---
```table-of-contents
title:
minLevel: 0
maxLevel: 0
includeLinks: true
```
---
# **ISO/IEC 22989:2022 技術分析報告書：人工知能の概念と用語の標準化基盤**
## **1\. 規格の目的、概要、およびAI標準化エコシステムにおける位置づけ**
### **1.1. 規格策定の背景と戦略的意義**
ISO/IEC 22989:2022（Information technology – Artificial intelligence – Artificial intelligence concepts and terminology）は、人工知能（AI）技術が急速に進化し、社会のあらゆる側面に浸透する中で、用語の使用における混乱と不整合が深刻化しているという課題に対応するために策定されました 1。AIの概念や用語が多様かつ一貫性なく使用されてきた歴史は、異なるステークホルダー間の効果的なコミュニケーションと協力を阻害していました 1。
本規格の核となる目的は、AIに関する主要な概念と用語を定義し、国際的に合意された共通語彙を確立することにあります 2。この標準化された言語は、技術専門家やビジネスリーダー、規制当局、一般市民といった多様な関係者が、複雑なAI概念について明確かつ曖昧さなく議論できるようにするための基盤となります 1。これにより、組織はAIコンポーネント、プロセス、システムに関する明確な定義を持つことができ、業界を超えた明確なコミュニケーションを支援します 2。
この標準化は、技術辞書の提供にとどまらず、ガバナンスとコンプライアンスの支援という極めて重要な戦略的役割を担います。ISO/IEC 22989は、AIのリスク、倫理、コンプライアンスに関する効果的な議論を可能にし、各国政府や組織がガバナンスフレームワークを構築するための強固な土台を提供します 1。具体的には、「AIシステム」やその関連概念について国際的に合意された定義を提供することで、\*\*AI規制（例えば、高リスクAIの定義など）を起草する際の法的・技術的な曖昧さを排除する「言語インフラ」\*\*としての機能が確立されます。これにより、規制の国際的な整合性が促進され、国際貿易の円滑化に貢献します 1。さらに、気候変動緩和やエネルギーアクセスといった、より広範な社会的課題に対応する責任あるAI開発の推進にも貢献します 2。
### **1.2. 規格の概要と適用範囲**
ISO/IEC 22989は、情報技術分野におけるAIの概念と用語を確立し、記述する国際標準です 3。その内容の適用範囲は広く、商業企業、政府機関、非営利組織を含む、あらゆる種類の組織に適用されます 3。本規格の目的は、他のAI関連標準の開発を支援すること、および利害関係者間のコミュニケーションを促進することです 3。
本規格は、コンピューティング能力の向上、計算コストの削減、膨大なデータ量の利用可能性といった要因によって実用的な応用が可能になったAIの現状に基づいています 4。AIは、コンピュータサイエンス、データサイエンス、自然科学、人文科学、数学、社会科学など、広範な学際的分野に基づいており 4、本文書はその幅広い領域をカバーします。文書中では「知能」「知識」「学習」「決定」といった用語が使用されますが、これはAIシステムがこれらの特性を初歩的にシミュレートするという事実を記述するためのものであり、AIシステムを人間のように擬人化（anthropomorphize）する意図ではないことが明記されています 4。
意図する読者層は、AI専門家だけでなく、この技術をより良く理解し、採用したいと考えている幅広い非実務家を対象としています 5。ただし、特定の条項（特に5.10や5.11など）の理解には、コンピュータサイエンスのより強力な背景知識があれば容易になる可能性が指摘されています 5。
### **1.3. AI標準化エコシステムにおける位置づけ**
ISO/IEC 22989は、ISO/IEC JTC 1/SC 42（人工知能専門委員会）が主導するAI標準化ロードマップにおいて、最も基礎的な用語の定義を担う標準として位置づけられています 6。本規格は、広範なAI標準のエコシステム内で\*\*マスターグロッサリー（共通語彙集）\*\*として機能し、他の規格との間の相互運用性を促進します 2。
具体的には、本規格で定義された用語は、AIガバナンスと信頼性に関する主要な上位標準において参照され、整合性が図られています 6。これには、AI管理システムに関するISO/IEC 42001や、AIの信頼性評価に関するISO/IEC 23053が含まれます 2。ISO/IEC 22989の定義は、ISO/IEC 42001における組織のAI関連の役割の決定や、AIシステムのライフサイクルステージに関する詳細な理解に不可欠であり、包括的なAIガバナンスを確立するための基盤となります 8。
## **2\. 規格の基本構造と規定事項の分析**
ISO/IEC 22989:2022は、国際規格の標準的な文書構造に従っており、その構成要素は、遵守が必須とされる\*\*規定的な要素（Normative）**と、情報提供またはガイダンスを目的とする**情報提供的な要素（Informative）\*\*に明確に分かれています 5。
### **2.1. 文書全体の構成要素**
規格文書は、以下の主要な条項で構成されており、AIの核となる定義の安定性を確保するための設計戦略が採用されています。
Table 1: ISO/IEC 22989:2022の文書構造と規定性
