の規制当局の取り組みは、規制の承認または届出の完了が最終的かつ静的な結果と見なされないことを示している。アルゴリズム推奨サービスまたは生成型AIサービスを提供する機関に対しては、システムのライフサイクル全体にわたる期待が拡大している。法定的または規制上のトリガー条件（例：利用ケースの変更、モデル機能の変更、データソースの変更、ユーザー範囲または配信チャネルの変更）が発生した場合、機関は状況に応じて追加のセキュリティ評価を実施したり、既存の届出を更新したり、規制当局と積極的に連携する必要がある。

この傾向は、より広範な監督イニシアチブによって強化されています。2025年4月、国家インターネット情報弁公室は、3か月間の全国規模の「清朗・AI技術の乱用を整理する」特別活動を開始し、その期間中に多数の非準拠AI製品および関連コンテンツに対して措置が取られました。これは、AIのコンプライアンスが例外的または過渡的な問題と見なされるのではなく、通常の監督・執行活動に確実に組み込まれていることを明確に示しています。継続的なコンプライアンスを維持しないことは、監督当局からの注意喚起、批判的通告、是正命令、行政処分および関連するレピュテーションリスクへのさらされるリスクを高めます。

コンテンツの標示、届出、およびセキュリティ評価に加え、中国本土における生成AIのより広範な規制範囲は、その範囲と精緻さにおいて継続的に拡大している。最近の規制ツールや政策イニシアチブは、規制当局がコンテンツセキュリティおよび技術的コンプライアンスから、特に高リスク状況において、行動への影響、倫理的ガバナンス、およびシナリオベースのリスク管理へと関心を徐々に拡大していることを示している。

この進化の重要な側面の一つは、生成AIのガバナンスとテクノロジー倫理審査枠組み、および『個人情報保護法』に基づく個人情報保護要件との間で増加する相互作用である。これらの制度自体は新しくないが、AIの利用事例における適用がますます明確かつ実行可能になりつつある。特に、AIシステムが個人情報の処理、自動化された意思決定、または個人の権利利益に重大な影響を及ぼす可能性のある機能を含む場合、規制当局は、機関が合法性と安全性を評価するだけでなく、公平性、説明可能性、倫理的リスクも評価することを期待するようになっている。

2026年4月に複数の省庁が共同で発表した「人工知能技術倫理審査およびサービス措置（試行版）」は、敏感な個人データ、行動介入、または大規模な社会的影響を伴う特定の高リスクAI開発および応用シーンにおいて、より広範なコンプライアンス枠組み内で構造化された倫理審査または専門家評価が必要となる可能性があることを示している。このような審査の必要性は、具体的な使用事例、関与するデータ、および展開環境に依存し、個別に評価されるべきである。

金融機関にとって、これらの措置の直接的なコンプライアンスへの影響は限定的である可能性がある。しかし、規制の方向性としてのシグナルとして、これらの動向は重要である。これらは、中国大陸におけるAI規制が、広範な義務から、シーン別・機能別・ユーザーへの影響を重視する要件へと進化していることを示しており、生成的AIのガバナンスは、技術的な堅牢性を超えて、ヒューマン・マシン・インタラクションの設計、セーフティ対策、アップグレードメカニズムまで拡大することが期待されていることを示している。

正式な法律および行政措置に加えて、国家标准はAI実務のコンプライアンス期待を形作る上でますます重要な役割を果たしている。生成AI分野では、機械学習のセキュリティ評価、合成コンテンツのラベリング、トレーニングデータのセキュリティ、基準サービス要件等方面に関する複数の国家标准が発表されている。AIモデルをサービスとして提供する際のセキュリティ、ライフサイクルにおけるセキュリティ運用能力の評価、エージェント型AIアプリケーションに関連するさらなる国家标准が策定中である。

これらの国家基準は、監督機関が実際の安全対策、ガバナンス体制、および運用制御の適切性を評価する際の指針として機能する。時間の経過とともに、これらは監督および執行の分野でますます重要な影響力を発揮し、AIシステムにおける「適切」なセキュリティ対策に対する期待を形作る可能性がある。

AI特別措置と並行して、中国本土の金融業界における規制は、データおよびモデルガバナンスに対する期待を強化しており、生成AIの導入に直接的な影響を及ぼしている。具体的には：

a) データセキュリティおよびライフサイクル管理要件が強化されています。中国人民銀行は2025年5月1日に『中国人民銀行業務分野データセキュリティ管理方法』を発表し、金融機関に対してデータの分類・等級化の実施、データリストの作成と定期的な更新、個人データ・センシティブデータ・重要データの特定、内部責任の割り当て、およびライフサイクル全体にわたるデータセキュリティ管理措置の実施を要求しています。

b) モデルのガバナンスと集中監督が規制の優先事項となっている。国家金融監督管理総局は2025年12月に『銀行業・保険業のデジタル金融の高品質発展実施計画』を発表し、機関が企業レベルのAIおよびモデル管理プラットフォームを構築し、モデルの集中開発、デプロイ、監視を支援することを奨励している。

