Apa yang dimaksud dengan tata kelola AI?

Tata kelola AI mencakup berbagai praktik, protokol, pengamanan, sistem, dan alat. Profesional AI di garis depan tata kelola menetapkan metode dan kebijakan untuk mengembangkan dan melatih model AI baru, pedoman operasi untuk menerapkan model ini, serta perangkat lunak dan teknologi lain untuk membuat langkah-langkah keamanan berlapis dengan pengawasan peraturan manusia yang tepat.  

Model AI, bersama dengan algoritma machine learning (ML) dan pembelajaran mendalam (DL) , pada akhirnya dilatih pada data manusia. Akibatnya, sistem AI rentan terhadap bias manusia. Jika tidak terkendali, sistem AI yang dipengaruhi oleh bias yang salah dapat menyebabkan kerusakan serius bagi individu dan seluruh populasi. Kebijakan tata kelola AI bertujuan untuk memperbaiki jenis kesalahan yang berpotensi diskriminatif atau berbahaya ini. 

Mekanisme pengawasan tata kelola AI yang efektif mengatasi risiko seperti bias, pelanggaran privasi, dan penyalahgunaan sambil tetap mendorong inovasi dan membangun kepercayaan. Pendekatan etis yang berpusat pada AI terhadap tata kelola memerlukan pengawasan manusia dan input dari berbagai pemangku kepentingan–termasuk pengembang, pengguna, pembuat kebijakan, dan ahli etika. Menerapkan kebijakan tata kelola AI yang modern dan kuat membantu sistem AI mematuhi nilai-nilai sosial moral dan etika sambil juga memberikan mitigasi untuk menurunkan berbagai kerentanan dan mengurangi tingkat risiko di berbagai aplikasi AI. 

Sementara sistem AI terus maju, proses tata kelola AI juga berkembang untuk menetapkan dan memenuhi standar global. Meskipun pemenuhan persyaratan regulasi merupakan salah satu pendorong utama investasi dalam program tata kelola, manfaat solusi semacam ini melampaui kepatuhan––solusi ini membantu mengurangi risiko liabilitas secara proaktif dengan memperkuat privasi data, keamanan data, dan kontrol akses terhadap data.  

Tata kelola AI menyediakan pendekatan terstruktur untuk mengurangi potensi risiko yang terkait dengan sistem AI. Melalui protokol dan praktik seperti tata kelola data dan pemantauan berkelanjutan, kebijakan tata kelola AI dapat secara efektif mengevaluasi dan memandu alat AI. Ketika diterapkan dengan benar, tata kelola AI mencegah keputusan yang cacat atau berbahaya di seluruh pipeline AI, mulai dari kumpulan data yang dilatih model, hingga pelaksanaan solusi yang diturunkan dari AI.     

Sederhananya, tata kelola AI berfungsi untuk menetapkan metode dan metodologi pengawasan yang diperlukan untuk menyelaraskan perilaku AI dengan standar etika dan harapan masyarakat, sehingga melindungi pengguna, penyedia, dan pihak ketiga yang terlibat dari dampak negatif, merugikan, atau tidak adil yang tidak disengaja.

Tata kelola AI sangat penting untuk mencapai keadaan kepatuhan, kepercayaan dan efisiensi dalam mengembangkan dan menerapkan teknologi AI. Dengan meningkatnya integrasi AI ke dalam operasi organisasi dan pemerintahan, potensi dampak negatifnya menjadi lebih terlihat. Faktanya, riset dari IBM® Institute for Business Value menemukan bahwa 80% pemimpin bisnis melihat penjelasan AI, etika, bias atau kepercayaan sebagai penghalang utama untuk adopsi AI generatif. Tata kelola AI berupaya mengatasi tantangan ini dengan menginspirasi kepercayaan dan mencegah dampak yang berpotensi merugikan dari penggunaan teknologi AI. 

Sejumlah insiden yang mendapat perhatian luas telah menjadi sorotan media dan menegaskan risiko yang ditimbulkan oleh sistem AI yang tidak memiliki tata kelola. Dalam salah satu insiden tersebut, Tay Chatbot milik Microsoft mulai meniru perilaku negatif yang dipelajari dari unggahan media sosial karena dilatih menggunakan kumpulan data yang tidak diatur. Meskipun insiden ini menimbulkan keprihatinan, kelemahan pada perangkat lunak AI COMPAS menyebabkan konsekuensi yang jauh lebih merugikan. Digunakan dalam hukuman pidana, bias yang melekat dalam model AI menyebabkan penuntutan pidana yang tidak adil dan hanya berfungsi untuk lebih menggarisbawahi betapa pentingnya tata kelola AI dalam hal membangun dan mempertahankan kepercayaan publik pada sistem AI. 

