厳選された代表的なサンプルデータセットを用いてAIモデルをテストすることで、監査担当者はモデルの意思決定における公平性と偏りを直接評価できます。このアプローチは、AAIA™学習ガイドに概説されているベストプラクティスに合致しており、さまざまな人口統計学的属性や入力シナリオにおけるモデルの動作を定量的に分析することを可能にします。
「公平性を評価するには、監査人は管理されたデータセットを使用して、モデルの出力が特定のグループに不均衡な影響を与えているかどうかを評価する必要があります。この実証的なテストは、定性的な方法よりも強力な証拠を提供します。」メタデータ（A）と開発者へのインタビュー（C）は調査結果を補完できますが、客観的で再現可能な証拠を提供するのはBのみです。オプションDは現実世界の相互作用を反映している可能性がありますが、監査に必要な管理と一貫性が欠けています。
参考資料：ISACA Advanced in AI Audit™ (AAIA™) 学習ガイド、セクション：「AIにおける倫理的および法的考慮事項」、サブセクション：「AIシステムにおける公平性とバイアスのテスト」