AI説明責任チェックリスト：Timnit Gebruからの教訓

出荷直前に重要になるAIの説明責任

AI機能を作ることは以前は主に技術的な問いでした：モデルを動かせるか？ 今ではより難しい問いは、導入すべきか、どんな制約が必要かです。

実際のユーザーがAIの出力に頼ると、小さな問題が大きなコストになります：誤った判断、混乱した顧客、プライバシー漏洩、不公平な扱いなど。

AIの説明責任は雰囲気や約束事ではありません。文書化された記録と、誰が責任を持つかの明確な決定です。使ったデータ、システムができないこと、失敗したときにどうするかを示せなければ、説明責任ではなく希望を持っているだけです。

これはリリース直前に特に重要です。ドキュメントを任意扱いにしがちな時期だからです。ドキュメントなしに出荷するとあとで高くつく驚きが生まれます：答えのないサポートチケット、怒ったユーザー、機能の巻き戻し、社内の責任の押し付け合い。

簡単なチェックリストは具体的な答えを求めます：

• その機能に何のデータが使われ、どんなギャップがあるか？
• 想定される用途は何で、明確に対象外なのは何か？
• どんな誤りが起こりやすく、誰が被害を受ける可能性があるか？
• どんなガードレールがあるか（人によるレビュー、フォールバック、監視）？

目的は理論ではなく、基本（データ、限界、リスク）を文書化して、たとえ迅速に動いていても後で説明できる決定を残すことです。

Timnit Gebruが1ページで変えたこと

Timnit GebruはAIの説明責任に関する最も引用される声の一つです。彼女は多くのチームが省略していた単純な問いを押し出しました：

「作れるか？」だけでなく、「導入すべきか？ 誰が害を受けるか？ それをどう検知するか？」も問う必要がある、ということです。

その変化の大きな部分は、AIシステムを他の人にも理解できるようにすることです。モデルを訓練したエンジニアだけでなく、レビュアー、プロダクトマネージャー、サポート、ユーザーにも見えるようにする。何をするシステムか、どのデータが形作ったか、どこで失敗するか、現実世界でのリスクはどう見えるかを書き残すことが目的です。

具体的に有用になった成果物が二つあります：

• データセットのノート（datasheets for datasetsと呼ばれることもある）：データの内容、出所、誰が表現されているか／欠けているか、使うべきでない用途。
• モデルのノート（model cardsと呼ばれることもある）：モデルの用途、テスト方法、既知の限界、想定される誤りの種類。

プロダクトチームにとって、これは単なる書類仕事ではありません。ドキュメントは証拠です。「なぜこの機能を出荷したのか」「なぜこの故障モードを見落としたのか」と問われたときに示せるものが必要です：何を計測したか、何をサポートしないと決めたか、どんな防御策を追加したか。

例えば、サポートツールにAI要約ボタンを追加するなら、モデルノートにはセンシティブなトピックでテストしたか、不確実性をどう扱うか、人間によるレビューの段取りはどうかを明記すべきです。それにより漠然とした懸念が弁護できる決定になりますし、改善もしやすくなります。

AI機能とは何か、何が問題になり得るか

AI機能とは、モデルの出力がユーザーの見え方、できること、扱われ方を変えるプロダクトのどの部分でも該当します。出力が何らかの決定に影響を与えるなら、小さくても実際の影響を持つ機能として扱ってください。

一般的なタイプとしては、要約、ランキング、レコメンデーション、モデレーション、スコアリング（リスク、詐欺、品質、適格性、優先度）などがあります。

問題が起きると、その影響はボタンをクリックした人を超えて及ぶことがあります。被害を受け得るのはエンドユーザー、言及されたりプロフィール化された非ユーザー、サポートスタッフやモデレーター、契約社員やレビュアー、機能の訓練や評価に使われたデータの主体などです。

エラーと被害は分けて考えると役に立ちます。エラーはモデルが間違っていること：悪い要約、誤検知、無関係な推奨。被害はそのエラーが現実にもたらす結果：金銭の損失、不公平なアクセス、評判の損なわれ、あるいは安全リスク。例えば、サポートアシスタントが返金ポリシーを作り出す（hallucinate）ことはエラーです。被害は顧客がその内容を信じて購入し、後で拒否される、あるいはサポート担当が怒ったチケットを処理しなければならないことです。

被害はしばしばグループや文脈によって不均一に現れます。モデレーションモデルは多くのユーザーには「十分に機能している」ようでも、スラングや方言を誤解して特定コミュニティの投稿をより多く削除してしまうかもしれません。ランキングモデルは大ブランドに共通するパターンに合わない小規模事業者を埋もれさせるかもしれません。

Koder.aiのようなチャット駆動のビルダーでAI機能を構築する場合、スピードは現実的ですが、説明責任の作業は変わりません。モデルがどこで失敗し、失敗したときに誰が代償を払うかを明確にする必要は同じです。