Semua contoh ini menunjukkan bahwa AI dapat menyebabkan kerugian sosial dan etika yang signifikan tanpa pengawasan yang tepat, sehingga menekankan pentingnya tata kelola dalam mengelola risiko yang terkait dengan AI tingkat lanjut. Dengan memberikan pedoman dan kerangka kerja, tata kelola AI bertujuan untuk menyeimbangkan inovasi teknologi dengan keselamatan, membantu memastikan sistem AI tidak melanggar martabat atau hak manusia.

Memahami bagaimana sistem AI mengambil keputusan sehingga kesimpulannya dapat dipertanggungjawabkan merupakan bagian penting dari tata kelola AI untuk membantu memastikan bahwa program-program tersebut menghasilkan keputusan yang adil dan etis. Dari memutuskan iklan mana yang akan ditampilkan kepada pengguna mana, hingga menentukan kelayakan pinjaman, sistem AI digunakan untuk membuat keputusan sepanjang waktu, dari yang sepele hingga yang penting. Ketika mengandalkan sistem ini, pengambilan keputusan dan kemampuan menjelaskan yang transparan menjadi faktor yang sangat penting untuk memastikan sistem AI digunakan secara bertanggung jawab serta membangun kepercayaan. 

Lebih jauh lagi, tata kelola AI bukan hanya tentang membantu memastikan kepatuhan satu kali; tetapi juga tentang mempertahankan standar etika dari waktu ke waktu. Model AI dapat menyimpang, yang menyebabkan perubahan kualitas output dan keandalan. Tren saat ini dalam tata kelola AI bergerak melampaui kepatuhan hukum belaka. Semakin banyak organisasi yang menempatkan nilai lebih pada upaya yang bertanggung jawab secara sosial dalam pengembangan dan aplikasi AI sehingga upaya tersebut membantu melindungi organisasi dari risiko kerugian finansial, hukum, dan reputasi, sekaligus mendorong pertumbuhan dan kemajuan teknologi baru ini secara etis.

Contoh tata kelola AI mencakup berbagai kebijakan, kerangka kerja, dan praktik yang diterapkan organisasi, bisnis, badan penguasa, dan pemerintah dengan tujuan bersama mempromosikan penggunaan teknologi AI yang bertanggung jawab. Semua contoh ini menunjukkan bagaimana tata kelola AI terjadi dalam konteks yang berbeda:

Peraturan Perlindungan Data Umum (GDPR): GDPR adalah contoh tata kelola AI, khususnya dalam konteks perlindungan data pribadi dan privasi. Meskipun GDPR tidak berfokus secara eksklusif pada AI, banyak ketentuannya yang sangat relevan dengan sistem AI, terutama yang memproses data pribadi individu di Uni Eropa.

Organisation for Economic Co-operation and Development (OECD):  Prinsip-Prinsip AI OECD, yang telah diadopsi oleh lebih dari 40 negara, menekankan pentingnya tata kelola AI tepercaya yang bertanggung jawab, termasuk pedoman yang mendorong transparansi, keadilan, dan akuntabilitas dalam sistem AI.

Dewan etika AI:  Banyak perusahaan telah membentuk dewan atau komite etika AI khusus untuk mengawasi inisiatif AI, memastikan bahwa inisiatif tersebut selaras dengan standar etika dan nilai-nilai masyarakat. Dewan ini sering kali terdiri atas tim lintas fungsi dengan latar belakang hukum, teknis, dan kebijakan. Sejak 2019, dewan etika AI IBM® telah meninjau setiap produk dan layanan AI baru untuk memastikan kesesuaiannya dengan prinsip AI yang bertanggung jawab IBM®.

Menurut laporan dari IBM Institute for Business Value, 80% organisasi memiliki bagian khusus dari fungsi risiko mereka yang didedikasikan untuk risiko yang terkait dengan penggunaan AI atau AI generatif. 

