AmazonとGoogleのAIコンプライアンス、州境をまたいで分断

連邦政府が州ごとのルールを単一の国家的枠組みに置き換えようとする取り組みにもかかわらず、AmazonとGoogleをめぐるAIコンプライアンスは2026年に入り、より難しい局面を迎えた。新たな要件は、AIシステムを供給する開発者だけでなく、雇用、融資、医療など重大な影響を及ぼす場面でそれらを導入する組織にも及んでいる。

中心的な対立は、もはやイノベーションと単一の規制当局の間にあるものではない。標準化されたクラウドAIと、管轄区域ごとに責任の分担を異ならせる法律との対立だ。AmazonとGoogleは技術的な管理策、文書、契約上の保証を提供できる。しかし、どのデータをシステムに入力するか、利用者が出力をどう使うか、人間によるレビューに実質的な権限があるかを決めるのは、依然として顧客である。

この分担により、クラウドでよく知られた概念が新たな重要性を持つようになった。共有責任とは、プロバイダーがサービスの一部を保護・文書化する一方、顧客は自らの設定と利用について説明責任を負うことを意味する。この原則は現在、サイバーセキュリティを超え、差別、透明性、記録保存、合成コンテンツの開示にまで広がっている。

Hinshaw & Culbertsonのコンプライアンス解説は、実務上の教訓をよく捉えている。組織は、米国で統一されたAI規則が確立されるのを待つことはできない。Texas州のルールはすでに運用され、欧州の透明性義務は8月2日に適用開始となり、Colorado州は実施前にアプローチを改めた。州ごとに分断された規制に反対するWhite Houseの取り組みは、州の権限を消滅させることなく不確実性を高めている。

2026年のルール変更は期限だけにとどまらない

AIコンプライアンスは、複数の法律がシステムの構築と利用を区別するようになったことで、運用上の要件となった。

Texas州は年初、一般にTRAIGAとして知られるTexas Responsible Artificial Intelligence Governance Actを施行した。同法は2026年1月1日に発効し、Texas州内でAIシステムを開発または導入する組織に適用される。

同法は、定義された複数の利用を禁じている。これには、保護対象となる集団を不法に差別する意図を持ってAIを開発または導入することが含まれる。また、特定の生体識別、社会的スコアリング、行動操作、憲法で保護された活動も制限される。

Texas州は、AI支援プロセスが異なる結果を生んだ場合に常に責任を課すのではなく、意図に焦点を当てた差別基準を採用した。このため、同法は以前の一部の提案より狭い範囲にとどまる。ただし、コンプライアンスが自動的に達成されるわけではない。

執行権限は州司法長官に専属する。公式のconsumer AI rulesでは、管理された条件下で承認済みのテストを可能にする規制サンドボックスについても説明している。組織にはなお、システムが何を目的に設計され、実際にどのように導入されたかを示す証拠が必要だ。

Colorado州は異なる道を選んだ。当初のColorado AI Actは、高リスクシステムとアルゴリズムによる差別に関する広範な義務を課していたため注目を集めた。その後、議会はSenate Bill 26-189を通じて主要な規定を廃止し、置き換えた。

制定されたColorado frameworkは、重大な決定に用いられる自動意思決定技術を中心に据えている。対象分野には教育、雇用、住宅、金融サービス、保険、医療、不可欠な政府サービスが含まれる。

改正法は2027年1月1日から、開発者と導入者に対する主要な義務を課し始める。この日付により企業には準備期間が与えられるが、新たな条文は求められる証拠もより明確にしている。

開発者は、想定用途、学習データのカテゴリー、既知の制約、適切な利用と人間によるレビューに関する指示を記した技術文書を提供しなければならない。重要な更新には追加の通知が必要となる。開発者と導入者は、コンプライアンス記録を少なくとも3年間保存しなければならない。

この文書化要件は、企業の調達を変える。企業は、モデル名、セキュリティ認証、ベンダーの評判を完全なコンプライアンス・パッケージとして扱うことはできない。正確なシステム、バージョン、設定、意思決定プロセスに結び付いた情報が必要になる。

