# Ai Risk Taxonomy
**Source:** https://ko.airisks.net/ai-risk-taxonomy
**Language:** Korean

---

AI 위험 분류 체계는 인공지능과 관련된 위험을 그룹화하고 명명하는 구조화된 방법입니다. 이는 사람들이 위험을 식별, 비교 및 논의하기 위한 공통된 어휘를 제공하는 동시에, 조직이 평가의 공백이 어디에 있는지 파악하도록 돕습니다.

분류 체계는 지도일 뿐, 완전한 위험 평가는 아닙니다. 범주는 피해의 유형이나 원인을 가리킬 수는 있지만, 특정 사용 사례에서 위험이 발생할 가능성, 영향의 심각성, 또는 어떤 통제 수단이 효과적일지는 결정할 수 없습니다. 이러한 질문은 시스템의 목적, 영향을 받는 사람들, 배포 환경, 운영 규모 및 이미 마련된 통제 수단과 같은 맥락에 따라 달라집니다.

## MIT AI 위험 저장소

AI 위험 저장소(AI Risk Repository)는 MIT FutureTech가 기존 AI 프레임워크 및 분류 체계에서 도출된 위험에 대한 살아있는 참조 자료로 유지 관리합니다. 이 데이터베이스에는 1,700개 이상의 분류된 위험이 포함되어 있습니다. 도메인 분류 체계는 위험을 7개의 도메인과 24개의 하위 도메인으로 그룹화하며, 별도의 인과 관계 분류 체계는 위험이 어떻게, 언제, 왜 발생하는지 설명하는 데 도움을 줍니다. 이 저장소는 크리에이티브 커먼즈 저작자 표시 4.0(CC BY 4.0) 라이선스를 따르며, 적절한 출처를 밝히면 재사용이 가능합니다.

이러한 폭넓은 범위 덕분에 이 저장소는 발견 및 공유 분석에 유용합니다. 팀은 이를 사용하여 자체 위험 등록부를 더 광범위한 공개 우려 사항 세트와 비교하거나, 일관되지 않게 설명되는 문제에 대한 용어를 찾을 수 있습니다. 또한 기술, 정책 및 조직적 역할 전반에 걸친 연구, 감사 및 토론을 지원할 수 있습니다.

MIT AI 위험 저장소 살펴보기 .

## 책임감 있게 카테고리 사용하기

방대한 인벤토리는 완전성에 대한 잘못된 인식을 심어줄 수 있습니다. 위험은 여러 범주에 해당할 수 있으며, 시스템의 새로운 용도나 조합은 분류 체계가 구성될 당시에는 예상하지 못했던 노출을 야기할 수 있습니다. 따라서 팀은 선택된 각 항목의 이면에 있는 구체적인 시나리오, 즉 어떤 일이 발생할 수 있는지, 누가 또는 무엇이 영향을 받을 수 있는지, 어떤 조건에서 발생하는지를 기록해야 합니다.

이를 바탕으로 조직은 영향과 가능성을 평가하고, 적절한 통제 수단을 선택하며, 담당자를 지정할 수 있습니다. 일부 위험은 기술적 테스트가 필요하며, 다른 위험은 교육, 프로세스 설계, 인적 검토 또는 공급업체 계약의 변경이 필요합니다. 분류 체계는 이러한 작업을 조직화하는 데 도움을 주지만, 배포 후의 현장 판단이나 모니터링을 대체해서는 안 됩니다.

기업의 경우, 가치는 분류를 의사결정과 연결하는 데 있습니다. 공통 분류 체계를 사용하는 위험 등록부는 팀 간의 보고를 지원하는 동시에 개별 시스템을 반영할 수 있는 충분한 세부 정보를 유지할 수 있습니다. 목적, 모델, 데이터, 사용자 그룹 또는 운영 환경이 변경될 때 등록부를 검토하고, 현재 범주로 잘 설명되지 않는 새로운 위험을 기록하십시오.

## 관련 용어

- AI 위험 관리
- AI 블랙 스완
- 섀도우 AI

더 알아보기: EW-AiRM™ 위험 및 통제 마스터 맵