| セクション番号 | タイトル (日本語仮訳) | 規定性 (Normative/Informative) | 構造的役割 |
| :---- | :---- | :---- | :---- |
| Foreword / 序文 | \- | Informative | 規格の開発経緯。 |
| Introduction / 緒言 | \- | Informative | AIの背景、学際的な性質、用語の標準化の必要性 4。 |
| 1 | Scope / 適用範囲 | **Normative** | 規格がAIの概念と用語を確立することを明確に規定 5。 |
| 2 | Normative references / 引用規格 | **Normative** | 規格の適用に不可欠な他の参照規格のリスト。 |
| 3 | Terms and definitions / 用語及び定義 | **Normative** | 規格全体で適用される必須の用語とその厳密な定義 10。 |
| 4 | Abbreviated terms / 省略語 | **Normative** | 文書内で使用される省略語のリスト 10。 |
| 5 | AI concepts / AIの概念 | Informative | 第3章の用語を補完するための、より広範で詳細な概念の説明と分類 10。 |
| Annex A | AI system life cycle model / AIシステムライフサイクルモデル | Informative | AIライフサイクルモデルの図解と、OECDモデルとのマッピング 4。 |
| Bibliography | 参考文献 | Informative | 規格作成で参照された資料や関連規格のリスト。 |
この文書構造において、特に第3章（用語及び定義）が規定的な要素として位置づけられていることは極めて重要です。AI技術は急速に進化しているため、概念的な理解や分類（第5章）は将来的に柔軟な更新が必要となる可能性があります 10。一方で、\*\*厳密に遵守されるべき核となる定義（第3章）\*\*と、\*\*背景知識や分類を提供する情報（第5章）\*\*を明確に分離することで、規格は中核的な定義の法的・技術的な安定性を保ちながら、技術的な進展に応じて概念的なガイダンスを柔軟に適応させることが可能となります。
## **3\. 目次構成の詳細分析：用語と概念の階層**
ISO/IEC 22989の中核をなす第3章および第5章は、AI分野を網羅するために詳細に分類されています。
### **3.1. 第3章：用語及び定義 (Terms and definitions) (Normative)**
第3章は、AIの基礎、データ、機械学習、信頼性といった主要な技術ドメインに基づいて用語を定義し、AI標準化における共通の基準点を提供します 10。
| 大分類 (Clause) | タイトル (日本語仮訳) | 解説 |
| :---- | :---- | :---- |
| 3.1 | Terms related to AI (AI関連用語) | 人工知能、AIシステム、エージェントなどの基本用語。 |
| 3.2 | Terms related to data (データ関連用語) | データセット、品質、ライフサイクルに関する用語。 |
| 3.3 | Terms related to machine learning (機械学習関連用語) | 学習プロセス、手法、アルゴリズムの基本要素。 |
| 3.4 | Terms related to neural networks (ニューラルネットワーク関連用語) | モデルの構造、層、および深層学習に関する用語。 |
| 3.5 | Terms related to trustworthiness (信頼性関連用語) | 堅牢性、説明可能性、透明性など、AIシステムの品質特性に関する用語。 |
| 3.6 | Terms related to natural language processing (自然言語処理関連用語) | テキスト分析や言語理解に特化した用語。 |
| 3.7 | Terms related to computer vision (コンピュータビジョン関連用語) | 画像処理、物体認識、および関係抽出（Relationship extraction）といった視覚処理ドメインの用語 4。 |
### **3.2. 第5章：AIの概念 (AI concepts) (Informative)**
第5章は、第3章で定義された用語の背景となる概念的なフレームワークを提供します。ここでは、AIの歴史的分類や具体的なアプローチが説明されています 10。
| 大分類 (Clause) | タイトル (日本語仮訳) |
| :---- | :---- |
| 5.1 | General (一般) |
| 5.2 | From strong and weak AI to general and narrow AI (強いAIと弱いAIから汎用AIと狭隘AIへ) |
| 5.3 | Agent (エージェント) |
| 5.4 | Knowledge (知識) |
| 5.5 | Cognition and cognitive computing (認知と認知コンピューティング) |
| 5.6 | Semantic computing (セマンティックコンピューティング) |
| 5.7 | Soft computing (ソフトコンピューティング) |
