ある金融機関のMLチームが、融資審査モデルの予測結果をコンプライアンス部門に説明する義務があります。「なぜこの申込者の審査が否決されたか」を定量的に説明できるモデルの運用アプローチとして最も適切なものはどれですか。

正解: D

Amazon SageMaker Clarify は SHAP（SHapley Additive exPlanations）値を計算し、各予測に対してどの特徴量がどれだけの影響を与えたかを定量的に示す説明可能AI機能を提供します。「申込者の年収が低いことが否決に大きく寄与した」といった個別予測の根拠を提示できます。ブラックボックスモデルの精度はコンプライアンス上の説明義務を果たすものではなく、EU AI法等の規制要件を満たせません。モデルの重みパラメータは高次元の内部表現であり、個別予測の理由説明には使えません。平均精度スコアはモデル全体の性能指標であり、個別の審査否決理由の説明にはなりません。