California州は、いずれの州の制度もそのまま踏襲せず、別個の義務を加えている。同州のAIルールは、学習データの開示、フロンティアモデルのガバナンス、雇用差別、合成コンテンツの透明性に及ぶ。それぞれの要件には独自の適用範囲と責任主体がある。

European Unionは、国際的な事業運営にさらに一層の要件を加える。Article 50の透明性義務は2026年8月2日から適用され始めた。これらは、利用者への通知と、特定のAI生成素材への表示またはラベル付けを対象とする。

したがって組織が直面するのは、単一の期限ではなく複数のタイムラインだ。すでに導入を規律するルールもある。適合する文書、ワークフローの再設計、記録システムの確立には数カ月を要するため、現在の調達に影響するものもある。

当面の変更点は明快だ。ベンダー名と契約日だけを列挙するAIインベントリでは、もはや十分な詳細を提供できない。コンプライアンスチームは、各システムがどの決定に影響を与えるか、影響を受ける人々がどこに居住しているか、どの出力が公衆に届くかを把握する必要がある。

AmazonとGoogleの顧客が最も重い負担を負う理由

最大のコンプライアンス上の隔たりは、クラウドプロバイダーが文書化した管理策と、顧客の実際の業務プロセスの間にある。

AmazonとGoogleは、インフラ、基盤モデルへのアクセス、生成AIアプリケーション、カスタムシステム構築のためのツールを販売している。これらのレイヤーは異なる法的役割を生む。企業はある取引では顧客であり、別の取引では導入者となり、システムを大幅に変更すれば開発者にもなる。

ホスト型モデルを使って求職者を順位付けする小売企業を考えてみよう。プロバイダーはモデルへのアクセスと技術文書を提供する。小売企業は応募者データを選び、順位付けの目的を定義し、しきい値を設定し、管理職が結果を覆せるかどうかを決める。

差別を調査する規制当局には、プロバイダーのモデルカードだけでは足りない。雇用主のワークフロー、検証記録、通知、エスカレーション規則、人間によるレビューの証拠も必要となる。

同じ区別は融資にも現れる。銀行はクラウドAIを使い、文書を要約し、不一致にフラグを付け、リスクカテゴリーを推奨するかもしれない。いずれの利用も、最終的な与信判断との関係を異なるものにする。

要約ツールであっても、従業員が欠落や誤った結論に依存すれば、重大な決定に影響を与えうる。スタッフが実質的なレビューをせず日常的に受け入れている場合、出力を「助言的」と呼んでもほとんど意味を持たない。

ここでAmazonとGoogleの競争は、単なるモデル品質の競争ではなくなる。企業の購入者は、バージョン履歴、評価結果、データフロー管理、ログ機能、変更通知をますます必要としている。こうした機能が、顧客が防御可能な記録を構築できるかを左右する。

Googleは、州のプライバシー法の下でGoogleが処理者として行動する場合に、クラウドサービスが顧客をどう支援するかを説明している。しかし、同社のprivacy mappingは、顧客が自らの要件を評価する必要があることも注意喚起している。AI法は、このよく知られた区別を新たな領域へと拡張する。

Amazonの顧客も同じ構造的問題に直面する。プロバイダーはサービスの境界を文書化できるが、あらゆる顧客通知が明確かどうかを決めることはできない。また、現地の管理職が実質的な人間レビューを実施するかどうかも決められない。

組織はユースケース単位で責任をマッピングすべきだ。一つのエンタープライズライセンスが、リスクの異なる数百のワークフローを支えることがある。生産性支援ツールに対する包括的な承認は、採用、保険、医療、学生評価に関する問いへの答えにはならない。

このマッピングでは、各利用について次の5点を特定すべきである。

• 目的と許容される出力を承認する業務責任者。

• 設定、アクセス、バージョン変更を管理する技術責任者。

• 入力ソースと保存を承認するデータ責任者。

• 出力に異議を唱え、または覆すことのできるレビュー担当者。

• 通知、評価、法改正を追跡するコンプライアンス責任者。

これらの割り当ては、実際の権限を反映しなければならない。自動承認を促す業績目標が設定されている場合、名目上の人間レビュー担当者がもたらす保護はほとんどない。レビュー担当者には、システムの推奨を拒否するために十分な情報、時間、権限が必要だ。