| 5.8 | Genetic algorithms (遺伝的アルゴリズム) |
| 5.9 | Symbolic and subsymbolic approaches for AI (AIにおけるシンボリックおよびサブシンボリックアプローチ) |
| 5.10 | Data (データ) |
| 5.11 | Machine learning concepts (機械学習の概念) |
#### **3.2.1. 機械学習の概念 (Clause 5.11)の詳細構成**
Clause 5.11は、現代のAIシステム構築において最も重要性の高い機械学習のアプローチとデータ要素について、極めて詳細な構成を提供しています 10。このセクションの細分化は、実用的なAIの検証とリスク管理の要求を反映しています。
Table 2: 第5章 機械学習概念の詳細構造 (Clause 5.11)
| セクション | タイトル (日本語仮訳) |
| :---- | :---- |
| 5.11.1 | Supervised machine learning (教師あり機械学習) |
| 5.11.2 | Unsupervised machine learning (教師なし機械学習) |
| 5.11.3 | Semi-supervised machine learning (半教師あり機械学習) |
| 5.11.4 | Reinforcement learning (強化学習) |
| 5.11.5 | Transfer learning (転移学習) |
| 5.11.6 | Training data (訓練データ) |
| 5.11.7 | Trained model (訓練済みモデル) |
| 5.11.8 | Validation and test data (検証及びテストデータ) |
| 5.11.9 | Retraining (再訓練) |
特に、学習タイプに加えて、データの役割（訓練、検証、テスト）やモデルの運用フェーズ（訓練済みモデル、再訓練）が個別のサブセクションとして確立されている点には、重要な意味があります 10。これは、AIのライフサイクル全体を通じて、データバイアス、モデルドリフト、継続的なガバナンスへの対応が必須であることを示唆しています。「再訓練（Retraining）」の概念を明確に定義することは、**デプロイメント後の継続的な性能維持とリスク管理**が、標準化されたAI運用の一部であることを強調しています。
## **4\. 規格で定義される主要なAI用語の列挙**
ISO/IEC 22989は、AIの基礎、技術的なフレームワーク、および信頼性に関する多岐にわたる用語を網羅的に定義しています。
### **4.1. 基礎概念と技術フレームワーク用語**
AI技術の理解の土台となる、中核的な概念の定義です 2。
* **Artificial intelligence (人工知能):** システムが知識とスキルを獲得し、処理し、応用する能力 2。
* **AI system (AIシステム):** AI技術を利用するシステム 2。これは、人間が定義した目的に従って、コンテンツ、予測、推奨、または意思決定などの出力を生成するために構築されたシステムを意味します 11。
* **Machine learning (機械学習):** 経験を通じて計算アルゴリズムが改善されるプロセス 2。
* **Agent (エージェント):** 環境から情報を登録し（相互作用）、知識を応用し、目標を達成するために行動するシステムまたはエンティティ 10。
* **Knowledge (知識):** エージェントまたはシステムが保持する情報および推論の基盤となる概念 10。
* **Training data (訓練データ):** AIシステムの訓練に使用されるデータセット 2。
* **Inference (推論):** 訓練されたAIシステムを適用し、結果を生成するプロセス 2。
* **Neural network (ニューラルネットワーク):** 生物学的ニューラルネットワークに着想を得たモデル 2。
### **4.2. 機械学習アルゴリズム関連用語**
第5章で詳細な概念が説明されている、主要な学習パラダイムに関連する用語です 10。
* Supervised machine learning (教師あり機械学習)
* Unsupervised machine learning (教師なし機械学習)
* Semi-supervised machine learning (半教師あり機械学習)
* Reinforcement learning (強化学習)
* Transfer learning (転移学習)
* Retraining (再訓練)
### **4.3. AIシステムの信頼性特性（Trustworthiness Properties）**
AIシステムに対する信頼を構築するために不可欠な品質特性は、第3.5章で定義され、AIソリューションの比較・分類を可能にする共通言語を提供します 3。
| 特性 | ISO/IEC 22989に基づく解説 |
| :---- | :---- |
| **Explainability (説明可能性)** | AIシステムのメカニズムが人間の言葉で説明できる程度。監査、倫理的検証、および意思決定の正当化を可能にする 2。 |
| **Robustness (堅牢性)** | 様々な条件下（変動する条件）で所期の性能を維持する能力 2。 |
| **Transparency (透明性)** | 開発、展開、運用に関する情報が入手可能であることを保証する特性 2。 |
