⑧ AI倫理と社会的課題 ／ 18. AIガバナンス
トレーサビリティとは
トレーサビリティとは、データ収集、前処理、モデル選定、学習、運用までの全過程を遡って追跡可能な状態に保つことです。問題発生時の原因究明と説明責任を果たすために不可欠です。
この用語はG検定シラバスの「18. AIガバナンス」に含まれます。 章全体の用語は用語解説⑧（全45語）にまとまっています。
一言でいうと
どの工程で何が行われたかを、あとからたどれる状態にしておくことです。
追跡する対象
- データ：来歴とバージョン
- 前処理：どんな加工を施したか
- 学習：設定・使用したデータ・実行者
- デプロイ：どのモデルをいつ本番に反映したか
- 推論：どの入力にどう応答したか
工程がつながって初めて「この判断はこのモデル、このデータに由来する」と示せるようになります。
なぜ必要になるのか
- 問題の原因究明：誤判断がどこから来たかを特定する
- 説明責任：外部への説明の根拠になる
- 監査：検証の対象そのもの
- 法的な対応：データの適法性を示す
後から集めようとしても記録がなければ再構成できません。最初から残す設計が必要です。
データの来歴との違い
| 用語 | 範囲 |
|---|---|
| データの来歴 | データの出所と加工の記録 |
| トレーサビリティ | 収集から運用まで全工程の追跡可能性 |
来歴はトレーサビリティの一部を構成します。MLOpsの仕組みで自動的に記録を残す形が主流になっています。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| データの来歴 | データの出所と加工の記録 |
| トレーサビリティ | 収集から運用まで全工程の追跡可能性 |
🎯 G検定での押さえどころ
- 収集から運用まで全過程を追跡可能にする
- 原因究明と説明責任のために不可欠
- データの来歴はその一部を構成する
⚠️ よくある誤りの選択肢
- 「トレーサビリティは、データの出所さえ記録していれば確保できる」→ 誤り。前処理・学習・デプロイ・推論まで全工程が対象です
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。