シャドーAIは、この境界をさらに維持しにくくする。従業員は、調達レビューを経ずに顧客記録、契約書、履歴書、健康情報をツールに貼り付けることができる。その結果、企業はワークフローの存在を知らないまま導入者になる可能性がある。

従来の発見手法では、そのような活動を捉えられることはほとんどない。調達記録は承認済みサブスクリプションを示す一方、ネットワークログは目的を説明しないままアクセスを示す。インタビュー、対象を絞った証明、ワークフローレビューがその隙間を埋める。

チームには、方針、評価、ベンダー資料、会議での決定を保存する信頼できる場所も必要になる。検索可能なknowledge baseは、従業員が最新の記録を取得する助けになる。これは法的レビューや正式な証拠管理に取って代わるものではない。

したがって、難しい負担は依然として顧客側に残る。AmazonとGoogleはコンプライアンスを容易にできるが、文書化されていない業務上の決定をクラウドコンソールから適合済みのものに変えることはできない。

真の争点は標準化と地域ごとの説明責任

クラウドAIは標準化によって拡大する一方、新たな法律は特定の人、目的、管轄区域に結び付いた証拠を求めている。

AmazonとGoogleのプラットフォームが経済的に機能するのは、共通のインフラが多数の顧客に提供されるためだ。モデル、安全フィルター、導入インターフェース、監視システムは、一貫したエンジニアリングの恩恵を受ける。エンタープライズコンプライアンスは反対の方向へ進む。

採用モデルは一つの想定設計を持っていても、雇用主ごとに異なるリスクを生む可能性がある。結果は、職務基準、地域の労働市場、履歴データ、配慮手続き、管理職の行動に左右される。ベンダーは、単一のグローバル設定でこれらの要因を解決できない。

Colorado州の枠組みは、この分担を認識している。開発者は想定用途と既知の制約を説明しなければならない。導入者は、対象技術が重大な決定に影響する場合、自らのやり取り、通知、記録を扱わなければならない。

この構造は双方に圧力をかける。ベンダーには、製品更新後も有用であり続ける文書が必要になる。顧客には、ベンダー情報を地域ごとの決定に結び付けるプロセスが必要になる。

バージョン管理が中心的な課題となる。一つのモデルリリースに対して実施したリスク評価は、プロバイダーがモデル、モデレーション層、検索プロセス、デフォルト設定を変更すれば、すぐに古くなる可能性がある。有益な更新であっても、集団ごとの性能を変える場合がある。

そのため、変更通知は定義済みの対応を引き起こすべきだ。軽微なインターフェース改訂であれば、記録の更新だけで済むかもしれない。モデルの置き換えやデータ方針の変更には、新たなテスト、承認、利用者への通知が必要になる可能性がある。

組織は、技術的な監視と法的な監視も区別する必要がある。レイテンシー、稼働率、トークン使用量は、差別や誤解を招くコンテンツについてほとんど何も語らない。コンプライアンス指標は、法律が対象とする害に沿ったものでなければならない。

雇用においては、選考率の分析、覆しの傾向、配慮の要請、苦情などが有用な証拠となりうる。カスタマーサービスでは、誤認、エスカレーションの失敗、言語間の格差、欺瞞的なボットの挙動をチームが監視することになるかもしれない。

単一の「AIリスクスコア」は、こうした違いを隠してしまう。異なる法的・運用上の問題を、経営陣が誤解しかねない一つの数値に圧縮してしまうからだ。判断経路を説明する短い記述のほうが、多くの場合で価値が高い。

このトレードオフは調達契約にも影響する。買い手は、文書、更新通知、インシデント対応への協力、保持条件、十分な監査情報へのアクセスをますます必要としている。ベンダーには、セキュリティと知的財産を守るための境界が必要だ。

契約文言によって、存在しない技術的証拠を生み出すことはできない。署名前に、買い手は約束された記録を実際にエクスポートでき、個々の導入環境に紐付けられることを確認すべきである。

問われるのは、AmazonやGoogleが責任あるAIに関する一般的な声明を公表しているかどうかではない。実務上の問題は、顧客が異議を申し立てられた判断を数カ月後に再構成できるかどうかである。

その再構成では、適用されたモデルのバージョン、入力カテゴリ、出力、ポリシーのバージョン、レビュアーの対応、最終判断を示すべきだ。また、影響を受けた本人がどのような通知を受けたかも示さなければならない。