| **Trustworthiness (信頼性)** | AIシステムが、特定の要求を満たす能力 3。 |
| **Resilience (回復力)** | 障害や予期せぬ条件から迅速に回復する能力 3。 |
| **Reliability (信頼度)** | 意図された期間内に要求された機能を実行する能力 3。 |
| **Accuracy (精度)** | AIシステムの結果の正確性 3。 |
| **Safety (安全性)** | 危害のない状態を保証する能力。特に規制対象となる高リスクAIにとって不可欠 3。 |
| **Security (セキュリティ)** | 悪意のある操作や不正アクセスからの保護 3。 |
| **Privacy (プライバシー)** | 個人情報の保護、データガバナンス、および法令遵守 3。 |
ISO/IEC 22989が、技術的な品質（堅牢性、精度）だけでなく、\*\*法的・倫理的ガバナンス側面（安全性、セキュリティ、プライバシー）\*\*を含む広範な用語を定義している点は、AIリスクを単なる技術的欠陥としてではなく、総合的な組織的リスクとして捉えることを強制します。これらの用語の統一は、AIソリューションを市場で比較・分類するための共通の評価メトリクスを提供し 3、将来的なAIシステムの認証や適合性評価プログラムの実施を技術的に可能にする役割を果たします 12。
## **5\. 付属書（Annex）の内容と規定性**
ISO/IEC 22989の付属書は、規定的な定義を補完するための情報提供を目的としており、規格の適用範囲を実務的なガバナンスフレームワークへと拡張します。
### **5.1. 付属書A：AIシステムライフサイクルモデルのマッピング**
付属書Aは情報提供（Informative）であり、AIシステムの開発と運用に関するガイダンスを提供します 4。
* **タイトル:** AI system life cycle model (AIシステムライフサイクルモデル)
* **内容の概要:** AIシステムのライフサイクルモデルが図示され、特にこのモデルが**OECD（経済協力開発機構）のAIシステムライフサイクル定義**とどのように対応するかを示すマッピングが含まれています 4。
* **実務的意義:** AIライフサイクルは、構想（Inception）、設計、検証・検証（Verification and validation）、展開（Deployment）といった段階で構成されており 12、付属書Aは、これらの段階において、ISO/IEC 22989で定義された用語や概念を具体的にどのように適用すべきかを明確にします。これは、AIシステムのガバナンスに関する管理システム規格であるISO/IEC 42001の実装を技術的に支援する役割を果たします 8。
OECDとのマッピングを明示的に行うことは、この技術標準が単なる専門的な用語集ではなく、国際的な政策対話や規制調和のための**グローバルな政策ツール**としても機能するという戦略的な意図を反映しています 4。これにより、22989は、国際的な貿易や規制対応における重要性を高めています。
### **5.2. 参考文献 (Bibliography)**
参考文献セクションは、ISO/IEC 22989の用語が、既存の情報技術（IT）標準や関連する技術ドメインとどのように関連し、整合性が取られているかを示すものです。
列挙されている主な関連規格には、情報技術の語彙に関するISO/IEC 2382、ビッグデータに関するISO/IEC 20546、プライバシー強化データ非識別化の用語と分類に関するISO/IEC 20889、およびクラウドコンピューティングの参照アーキテクチャに関するISO/IEC 17789が含まれます 4。これらの参照は、AIの概念がデータサイエンス、プライバシー保護、およびクラウドインフラストラクチャといった既存のITインフラストラクチャと不可分であることを示しています。
#### **引用文献**
1. Artificial intelligence: why terminology matters \- http:www.iec.ch, 10月 14, 2025にアクセス、 [https://www.iec.ch/blog/artificial-intelligence-why-terminology-matters](https://www.iec.ch/blog/artificial-intelligence-why-terminology-matters)
2. ISO/IEC 22989: Standardizing AI Language for Compliance, 10月 14, 2025にアクセス、 [https://digital.nemko.com/standards/iso-iec-22989](https://digital.nemko.com/standards/iso-iec-22989)
3. INCITS/ISO/IEC 22989:2022 (2023)— Artificial Intelligence ..., 10月 14, 2025にアクセス、 [https://blog.ansi.org/ansi/incits-iso-iec-22989-2022-2023-ai-terminology/](https://blog.ansi.org/ansi/incits-iso-iec-22989-2022-2023-ai-terminology/)