Di tingkat perusahaan, CEO dan kepemimpinan senior pada akhirnya bertanggung jawab untuk menerapkan tata kelola AI sepanjang siklus hidup AI, biasanya mendelegasikan tugas-tugas kebijakan praktis tertentu kepada pemangku kepentingan yang relevan seperti CTO dan hilirnya. Karena tata kelola AI membawa implikasi peraturan yang luas, departemen hukum dan penasihat umum adalah pemangku kepentingan penting ketika menilai dan mengurangi risiko, sering ditugaskan untuk memastikan aplikasi AI mematuhi undang-undang dan persyaratan kepatuhan yang relevan. 

Bergantung pada ukuran organisasi tertentu, tim audit khusus mungkin bertanggung jawab untuk memvalidasi integritas data dari setiap sistem AI yang digunakan, memastikan bahwa mereka beroperasi sebagaimana dimaksud tanpa menimbulkan kesalahan atau bias. Sementara operasi yang lebih kecil mungkin tidak memiliki tim audit khusus, karena teknologi AI terus menarik lebih banyak sumber daya, jenis tim dan peran ini semakin menjadi prioritas. 

Apabila tata kelola AI berdampak pada aspek keuangan, CFO beserta fungsi-fungsi yang berada di bawah tanggung jawabnya umumnya bertanggung jawab mengelola biaya yang terkait dengan inisiatif AI, termasuk berbagai langkah tata kelola yang diterapkan untuk memitigasi risiko finansial bagi organisasi maupun, jika relevan, klien. 

Namun, pada akhirnya tanggung jawab untuk tata kelola AI tidak berada pada individu atau departemen tunggal; ini adalah tanggung jawab kolektif yang mengharuskan setiap pemimpin, pemangku kepentingan, dan anggota tim untuk memprioritaskan akuntabilitas dan membantu memastikan bahwa sistem AI digunakan secara bertanggung jawab dan etis di seluruh organisasi. 

Dengan memprioritaskan tata kelola AI yang akuntabel, berinvestasi dalam pelatihan staf yang ketat, dan menumbuhkan budaya komunikasi dan kolaborasi terbuka yang transparan, manajer dan kepemimpinan dapat mengirim pesan yang jelas kepada semua karyawan bahwa setiap orang harus menggunakan AI secara bertanggung jawab dan etis. 

Meskipun CEO dan jajaran pimpinan senior bertanggung jawab menetapkan arah dan budaya organisasi secara keseluruhan, kebutuhan tata kelola akan pemantauan berkelanjutan di seluruh AI pipeline mengharuskan seluruh pemangku kepentingan berperan aktif. Mengingat besarnya risiko yang terkait dengan AI, setiap pihak bertanggung jawab untuk memastikan aplikasi teknologi ini secara tepat. 

Kekuatan transformatif teknologi AI di industri yang berbeda dan contoh penggunaan yang tak terhitung jumlahnya masih menjadi fokus. Pengenalan model AI generatif modern, seperti Chat GPT, Claude, dan Midvoyage, yang mampu menghasilkan konten baru—termasuk teks, gambar, audio, video, dan kode—menangkap dan memicu imajinasi publik dengan kemungkinan yang mempesona. 

Namun, meskipun banyak seniman memanfaatkan berbagai alat kreatif ini sebagai sumber inspirasi, banyak pula yang memandangnya sebagai ancaman. Dengan memanfaatkan karya-karya kreatif yang telah ada, versi awal model-model ini dituduh melakukan plagiarisme karena output yang dihasilkannya dinilai mereproduksi atau menginterpretasikan ulang kekayaan intelektual yang dilindungi hak cipta tanpa atribusi yang semestinya. 

Menanggapi kekhawatiran tersebut, versi terbaru model-model ini telah menerapkan kebijakan yang lebih ketat untuk memverifikasi data pelatihan, sehingga memastikan bahwa setiap karya yang digunakan untuk melatih model telah memiliki lisensi yang sesuai. Upaya tata kelola AI terus dilakukan untuk memastikan bahwa alat-alat bernilai tinggi yang mendukung proses kreatif tetap mematuhi regulasi dan prinsip etika. 

