模型卡的運作方式是，直接根據SAS產品內容來為使用者註冊的模型，自動產生模型卡，使用者不必手動建立。不只是SAS平臺提供的模型，因SAS Viya已有用於管理開源的架構，因此也能替開源模型建立模型卡，目前從Python模型開始支援。

至於模型卡將顯示的內容，會特別突顯準確性、公平性和模型漂移等指標，尤其，模型漂移是模型性能隨條件變化而下降的重要指標，可用來判斷模型的適用性。除了這些，模型卡還包含詳細的模型治理資訊，像是模型上次修改的時間、誰對此做出貢獻、誰對模型負責，方便使用者組織解決模型性能異常問題。SAS表示，模型卡還涵蓋模型使用資訊，可供企業或組織查明預期用途、超出範圍的應用和限制訊息，這些資訊可因應企業業務營運所需的透明度和規範檢查。

根據NIST AI風險管理框架量身打造AI治理工具和服務

另一方面，美國NIST在去年推出AI風險管理框架（AI RMF），是一份關於AI系統的設計、開發、部署和使用指南，也成為企業組織在缺乏官方法規的情況下，用來設計可信任和負責任AI的重要參考。Reggie Townsend本身也是美國商務部國家AI諮詢委員會 (NAIAC) 成員，負責提供AI治理建議給白宮。

在這些基礎上，SAS根據NIST AI風險管理框架，設計出一套可信任AI生命周期工作流程，來讓企業和組織更容易實作NIST的AI風險管理框架。首先，SAS這款工作流程定義了個別角色和工作期望，並收集所需文件、列出考量因素，透過自動化來簡化擁抱流程。之後，企業或組織使用者會得到一個正式模型，附帶一個文件來說明他們已做好盡職調查，來確保模型是公平的，且作業流程不會造成任何傷害。

不只如此，這款工作流程還能讓使用者記載，自家AI系統可能產生的影響考量。這之中就包含幾個步驟，來確保訓練資料能足夠代表被影響的受眾群體，且模型的預測能力和表現，在受保護的類別中都差不多。這些步驟可確保模型不會造成負面影響或傷害特定群體，而且，使用者還能建立人為介入（Human-in-the-loop）的任務，來確保模型一直準確。

目前，使用者可從SAS模型管理資源GitHub上下載可信任AI生命周期工作流程，之後也能在NIST AI風險中心下載。

不只如此，為更進一步提供現有客戶AI監管和治理服務，SAS自己也成立AI治理顧問服務（AI Governance Advisory），透過會議方式來協助企業達到AI治理目標。SAS已試辦這項顧問服務，其中歐洲最大的金融機構PZU波蘭保險集團就有採用。