AI監査とは？えーあいかんさ
AI監査とは、機械学習を用いるシステムを対象とする監査。出力の正しさを確かめるだけでは足りず、学習データの出所と偏り、モデルの検証手順、判断の根拠を説明できる仕組み、稼働後の精度低下の監視までが検証の範囲になる。責任の所在も評価の対象。
最終更新：2026-10-06
この語が出る過去問を解く →背景
従来のシステムは仕様書どおりに動くかを確かめれば済んだが、振る舞いが学習で決まるシステムでは、正解となる仕様が文書に無い。入力するデータが変われば結果も変わるため、検証の対象が処理そのものからデータと学習の過程へ移る。シラバス改訂で監査人自身が生成AIを技法として使う想定も加わり、両面が問われるようになった。
具体例
監査人は与信判定モデルについて、学習データの取得元と利用の許諾、偏りの検証記録、稼働後の精度指標の推移表を入手する。指標がしきい値を下回ったとき誰が再学習を判断するかが手順に定められ、実際に発動した記録があるかまで確かめる。
試験での引っ掛け
出力が妥当に見えることを根拠にすると誤る。確かめるのは学習データの信頼性と検証の過程で、結果の抜取りだけでは統制の有効性を示せない。監査人が生成AIを技法として使う場合も、その出力自体は監査証拠ではなく着眼点にとどまる。
関連用語
出た過去問
出典：令和5年度 秋期 システム監査技術者試験 午前Ⅱ 問1（IPA）解説で登場
AIシステムが読み込む画像などの学習データの管理を対象としてシステム監査を実施した。判明した状況のうち、監査人が、指摘事項として監査報告書に記載すべきものはどれ…
正解：学習の基礎となるデータの信頼性の確保について、AIであれば問題ないとの憶測に基づき、実績のないAIシステムに判断させたデータを利用していた。
要点：AI監査では学習データの信頼性を検証しているかが要点
学習データの品質は、AIシステムの出力の信頼性をそのまま左右する。検証されていない実績のないAIに判断させたデータをそのまま学習に使えば、誤りが増幅されたまま本番の判断に反映される。「AIだから大丈夫だろう」という根拠のない前提そのものが統制の欠如であり、監査人が指摘事項として報告すべき状況にあたる。
出典・参考
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。