배포된 AI 시스템에 대한 결함 보고 (Flaw reporting)는 시스템 실패를 식별하고 AI 안전성 (AI safety)을 개선하는 데 필수적입니다. 그러나 AI 보고 생태계는 파편화되어 있습니다. 결함을 식별한 연구자들은 무엇을 어디에 보고해야 할지 모르는 경우가 많으며, 보고를 받은 그룹들은 이를 다른 관련 이해관계자들과 공유하는 경우가 드뭅니다. 그 결과, 선의의 보고자들은 여러 가지 다른 양식을 제출하며 노력을 중복하게 되고, 수신자들은 표준화되고 분류 준비가 된 (triage-ready) 정보를 받지 못하고 있습니다. 우리는 AI 개발자, 사이버 보안 그룹, AI 결함 애그리게이터 (AI flaw aggregators)가 발표한 12개의 보고 시스템을 감사하여 발견 가능성 (discoverability), 범위 (scope), 정보 수집 (information collection), 조정 (coordination), 그리고 엄격 책임 (strict-liability) 사례에 대한 가이드라인에 걸쳐 나타나는 다섯 가지의 반복적인 설계 과제를 식별했습니다. 이러한 분석과 개발자, 보안 연구자, 생태계 코디네이터를 대표하는 32개 조직의 전문가 49명으로부터 얻은 피드백을 바탕으로, 우리는 기존 시스템과의 상호 운용성 (interoperability)을 위해 설계된 오픈 소스 AI 결함 보고 시스템인 FLARE-AI를 소개합니다. FLARE-AI는 조건부 로직 (conditional logic)과 조기 분류 (early classification)를 통해 분류에 유용한 정보를 수집함으로써 결함 보고서 작성을 간소화하며, 단 한 번의 제출로 표준화되고 기계 판독이 가능한 (machine-readable) 보고서를 여러 개발자, 코디네이터 및 사고 등록소 (incident registries)에 선택적으로 배포할 수 있게 합니다. AI 결함 보고의 장벽을 낮추고 이해관계자 간의 상호 운용성을 개선함으로써, FLARE-AI는 사일로 (silos)를 허물고 AI 생태계 전반의 복구 (remediation)를 가속화하는 데 도움을 줍니다.