不正検出AIシステムにおける誤検出は、多くの場合、最適化されていないハイパーパラメータに起因する。
ハイパーパラメータは、学習率、判定閾値、複雑度ペナルティなど、モデルの学習プロセスにおける様々な側面を制御します。これらのパラメータが適切に調整されていないと、モデルが過敏になり、正常な動作を不審なものとして検出してしまう可能性があり、顧客からの苦情につながる恐れがあります。
「ハイパーパラメータの調整は、AIモデルにおける感度と特異度のバランスを取るために不可欠です。不適切な調整は、特に微妙なパターン認識を必要とする不正検出などのシステムにおいて、偽陽性または偽陰性の発生率を高める可能性があります。」オプションAとBはデータガバナンスに関連していますが、予測における偽陽性を直接引き起こすものではありません。オプションC（計算規模のトレーニング）は、モデルの精度ではなく効率に影響を与える可能性があります。したがって、Dが最も適切な回答です。
参考資料：ISACA Advanced in AI Audit™ (AAIA™) 学習ガイド、セクション：「AIの運用とパフォーマンス」、サブセクション：「モデルのチューニングと最適化」