銀行がMLモデルを使用してローン審査を自動化しています。規制当局から「なぜ特定の申請者のローンが否認されたのか」を人間が理解できる形で示すことを求められています。この要件は責任あるAIのどの原則に最も対応していますか？
説明可能性（Explainability）とは、AIモデルがどのように予測・決定を行ったかを人間が理解できる形で説明できる能力です。ローン審査のような高リスクな意思決定では、規制コンプライアンスの観点から説明可能性が特に重要であり、Amazon SageMaker Clarifyなどのツールを活用することで実現できます。 選択肢Bの公平性（Fairness）は、性別・人種などの属性によるバイアスなくすべての申請者に対して公平な予測を提供することを指します。本問の「なぜ否認されたか説明する」という要件とは異なる概念です。 選択肢Cの堅牢性（Robustness）は、敵対的な入力やデータの乱れ・異常値に対してもモデルが安定した予測を維持できることを指します。意思決定の透明性・説明責任とは別の概念です。 選択肢Dのプライバシー（Privacy）は、個人情報や機密データの適切な保護と匿名化を指します。意思決定の理由を開示する説明責任とは観点が異なります。