안산포장이사둘째 단계는 첫 단계에서 파악한 AI 유형 및 용례에 대응하는 리스크를 식별하고 매핑하는 단계다. 기획이나 개발의 과정에서는, 적법하지 않은 데이터를 수집해 학습데이터로 이용할 가능성, 학습데이터의 관리가 부적절할 가능성, AI 가치망의 다양화에 따라 데이터 흐름이 지나칠 정도로 복잡해질 가능성 및 그에 따른 추가적 리스크가 발생할 가능성 등이 고려될 수 있다. 서비스 과정과 관련해선 별도의 리스크가 나타날 수 있다. 생성형 AI 서비스의 제공과 관련해 흔히 언급되는 리스크는 학습데이터의 암기 가능성 그리고 그로 인해 개인정보가 부당하게 노출될 가능성이다. 또한 악의적 합성콘텐츠의 생성·유포와 관련된 리스크도 중요하게 언급된다. 판별형 AI와 관련해서는, AI를 이용한 자동화된 결정의 과정에서 개인의 권리가 실질적으로 무시될 가능성이나 AI 기술이 부당하게 민감정보를 추출하거나 추론하는 도구로 쓰이게 될 가능성, 그리고 대중에 대한 부당한 감시 도구로 AI 기술이 활용될 가능성이 언급된다.안산이사업체 셋째 단계는 관련 리스크를 정리한 뒤 이를 측정하고 판단하는 단계다. 이 단계에선 1)리스크의 발생 확률 ２)해당 리스크가 실현될 경우의 그 영향의 크기나 중대성 3)리스크의 수용가능 여부 4)서로 다른 리스크 사이의 우선순위 등에 관한 분석과 판단이 이뤄지도록 한다. 넷째 단계는 리스크의 경감을 위한 방안을 검토하고 도입하는 단계다. 이 단계에선 리스크를 식별하고 측정한 것에 이어, 리스크를 최소화하기 위한 기술적 방안과 관리적 방안을 도출하고 도입한다. 관리적 방안의 예시로는 학습데이터의 출처 및 이력 관리, 데이터에 대한 적절한 보관과 관리, 허용되는 이용 방침의 공개 및 관리, '레드팀'과 같은 담당 조직의 운영, 조직 내부나 외부로부터의 피드백을 위한 절차의 수립 등을 들 수 있다. 기술적 방안으론 예를 들어 중복제거(deduplication)를 포함한 전처리 과정에서의 데이터 관리, 입·출력 필터링 적용, 합성 데이터 사용에 대한 고려, 다양한 프라이버시 향상 기술을 도입하는 것을 생각할 수 있다.안산이사