総合的に見ると、これらの規制トレンドは、金融業界におけるAIの応用が、構造化されたライフサイクルモデルによるガバナンス、明確な人間の介入ポイント、およびサプライヤーおよびアウトソーシング技術提供者に対する強化された規制を伴うことが期待されていることを示している。したがって、中国本土におけるAIコンプライアンスは、確立された金融業界のコントロール規範と一致しつつあり、ガバナンスの成熟度、ドキュメントの品質、および規制準備への注力がますます強調されている。

最近の動向は、中国本土がAI規制の実施段階を深化させていることを示している。セキュリティ、透明性、責任あるデータ利用などのマクロな概念は依然として重要であるが、規制の圧力は、機関がこれらの概念を実際の操作においてどのように記録し、証明し、実装するかにますます集中している。

金融機関にとって、中国本土でAIを導入するには、構造化されたガバナンス、ライフサイクル制御、および説明可能な記録を併用することが不可欠である。導入段階から、备案分析、データガバナンス、セキュリティ評価、モデルリスク管理、サプライヤー監督をAIシステムの設計および運用に組み込んだ金融機関は、AIの適用規模を責任を持って拡大する能力をより高められる。

グローバルな展望：モニタリング、集中度、依存性

香港および中国本土以外を対象に、金融安定理事会が2025年10月に発表した『金融業におけるAIの適用および関連する脆弱性のモニタリング』[9]報告書は、金融業におけるAIが行動的または技術的な問題にとどまらず、金融安定の問題でもあると強調している。同報告書は、AIモデルの急速な発展、サードパーティ提供者への依存度の増加、進化し続けるサプライチェーン、および当局がAIの適用を監視し、データギャップを補い、サードパーティ依存性および集中度リスクに関連する脆弱性を理解する必要性に重点を置いている。機関への示唆は、AIガバナンスが倫理方針やモデルドキュメントを超えて、アウトソーシング、運用レジリエンス、エコシステムリスクを含む必要があるということである。例えば：少数の基礎モデル提供者、クラウドプラットフォーム、データサプライヤー、AI統合レイヤーへの依存；トレーニングデータのソースやモデル更新サイクルに対する限られた可視性；単一サプライヤーの障害、モデルの変更、またはセキュリティイベントが複数の機関に同時に影響を与えるリスク。

監督当局の関心は、単一のモデル出力から、契約および監査権利、変更管理およびリリース制御、事業継続計画および代替計画、データの持ち出し性、イベント報告、およびサードパーティのパフォーマンスおよび集中リスクへの継続的モニタリングを含むより広範なコントロール環境へと拡大する可能性があります。

金融機関への実務への影響

現在の規制環境は、単一の汎用リストを生み出していません。法律および規制上の期待は、業界、ビジネスモデル、ユースケース、運用範囲、導入設計によって異なります。しかし、最近の動向は、多くの金融機関が現在検討すべき実務アジェンダを示しています。

1. （ガバナンスと監督）取締役会および経営陣は、重要なAI活用事例に対して明確な責任体制、報告経路、承認フレームワークを確立することを確保すべきである；
2. （使用例評価）機関は、影響の大きい使用例に対して、強化された法的・コンプライアンス・モデルリスクおよび技術的レビューを確保すべきである。
3. （データとプライバシー）プロンプト、検索、トレーニングのワークフローは、より広範なデータガバナンスおよび機密保持義務と併せて見直す必要があります。
4. （透明性と出力処理）機関は、顧客への開示、従業員向けガイドライン、出力のラベリング、および品質管理プロセスが目的に適っているかを確認すべきである；
5. （サードパーティおよびアウトソーシングリスク）サプライヤーのデューデリジェンス、契約管理、代替計画、および継続的なモニタリングを強化すべきである；および
6. （テスト、モニタリング、イベント報告）テスト、記録、モデルモニタリング、およびイベント報告のスケジュールは、ユースケースに見合った比率で設定する必要があります。

単一の生成型AIの導入は、個人データ、銀行機密、知的財産、顧客通信、モデル検証、運用のレジリエンス、アウトソーシング、記録保存など、複数の側面を含む可能性がある。したがって、これらの課題を単一のイノベーションまたは技術チームに任せることは通常不十分である。

人工監督も同様に重要です。高リスクのユースケースでは、機関がいつ審査が必要か、誰が審査を担当するか、審査者が何を確認すべきか、審査をどのように記録するか、そしていつ上位または停止をトリガーするかを明確に説明しない限り、「人間の関与サイクル」という一般的な言及は説得力を持ちません。

世界的な金融機関におけるAIガバナンスの実践観察

特定なグローバル金融機関のAIガバナンス実践についての選択的かつ非包括的なレビューに基づき、以下の一般的な観察を行います。これらの観察は高レベルで説明的なものです。AIガバナンスには万能の方法は存在せず、各金融機関のフレームワークは、適用される司法管轄区の規制および規制上の期待、組織構造、リスク許容度、技術の成熟段階、およびAIユースケースの性質などの複数の要因を総合的に反映しています。

