知識がなくても始められる、AIと共にある豊かな毎日。
AI 学習・資格

責任ある AI の判断を公開の原文で採点する — AIB-C01 のガバナンス分野を、原文を渡す場合と渡さない場合で比べる

ゲンキ

AI の答えが合っていても、根拠の文まで合っているとは限らない。AIB-C01 のガバナンスの分野を勉強するために、架空の小さな 3Dプリント工房の造形監視 AI を題材に 38 の事例を作り、公開の原文の抜粋を渡さない場合と渡す場合で claude -p に答えさせた。この実行の正解の数は、資料なしで 114 回中 110 回、資料ありで 114 回中 114 回だった。数字だけを見れば差は小さい。ところが、2026 年 7 月の EU AI Act の改正が絡む E10〜E13 の 4 事例を読むと、資料なしは 12 回すべて正解だったのに、そのうち E11〜E13 の 9 回の根拠は改正で入った文に基づいていなかった。

※本記事にはアフィリエイト広告(PR)が含まれます。

AIB-C01(AWS Certified AI Business Strategist)の試験ガイドは、分野 3「AI Governance and Responsible AI Leadership」に採点対象の 24% を割り当てている。資格の全体像は AWS の AI Business Strategist は何を証明する資格なのか — コードを書かない人向けの認定を、2月15日の早期バッジまでの13週で準備する(2026-11-16 公開) にまとめた。本記事では、この分野を公開の原文と照らして練習する手順と、その実測を書く。手元のモデル gemma4:12b でも同じ比較をしたところ、正解の数は 38 回中 29 回と 36 回で、資料ありの誤り 2 回は中身がまったく違っていた。読み方の結論は三つある。答えより根拠を確かめる。根拠の条文の版を確かめる。改正された部分ほど公開の原文を渡す。

本記事の判定は試験の勉強としての整理で、法的助言ではない。実務の判断は専門家に確認する。事例の工房は架空で、読者の事業や工房が各規制の対象かどうかは書かない。また、当サイトはこの試験を受験しておらず、試験本体の問題も確かめていない。試験と資料の内容は 2026 年 11 月時点のものだ。

忍者AdMax

AIB-C01 のガバナンスの分野は何を問うのか

AIB-C01 のガバナンスの分野は何を問うのか

試験ガイドの分野 3 は、3 つのタスクと 12 のスキルからなる。タスク 3.1 は責任ある AI の原則を事業の判断に当てはめること、タスク 3.2 は AI のガバナンスの体制を作って規制への対応を確かにすること、タスク 3.3 は企業の AI のリスクを特定して軽減策を指揮することだ。ここでの日本語は英語の原文から当サイトが訳した。以下、英語の資料の訳はすべて当サイトによる。日本語版の試験ガイドの訳語については AIB-C01 の試験ガイドの日本語版を英語の原文と照らす — 58 のスキルのどこで訳語が意味を変えているかを AI と洗い出す(2026-11-17 公開) に書いた。

この分野のスキルには、規範と事例を照らす作業が並ぶ。スキル 3.1.1 は、責任ある AI の原則と次元を事業の場面に当てはめるもので、fairness・explainability・privacy・safety・transparency・robustness の 6 語を例に挙げる。原文は「for example」と書くので、この 6 語は次元の全部の一覧ではない。スキル 3.2.2 は AI を使う業務の規制対応のリスクを特定して対処すること、スキル 3.2.4 は AI のリスクの分類の枠組みを当てはめてガバナンスと規制対応の判断に優先順位を付けることを求める。

ただし、この 2 つのスキルは枠組みの名前を挙げない。試験ガイドの PDF(18 ページ)の全文を検索しても、NIST・EU AI Act・European・GDPR の語は 0 件だった(2026-11-07)。本記事が使う NIST AI RMF・EU AI Act・日本の資料は、当サイトが公開の原文として選んだもので、試験の指定ではない。試験ガイドが名前を挙げる AWS の枠組みのうち、ガバナンスのベストプラクティスの枠組みは Well-Architected Framework の Responsible AI Lens である。

範囲の線引きも確かめておく。シャドー AI はスキル 1.2.4、ISO/IEC 42001 と 23053 はスキル 1.1.6 で、どちらも分野 3 ではなく分野 1 のスキルだ。そのため本記事では、シャドー AI は事例の 1 つに、ISO は題名と概要だけに留める。AI を入れるかどうかの判断は AI は「AI を使わない」と答えられるのか — AIB-C01 の導入判断を、ルールで足りる事例で確かめる(2026-11-18 公開) で、別の試験の技術の権限設計は エージェントの権限とガバナンスを設計問題で鍛える — AI に設計案を出させ、公式のベストプラクティスで採点する(2026-10-24 公開) で扱った。本記事の題材は、組織と責任の判断である。

分野 3 の責任ある AI とガバナンスを、日本の法務の側から体系的に読むなら、次の本がある。

¥3,080 (2026/11/02 17:57時点 | Amazon調べ)

