採用自動化と新たなプライバシー権が交差し、DelawareのAI雇用規則が厳格化

DelawareのAI雇用規則は2027年1月1日に変わり、自動化されたプロファイリングが雇用機会に影響する場合、同州の住民に新たな保護を与える。改正は、完全自動の不採用システムだけを対象とするものではない。重要な意思決定に使われるレポート、推奨、順位付け、その他のデータ駆動型アウトプットも対象となる。

この区別が中心的な対立を生む。雇用主は、反復作業を減らし、より大きな応募者プールを処理するために選考ツールを導入してきた。Delaware州は現在、こうしたツールが外部データを収集し、個人特性を推定し、不利な決定を形作る場合に、より大きな説明責任を求めている。

同州は採用における人工知能を禁止するわけではない。人間が関与していれば雇用システムが自動的にプライバシー監督の対象外になる、という考え方に異議を唱えている。そのため雇用主、採用ベンダー、評価サービス提供者は、単独では解決できない共通のコンプライアンス課題に直面することになる。

Delawareの2027年改正で実際に変わること

改正により、一部の雇用関連プロファイリングは社内ワークフローから規制対象のデータ意思決定へと変わる。

Matt Meyer知事は2026年9月2日、House Bills 380および381に署名した。改正条項は2027年1月1日に施行される。Delaware州はこの制度を、雇用、住宅、融資、その他の重要な機会に関する自動化された意思決定にデータが用いられる住民のプライバシー保護を拡大するものと説明している。

Delaware Personal Data Privacy Act（DPDPA）は、もともと2025年1月1日に施行された。アクセス、訂正、削除、データポータビリティ、ターゲティング広告、データ販売、および一部の自動化されたプロファイリングに関する権利を定めた。

同法は一般に、雇用または商取引の文脈で行動する人を消費者の定義から除外している。この除外は依然として重要だが、あらゆる職場利用に関する分析をそこで終わらせるものではなくなった。

改正は、規制対象となる雇用データへのより限定的な経路を設ける。プロファイリングやレポートを通じて処理される個人データは、その情報がDelaware州住民の雇用機会に関する意思決定を支える場合、規制対象となり得る。

改正法におけるレポートは広い意味を持つ。個人データまたはプロファイリングに基づく書面・口頭のコミュニケーション、推奨、要約、自動化された意思決定を含み得る。したがって、最終判断を雇用主が下す場合でも、ベンダーが作成した候補者ランキングは重要になり得る。

改正はまた、既存のプロファイリングに関するオプトアウト規定から重要な一語を削除する。現行法は、法的または同様に重要な影響を持つ「solely-automated decisions」に言及している。2027年の文言は「automated decisions」を対象とし、人間の参加をなお含むシステムにも規則が及ぶようにしている。

この修正が重要なのは、多くの採用製品が意思決定支援として販売されているためだ。採用担当者は順位付けされたリストを確認し、面接スコアを参照し、モデルの推奨を受け入れることがある。人間による審査があっても、システムの影響が必ずしも中和されるわけではない。

雇用機会は、法的または同様に重要な影響に明示的に該当する。この区分には、保険、医療、金融サービス、住宅、教育、刑事司法、生活必需品またはサービスへのアクセスも含まれる。

改正されたDelaware privacy codeは、住民に対し、自身のデータから導き出された一定の推論へのアクセスを認める。また、プロファイリングが重要な意思決定を支えているかどうかを尋ねることもできる。

同法の適用範囲拡大は、事業者の適用要件から始まる。一般的な基準の一つは、Delaware州の消費者35,000人分のデータを処理する場合から10,000人分へ引き下げられる。もう一つの基準は、その事業者がデータ販売から年間収益の少なくとも20％を得ている場合、10,000人から5,000人へ引き下げられる。

この拡大により、より小規模な組織もDPDPAの対象となり得る。また、雇用主は従業員数だけでは適用対象か判断できないため、データマッピングの緊急性も高まる。顧客、応募者、従業員、請負業者のシステム全体で処理されるDelaware州のデータを理解する必要がある。

employment law analysisの当初報道によれば、違反には1件当たり最大10,000ドルの民事罰が科される可能性がある。この法律における執行権限は個人原告ではなく、Delaware Department of Justiceにある。