Melampaui pembuatan media, jenis AI lainnya, seperti model AI agen , dimanfaatkan untuk mengotomatiskan tugas-tugas yang repetitif guna meningkatkan produktivitas dan mempercepat riset di berbagai bidang, mulai dari hukum hingga farmakologi. Mulai dari pengodean dan pengembangan hingga astronomi dan fisika, AI tengah mentransformasi cara berbagai industri beroperasi. Namun, seiring semakin luasnya penerapan AI, kebutuhan akan tata kelola AI yang komprehensif menjadi semakin penting.   

Prinsip-prinsip tata kelola AI yang bertanggung jawab sangat penting untuk membantu organisasi melindungi diri mereka sendiri maupun para pelanggannya. Prinsip-prinsip ini menjadi pedoman bagi organisasi dalam pengembangan dan aplikasi teknologi AI secara etis, yang meliputi:

• Empati: Organisasi perlu memahami implikasi AI terhadap masyarakat, tidak hanya dari perspektif teknologi dan finansial. Organisasi juga perlu mengantisipasi serta mengelola dampak AI terhadap seluruh pemangku kepentingan melalui pendekatan yang berlandaskan empati, dengan memperhatikan kepentingan tidak hanya penyedia, tetapi juga klien, pelanggan, serta semua pihak yang terdampak oleh penggunaan maupun hasil yang dihasilkan AI.
  
  
• Pengendalian bias: Penting untuk melakukan peninjauan data pelatihan secara menyeluruh guna mencegah bias di dunia nyata tertanam dalam algoritme AI, sehingga membantu memastikan proses pengambilan keputusan yang adil dan tidak bias. Pengendalian bias sangat penting terutama ketika AI digunakan untuk mengambil keputusan yang berpotensi memberikan dampak yang tidak adil terhadap kelompok masyarakat yang termarginalkan, seperti dalam penjatuhan hukuman pidana atau diagnosis medis.  
  
  
• Transparansi: Harus ada kejelasan dan keterbukaan tentang bagaimana algoritma AI beroperasi dan mengambil keputusan, dengan organisasi yang siap menjelaskan logika dan alasan di balik hasil yang berbasis AI. Apabila suatu masalah muncul sebagai akibat dari keputusan yang diambil oleh AI, penting untuk menyediakan mekanisme yang memungkinkan triase terhadap proses pengambilan keputusan yang berpotensi mengalami kekeliruan, sehingga organisasi dapat memahami bagaimana dan mengapa model AI menghasilkan kesimpulan tertentu. 
  
  
• Akuntabilitas: Organisasi harus menetapkan secara proaktif dan mematuhi standar yang tinggi untuk mengelola perubahan signifikan yang dapat dihadirkan oleh AI, dengan tetap bertanggung jawab atas dampak AI. Misalnya, ketika seorang dokter menilai hasil tes pasien, seperti x-ray, dokter tersebut jelas bertanggung jawab atas kesimpulan dan tindakan yang dihasilkan dari interpretasinya terhadap data. Ketika sistem AI mulai menganalisis informasi medis, seringkali memberikan diagnosis yang lebih cepat dan lebih akurat, ada kebutuhan vital untuk menetapkan akuntabilitas melalui saluran AI, menggambarkan di mana akuntabilitas dokter dapat berakhir dan akuntabilitas model AI dimulai. 
  

Sementara peraturan dan kekuatan pasar menstandardisasikan banyak metrik tata kelola, organisasi individu masih harus menentukan cara terbaik untuk menentukan pengukuran yang relevan untuk bisnis unik mereka. Menilai efektivitas tata kelola AI dapat bervariasi menurut organisasi; setiap organisasi harus memutuskan parameter apa yang harus mereka prioritaskan. Dengan berbagai pertimbangan seperti kualitas data, keamanan model, analisis nilai biaya, pemantauan bias, akuntabilitas individu, audit berkelanjutan, dan kemampuan beradaptasi semuanya tergantung pada domain organisasi, tata kelola AI tidak pernah bisa menjadi solusi satu ukuran yang cocok untuk semua.

Tata kelola AI tidak memiliki “tingkat” yang distandardisasi secara universal seperti, misalnya, keamanan siber mungkin memiliki tingkat respons ancaman yang jelas. Sebaliknya, tata kelola AI memiliki pendekatan dan kerangka kerja terstruktur yang dikembangkan oleh berbagai entitas yang dapat diadopsi atau diadaptasi oleh organisasi untuk memenuhi kebutuhan spesifik mereka.