分野 3 を読むための枠組み — AWS の次元・NIST の 4 機能・3 つの主体

分野 3 を読むための枠組み — AWS の次元・NIST の 4 機能・3 つの主体

事例の判定に使う資料を、先に一通り見ておく。どれも当サイトが選んだもので、試験ガイドが指定したものではない。

AWS の次元は資料によって数が違う

責任ある AI の次元を AWS の資料で数えると、一つの数に定まらない。AWS の紹介ページと Generative AI Lens は 8 項目で、試験ガイドが名前を挙げる Responsible AI Lens は privacy と security、veracity と robustness を分けて 10 項目で書く。紹介ページも Lens も、次元はこれからも更新するものだと書いている。そのため、どれか一つの数を暗記の対象にしないほうがよい。

資料数何の数か
AWS の紹介ページ、Generative AI Lens8 項目次元。Privacy と Security、Veracity と Robustness をそれぞれ 1 項目にまとめる
Responsible AI Lens10 項目次元。上の 2 組を分けて書く
Responsible AI Lens8 つ重点領域(focus areas)の数で、次元の数ではない
試験ガイドのスキル 3.1.16 語例示で、全部の一覧ではない
AIF-C01 の試験ガイド6 語別の資料の例示(バイアス・公平性・包摂性・堅牢性・安全性・真実性)

定義の語も資料で違う。Explainability は、紹介ページではシステムの出力を理解して評価すること、Lens ではシステムの振る舞いを理解する仕組みを持つことだ。3 つの資料で定義の語が同じなのは Controllability・Fairness・Governance・Transparency の 4 つで、後で使う事例 W01〜W03 はこの語だけを使った。AIF-C01 の 6 語は AIF-C01 Domain 4+5 完全攻略 — 責任ある AI とセキュリティ・ガバナンスで 28% を固める(2026-06-12 公開) に書いたとおり、別の試験ガイドの例示である。

NIST AI RMF の 4 機能

AI RMF 1.0(2023 年 1 月 26 日公開)は任意で使う枠組みで、Core は GOVERN・MAP・MEASURE・MANAGE の 4 機能からなる。NIST のページは 1.0 が改訂中と書いている(2026 年 11 月時点)。法律ではないので、本記事の問いは「どの機能の小分類に対応するか」に限った。

機能小分類の例
GOVERN1.6 AI システムを一覧にする仕組みと、そのための資源/2.1 役割と責任、連絡の経路の文書化
MAP4.1 第三者のデータやソフトウェアを含む部品の、技術と法的なリスクを洗い出す手法
MEASURE2.10 MAP の機能で特定されたプライバシーのリスクを調べて文書にする/2.11 公平性とバイアスの評価と文書化
MANAGE2.4 意図した用途に合わない結果を出す AI を置き換える・切り離す・止める仕組みと、その担当

NIST の原文は、小分類の行動は確認表ではなく、順序のある手順とも限らないと書く。上から順に片付ける手順表として読まないほうがよい。また、信頼できる AI の特性は別に 7 つ挙げられているが、これは AWS の次元の一覧とは別物で、1 対 1 に対応づけない。英語が負担なら NIST の日本語訳の PDF もある。ただし、その末尾には完全性と正確性を保証しないと書かれている。

AI 事業者ガイドラインの 3 つの主体

AI 事業者ガイドライン第1.2版(総務省・経済産業省、2026 年 3 月 31 日)は、2026 年 11 月時点の最新だ。性質は非拘束的なソフトローで、本記事が使う文の語の多くは「検討する」「留意する」である。事例 J05 が使う別添の文は「利用目的の通知又は公表等の対応が必要となる」と書く。どの文も原文の語のまま読み、「義務」や「禁止」の語に置き換えない。共通の指針は、人間中心、安全性、公平性、プライバシー保護、セキュリティ確保、透明性、アカウンタビリティ、教育・リテラシー、公正競争確保、イノベーションの 10 項目である(8〜10 は社会と連携して取り組むことが期待される事項)。

主体は三つに分かれる。AI 開発者は AI システムを開発する事業者、AI 提供者は AI システムを組み込んだサービスを AI 利用者などに提供する事業者、AI 利用者は事業活動で AI システムや AI サービスを利用する事業者だ。同じ事業者がこのうち複数を兼ねる場合もある。一方、EU AI Act の provider(提供者)と deployer(配備者)は別の定義なので、語が似ていても読み替えない。また、第1.2版の本編と別添に「シャドー AI」の語は無い。従業員が企業の管理の外で生成 AI を使う話は別添に書かれていて、事例 J06 はその文を使った。

カメラの資料と ISO/IEC の規格

カメラ画像利活用ガイドブック ver3.0(2022 年 3 月)は、IoT 推進コンソーシアム・総務省・経済産業省の資料で、事業者の自主的な取組の参考とするものだ。2026 年 11 月に確認できた最新の版である。検討された適用ケースは店舗などで、工場や工房の語は無い。ただし、従業員が写る場合の配慮事項があるので、本記事はその文を読む練習に使う。

ISO/IEC 42001:2023 と ISO/IEC 23053:2022 は、どちらも有償の規格である。本文は読んでいないので、AI にも渡していない。公式の概要によると、42001 は組織の中で AI マネジメントシステムを確立し、実施し、維持し、継続的に改善するための要求事項と指針を定める(IEC の販売ページの表示で、iso.org のページは開けなかった)。23053 は、機械学習を使う AI システムを記述するための概念の枠組みと共通の用語を示す。