これらの記録自体が、プライバシーとセキュリティ上のリスクを生む。すべてのプロンプトを永久に保持すれば、機微な情報を不必要に保存することになりうる。コンプライアンスチームは、法的必要性、データの機微性、アクセス制限に基づいて保持期間を定めなければならない。

その結果、避けられないトレードオフが生じる。組織には、個人データの統制されないアーカイブを構築せずに判断を説明するための十分な証拠が必要だ。また、すべてのワークフローが同一のリスクを伴うかのように装うことなく、一貫性も確保しなければならない。

これが、全社的なポリシーが出発点にすぎない理由である。ポリシーは原則と承認のしきい値を定める。ユースケースの記録は、それに従った者がいるかを示す。

テキサス、コロラド、カリフォルニア、欧州は異なる方向へ引っ張る

各制度が中心となるリスクを異なる形で定義しているため、規制のパッチワークは単にチェックリストが長くなるという話ではない。

テキサス州は、禁止される目的や特定の有害な利用に重点を置く。不法な差別に関する意図基準はその規定を限定する一方、操作、バイオメトリクス、政府によるスコアリングに関する禁止は別の懸念に対処する。

コロラド州は、重大な判断に影響を与える自動化技術に焦点を当てる。開発者と導入者の双方に文書化義務を課し、記録を保存し、執行をColorado Consumer Protection Actと結び付けている。

カリフォルニア州は、複数の対象を絞った法律と既存の法制度を用いる。自動化システムが違法な扱いに寄与する場合、雇用差別規則はすでに雇用主に責任を負わせている。学習データおよびフロンティアモデルに関する法律は、該当する開発者に別個の義務を課す。

EUの現行の透明性要件は、部分的には人々がAIとやり取りしていることを認識しているかに焦点を当てている。また、指定された合成コンテンツについて、機械可読な表示と視覚的な開示も扱う。

欧州委員会の第50条ガイダンスによれば、対象となるプロバイダーと導入者は2026年8月2日から遵守しなければならない。市場により早く投入された特定のシステムには、限定的な表示猶予期間が適用される。

プロバイダーは、対象となる対話型システムを、ユーザーがAIを相手にしていることを知るよう設計しなければならない。また、法律が機械可読な表示を求める場合には、AIが生成または操作したコンテンツの検出を支援しなければならない。

導入者には独自の開示義務がある。これには、ディープフェイク、感情認識、バイオメトリック分類、人間による編集上の統制を伴わないAI生成の公益テキストに関する指定用途が含まれる。

この違いは、グローバルなサービスを利用する米国企業にとって重要である。機械可読な表示を支援するベンダー機能があっても、顧客が必要な通知を表示することは保証されない。公開の文脈を管理するのは導入者である。

カリフォルニア州の透明性制度は、さらに別の実装上の課題を加える。同州の有効な要件は、対象となる生成システムとコンテンツのプロベナンス、すなわち合成物の起源や処理履歴の特定に役立つ情報を扱う。

そのためマーケティング部門は、人間が読めるラベルを表示しつつ、機械可読な資格情報も保持する必要があるかもしれない。コンテンツのリサイズ、スクリーンショット、別のアプリケーションを介したエクスポートによって、メタデータが失われる可能性がある。

法務チームは、ポリシー文言だけでこの失敗を解決できない。公開ツールとコンテンツワークフローは、関連するシグナルを保持しなければならない。品質保証では、生成時点に存在したものだけでなく、配信後に何が残るかをテストすべきである。

同じ問題は外部代理店にも及ぶ。委託先がキャンペーン用にラベルのない合成コンテンツを制作した場合でも、企業はリスクにさらされ続ける。契約では準拠した納品を求めるべきだが、企業には受入テストも必要である。

Amazon・Googleのサービスには、作成と配信をまたいでこれらの統制をより容易にする圧力がかかるだろう。しかしポータビリティは、別の弱点を生む。コンテンツは、多くの場合、オーディエンスに届くまでに複数のプラットフォームを移動する。