直ちに得るべき教訓は、すべてのスプレッドシートや応募者追跡機能が規制対象AIになるということではない。雇用主は、個人データがどのように推奨へ変わり、その推奨が個人にどう影響するかを追跡しなければならない、ということだ。

DelawareのAI雇用規則が雇用主とベンダーに圧力をかける

最も難しいコンプライアンス上の問いは、もはやツールがAIを使うかどうかではなく、誰がデータを管理し、誰が結果を説明できるかだ。

雇用主は、候補者レポートをスクリーニング、ソーシング、または評価ベンダーに依頼することがある。ベンダーは外部ソースから情報を収集し、その情報を分析して、スコアまたは推奨を返す場合がある。

この取り決めでは、実務上の管理権限が分かれる。ベンダーはモデル、入力データ、性能上の限界を把握している場合がある。雇用主は、管理職がアウトプットをどのように利用するか、また不採用、昇進、懲戒、解雇に寄与するかを把握している。

Delawareのcontrollerとprocessorの枠組みでは、当事者は製品ラベルだけで責任を確定できない。その役割は、個別の文脈で誰が処理の目的と手段を決定するかによって決まる。

processorはcontrollerの指示に従わなければならない。そのprocessorが、なぜ、またはどのように情報を処理するかを決定し始めた場合、その活動についてcontrollerとなり得る。

改正は契約上の期待も強める。個人データの開示を伴う契約は、限定された目的を特定し、重要な意思決定での利用に対応しなければならない。同等のプライバシー保護を要求し、無許可の処理を止める取り組みを支援する必要がある。

そのため雇用主にとって、調達はAIガバナンスの一部となる。標準的なソフトウェアサブスクリプションでは、データの出所、推定された属性、モデルの限界、保持、再委託先、紛争処理に関する十分な情報を提供できない可能性がある。

ベンダーにとっても、最終判断は雇用主が所有すると主張しても、大きな安心材料にはならないかもしれない。controllerとして行動するベンダーは、住民からの請求、プロファイリング記録、レポート、人による審査に関わる義務を負う可能性がある。

レポートに関する規定は、この関係を特に重要なものにする。雇用主が対象となるレポートを受け取り、不利な措置を講じた場合、契約上の義務により、影響を受ける住民への通知が必要となる場合がある。

この通知では、決定に使用された個人データを説明しなければならない。また、controllerから情報を取得し、不利な措置について人による審査を求める住民の権利も説明する必要がある。

住民は、自身について保持されている個人データと、プロファイリングに使用された情報源を請求できる。また、過去24か月間に自身に関するレポートを受け取った第三者の身元を求めることもできる。

controllerは通常、このレポート関連情報を30日以内に提供しなければならない。住民には、不正確な個人データを訂正する機会も与えられなければならない。

これらの義務は、厳しい運用上の連鎖を生む。雇用主は、不利な措置が対象レポートに依拠した時点を認識しなければならない。ベンダーは、入力、情報源、受領者、関連するアウトプットを特定できるだけの追跡可能性を保持しなければならない。

採用チームが根拠情報のないスコアしか見られないなら、この要件を満たすことはできない。ベンダーが確認済みの事実と推定された特性を区別できないなら、訂正権を支援することはできない。

一般的な例が、この区別の重要性を示す。履歴書ツールは、雇用期間から職位の高さを推定するかもしれない。ソーシングプラットフォームは、転職意向を予測するかもしれない。面接システムは、発話パターンや行動シグナルを採点するかもしれない。

各システムは、データを評価的なアウトプットへ変換する。そのアウトプットが機会の拒否に寄与するなら、組織は製品のマーケティング上の目的以上の説明をできるよう備えなければならない。

公式のbusiness privacy guidanceはすでに、データインベントリ、文書化された処理目的、セキュリティ、processor契約を重視している。改正により、これらの基盤は採用テクノロジーにとってさらに重要になる。