AWS の Responsible AI Lens は privacy と security を独立の項目に置く。生成 AI の安全の側を具体的に押さえるなら、次の教科書が使える。

¥1,650 (2026/09/22 15:04時点 | Amazon調べ)

資料ごとに判定の語を変える

資料ごとに判定の語を変える

事例を採点する前に、資料ごとの判定の語を決めた。法的拘束力のある規則と、任意の枠組みと、自主的な取組の参考を同じ語で判定すると、資料の強さが変わって見えるからだ。

資料性質本記事で使う判定の語
EU AI Act法的拘束力のある規則「第 N 条の文言に当たる/当たらない」
欧州委員会の禁止の指針(2025-07-29)拘束力が無い。権威ある解釈は EU 司法裁判所「指針の例では」
NIST AI RMF 1.0任意の利用。改訂中「どの機能の小分類に対応するか」
AI 事業者ガイドライン第1.2版非拘束的なソフトロー「ガイドラインは〜を検討するよう書く」
カメラ画像利活用ガイドブック ver3.0事業者の自主的な取組の参考「配慮事項に〜とある」
AWS の次元の一覧AWS の定義。更新される「AWS の Responsible AI Lens では」

EU AI Act についても、問いは「文言に当たるか」に限った。附属書 III に並ぶことと、高リスクであることは同じではない。第6条第3項が、附属書 III の AI でも、人の健康・安全・基本権に重大な害のリスクをもたらさない場合は高リスクとされないという例外を置いているからだ。この例外は、次の条件のどれかが満たされるときに働く。

  • (a) 狭い手続きの作業を行うことを意図している
  • (b) 先に終えた人の活動の結果を改善することを意図している
  • (c) 判断の傾向や、過去の判断の傾向からのずれを見つけることを意図していて、適切な人の確認なしに、先に終えた人の評価を置き換えたり左右したりするものではない
  • (d) 附属書 III の用途に関わる評価の準備の作業を行うことを意図している

ただし、同じ項の最後の段落は、自然人のプロファイリングを行う AI は常に高リスクとされると書く。プロファイリングの定義は第3条(52) が GDPR 第4条(4) を指していて、個人データを使って個人の側面を評価する自動処理を言い、例の一つに職場での仕事ぶりの分析や予測を挙げる。どの AI がこれらに当たるかは法的な判断なので、本記事は判定しない。

安全部品に当たることと高リスクであることも同じではない。したがって本記事では、工房に「違法」「高リスクである」という語を当てはめず、「第5条第1項(f) の文言に当たる」「附属書 III 第4項(b) の列挙の文言に当たる」とだけ書く。

指針の扱いにも線を引いた。E02・E03・E05・E06 の正解は、第5条第1項(f) の文だけでは決まらず、欧州委員会の禁止の指針の読み方に基づく。たとえば E03 の「作業日報の文章から気分を推定する」は、条文の語だけなら範囲に入るように読めるが、指針は生体データに基づく推定に限って読む。正解の列にはこうした事例を「指針の読み方」と書いた。

改正の位置も押さえておく。2026 年 7 月 24 日の官報に載った規則 (EU) 2026/1744(Digital Omnibus on AI)は、第4条を置き換え、第6条に第1a〜1c 項を足し、第3条(14) の安全部品の定義に一文を足し、第113条の適用日を改めた。第5条第1項(f) の文は変わっていない。第50条の適用日と 12 月 2 日の経過措置は AI 生成の表示と「印」は画像と3Dデータのどこで消えるのか — 12月2日の期限の前に、当サイトの記事画像 2,862 枚で数え、3Dデータは問いとして整理した(2026-11-09 公開) に書いたので、ここでは繰り返さない。

架空の工房の 38 事例と、AI に渡した資料の範囲

架空の工房の 38 事例と、AI に渡した資料の範囲

題材は、架空の小さな 3Dプリント工房が造形監視 AI を入れる場面だ。カメラで造形の失敗を検知する AI を中心に、作業者の監視、仕事の割り振り、見積りのチャット、解析の委託、設計データの学習といった周辺の判断を事例にした。事例の数は資料ごとに、EU AI Act 14、NIST AI RMF 8、AI 事業者ガイドライン 10、カメラ画像利活用ガイドブック 3、AWS の次元 3 の計 38 件である。

問いは「文言に当たるか」「どの条項か」「どの機能か」「どの主体か」「原文は何を求めるか」に限り、答えは選択肢から 1 つ選ばせた。38 事例の選択肢の数は、2 つが 22 事例、3 つが 4 事例、4 つが 9 事例、10 個が 3 事例である。代表的な事例を載せる。

