2026年7月27日のGuardian書評が紹介した『What If We Got AI Right?』は、AIをクラウドや学習データ、人間の下支え労働という実体から見よと迫った。
本記事では、その視点を出発点に、開示・監査・救済の3本柱でAI規制を実務に落とし、日本の制度設計への処方箋を提示する。
📌 この記事でわかること
- “クラウドの正体”とAIの物理・労務的実体を前提にした規制の設計図
- 開示・監査・救済の3本柱と、モデルカード（モデル仕様書）の最低項目
- 日本の省庁ガイドラインに実装する具体手順と負担抑制策
- デュアルユース時代の早期警戒とMBOM（Model Bill of Materials）の要件
なぜ今“AIの実体”から規制を設計し直すのか
まず言葉を正す。クラウド＝他人のコンピュータ。幻覚＝統計モデルのシステムエラー。透明性＝説明可能なプロセスと追跡可能な証跡。抽象語を具体化すると、監督の手触りが出てくる。
Guardianの書評（2026-07-27）は、Eleanor Drageの新著を通じて、AIを物理インフラ（データセンターの電力・水・冷却）、学習データ（出所と権利）、そして人間の労働（データラベリングや評価）という三層で捉え直すべきだと紹介した。二次情報だが、規制の視点転換に有用だ。
この三層を隠すと、情報非対称が生じて権力集中が進む。モデルの“性能”だけが語られる市場では、電力・水コストや人件費、著作権処理の実態が見えず、価格や競争政策の監督も空回りする。ゆえに“物理・労務の可視化”は倫理ではなく合規の出発点だ。
「AIを神秘化するのではなく、誰の労働とどのインフラの上に成り立つかを問え。」
— Guardian書評の要約（2026-07-27, What If We Got AI Right? by Eleanor Drage review）
規制に落とす3つの柱：開示・監査・救済
三つの柱で具体に落とす。
開示（Disclosure）
最低限の公開を法定する。学習データの出所（コーパスの主要カテゴリ、ライセンス、取得方法）、推論時のエネルギー・水消費（推定でも可、測定方法を併記）、データラベリング体制（国・言語・報酬レンジ・品質管理）。これらはモデルカード（モデル仕様書：モデルの目的・訓練データ範囲・評価結果・制約をまとめた文書）に格納し、版管理する。
監査（Audit）
評価指標と試験体制を外部で検証する。安全性（脱法助長・有害出力）、偏り（属性別指標）、ロバスト性（摂動・プロンプト注入耐性）。独立監査人の登録制度と試験データの保全義務をセットで設計。リスク層別（一般・高・極高）で頻度を変える。
救済（Remedy）
誤作動や被害時の救済を制度化。専用連絡窓口、苦情対応SLA、補償スキーム（上限・免責条件）、モデル変更の事前通知義務（重大変更の定義を明文化）。API事業者はバージョン凍結期間を設け、開発者に移行猶予を保障する。
| 項目 | 従来型 | 新方式 |
|---|---|---|
| 透明性 | 性能ベンチのみ | モデルカード＋資源使用の実測値 |
| 監査 | 自己申告 | 第三者監査＋試験データ保全 |
| 救済 | 個別対応 | SLAと補償基準の標準化 |
日本の制度にどう実装するか
整合性と実務性が鍵だ。EU AI Actの高リスク区分と参照整合を取りつつ、“日本版モデルカード”をJIS等で標準化。項目は目的、学習データの由来、評価結果、既知の限界、資源使用量、更新履歴。MBOM（Model Bill of Materials：モデルの構成要素・依存関係・訓練データ由来を一覧化する台帳）と連携させる。
省庁横断でインフラ実測開示をガイドライン化。電力・水・CO2を推論・学習で分け、報告頻度を年次・重大更新時に設定。クラウド事業者はデータセンター別の係数（PUE/WUE）を開示し、利用企業は推定式で算出する。
中小企業の負担はしきい値で抑制。モデル規模・月間推論回数・影響領域で閾値を設け、共通の第三者認証スキームを共同利用。監査費用は業界基金で部分補助し、地方企業も参加しやすくする。関連記事：AIリーガルTechの新ユニコーンNormが約190億円調達—法務自動化と規制対応SaaSの市場拡大を読む も参照してほしい。
実装の処理フロー
-
1
モデルカード雛形の確定
JIS案の公開パブコメ→省庁告示で確定・運用開始
-
2
MBOMの作成
データ出所・依存ライブラリ・評価セットを台帳化
-
3
外部監査の登録
監査法人・認証機関の選定と試験計画の承認
-
4
公開・更新
ダッシュボードで指標と資源使用を定期公開、重大更新は事前通知
デュアルユース時代のリスク基準と早期警戒
高リスク領域では、アクセス制御とKnow Your Customer（KYC）を強化。バイオ・サイバー・重要インフラの機能を誘発するAPIは本人確認と用途申告を義務化し、濫用時は即時停止できる契約に。
一方で早期警戒を阻害しない。アウトブレイク検知には匿名化・集計化したデータ共有の法的根拠を整備し、公衆衛生用途の監視AIを正当化。Guardianの論考（2026-07-27）は、攻守のバランスを取る政策設計の必要性を強調している。
モデルとデータ流通のトレーサビリティも必須。SBOM（Software Bill of Materials）にならい、MBOMでモデルの“部品表”を標準化。学習データの権利状態、微調整の履歴、評価セットの出自を機械可読で記録し、監査・淘汰を容易にする。関連記事：AIエージェントが1億ドル調達を主導—“自動資金調達”はVC・CFOの仕事をどう変える？ にも波及する論点だ。
注意：資源使用量の算定は推定を含む。係数や境界条件をモデルカードに明記し、第三者が再計算できるよう式とデータを添付しよう。
🔧 実際に試してみたい方へ
AIガバナンスの設計と運用を基礎から学ぶなら Udemy AIガバナンス講座 が取り組みやすい。最新のモデルカードやMBOMの作成演習にも役立つ。
まとめ
要点は三つ。
- 実体から設計：クラウド・データ・人間労働の可視化を出発点に。
- 3本柱を法定：開示・監査・救済をモデルカード＋MBOMで運用。
- 攻守の両立：高リスクはKYCで締め、公益監視は法的根拠で支える。
関連記事
このトピックをさらに深く理解するために
参考・出典
- What If We Got AI Right? by Eleanor Drage review – avoiding apocalypse（The Guardian, 2026-07-27）
- AI can fuel biological weapons. We must harness its power for defense | Annie Jacobsen（The Guardian, 2026-07-27）
- How AI could reshape drug development（特集トップ）（MIT Technology Review, 2026-07-27）
- AIリーガルTechの新ユニコーンNormが約190億円調達（AIFRONTNEWS, 2026）
- AIエージェントが1億ドル調達を主導（AIFRONTNEWS, 2026）