雇用主はまた、対象レポートと、連邦Fair Credit Reporting Actの適用を受けるconsumer reportsを区別すべきである。Delaware州の変更は、従来の身元調査が始まる前の領域を部分的に対象とするために設計されたように見える。

その領域には、候補者のソーシング、順位付け、マッチング、初期評価が含まれる。多くの場合、応募者の可視性が最も低く、ベンダーが外部データに最も大きく依存する領域でもある。

施行日までにシステムの再設計が必要となるため、圧力はすでに差し迫っている。契約、通知、アクセスワークフロー、人による審査手順には、法務、プライバシー、人事、調達、エンジニアリングの各チーム間の連携が必要となる。

AIプロファイリング規則が「人間参加」の近道を置き換える

Delaware州は、よくあるコンプライアンス上の近道を退けている。人間の審査者を加えても、自動化の影響が自動的に無害になるわけではない。

多くの組織は、自社の採用ツールを助言的なものとして説明している。モデルが候補者を順位付けする一方で、誰に連絡するかは採用担当者が選ぶ。プラットフォームが評価スコアを割り当てる一方で、最終決定は管理職が承認する。

この区別は、実際の責任を考えるうえでは依然として重要である。しかし、基盤となるプロファイリングがDelaware州のプライバシー規則の対象外であることを保証するものではなくなった。

プロファイリングに関する文言から「solely」が削除されたことで、規制上の視野は広がる。最終ボタンを人がクリックする場合でも、自動化された推奨は重大な影響を生み出し得る。

この変更は、人々がシステムの推奨に過度の重みを置く際に生じる自動化バイアスに対応するものだ。名目上の審査者は、データ、前提、または誤りの傾向を理解せずに、ランキングを承認する可能性がある。

意味のある人による審査には、署名以上のものが必要である。審査者には結果を変更する権限、関連情報へのアクセス、疑わしい推論を特定するための十分な訓練が必要となる。

その担当者には時間も必要だ。数百件の機械順位付けされた応募を確認することが期待される採用担当者には、各推奨を独立して再考する現実的な機会がないかもしれない。

Delaware州のアプローチは、AIというラベルではなく意思決定パイプラインに焦点を当てる。プロファイリングとは、個人の特性、選好、信頼性、行動、所在地、または移動を評価、分析、予測する自動化された処理を意味する。

この定義は、生成AIだけでなく、統計的システムやルールベースのシステムも捉え得る。ベンダーは、大規模言語モデルを避ければ自社製品が精査の対象外になると考えることはできない。

同じ点は、推定データにも当てはまる。改正法は、個人情報から導き出された推論を含むようアクセス権を拡大する。また、保護対象の特性を明らかにするために使用される一定の推論を、機微な情報として扱う。

機微なカテゴリーには、人種または民族的出自、宗教、性的指向、移民ステータス、遺伝情報、生体情報、正確な位置情報が含まれる。改正は、神経データと追加的な健康・金融カテゴリーを加える。

雇用主は、候補者に保護属性について尋ねることはできません。しかし、モデルは依然として、氏名、住所、職歴、言語パターン、オンライン上の活動から関連情報を推測できる可能性があります。

この可能性により、特徴量の選定は法的かつ技術的な課題となります。チームは、入力情報が必要か、相応か、開示された目的と結び付いているかを検討しなければなりません。

法律はまた、差別に関する請求や抗弁において、バイアス検証を重要な要素としています。検証の品質、有効性、実施時期、範囲、結果、およびそれに対する組織の対応が考慮されます。

調達時に一度だけ検証しても、すべての懸念が解消されるわけではありません。モデル更新、応募者集団の変化、新しい職種群、異なる判断閾値はいずれも性能を変化させる可能性があります。

影響評価では、想定用途、導入状況、期待される利益、予見可能な損害、入力カテゴリー、出力、性能指標、既知の制約を検討しなければなりません。また、透明性と導入後の保護措置も扱う必要があります。