ID事例問い正解決まる文
E01カメラの映像から作業者の表情を読み、苛立ちや不満を推定して工房主に通知する。医療や安全の目的は無い第5条第1項(f) の文言に当たるかはい第5条第1項(f)
E03作業日報の文章から書いた人の気分を推定する。生体データは使わない第5条第1項(f) の範囲に入るかいいえ指針の読み方
E12AI は造形の失敗を検知して止める。品質の管理だけに使い、人の安全には関わらず、故障しても人の健康と安全を危険にさらさない第6条の「安全部品」に当たるかいいえ第6条第1a 項
N07カメラを使う AI のプライバシーのリスクを調べて文書にするどの機能の小分類に対応するかMEASUREMEASURE 2.10
J09監視の AI 自体が誤作動を続け、危害が出ている別添が初動措置に挙げるものはどれかAI システムの停止別添 178 ページ
K01カメラに写るのは工房の従業員だけである写るのが従業員なら配慮は要らないと書いているかいいえ配慮事項 ⑫
W02顧客が AI の関わりを知ったうえで、使うかどうかを選べるようにするLens の次元のどれかTransparencyLens の定義

E12 は造形を止める話で、J09 と後で出てくる N02 は AI を止める話だ。語が似ているので、事例の文で書き分けた。また、E14 が問うのは第50条第1項の文の主語が provider か deployer かだけで、工房がどちらに当たるかは問うていない。

比べた条件は 2 つである。「資料なし」は資料の名前だけを書いて答えさせる。「資料あり」は、資料ごとに同じ抜粋の集まり(以下、資料の束)を全事例へ渡す。資料の束は、当サイトが事前の事実確認で作った表の行を集めたもので、条文の全文ではない。行の見出しは当サイトの日本語で、第4条の改正の新旧もこの見出しで示している。NIST だけは Core の小分類 72 個の文を、公式の HTML 版から機械で取り出した。このうち MAP 1.1 は途中で切れ、GOVERN 6.2・MAP 5.2・MEASURE 4.3 の 3 個には続きの節の本文の一部が混ざったが、N01〜N08 の答えを決める文に欠けは無い。文字数は EU AI Act が 7,043 字、NIST が 14,520 字、AI 事業者ガイドラインが 983 字、カメラの資料が 659 字、AWS の次元が 869 字である。

渡さなかったものも書いておく。aws.amazon.com の紹介ページの全文は渡していない。AWS の次元の定義は、docs.aws.amazon.com の Responsible AI Lens の文だけを渡した。ISO の本文は持っていないので渡していない。カメラの資料は全文ではなく必要な文だけを渡した。高リスクの分類の指針の草案も、資料の束に入れていない。AIB-C01 の公式の問題や教材の文章は、どの条件でも渡していない。AI に渡したのは、自作の事例と公開の原文の抜粋だけである。

AI に渡した文面は次のとおりだ。「次の資料の抜粋を根拠に答える。」の行と「資料の抜粋」の部分は、資料ありのときだけ入る。

(システムの指示)あなたは資格試験の勉強を助ける。法的な助言はしない。指示された形式だけで答える。

次の事例について、(資料の名前)の文言から問いに答える。これは資格試験の勉強の練習で、法的な判断ではない。
次の資料の抜粋を根拠に答える。

資料の抜粋:
(資料の束)

事例: (事例の文)
問い: (問いの文)
選択肢: (選択肢)

次の JSON だけを返す。answer には選択肢の語をそのまま書く。
{"answer": "選択肢の語", "basis": "根拠を一文で"}

注意が要るのは「資料の名前」の欄だ。EU AI Act の事例では、資料なしの文面にも「規則 (EU) 2024/1689 と改正の規則 (EU) 2026/1744」と書いた。つまり、資料なしでも、改正の規則があること自体はモデルに伝わっている。

実行は 2026-11-07 に行った。claude -p は Claude Code 2.1.319 で --model sonnet を指定し、ツールと MCP を使わない構成で動かした。記録されたモデルの ID は claude-sonnet-5-5 である。各事例を各条件 3 回答えさせた。手元の gemma4:12b は Ollama 0.40.15 で think: false と温度 0 を指定し、各事例を各条件 1 回答えさせた。資料ありは、最初の実行のあとで資料の束の作り方に不具合が見つかったので、束を直して同じ回数で実行し直した。本記事の資料ありの数と引用は、直した束の結果である。採点は、実行の前に決めたとおり、answer の語が選択肢の語と完全に一致するかだけを見た。つまり、根拠の文(basis)は採点に入っていない。

結果 — 資料の束で正解の数はどう変わったか

結果 — 資料の束で正解の数はどう変わったか
資料claude -p 資料なしclaude -p 資料ありgemma4:12b 資料なしgemma4:12b 資料あり
EU AI Act42/4242/4210/1414/14
うち E10〜E1312/1212/123/44/4
NIST AI RMF20/2424/244/87/8
AI 事業者ガイドライン30/3030/309/109/10
カメラ画像利活用ガイドブック9/99/93/33/3
AWS の次元9/99/93/33/3
全体110/114114/11429/3836/38

分母は、claude -p が 38 事例 × 3 回 = 114 回、gemma4:12b が 38 事例 × 1 回 = 38 回である。gemma4:12b の資料なしの E01 は、根拠の文が同じ語句の繰り返しになって JSON が壊れた無効の回で、表では正解に数えていない。

claude -p で資料の束を渡して増えたのは、NIST の 4 回だけだった。EU AI Act、AI 事業者ガイドライン、カメラの資料、AWS の次元は、資料なしでも全問正解している。gemma4:12b は 29/38 から 36/38 に増え、内訳は EU AI Act が 4、NIST が 3 である。AI 事業者ガイドラインは 9/10 のままだが、誤りの事例は資料なしの J05 から資料ありの J09 に入れ替わった。