リリース前に最低限持つべきドキュメント

リリース前に必要なのは、「何を作ったか、誰のためか、何が起こり得るか」に答える小さなドキュメント群です。短く保ちつつ、全ての主張をテスト可能にしてください。

リリース前に書面で持つべき最小セット：

• 目的とユーザー：機能の目的、誰が使い、誰が使うべきでないか。サポートする（あるいは置き換える）決定を含めてください。
• データとソース：学習や微調整に使ったデータ、実行時に参照するデータ、保存するデータ。センシティブなフィールドと同意の前提を明記。
• 既知の限界：どこで失敗するか、何を知らないか、混同しやすい点。既に見た悪い出力の例をいくつか追加。
• ユーザー被害リスク：誤導、排除、暴露につながる現実的なケース（プライバシー、バイアス、安全でない助言、過信）。
• 監視と対応計画：リリース後に何を測るか、誰にアラートが行くか、何がロールバックや機能ロックの引き金になるか。

「文書化された」は「理解されている」と同義ではありません。誰も読まないドキュメントはただのファイルです。建物の外側にいる一人（開発チーム外の人物）に読んでもらい、平易な言葉で「限界とユーザー影響を理解しました」とサインしてもらってください。要約できなければ準備不足です。

ドキュメントを維持する単一の担当者を割り当ててください（通常は機能のプロダクトオーナー、法務ではありません）。更新頻度を決め（各リリースまたは月1回）、インシデント後は即時更新を義務付けます。

トーンは正直かつ具体的に。テストセット、指標、修正できなかった失敗ケースを明記せずに「高精度」といった主張は避けてください。

データ記録：何を記録し、どの程度詳細にするか

良いデータノートは二つの仕事をします：ユーザーが見つける前に失敗を予測する助けと、将来のチームメンバーがそのシステムを信頼（または信頼しない）理由を理解する手助けです。

詳細のレベルは「10分で厳しい質問に答えられる程度」に保ってください。論文を書く必要はありません。バグ報告、プライバシーレビュー、顧客クレーム時に必要な事実を書き残します。

シンプルなデータインベントリから始めてください。各データセット（ログ、フィードバック、サードパーティを含む）について、出所と誰が管理しているか、収集時期と更新頻度、製品のどの挙動を支えるか、同意とプライバシーの境界、ラベリングやクリーニングの手順を記録します。

代表性は別項目で明記してください。欠けているものを名前で示します：地域、言語、デバイス、アクセシビリティ要件、ユーザータイプ、エッジケースなど。平易に書きます（例：「主に米国英語のモバイルユーザー」「小規模事業者の事例は少ない」）。

人手ラベリングを使う場合は、ラベラーの文脈（専門家かクラウドワーカーか）、彼らが見た指示、どこで意見が分かれたかを記録してください。意見の不一致は隠すべき欠陥ではなく、設計上の注意喚起です。

制限の文書化：エッジを見える化する

限界ドキュメントは「デモでは動いた」から「この機能が安全に扱える領域」を示す場所です。ハッピーパスだけを書くと、ユーザーがエッジケースを見つけます。

まずモデルの役割を一文で示し、次に何に使ってはいけないかを書きます。「よくある質問への短い返信を下書きする」は「返金を決定する」や「詐欺を検出する」とは大きく違います。その境界がUI文言、エスカレーションルール、サポート教育を簡単にします。

平易な言葉で既知の失敗パターンを列挙してください。よい制限セクションは、何が入力を混乱させるか（曖昧な要求、文脈不足、混在言語）、どのトーンを誤読しやすいか（皮肉、冗談、怒り）、希少ケースで何が苦手か（専門用語、珍しい製品）、意図的に壊される方法（プロンプトインジェクション、機密データを引き出す誘い）を含むことが多いです。

運用上の制約も含めてください。ユーザー体験と安全性を左右するからです。レイテンシー目標、コスト制限、到達時の挙動（タイムアウト、短い回答、再試行の減少）を書き留めます。コンテキストウィンドウの制限（初期メッセージを忘れる可能性）や依存関係の変化（LLMのプロバイダを切り替えると挙動が変わる）も記載してください。

そして製品内で再利用できる一つの警告文を用意してください：

"AI生成の応答は不完全または誤っている可能性があります。法的、医療的、金融的な判断には使用しないでください。請求、返金、アカウントアクセスに関する懸念がある場合はサポートに連絡してください。"