この評価要件は、活動が高いリスクをもたらす場合に、少なくとも50,000人の消費者のデータを処理する管理者に適用されます。法律は別途、重大な影響を伴う自動化された判断に関連するプロファイリングも扱っています。

この枠組みは、雇用主に有用な自動化を放棄するよう求めるものではありません。ただし、なぜそのシステムが業務フローに適するのか、またどのような統制が設けられているのかを文書化することは求めます。

州が示した根拠は明確です。privacy legislation announcementでは、採用、昇進、懲戒、解雇に用いられる履歴書選考ツール、面接スコアリングツール、レポートに具体的に言及しています。

したがって雇用主は、AIとして販売されている製品だけに限定した狭いインベントリを避けるべきです。人を順位付け、推奨、予測、選別、採点、要約するシステムについて、機能に基づくインベントリが必要です。

そのインベントリには、より大規模な人事プラットフォームに組み込まれた機能も含めるべきです。使い慣れた応募者追跡システムであっても、通常の製品アップデートを通じて自動マッチングや要約機能が追加される場合があります。

コンプライアンスの起点は、インターフェースの新しさではなく、処理と判断にあります。これこそが、デラウェア州のAI採用法の根底にある重要な転換です。

説明責任をめぐるトレードオフはデラウェア州にとどまらない

デラウェア州は拡大する州・地方レベルの枠組みに加わるものの、プライバシーに基づくモデルは、AIに特化した法律とは異なるコンプライアンス経路を生み出します。

ニューヨーク市は、採用や昇進で使用される自動雇用判断ツールを規制しています。対象となる雇用主は、直近に実施された独立したバイアス監査を手配し、その情報を公表し、必要な通知を行わなければなりません。

同市のautomated hiring rulesは、裁量的な雇用判断を実質的に補助または代替するツールに焦点を当てています。また、対象となる利用の前に通知することも求めています。

イリノイ州は、目立つ一つの形式に対してより限定的なアプローチを取っています。同州のArtificial Intelligence Video Interview Actは、雇用主が応募者に録画面接を求め、その動画をAIで分析する場合に適用されます。

Illinois interview lawでは、面接前に通知、AIの仕組みに関する説明、同意を求めています。また、動画の共有を制限し、削除請求についても定めています。

コロラド州は、重大な判断に関与する自動化システムについて、より広範な規則を追求してきました。その枠組みは大幅な立法改正も受けており、州のAIに関する義務がどれほど急速に変化し得るかを示しています。

デラウェア州が異なるのは、雇用関連の自動化を包括的なプライバシー法の中に組み込んでいる点です。このアプローチは、採用判断を、データ最小化、同意、セキュリティ、アクセス、訂正、ベンダー・ガバナンスに関する既存の義務と結び付けます。

複数州で事業を行う雇用主にとって、これらの法律は単一のチェックリストには集約されません。ニューヨーク市はバイアス監査と公開開示を重視し、イリノイ州はAI分析による動画面接を対象とし、デラウェア州はデータ権利、レポート、プロファイリング、説明責任を重視します。

企業は、それでも一つのガバナンス基盤を構築できます。自動化ツールを棚卸しし、データフローを記録し、対象となる地域を特定し、目的を文書化し、性能を検証し、再現可能な通知プロセスを維持できます。

その上で、残る義務を管轄区域ごとに整理しなければなりません。全国共通の通知は実務的であるかもしれませんが、適用される各州または地方の要素を含める必要があります。

トレードオフはコンプライアンス費用だけにとどまりません。透明性は候補者が誤りに異議を申し立てる能力を高める一方、詳細な開示は知的財産を露出させたり、操作を可能にしたりするおそれがあります。

デラウェア州は営業秘密の保護を通じて、この緊張関係を認識しています。アクセス権は管理者に営業秘密の開示を求めるものではありませんが、その保護によって根本的なアクセス義務が消滅するわけではありません。

管理者は、ソースコードや独自のモデル重みを公開せずに、関連するデータとプロセスを説明する必要が生じる場合があります。そのためには、包括的な拒否ではなく、慎重な説明が必要です。