この表だけを読むと、「claude -p なら原文を渡さなくても大差ない」と見える。さらに、選択肢が 2 つの事例が 22 あるので、正解の数には差が出にくい面もある。この実行で見えたことの中心は、表の外にある。答えの語は採点できても、その答えがどの文から来たかは、根拠の文を読まないと分からない。

正解でも根拠が改正で入った文とは限らない — E10〜E13 を読む

正解でも根拠が改正で入った文とは限らない — E10〜E13 を読む

E10〜E13 は、2026 年 7 月の改正で入った文が根拠になるように作った事例である。ただし、改正前の文だと答えが変わるのは E10 だけで、E11〜E13 は資料なしの回のとおり、改正で入った文に基づかなくても同じ答えに行き着いた。claude -p は資料なしでも資料ありでも 12 回すべて正解だった。そこで答えとは別に、根拠の文が改正で入った文に基づくかを全件読んで分類した。

事例問い資料なし(3 回)資料あり(3 回)
E102026 年 11 月の時点で、附属書 III の高リスクの AI に第3章の第1〜3節は適用されているか3 回とも正解。3 回とも 2027-12-02 への延期を挙げ、記憶に基づくなどと断り書きを付けた3 回とも正解。3 回とも改正後の第113条を根拠にした
E11第4条は、一人ひとりの AI リテラシーが特定の水準に達することの保証を求めているか3 回とも正解。3 回とも改正前の第4条の文言(十分な水準・最善を尽くして)を根拠にした3 回とも正解。3 回とも改正後の第4条の文を根拠にした
E12品質の管理だけに使う AI は、第6条の「安全部品」に当たるか3 回とも正解。3 回とも第3条(14) の定義を根拠にし、改正で足された第6条第1a 項に触れない3 回とも正解。3 回とも第6条第1a 項を根拠にした
E13故障が人の健康と安全を危険にさらす AI は、第6条の「安全部品」に当たるか3 回とも正解。3 回とも第3条(14) を根拠にした。1 回は改正規則の内容は確認していないと断った3 回とも正解。3 回とも改正で足された項を根拠にした

E10 — 延期は挙げたが、記憶だと断った

高リスクの適用日は改正で動き、附属書 III の高リスクの AI は 2027 年 12 月 2 日からになった(日付の全体は G検定の法律・倫理は AI で現行制度に更新してから覚える — AI 法・基本計画・著作権・EU AI Act の一次資料をシラバスに対応づける(2026-10-04 公開) にまとめた)。資料なしの 3 回はこの延期を挙げたうえで、1 回目なら「改正の内容は私の記憶に基づくもので、条文での確認が必要」と断り書きを付けた。資料ありの 3 回は、資料の束の第113条の文を根拠にした。答えは同じでも、根拠の出どころが記憶から原文に変わっている。

E11 — 改正前の第4条の語で答えた

第4条は改正の前後で文が変わった。改正前は、スタッフの AI リテラシーの十分な水準を、最善を尽くして確保する措置を求めていた。改正後は、スタッフなどの AI リテラシーの育成を支える措置を求め、個人に特定の水準を保証することまでは求めないと明記する。資料なしの 3 回は、改正前の語で答えた。たとえば 3 回目の根拠の文には次の一節がある。

自社の人員等のAIリテラシーについて『十分な水準』を『最善を尽くして(best extent)』確保する措置を求める義務であり

この問いでは、改正前の語を根拠にしても答えは「いいえ」に行き着いた。だから正解の数には何も出ない。しかし、勉強する人がこの説明を読んで覚えるのは、すでに置き換えられた文である。

資料ありの 3 回は、改正後の第4条の文を根拠にした。たとえば 1 回目の根拠の文は「改正後の第4条は AI リテラシーの発達を支援する措置を求めるにとどまり」で始まり、改正で足された一文「This obligation does not require providers or deployers to guarantee any specific level of AI literacy of any individual.」をそのまま引いている。

E12・E13 — 改正で足された項に触れなかった

E12 と E13 は第6条の「安全部品」の問いである。改正で足された第1a 項は、安全に関わらない面(品質の管理など)だけに使う AI は安全部品に当たらないと書き、第1b 項は、第1a 項にかかわらず、故障や誤作動が健康と安全を危険にさらす AI は安全部品に当たると書く。資料なしの 6 回は、この項に触れず、第3条(14) の定義を根拠にした。第3条(14) のこの部分は改正の後も残っている文なので、根拠として誤りではない。ただし、この 6 回は第6条の新しい項にも、第3条(14) に足された一文にも触れていない。E13 の 1 回は、末尾に次の断りを付けた。