Organisasi dapat menggunakan beberapa kerangka kerja dan panduan untuk mengembangkan praktik tata kelola mereka. Beberapa kerangka kerja yang paling banyak digunakan termasuk kerangka kerja Manajemen Risiko AI NIST, Prinsip OECD tentang Kecerdasan Buatan dan Pedoman Etika Komisi Eropa untuk AI yang Tepercaya. Kerangka kerja ini memberikan panduan untuk berbagai faktor, termasuk transparansi, akuntabilitas, keadilan, privasi, keamanan, dan keselamatan.

Tingkat tata kelola AI dapat bervariasi tergantung pada ukuran organisasi tertentu, kompleksitas sistem AI yang digunakan dan lingkungan peraturan di mana organisasi beroperasi.

Meskipun tidak lengkap, gambaran umum tentang pendekatan tata kelola AI meliputi:

Tata kelola AI melibatkan pembentukan struktur kontrol yang kuat yang berisi kebijakan, pedoman, dan kerangka kerja untuk alamat berbagai tantangan dan spesifik. Hal ini melibatkan penyiapan mekanisme untuk terus memantau dan mengevaluasi sistem AI, memastikan mereka mematuhi norma etika dan peraturan hukum yang ditetapkan.

Konsep tata kelola AI menjadi semakin penting karena otomatisasi, yang didorong oleh AI, menjadi hal lazim di berbagai sektor mulai dari perawatan kesehatan dan keuangan hingga transportasi dan layanan publik. Kemampuan otomatisasi AI dapat meningkatkan efisiensi, pengambilan keputusan, dan inovasi secara signifikan, serta memperkenalkan tantangan yang terkait dengan akuntabilitas, transparansi, dan pertimbangan etis.

Struktur tata kelola AI yang efektif bersifat multidisiplin dan melibatkan pemangku kepentingan dari berbagai bidang, termasuk teknologi, hukum, etika, dan bisnis. Saat sistem AI menjadi semakin canggih dan terintegrasi ke dalam berbagai aspek penting masyarakat, peran tata kelola AI dalam memandu dan membentuk arah pengembangan AI dan dampak sosialnya menjadi semakin penting.

Praktik terbaik tata kelola AI di luar kepatuhan belaka memerlukan pendekatan strategis untuk mengembangkan sistem yang lebih kuat yang mampu memantau dan mengelola aplikasi AI. Untuk bisnis tingkat perusahaan, solusi tata kelola AI apa pun harus memungkinkan pengawasan dan kontrol yang luas atas sistem AI. 

Peta jalan tata kelola AI umum mungkin mencakup:

1.    Dasbor visual: Dasbor menyediakan pembaruan real-time tentang kesehatan dan status sistem AI, menawarkan gambaran yang jelas untuk penilaian cepat.

2.    Metrik skor kesehatan: Skor kesehatan secara keseluruhan untuk model AI menggabungkan beberapa titik data menjadi metrik terpadu yang intuitif dan mudah dipahami untuk menyederhanakan pemantauan sekilas.  

3.    Pemantauan otomatis: Sistem deteksi otomatis untuk bias, penyimpangan, kinerja, dan anomali membantu memastikan model berfungsi dengan benar dan etis tanpa perlu pemantauan manusia sepanjang waktu.  

4.    Peringatan kinerja: Peringatan kinerja otomatis ketika model menyimpang dari parameter kinerja yang telah ditentukan memungkinkan respons cepat terhadap masalah apa pun yang mungkin timbul.

5.    Metrik khusus: Metrik khusus yang selaras dengan indikator kinerja utama organisasi dan ambang batas membantu memastikan hasil AI berkontribusi pada tujuan bisnis yang disesuaikan.  

6.Jejak audit: Log dan jejak audit yang mudah diakses mendukung akuntabilitas dan memfasilitasi ulasan keputusan dan perilaku sistem AI.

7.    Kompatibilitas sumber terbuka: Alat sumber terbuka mempromosikan transparansi dengan mengungkapkan kode fungsional ke pengawasan publik. Sebagai hasil, alat-alat ini biasanya mencerminkan mitigasi risiko keamanan terkini juga. Mempertahankan kompatibilitas dengan platform pengembangan machine learning terbaru memungkinkan kerangka kerja tata kelola AI untuk mendapatkan manfaat dari fleksibilitas dan dukungan komunitas sumber terbuka.