人によるレビューにも別のトレードオフがあります。誤りを捉え、住民に救済手段を与えられる一方、設計が不十分なレビューは形式的なものになり得ます。

元のスコアしか見られないレビュアーは、判断を独立して評価できません。効果的なレビューには、元データ、信頼度情報、文書化された理由、記録を訂正する権限が必要になる場合があります。

ベンダーの集中についても実務的な問題があります。小規模雇用主はコンプライアンス情報を大規模プラットフォームに依存しがちであり、小規模ベンダーは管轄区域ごとに異なる複数のワークフローを支援するのに苦労する可能性があります。

しかし、法律の対象基準が低いため、コンプライアンスは最大規模の雇用主だけの問題ではありません。これまで包括的プライバシー法の対象外だと考えていた組織も、新たな評価を行う必要があります。

改正後の基準は従業員数ではなく、デラウェア州の消費者データを参照しています。非営利団体、オンラインサービス、地域雇用主であっても、他の事業活動を通じて基準に達する可能性があります。

したがって、適用対象と雇用に関する義務は別々に分析する必要があります。組織はまずDPDPAが適用されるかを判断し、その後、特定の採用活動が対象となるプロファイリングまたはレポートを伴うかを検討します。

この重層的な構造は、AI採用に特化した名称の法律ほど目立ちません。しかし、自動化された判断を既存のプライバシー運用および執行と結び付けるため、より大きな影響を持つ可能性もあります。

雇用主がなお前提にできないこと

改正は方向性を示していますが、いくつかの境界は事実関係、契約、そして今後の執行ガイダンスに左右されます。

第一に、雇用における個人データのすべての利用が対象になるわけではありません。雇用関連データは一般に除外されたままですが、プロファイリングとレポートに関する規定は重要な例外を設けています。

組織は、法律があらゆる人事評価、履歴書データベース、職場分析ダッシュボードを規制すると主張することは避けるべきです。重要なのは、個人データがどのように処理され、重大な判断を支えるかどうかです。

第二に、製品の説明が適用範囲を決めるわけではありません。ベンダーは機能を検索、マッチング、支援、分析、ワークフロー自動化と呼ぶかもしれません。その実際の機能は、なおプロファイリングを伴う可能性があります。

雇用主は、システムが何を出力するかを検証すべきです。中立的な要約は推奨とは異なりますが、評価的な情報を選別または強調する場合、要約であっても判断を誘導することがあります。

第三に、人間が関与しているだけでは問題は解決しません。自動化が判断に影響したか、レビューが独立しており実質的なものだったかが重要です。

第四に、DPDPAを遵守していても、雇用差別法を遵守しているとは限りません。透明で文書化されたシステムでも、違法な差別的取扱いまたは差別的影響を生む可能性があります。

同様に、バイアス検証は、すべての職務や集団に対する公正さを保証するものではありません。結果は、データ、比較対象グループ、サンプルサイズ、指標、導入条件に左右されます。

デラウェア州は、積極的な検証の品質と実施時期を明示的に重要な要素としています。この文言は真剣な検証を促す一方で、不十分または古い取り組みを検討する余地を残しています。

第五に、雇用主はベンダーが住民からの請求を自動的に処理すると想定できません。契約では、責任、期限、エスカレーション手順、証拠要件を割り当てるべきです。

住民は不利益措置通知を受け取った後、雇用主に連絡する場合があります。雇用主には、関連データと出所情報を保有する管理者へつながる信頼できる経路が必要です。

第六に、第三者が雇用目的で消費者レポートを提供する場合、連邦Fair Credit Reporting Actは引き続き重要です。デラウェア州法は、連邦法上の通知、承認、不利益措置に関する義務に取って代わるものではありません。

新規定は、ベンダーの製品が従来の消費者レポートの枠組みの外にある場合に、特に重要と思われます。製品設計やデータソースはさまざまであるため、この境界については法的レビューに値します。

第七に、法律上の民事罰は文脈を踏まえて理解する必要があります。違反1件あたり最大$10,000という規定は、すべての誤りが自動的に最高額の制裁につながることを意味しません。