なお改正規則(EU) 2026/1744の内容は確認していない。

一方、資料ありの E12 の 3 回は第6条第1a 項を、E13 の 3 回は改正で足された項を根拠にした。E13 の 3 回はこの項を第1c 項と書いたが、官報ではこの文は第1b 項である。資料の束は第1a〜1c 項とまとめて書くだけで、文ごとの番号を示していないので、番号は分類では比べていない。ここで確かめたのは文言の読み取りだけである。第1a 項の文は第6条第1項を含むこの規則全体について書くもので、第6条第1項は附属書 I の製品の経路である。安全部品に当たることと高リスクであることは同じではない点も、もう一度書いておく。

12/12 の中身は同じではない

まとめると、claude -p の資料なしの E10〜E13 は 12 回すべて正解だったが、そのうち E11 の 3 回は置き換えられた文に、E12・E13 の 6 回は改正の後も残る第3条(14) の文に基づいていて、9 回とも改正で入った文には基づいていなかった。資料なしの根拠に改正の内容が出たのは、E10 の適用日の延期だけである。資料ありも 12/12 で、表の上では同じ値になる。しかし資料ありでは、根拠の文が改正で入った文に変わった。正答率だけでは、この差は見えない。

誤りに数えた回の中身 — gemma4:12b の J09

誤りに数えた回の中身 — gemma4:12b の J09

手元の gemma4:12b は、資料なしの 29/38 が資料ありで 36/38 になった。改正が絡む E10〜E13 も 3/4 から 4/4 に増え、根拠の中身も変わった。資料なしの E10 は「はい」と答えて適用日に触れなかった。資料ありの E10 は改正後の第113条を根拠に「いいえ」と答えたが、根拠の文は章を取り違えている。

第113条の改正により、附属書IIIに基づく高リスクAIシステムに対する第1章および第2章(第1〜3節を含む)の適用開始日は2027年12月2日となっているため。

官報の第113条で、附属書 III の高リスクの AI に 2027 年 12 月 2 日から適用されるのは第3章の第1〜3節(第6条第5項を除く)で、第1章と第2章は一部を除いて 2025 年 2 月 2 日から適用されている。答えの語は正解だが、適用の対象の章は合っていない。

資料ありの E11 は第4条の改正で足された一文の内容を、E12 は第6条第1a 項を、E13 は改正で足された項を根拠にした。E13 はこの項を、claude -p の資料ありの 3 回と同じく第1c 項と書いた。

資料ありの誤りは 2 回で、中身はまったく違う。

事例正解答え中身
J09AI システムの停止AI システムの停止(キルスイッチ)資料の束の語のまま答え、選択肢の語と完全に一致しなかった。内容は正解と同じ
N07MEASUREMAPMEASURE 2.10 の文を「MAP 2.10」と読んだ

J09 は、実行の前に決めた「選択肢の語と完全に一致したものを正解とする」という規則どおり、誤りに数えた。根拠の文は「資料の抜粋に「AI システムの停止(キルスイッチ)」という記述がある。」で、内容は正解と同じである。規則を後から変えて数え直すことはしていない。一方、N07 は機能そのものを取り違えた回で、次の節で書く。

ここから分かるのは、正解の数がどちらの向きにも中身を映さないことだ。答えの語だけの集計は、J09 のような語の形の違いと、N07 のような内容の誤りを、同じ 1 回の誤りに数える。そして claude -p の資料なしの E11〜E13 のように、根拠が改正で入った文に基づかない回や、gemma4:12b の資料ありの E10 のように、根拠の章を取り違えた回を正解に数える。誤りの回も正解の回も、中身は根拠の文を読まないと分からない。

手元の gemma4:12b は Ollama で動かしたモデルだ。ローカルの LLM を自分で動かして、資料のあり・なしの違いを試すなら、次の本が入口になる。

NIST の機能の取り違え — N02 と N07

NIST の機能の取り違え — N02 と N07

claude -p の資料なしの誤りは 4 回で、どれも NIST の機能の取り違えだった。内訳は N02 が 1 回、N07 が 3 回である。資料ありでは、この 2 事例も含めて NIST は 24/24 になった。

N07 の事例は「カメラを使う AI のプライバシーのリスクを調べて文書にする」で、正解は MEASURE である。MEASURE 2.10 は、MAP の機能で特定されたプライバシーのリスクを調べて文書にする、と書く。資料なしの 3 回はどれも MAP と答え、根拠の文に「特定」の語を使った。

AI システムの利用文脈でプライバシーを含む潜在的なリスクや影響を特定し文書化する活動は、リスクの識別と文脈の理解を扱う MAP の小分類に当たる。

事例の文は「調べて文書にする」で、「特定する」とは書いていない。原文の上では特定が MAP、調べるのが MEASURE に分かれるが、資料なしの 3 回は 3 回とも同じ向きに取り違えた。ここで見ておきたいのは、3 回の答えがそろっていたことだ。同じ問いを繰り返して答えが一致しても、この事例ではそれが正しさの証拠にならなかった。