8.    Integrasi yang mulus: Platform tata kelola AI yang paling efektif dirancang untuk berintegrasidengan lancar menggunakan infrastruktur yang ada, termasuk basis data dan ekosistem perangkat lunak, untuk menghindari silo dan memungkinkan alur kerja yang efisien.

Dengan mengikuti praktik ini, organisasi dapat membangun kerangka kerja tata kelola AI yang kuat yang mendukung pengembangan AI yang bertanggung jawab, penerapan dan manajemen AI, membantu memastikan bahwa sistem AI sesuai dan selaras dengan standar etika dan tujuan organisasi.

Praktik tata kelola AI dan peraturan AI telah diadopsi oleh beberapa negara untuk mencegah bias dan diskriminasi. Penting untuk diingat bahwa regulasi selalu berubah, dan organisasi yang mengelola sistem AI yang kompleks perlu mengawasi dengan cermat seiring perkembangan kerangka kerja hukum regional.

Undang-Undang Kecerdasan Buatan Uni Eropa, juga dikenal sebagai UU AI Uni Eropa atau Undang-Undang AI, adalah undang-undang yang mengatur pengembangan atau penggunaan kecerdasan buatan (AI) di Uni Eropa (UE). Undang-undang tersebut mengambil pendekatan berbasis risiko terhadap regulasi, menerapkan aturan yang berbeda untuk AI sesuai dengan risiko yang mereka timbulkan. Secara resmi berlaku sejak Agustus 2024, undang-undang AI akan sepenuhnya berlaku dalam waktu dua tahun sejak tanggal tersebut, dengan beberapa pengecualian, yaitu—misalnya, aturan untuk sistem AI berisiko tinggi yang telah disematkan ke dalam produk yang diatur akan memiliki masa transisi yang diperpanjang (hingga 2027).

Dianggap sebagai kerangka kerja regulasi komprehensif pertama di dunia untuk AI, UU AI Uni Eropa melarang beberapa penggunaan AI secara langsung dan menerapkan tata kelola yang ketat, manajemen risiko, dan persyaratan transparansi untuk yang lainnya.

Undang-undang tersebut juga menetapkan regulasi untuk model kecerdasan buatan tujuan umum (GPAI), seperti IBM® Granite dan model dasar sumber terbuka Llama 3 dari Meta. Besaran denda bervariasi tergantung pada jenis pelanggaran, mulai dari 7,5 juta EUR atau 1,5% dari omzet tahunan global hingga 35 juta EUR atau 7% dari omzet tahunan global.

Pada Juli 2025, Komisi Eropa menerbitkan tiga alat untuk mendukung pengembangan dan penerapan model GPAI yang bertanggung jawab dan etis:

• Pedoman yang menetapkan kewajiban penyedia GPAI memperjelas tanggung jawab pengembang dan penyedia layanan di sepanjang rantai nilai AI. 
•  Kode Praktik GPAI, alat kepatuhan sukarela yang menawarkan panduan praktis untuk transparansi, hak cipta, keselamatan dan keamanan yang dirancang untuk membantu penyedia tetap mematuhi Undang-Undang AI. 
•  Templat untuk ringkasan publik konten pelatihan model GPAI, yang mengharuskan penyedia untuk memberikan gambaran transparan tentang kumpulan data yang digunakan untuk melatih model AI. 

Secara historis, SR-11-7 AS adalah standar tata kelola model peraturan untuk tata kelola model yang efektif dan kuat yang digunakan dalam perbankan.¹ Peraturan memerlukan pejabat bank untuk menerapkan inisiatif manajemen risiko model perusahaan dan memelihara inventaris model yang telah diimplementasikan untuk digunakan, sedang dikembangkan untuk diimplementasikan, atau baru saja dihentikan. Namun, pada 17 April 2026, Federal Reserve mengeluarkan Panduan Revisi tentang Manajemen Risiko Model (SR-26-2),  menggantikan dan menggantikan SR- 11-7. Panduan revisi model manajemen risiko antar-lembaga dari Federal Reserve, OCC, dan FDIC mengalihkan fokus ke pendekatan yang lebih berbasis risiko dan proporsional. Dalam pendekatan ini, ekspektasi regulator disesuaikan dengan ukuran, kompleksitas, dan profil risiko model suatu institusi, berbeda dengan persyaratan tata kelola sebelumnya yang menerapkan pendekatan seragam untuk semua organisasi.