組織は、法令ごとに別個のコンプライアンスプログラムを構築することを避けるべきである。共通の統制基盤を確立し、そのうえで法域固有の要件を追加できる。

その共通基盤には、AIインベントリ、目的分類、データマッピング、ベンダーレビュー、変更管理、人による監督、インシデント対応、証拠の保持を含めるべきだ。地域ごとの上乗せ要件として、通知、評価、不服申立権、特別な制限を追加できる。

このような設計は、法律が同等であると仮定せずに重複を減らす。また、ある法域が期限を変更したり定義を書き換えたりした場合にも、企業の対応を支援する。

チームは、規則が適用される、または適用されない理由を記録すべきである。沈黙は、防御可能な適用範囲の分析ではない。現在の事実に裏付けられた短い文書による判断が、レビュー可能な記録を作る。

したがって、このパッチワークはトレーサビリティを重視する。組織に必要なのは、巨大な単一のコンプライアンス文書ではない。どの規則、システム、目的、責任者、統制が結び付くかを示す、連携した記録である。

連邦法による優先は待機を正当化しない

国家政策をめぐる議論は長期的なリスクを変えるが、有効な法律や通常の消費者保護当局の権限を無効にするものではない。

ホワイトハウスは2025年12月11日、Executive Order 14365を発令した。これは負担を最小限に抑えた国家AI枠組みを求め、その方針と矛盾するとみなされる州法に対する連邦政府の行動を指示している。

連邦AI命令は、司法長官に対して訴訟タスクフォースを設置するよう指示した。また、抵触する州のAI法を優先して排除する立法勧告も求めた。

この命令は、推奨する優先排除のアプローチから一部の分野を除外している。そこには、子どもの安全、州政府による利用、データセンターのインフラの一部が含まれる。また、この命令自体が、包括的な連邦法典によってすべての州法を置き換えることもできない。

広範な法定上の優先排除には、議会による立法が必要となる。裁判所は、既存の憲法理論や連邦法理論に基づいて提起される多くの異議を解決する必要がある。

それが起こるまでは、企業は有効な規則、新たな実施日、すでにAI関連の行為を対象とする既存法に直面する。ソフトウェアがモデルを利用しているからといって、消費者保護、公民権、プライバシー、契約、業界固有の要件が消えるわけではない。

この政治的な争いは、相反する二つのコンプライアンス上の誤りを生む。一つは、すべての提案を確定した法律として扱うこと。もう一つは、執行が始まる前に連邦法による優先排除が州の義務を消し去ると想定することだ。

より良いアプローチは、要件を次の四つのカテゴリに分けることである。

• 現在の統制を必要とする有効な義務。

• 将来の実施日を伴う制定済みの要件。

• 監視を正当化するが、時期尚早なコンプライアンス主張は正当化しない提案規則。

• 状態について法的レビューが必要な、異議を申し立てられた規定。

この分類は、組織の規制トラッカーに表示すべきである。各項目には、責任者、影響を受けるユースケース、実施日、情報源、次回レビュー日が必要となる。

企業はまた、不確実性の中で下した重要な判断の根拠を保存すべきである。規則が異議申立て中であるために統制を遅らせる場合、その記録では維持した代替的な保護策を説明しなければならない。

多くの有効な統制は複数の法律に資するため、この証拠は重要である。人によるレビュー、苦情対応、変更ログ、ベンダー文書は、AI固有の法律の一つが変わったとしても価値を保つ。

懐疑的な見方にも注意を払うべきだ。詳細なコンプライアンスプログラムが、害を減らさない書類作業を生む可能性がある。従業員が不正確な出力を信頼し続ける一方で、組織は洗練された評価書を作成するかもしれない。

規制当局も、複雑なベンダーシステムをテストするのに苦労しうる。営業秘密に関する制限、変化するモデル、限られた技術的能力が監督を複雑にする。文書は、実際の性能よりも意図された利用を明確に説明している場合がある。

したがって企業は、現実的なシナリオを通じて統制をテストすべきである。応募者は自動化された推薦に異議を唱えられるか。レビュアーはモデルのバージョンを特定できるか。偏った結果を見つけた後、スタッフはワークフローを停止できるか。

経営陣は、ポリシー完了率だけでなく、これらの演習から得られる証拠を求めるべきである。インシデントシミュレーションは、別の承認会議よりも早く、壊れた責任分担を明らかにする。