N02 は、意図した用途から外れた結果を出す AI を切り離す・止める仕組みを用意し、担当を決める事例で、AI を止める話である。正解は MANAGE 2.4 の文から決まる。資料なしの 1 回は GOVERN と答え、根拠に GOVERN 1.7 を挙げた。GOVERN 1.7 は実在の小分類だが、その文は AI システムを安全に廃止する手順の話で、「意図した用途に合わない結果」の語があるのは MANAGE 2.4 のほうだ。MANAGE と答えて正解だった別の 1 回も、MANAGE 2.4 と並べて MANAGE 4.2 を挙げた。MANAGE 4.2 の文は継続的な改善の活動の話である。番号が実在することと、番号と文の組み合わせが合っていることは別である。

gemma4:12b は資料なしで N01・N02・N04・N07 の 4 回を誤り、資料ありでは N07 だけが残った。その根拠の文は「MAP 2.10 states that the privacy risk of the AI system」で始まる。引いた文は MEASURE 2.10 のもので、資料の束に MAP 2.10 という小分類は無い。元の文に「map function」の語があるので、それに引かれたようにも読めるが、1 回の実行なので原因は言えない。機能の語の印象で覚えるのではなく、小分類の文で見分けるのが、この結果から取れる勉強の形だ。

勉強で AI の答えを読む手順

勉強で AI の答えを読む手順

ここまでの結果から、AI の答えを読む手順を書く。どれも試験の前の勉強の話で、試験中に AI を使う話ではない。AI に渡すのは公開の原文と自作の事例だけにし、公式の問題や教材の文章は貼らない。

  1. 事例を自分で書く。工房のような身近な題材で、事例の文に判定の条件を書き込む
  2. 問いを「文言に当たるか」「どの機能か」の形にする。「違法か」「自社は対象か」は AI に聞かない
  3. 答えと根拠を別の欄で出させる。上の JSON の形をそのまま使える
  4. 誤りに見えた回は根拠の文まで読み、語の形の違いと内容の誤りを分ける
  5. 根拠の文が渡した原文に実在するかを照合し、番号と文の組み合わせを見る
  6. 根拠の条文の版を確かめる。改正があった法令なら、改正の規則と統合版を開いて、改正前の語が残っていないか、足された文に触れているかを見る
  7. 断り書きを読み落とさない。「記憶に基づく」「抜粋に無い」と書かれた箇所は、自分で原文を開く

手順の 4〜7 が、実行のどの回に当たるかを表にした。

確かめることこの実行で見つかった回答えの語だけなら
語の形の違いか、内容の誤りかgemma4:12b の資料ありの J09内容の誤りと同じ 1 回に見える
番号と文の組み合わせ(答えも誤り)claude -p の資料なしの N02 の 1 回、gemma4:12b の資料ありの N07機能の取り違えにしか見えない
番号と文の組み合わせ(答えは正解)claude -p と gemma4:12b の資料ありの E13 の計 4 回、gemma4:12b の資料ありの E10、claude -p の資料なしの N02 で MANAGE 4.2 を挙げた 1 回など正解に見える
根拠の条文の版と足された文claude -p の資料なしの E11〜E13 の 9 回正解に見える
断り書きclaude -p の資料なしの E10・J09・K02 の各 3 回など確かめた正解に見える

断り書きは見落としやすいが、役に立つ。資料なしの J09 の 3 回も、「記憶に基づく要約であり原文の逐語引用ではない」のように断ったうえで正解していた。断り書きのある回は、AI 自身が確かめていないと書いている回なので、原文を開く順番の目印になる。ただし、逆は言えない。E11 と E12 の資料なしの 6 回には断り書きが無かったが、根拠は改正で入った文に基づいていなかった。断り書きが無いことは、確かめた証拠にならない。

改正された部分ほど公開の原文を渡す、というのがこの実行の読み方である。E10〜E13 の資料なしの根拠に出た改正の内容は適用日の延期だけで、第4条と第6条の改正は出てこなかった。EU AI Act なら、効力のある本文は官報だけである点を踏まえたうえで、AI Act Service Desk の統合版(2026-07-27 時点)も手がかりになる。第6条のページは第1a〜1c 項に NEW の印を付けている。ただし、原文を渡せば正しくなるとは言えない。gemma4:12b の資料ありの N07 のように、渡した文の番号を読み違えた回もあるからだ。

AI の答えを根拠の文まで読むには、LLM がなぜもっともらしい誤りを返すのかを知っておくとよい。生成 AI の仕組みを図解で押さえるなら、次の1冊がある。

原文だけでは決まらない判断が残る

原文だけでは決まらない判断が残る

38 事例の外に、判定させなかった事例がある。事例の表を作る段階で、原文の文言だけから答えが決まらないものを 12 件外した。主なものは次のとおりだ。

  • 工房は EU AI Act の対象か(第2条の当てはめは法的な判断である)
  • E07(作業者ごとの手戻りの多さと返信の速さから仕事を割り振る)・E08(作業者ごとの段取りの時間を測って評価の点を送る)の AI は高リスクか(第6条第3項の例外は重大な害のリスクの有無と条件 (a)〜(d) で分かれ、自然人のプロファイリングを行う AI には使えない。当てはまるかは法的な判断なので判定しない)
  • 機械や溶剤の近くで作業者の感情を推定するのは、安全の理由の例外に当たるか(指針は例外を狭く読むと書き、例も具体の危険の有無で分かれる)
  • AI の判定だけで造形を止めてよいか、人の確認を挟むべきか(本編の文は用途によるとしか読めない)
  • 本番で AI の動作を監視するのは MEASURE か MANAGE か(MEASURE 2.4 と MANAGE 4.1 の両方に当たる)