普遍的な三層ガバナンス構造が形成されつつある。多くの機関は、AIに特化した「三道の防線／三層」ガバナンスモデルを採用している。運用レベルでは、AIユースケースは通常、各事業部門によって分散的に提案・開発される。中間レベルでは、機関は通常、リスク、コンプライアンス、データ、テクノロジー、ビジネスチームの上級代表で構成される横断的委員会（AIガバナンス委員会や責任あるAI評議会など）を設置し、AIユースケースの審査、承認、監視を担当する。最上位レベルでは、取締役会または取締役会レベルの委員会（新設の専門的な取締役会レベルのAI委員会ではなく、既存のリスクまたはテクノロジー委員会であることが多い）が、AI戦略、リスク、ガバナンスに対する最終的な監督を保持する。

機関は通常、AIガバナンスを独立したフレームワークとして扱わず、代わりにAIを既存のガバナンス構造、特にモデルリスク管理、運用リスク、テクノロジーガバナンス、データガバナンスのフレームワークに統合する。多くの機関はAIモデルをモデルリスクフレームワークの拡張と見なし、従来のモデルと同様の検証、モニタリング、定期的なレビュープロセスを適用しつつ、説明可能性、バイアス、モデルのドリフトといったAI特有のリスクに対応するためにこれらのプロセスを調整している。

内部「責任あるAI」原則への強い重視：多くの機関が、すべてのAI利用ケースの基準要件として、内部のAIガバナンス原則または基準を策定しています。用語は異なりますが、これらの原則は通常、以下の共通テーマを中心に一致しています：

• 公平性とバイアスまたは差別的な結果の回避；
• モデルの出力と制限の透明性と説明可能性；
• データガバナンス、機密性およびプライバシー保護；および
• 継続的なテスト、モニタリング、およびモデル性能の検証。

これらの原則は、単なる誓約的な声明にとどまらず、内部ポリシー、コントロールフレームワーク、承認ワークフローを通じて日益実装されています。

クロスファンクショナルなガバナンスが核心的な特徴である：AIガバナンスは単一の機能に限定されることはめったにない。組織は通常、データ、テクノロジー、法務、コンプライアンス、リスク、ビジネスチームなどの複数のステークホルダーを関与させる。専門のAIガバナンス委員会やエクセレンスセンターが、これらの機能を調整し、共通の基準を策定し、さまざまなユースケース間の一貫性を確保するために用いられる。一部の組織では、集中化されたAI機能がグループ全体の方針とツールを策定し、ビジネス部門が実施責任を維持する。

「逐用例审批委员会」には統一された実践がない：一部の機関は個別のAI利用事例を審査するための正式な委員会を設置しているが、他の機関は既存の審査プロセス（モデルリスク委員会や技術変更フォーラムなど）に依存している。大規模なグローバル機関では、新たな審査機関を設立するのではなく、AIを既存のガバナンスインフラに統合する傾向が強く、これはAIリスクをより広範な企業リスクフレームワークの一部として管理すべきであるという考えを反映している。

ライフサイクルガバナンスがますます重視されています：AIガバナンスは初期承認にとどまらず、機関は以下を含むエンドツーエンドのライフサイクル制御により注力しています：

• 事例の分類とリスクのグレーディング；
• デプロイ前のテストと検証；
• 継続的なパフォーマンス監視とドリフト検出；
• 明確な人為的介入と報告閾値；および
• 定期レビュー、再トレーニング、および退役プロセス。

これは静的制御から継続的な監督へのより広範な移行を反映しています。

人工監督は依然として核心的な制御メカニズムである：各機関は、特に高リスクのユースケースにおいて人工監督が極めて重要であると認識している。しかし、より成熟したフレームワークは、「人間の関与サイクル」という広範な概念を超え、いつ審査が必要か、誰が審査を担当するか、どのような基準を適用するか、そしてどのように記録と証拠を残すかをより正確に定義することを目指している。

データガバナンスとモデルの説明可能性は優先分野である：各機関は、データの品質、ソース、アクセス制御に関連する課題と、複雑なモデルの説明可能性を一般的に強調している。これらは、説明可能性と監査可能性が規制要件と密接に関連する規制対象金融サービス環境において、単なる技術的課題ではなく、核心的なガバナンス問題と見なされている。

ガバナンスフレームワークは、使用事例と規制の期待に応じて継続的に進化しています。ほとんどの機関は、AIガバナンスフレームワークをまだ改善段階にあります。AIの使用事例が拡大するにつれて——特に顧客とのやり取り、意思決定支援、リスク管理の分野で——新たなリスク、規制の進展、運用上の教訓に対応するためにガバナンスフレームワークが整備されています。したがって、AIガバナンスは固定されたフレームワークではなく、動的で継続的に進化する分野と見なすべきです。

総合的に見ると、これらの観察は、既存のリスクおよびコントロールインフラストラクチャに根ざしながら、AIシステムの独自の特徴とリスクに徐々に対応しつつある、統合的・原則基盤・ライフサイクル指向のAIガバナンスフレームワークへの世界的な収束を示している。

本記事における「香港」は、中華人民共和国香港特別行政区を指します。