連邦レベルの議論は、大手ベンダーに統一的な国家ルールを支持するインセンティブも与える。標準化は製品の複雑性を下げ、中央集権的な統制の有用性を高める。一方で州は、地域における説明責任のほうが具体的な害により迅速に対応すると主張する。

2026年における主要な対立軸は、標準化された全国展開と、法域固有の説明責任である。AmazonとGoogleは、その分断の両側にAI機能を配布するサービスを提供しているため、その中心近くに位置する。

この対立は、一つのベンダーを選ぶことで解決しない。契約、技術的証拠、ワークフロー設計、地域ごとの法的分析を通じて管理されることになる。

Amazon・GoogleのAIコンプライアンスチームが次に注視すべきこと

現在のパッチワークが安定するのか、あるいはさらに管理困難になるのかは、三つのシグナルによって決まる。

第一のシグナルは、特定の州AI法に対する連邦政府の行動である。訴訟が提起されれば、政権がどの法理を最も強力と考えているかが明らかになる。また、訴訟が進行する間に裁判所が執行を停止するかどうかも示される。

広範な差止命令は、全国的な標準化を支持する論拠を強める。限定的な判断、あるいは差止命令が出ない場合は、州固有の実装が必要であることを裏付けるだろう。

企業は、ポリシーでその結果を推測すべきではない。訴状、命令、執行ガイダンスを追跡し、そのうえで各展開を影響を受ける統制に結び付けるべきである。

第二のシグナルは、コロラド州が2027年1月1日までにSenate Bill 26-189をどのように実施するかである。技術文書、消費者向け通知、記録保持、責任分担には、運用上の解釈が必要となる。

ベンダー文書は特に重要になる。規制当局が詳細な制約および更新の記録を期待するなら、エンタープライズの買い手はプロバイダーに、導入環境により特化した資料を求めることになる。

Amazon・Googleの調達チームは、各サービスが提供するものをコロラド州法の記載項目と照合すべきである。この作業には、一般的なクラウド利用規約だけでなく、正確なモデルバージョンとマネージドアプリケーションを含めるべきだ。

第三のシグナルは、2026年8月2日以降における欧州の透明性規則の執行である。組織は、当局がラベルの欠落、失われたプロベナンスデータ、チャットボット通知、公益に関するコンテンツをどのように扱うかを注視すべきである。

欧州委員会は、第50条違反に対する制裁金がAI Actに定められた法定上限に達しうるとしている。執行実務は、どの失敗が早期に注目されるのか、規制当局がどのような証拠を期待するのかを示すだろう。

これら3つのシグナルが影響するのは、法的リスクだけではありません。プロダクト設計、ベンダー選定、コンテンツ運用、そして地域ごとに異なる設定を維持するコストにも影響を及ぼします。

組織は、焦点を絞った手順に沿って今から備えることができます。まず、人に影響を与える、または合成コンテンツを公開するAIシステムを特定します。次に、各ワークフローにおけるプロバイダーと導入者の責任を整理します。

そのうえで、モデル更新や担当者の交代、コンテンツのエクスポート後も記録が保持されるかをテストします。最後に、リスクの高い用途を停止できる権限を、責任を負う1人の担当者に与えます。

AIを責任ある形で利用するという一般的な約束から始めてはいけません。機会を奪う、人を誤解させる、機密データを露出させる、あるいはラベルのない合成コンテンツを公開しかねないシステムから着手してください。

この方法はナレッジワーカーにも役立ちます。重要な分析をどのツールが作成したかを記録し、裏付けとなる資料を保存し、人間の判断を可視化しておきます。承認済みのデータとレビュー手法を用いる個人のAI workflowは、追跡可能性の向上に役立ちます。

次の判断は実務的です。あなたの組織は今日、AI支援による1つの意思決定を、入力から結果まで再現できるでしょうか。できない場合は、影響の大きいワークフローを選び、別の法律、モデル更新、または苦情によってそのギャップが露呈する前にテストしてください。

Amazon Google AI complianceは今後も変化し続けますが、持続的な要件はすでに明らかです。どのシステムが行動し、誰が引き続き責任を負い、どの証拠がプロセスの有効性を示すのかを把握してください。