4. INTERNATIONAL STANDARD ISO/IEC 22989, 10月 14, 2025にアクセス、 [https://edigital.economia.gob.sv/wp-content/uploads/2025/03/Tecnologias-de-la-informacion-Inteligencia-artificial.pdf](https://edigital.economia.gob.sv/wp-content/uploads/2025/03/Tecnologias-de-la-informacion-Inteligencia-artificial.pdf)
5. ISO/IEC 22989:2022 \- iTeh Standards, 10月 14, 2025にアクセス、 [https://cdn.standards.iteh.ai/samples/74296/c4efbadbf1a146d4af6d62fcad09438f/ISO-IEC-22989-2022.pdf](https://cdn.standards.iteh.ai/samples/74296/c4efbadbf1a146d4af6d62fcad09438f/ISO-IEC-22989-2022.pdf)
6. Roadmap for the NIST Artificial Intelligence Risk Management Framework (AI RMF 1.0), 10月 14, 2025にアクセス、 [https://www.nist.gov/itl/ai-risk-management-framework/roadmap-nist-artificial-intelligence-risk-management-framework-ai](https://www.nist.gov/itl/ai-risk-management-framework/roadmap-nist-artificial-intelligence-risk-management-framework-ai)
7. ITU-T Y Suppl. 72 (11/2022) ITU-T Y.3000-series – Artificial intelligence standardization roadmap, 10月 14, 2025にアクセス、 [https://www.itu.int/rec/dologin\_pub.asp?lang=e\&id=T-REC-Y.Sup72-202211-I\!\!PDF-E\&type=items](https://www.itu.int/rec/dologin_pub.asp?lang=e&id=T-REC-Y.Sup72-202211-I!!PDF-E&type=items)
8. Understanding ISO 22989's Role in Artificial Intelligence Governance, 10月 14, 2025にアクセス、 [https://www.assentriskmanagement.co.uk/iso-22989/](https://www.assentriskmanagement.co.uk/iso-22989/)
9. INTERNATIONAL STANDARD ISO/IEC 22989 \- VDE Verlag, 10月 14, 2025にアクセス、 [https://www.vde-verlag.de/iec-normen/preview-pdf/info\_isoiec22989%7Bed1.0%7Den.pdf](https://www.vde-verlag.de/iec-normen/preview-pdf/info_isoiec22989%7Bed1.0%7Den.pdf)
10. ISO/IEC 22989:2022 \- Artificial intelligence \- Standards New Zealand, 10月 14, 2025にアクセス、 [https://www.standards.govt.nz/shop/isoiec-229892022](https://www.standards.govt.nz/shop/isoiec-229892022)
11. German Standardization Roadmap on Artificial Intelligence – 2nd Edition \- DKE, 10月 14, 2025にアクセス、 [https://www.dke.de/resource/blob/2017010/99bc6d952073ca88f52c0ae4a8c351a8/nr-ki-english---download-data.pdf](https://www.dke.de/resource/blob/2017010/99bc6d952073ca88f52c0ae4a8c351a8/nr-ki-english---download-data.pdf)
12. AI Standardization Roadmap 2.0: Path towards Future Standards in Trustworthy AI \- QuantPi, 10月 14, 2025にアクセス、 [https://www.quantpi.com/content-library/ai-standardization-roadmap](https://www.quantpi.com/content-library/ai-standardization-roadmap)