この一覧は、原文を照らす勉強の限界でもある。たとえばスキル 3.1.2 は、事業の目標と責任ある AI の原則がぶつかるときのトレードオフを扱う。原文の語を探す練習だけでは、この種の判断の練習にならない。AI の判定だけで造形を止めてよいかについても、本記事は答えを書かない。止めるしきい値を材料費で計算する話は 3Dプリントの監視のしきい値を材料費で決める — 確率のどこで止め、どこを人に回すか(2026-10-17 公開) に書いたが、それは費用の話で、規範の答えではない。

別枠にした事例もある。欧州委員会の高リスクの分類の指針は、2026 年 11 月 7 日の時点で草案のままだった(2026-05-19 公開)。草案の読みに依存する 4 事例は、正解が変わりうるので実行に入れていない。草案は附属書 III 第4項(b) の読み方も書いているが、確定した解釈として読まないほうがよい。公開の原文が手元にあっても、その文が確定しているかは別に確かめることになる。

この実行で言えないこと

この実行で言えないこと
  • 事例は当サイトが作ったもので、試験の問題とは別物である。正解の数は合否の目安にならない。試験本体がどの資料からどう問うかは確かめていない
  • 資料の束は当サイトの事実確認の表の行を集めたもので、条文の全文ではない。答えを決める文も入っているが、E10 の第113条は日付の部分だけで、第3章第1〜3節の語は AI に渡した E10 の事例の文にしか無い。gemma4:12b の章の取り違えと関係する可能性はあるが、1 回の実行なので原因は言えない。行の見出し(第4条の新旧など)は当サイトが書いた。「資料あり」の結果は、抜粋から語を見つけられるかを含むもので、条文全体から探して読み解く力を測ったものではない
  • EU の資料は英語で、事例は日本語である。言語の差と資料の有無は分けられない
  • 根拠の分類は、当サイトの制作に使っている Claude(Claude Opus 5.5)が E10〜E13 の全件を読んで決めたもので、人の確認はしていない。答えた側も同じ会社のモデルである。その他の事例の根拠は同じ基準で分類していない
  • gemma4:12b の資料ありは、資料の束の形を直して実行し直すと、E10 などの答えが変わった。温度 0 でも束の形で答えが動いたので、3/4 から 4/4 への差は資料の有無だけの効果とは言えない
  • claude -p は各条件 3 回、gemma4:12b は各条件 1 回の実行で、モデルは 2 つだけだ。「AI は改正を知らない」のように一般化はできない
  • 資料なしの文面にも資料の名前が入っているので、何も伝えない条件ではない
  • 本記事の判定は法的な判断ではない。E12 は文言の練習で、実在の造形監視が品質の管理に当たるかの公的な例は確認していない。工房の事例を読者の事業に当てはめない
  • NIST AI RMF 1.0 は改訂中で、高リスクの分類の指針は草案である。どちらも 2026 年 11 月時点の話で、資料が変われば事例の根拠も見直しが要る

まとめ — AIB-C01 のガバナンスは根拠の文で勉強する

まとめ — AIB-C01 のガバナンスは根拠の文で勉強する

AIB-C01 のガバナンスの分野は、原則・規制・リスクの枠組みを事例に当てはめるスキルを並べる一方で、試験ガイドは NIST や EU AI Act の名前を挙げていない。本記事は当サイトが選んだ公開の原文で、架空の工房の 38 事例を採点した。この実行では、claude -p の正解の数は資料なしで 110/114、資料ありで 114/114、gemma4:12b は 29/38 と 36/38 だった。

数字より大事だったのは根拠の文である。claude -p の資料なしの E10〜E13 は 12 回すべて正解だったが、E11〜E13 の 9 回の根拠は改正で入った文に基づいていなかった。資料を渡すと根拠が改正で入った文に変わった。gemma4:12b の資料ありの誤り 2 回は、語の形の違いと番号の読み違いで中身が別だった。claude -p の資料なしの誤りは NIST の機能の取り違えに集まった。

勉強に持ち帰るなら、まず 1 つの条文で試すとよい。自分で書いた事例に、答えと根拠を別の欄で出させ、根拠の文を公開の原文と並べて読む。根拠の条文の版が改正の前か後かを確かめ、改正された部分は原文を渡してもう一度聞く。原文で決まらない判断が残ることも、その過程で見えてくる。

参照

EU の資料と AI 事業者ガイドラインの本文中の説明は、当サイトが抜粋・要約し、編集したものである。EU の法令で効力のある本文は官報だけだ。AWS と NIST の英語の資料の日本語も、訳は当サイトによる。NIST の文の引用: Republished courtesy of the National Institute of Standards and Technology.

ブラウザだけでできる本格的なAI画像生成【ConoHa AI Canvas】
ABOUT ME
swiftwand
swiftwand
AIを使って、毎日の生活をもっと快適にするアイデアや将来像を発信しています。 初心者にもわかりやすく、すぐに取り入れられる実践的な情報をお届けします。 Sharing ideas and visions for a better daily life with AI. Practical tips that anyone can start using right away.
記事URLをコピーしました