フライ/ドーバート基準

フライ基準とドーバート基準は、米国の判例法から生まれた、法廷における科学的証拠の許容性を判断するための二つの重要な法的原則です。フライ基準（1923年）は、科学技術が関連分野で「一般的に受け入れられている」ことを要求します。一方、より現代的なドーバート基準（1993年）は、裁判官に「ゲートキーパー」としての役割を課し、テスト可能性、査読と公表、既知または潜在的なエラー率、操作を制御する基準の存在、そして一般的受容性といった複数の要因に基づき証拠を評価することを求めます。PIMSの文脈では、企業が顔認識やAIアルゴリズムを使用する場合、その出力が訴訟で使われる可能性があれば、これらの基準を満たす必要があります。これはNIST AIリスク管理フレームワーク（AI RMF）などが示す、信頼できるAIの原則とも一致します。

企業はフライ/ドーバート基準の精神を技術ガバナンスとコンプライアンスリスク管理に統合し、技術的証拠の法的防御力を確保できます。具体的な導入手順は次の通りです。1. **技術の事前審査**：AI不正検知システムなど、証拠を生成する可能性のある技術を導入する前に、ドーバート基準に類似した内部チェックリストを用いて、エラー率や査読論文の有無を評価します。2. **内部証拠取扱手順の策定**：ツールの使用方法、データの収集・保存に関する標準作業手順書（SOP）を策定し、プロセスの再現性と文書化を徹底します。3. **人材育成**：技術操作担当者に法的基準に関する研修を実施します。例えば、ある金融機関は、AI監視システムのアルゴリズムの妥当性を証明し、規制当局の調査でその証拠能力が認められ、監査合格率を向上させました。

台湾企業がフライ/ドーバート基準の精神を適用する際には、主に3つの課題に直面します。1. **法的曖昧さ**：台湾の司法はこれらの基準を明確に採用しておらず、裁判官の裁量に委ねられています。対策として、より厳格なドーバート基準を社内のベストプラクティスとして採用し、法的挑戦に備えることが有効です。2. **ベンダーの「ブラックボックス」問題**：多くのAIベンダーは企業秘密を理由にアルゴリズムの詳細開示を拒みます。対策として、調達契約で第三者による監査や性能レポートの提出を義務付けることが重要です。3. **分野横断的な専門人材の不足**：法務、データサイエンス、ITを理解する人材が不足しています。解決策は、部門横断的なタスクフォースを設置し、相互研修プログラムに投資して、専門知識のギャップを埋めることです。優先事項として、半年以内の協力体制構築を目指します。

積穗科研は台湾企業のフライ/ドーバート基準に特化し、100社以上の支援実績を持ち、90日以内に国際標準の管理体制構築を支援します。無料診断申込：https://winners.com.tw/contact