モデル、プロンプト、ポリシーが変わったらこの注意書きを更新してください。

ユーザー被害評価：懸念をリスクマップにする

被害評価は抽象的な倫理議論ではありません。機能が間違ったときに誰がどう被害を受けるか、リリース前後に何をするかを短く書くドキュメントです。

まず見落としがちな項目を網羅するため、カテゴリを並べます：安全、差別、プライバシー、欺瞞、信頼性。

次に各被害を現実的な状況に落とします。カテゴリごとに1～2件の具体的なストーリーを書きます：ユーザーは誰か、何を尋ねるか、モデルが何を返すか、ユーザーはそれを受けて何をするか。重要なのは行動の連鎖です。間違った答えは苛立ちで終わるかもしれませんが、医療判断や送金、ポリシー変更を引き起こすなら影響は大きくなります。

優先度付けには簡単な尺度を使ってください。各シナリオについて重大度（低・中・高）と発生可能性（低・中・高）を付けます。完璧な数値は不要で、今取り組むべきものの共有ビューが得られれば十分です。

最後にオーナーを割り当てます。名前のない緩和策は緩和策ではありません。各シナリオについて、リリース前の緩和策（ガードレール、UXの警告、ブロック対象、ログ）、リリース後の緩和策（サポート手順、監視、ロールバックトリガー）、そして誰が責任を持つかを書いてください。

ステップバイステップ：プロトタイプからリリースまでのゲート

ゲーティングは「作れる」から「出荷すべきか」へ進む方法です。次の出口を通過するまで、その段階の基本が書面化され、レビューされ、テストされていることを要求してください。

1. 意図と影響する決定を記述する。 誰が使い、どんな決定をするのか、出力が間違ったら何が起きるかを具体的に書きます。

2. データと限界メモを早めに作る。 UIを磨く前の段階で行い、機能が形を変えやすいうちに対応できるようにします。

3. 現実的・エッジ・センシティブなケースでテストする。 雑なテキスト、スラング、別言語、長いスレッド、曖昧な要求を試してください。重要度の高いケース（請求紛争、アカウントアクセス、医療・法律相談）も含めておくと良いです。

4. ユーザーメッセージ、フォールバック、エスカレーションを用意する。 モデルが拒否したとき、不確かであるとき、性能が低いときにユーザーが何を見るかを決めます。安全なデフォルト（「人に聞く」など）を用意し、誤答を報告しやすくしてください。

5. 監視、インシデント、ロールバックを定義する。 見るべきシグナル（苦情、取り消し率、フラグされた出力）、アラート先、"機能停止"がどういう状態かを定義します。

どのステップも難しいと感じるなら、それがリスクの所在を示しています。

よくあるミス

信頼を損なう最速の方法は、実験室の良いスコアをそのまま現実世界で安全だという証拠とみなすことです。ベンチマークは役立ちますが、ユーザーがどのように機能を押し、誤解し、依存するかは示しません。

もう一つの失敗は不確実性を隠すことです。システムが常に同じ自信を持って話すと、ユーザーは常に正しいと仮定します。単純に「わからない」経路や、回答が何に基づいているかを短く示すだけで、人々が不確かな出力を事実と受け取るのを防げます。

チームはまた自分たちの習慣でしかテストしない傾向があります。内部プロンプトは礼儀正しく予測可能です。実際のユーザーは疲れていて急いでおり創造的です。雑なテキストを貼り付けたり、追従を求めたり、規則を破らせようとします。

繰り返し出る5つのミス：

• ベンチマークやオフライン評価をリリース判断にする
• 「自信あり」の一つの答えに固執し「わからない」や「要レビュー」を許さない
• チームが書いたプロンプトだけでテストし、現実の雑な入力を省く
• リリース後にドキュメントを書き、機能変更時に更新しない
• ロールバック経路を用意せずに出荷する

実践的な修正は、説明責任をビルドプロセスの一部にすることです。チェックリストを仕様に入れ、出荷前に「どのデータを使ったか、何が失敗するか、誰が被害を受けるか、問題が起きたらどうするか」を必須で示すようにしてください。

具体例：アプリビルダー内にAIアシスタントを展開する場合、曖昧な要求（「Airbnbみたいにして」）、矛盾する要件、センシティブなコンテンツでテストし、スナップショットやバージョン管理、迅速な無効化スイッチを用意しておくと、ユーザーからの被害報告が出たときに素早く対応できます。

仕様に貼り付けて使える短いチェックリスト

以下をプロダクト仕様に貼り付け、出荷前に埋めてください。短く保ちつつ、各回答は具体的にし、各リスクにオーナーを付けてください。

### 1) Purpose and affected people
- Feature name:
- What decision or action does the AI support (one sentence):
- Who uses it:
- Who is affected even if they never use it (customers, employees, bystanders):
- What a “good” outcome looks like:

### 2) Data used (training, tuning, retrieval, logs)
- Data sources (where it came from and why it’s allowed):
- What you excluded (and why):
- Sensitive data involved (PII, health, finance, kids):
- Data retention period and deletion plan:
- Security and access controls:

### 3) Limits and “do not use” zones
- Known failure modes (give 3-5 concrete examples):
- Languages supported and not supported:
- Inputs it should refuse (or route to a human):
- Cases where it must not be used (legal, medical, hiring, etc.):

### 4) User harm assessment
- Top 5 harms (ranked):
- Mitigation for each harm:
- Who owns each mitigation (name + team):
- What you will tell users (warnings, confidence cues, citations):

### 5) Operations after launch
- Monitoring signals (quality, complaints, bias flags, cost spikes):
- Human review path (when and how escalation happens):
- Rollback trigger (exact threshold or condition):
- Snapshot/version you can revert to:

（注：このコードフェンス内のチェックリストはそのままコピーして仕様に使ってください。）

例：機能がカスタマーサポートの返信を下書きするなら、「確信を持って間違った返金ポリシーを示す」という被害を列挙し、低自信度の草案は必ず承認を要するルールを設定します。

例：カスタマーサポート向けAIアシスタントの文書化

サポートチームがチャットツール内にAI返信アシスタントを追加しました。アシスタントは返信を下書きし、次の手順を提案し、現在のチケットから文脈を引きます。出荷前に彼らはチェックリストに収まる短いドキュメントを書き、システムが見るもの、何を間違えやすいか、誰が被害を受けるかを整理しました。

データノート（学習元と現在見るもの）

彼らは二つのソースを分けて書きました。まず学習／微調整データ（過去のサポートチケット、社内ヘルプ文書、製品ポリシー）。次にライブの文脈（顧客メッセージ、アカウントプラン、注文状況、エージェントコンソールに表示されるメモ）。

各ソースについてプライバシー期待を明記しました。過去のチケットには住所や支払い問題が含まれる可能性があるため、訓練前に敏感なフィールドをマスキングする、チャットの完全な記録を必要以上に保存しない、デバッグに必要な情報だけをログに残すなどのルールを定めました。

限界（エッジを見える化）

彼らは弱点を平易に列挙しました：モデルがポリシーをでっち上げることがある、顧客の怒りの口調をそのまま反映することがある、皮肉を見落とす、あまり使われない言語で性能が落ちる、など。また不確実性を示す方法を決め、"下書き、要確認"タグを付けてエージェントが事実と扱わないようにしました。

ルールも追加しました：アシスタントは参照した内部ドキュメントやポリシーの抜粋を引用するか、"参照が見つかりませんでした"と表示すること。

想定される被害を洗い出しました：作り話の返金ルールで顧客が誤誘導される、返信に機密情報が漏れる、偏見のある言語で不公平な扱いになる、など。

緩和策は仕様に具体的なゲートとして入れました：

• 返信は下書きでありエージェントの承認が必要という明示
• 返金、法務、セキュリティ、医療などリスクの高い話題はレビューへ回す
• アシスタントが敏感データの要求や繰り返しを行うことをブロックする
• 人の編集と苦情をフィードバック信号として記録する
• スナップショットとロールバックの迅速な手順（プラットフォームが対応していれば）

これにより「出荷するべきか？」の問いを、顧客が被害を受ける前にチームで検証できる書面上のチェックに変えられます。

継続的な習慣にするための次の一手

説明責任はリリース日に何かを変えること、そして何かが起きた後にどうするかを変えることが重要です。ノートは「やるべきことのフォルダ」に終わるのではなく、明確な決定につながるべきです。

ドキュメントを次の三つの結論のいずれかに翻訳してください：

• Ship（出荷）：目的を満たし、リスクは理解され、コントロールは実在する。
• Ship with limits（制限付き出荷）：利用者や用途を制限し、結果の見せ方を狭める。
• Do not ship (yet)（まだ出荷しない）：データが薄い、失敗モードの代償が大きすぎる、十分に説明できない。

再現可能にするために軽量なレビュー儀式を設定してください：1人のプロダクトオーナー、1人のエンジニア、1人のユーザーを代弁できる人（サポート、リサーチ、オペスの誰か）。毎回同じ要素（データソースノート、既知の限界、想定被害、モデルが間違ったときの対応）にサインオフしてもらいます。

リリース後は説明責任を運用として扱ってください。週次またはリリースごとの更新頻度を決め、更新を日常化します。

• 想定される悪入力で短い障害ドリルを実行し、ユーザーが何を見るかをログする。
• 自然に発生するフィードバックを収集する（サポートチケット、賛否、内部QAノート）。
• インシデントを平易な言葉で記録する：何が起きたか、誰が影響を受けたか、何を変更したか。
• ドキュメントとプロダクトを同時に更新し、次の担当者が同じミスを繰り返さないようにする。

プロトタイプを迅速に作る場合でも、同じ規律を保ってください。高速に動けるツールでも適切なゲートは可能です。例えばKoder.aiで作るなら、初期に境界を定義するためにPlanningモードを使い、スナップショットとロールバックを安全計画の一部として扱ってください。