Para pemimpin institusi yang terdampak juga harus dapat membuktikan bahwa model yang mereka gunakan telah memenuhi tujuan bisnis yang menjadi dasar pengembangannya, tetap mutakhir, dan tidak mengalami model drift. Proses pengembangan dan validasi model harus memastikan bahwa siapa pun yang belum mengenal model tersebut dapat memahami cara kerjanya, keterbatasannya, serta asumsi-asumsi utama yang mendasarinya.

Selain peraturan perundang-undangan khusus perbankan ini, Gedung Putih juga mengeluarkan kerangka kerja Kebijakan Nasional untuk Kecerdasan Buatan. pada Maret 2026. Kerangka kerja mendesak kongres untuk alamat enam “topik kebijakan” utama yang terkait dengan tata kelola AI, termasuk: 

1. Melindungi Anak dan Memberdayakan Orang Tua
2. Melindungi dan Memperkuat Komunitas Amerika
3. Menghormati Hak Kekayaan Intelektual dan Mendukung Pencipta
4. Mencegah Sensor dan Melindungi Kebebasan Berbicara  
5. Mengaktifkan Inovasi dan Memastikan Dominasi AI Amerika
6. Mendidik Masyarakat Amerika dan Mengembangkan Tenaga Kerja Siap untuk AI

Instruksi Kanada tentang Pengambilan Keputusan Otomatis menjelaskan bagaimana pemerintah negara tersebut menggunakan AI untuk memandu pengambilan keputusan di beberapa departemen.² Instruksi ini menggunakan sistem penilaian untuk menilai intervensi manusia, tinjauan sejawat, pemantauan, dan perencanaan kontingensi yang diperlukan untuk alat AI yang dibangun untuk melayani warga.

Organisasi yang menciptakan solusi AI dengan skor tinggi harus melakukan dua tinjauan sejawat independen, membuat pemberitahuan publik dalam bahasa yang sederhana, mengembangkan pengamanan intervensi manusia, dan membuat kursus pelatihan berulang untuk sistem tersebut. Karena Instruksi Kanada tentang Pengambilan Keputusan Otomatis adalah panduan untuk pengembangan AI di negara ini, peraturan ini tidak langsung memengaruhi perusahaan seperti SR-11-7 di Amerika Serikat.

Sejak merilis arahan awal mereka, pemerintah Kanada baru-baru ini merilis Strategi AI untuk Layanan Publik Federal 2025-2027, dengan pertimbangan tambahan yang berfokus pada sektor publik dan swasta  untuk melayani orang Kanada dengan lebih baik melalui adopsi AI yang bertanggung jawab.

Pada April 2021, Komisi Eropa memperkenalkan paket AI, yang termasuk pernyataan mengenai pengembangan pendekatan Eropa terhadap kekuatan, keyakinan, dan proposal untuk kerangka hukum AI.³

Pernyataan tersebut menyatakan bahwa sementara sebagian besar sistem AI masuk ke dalam kategori “risiko minimal“, sistem AI yang diidentifikasi sebagai “risiko tinggi“ akan diwajibkan untuk mematuhi persyaratan yang lebih ketat dan sistem yang dianggap “risiko yang tidak dapat diterima“ akan dilarang. Organisasi harus memperhatikan dengan saksama semua aturan ini atau akan dikenakan denda.

Pada tahun 2023, Tiongkok mengeluarkan Tindakan Sementara untuk Administrasi Layanan Kecerdasan Buatan Generatif . Di bawah undang-undang, penyediaan dan penggunaan layanan AI generatif harus “menghormati hak dan kepentingan sah orang lain“ dan diharuskan untuk “tidak membahayakan kesehatan fisik dan mental orang lain, dan tidak melanggar hak potret, hak reputasi, hak kehormatan, hak privasi, dan hak informasi pribadi orang lain“.

Negara-negara lain di kawasan Asia-Pasifik telah merilis beberapa prinsip dan pedoman untuk mengatur AI. Pemerintah Singapura merilis kerangka kerja yang diusulkan untuk pengembangan AI generatif, pada tahun 2024, serta kerangka model tata kelola AI untuk AI agen pada tahun 2026. India, Jepang, Korea Selatan, dan Thailand juga mengeksplorasi pedoman dan undang-undang untuk tata kelola AI.³