執行判断は、行為、範囲、影響を受けた人々、是正、法定権限に左右される場合があります。組織はこの金額を、確定的な罰金計算ではなく、リスクとして扱うべきです。

最後に、1月の期限が完全な解釈上の確実性を約束するわけではありません。実施が近づくにつれ、規制当局はガイダンスを発行し、事業者向けリソースを更新し、執行上の優先事項を明確化する可能性があります。

慎重な対応は、現在の解釈を文書化し、見直すことです。防御可能なプログラムは、組織がどのように判断に至ったか、また新たなガイダンスにどう対応するかを示します。

このプロセスには、曖昧なツールに対するエスカレーション経路を含めるべきです。法務、プライバシー、人事、技術の担当者は、データソースまたは判断への影響が不確かなシステムをレビューする必要があります。

雇用主は是正措置の証拠も保存すべきです。検証で問題が判明した場合、チームは何を変更したか、いつ変更したか、改訂後のシステムを再検証したかを示す記録を必要とします。

この懐疑的な見方は両面を持ちます。法律は全面的な禁止ではありませんが、共有ドライブに保存されたAIポリシーだけで満たされるものでもありません。

運用上の証拠が重要になります。通知、評価記録、契約、テスト結果、請求ログ、レビュアー研修、訂正済みデータがその証拠となります。

2027年1月までに注視すべき3つの兆候

次の段階は、実施の詳細、ベンダーの準備状況、最初に目に見える執行の兆候によって形作られます。

第一の兆候は、デラウェア州司法省による更新されたガイダンスです。雇用主は、レポートの適用範囲、プロファイリングのオプトアウト、人によるレビュー、不利益措置通知、請求の本人確認に関する説明を注視すべきです。

詳細なガイダンスが出されれば、デラウェア州が施行日から運用上のコンプライアンスを期待しているという見方が強まります。ガイダンスが限定的であれば、雇用主は法文と文書化されたリスク判断により大きく依存することになります。

第二の兆候は、採用・評価ベンダーがデラウェア州向けの統制を提供するかどうかです。有用な変更には、データソースの記録、ダウンロード可能な判断履歴、訂正ワークフロー、設定可能な不利益措置通知が含まれます。

ベンダーは、関連する各用途について、性能指標と既知の制約も説明すべきです。一般的なモデルカードでは、特定の職務、応募者集団、導入構成に関する質問には答えられません。

主要プラットフォームがこうした統制を提供すれば、コンプライアンスは標準的な製品管理の一部になり得ます。提供されなければ、雇用主は手作業のプロセスや別のベンダーを必要とする可能性があります。

第三の兆候は、デラウェア州が執行時に人間の関与をどのように扱うかです。規制当局は、名目上のレビューがあるにもかかわらず、実質的に結果を決定しているシステムに焦点を当てる可能性があります。

証拠には、上書き率、レビュー担当者の権限、意思決定のタイミング、研修、基礎となる情報へのアクセスなどが含まれる。上書き率がほぼゼロであることは自動化バイアスの証明にはならないが、検討すべき問いを提起するきっかけにはなり得る。

こうしたシグナルは、残りの準備期間における取り組みを方向づけるべきだ。雇用主はまず、採用、雇用、昇進、業績評価、懲戒、解雇に使用しているシステムの範囲を限定した棚卸しから始められる。

各システムについて、棚卸しでは所有者、ベンダー、目的、対象集団、入力、出力、データソース、保持期間、意思決定への影響を記録すべきである。また、関連する法域も特定する必要がある。

次にチームは、影響の大きいワークフローを優先できる。履歴書の順位付け、候補者ソーシング、面接評価、従業員リスクスコア、解雇の推奨は、基本的なスケジューリングツールよりも早期のレビューに値する。

契約のレビューでは、アクセスと協力に焦点を当てるべきだ。雇用主には、通知、居住者からの請求、訂正、評価、監査、調査に関する適時の支援が必要となる。

テスト計画は、導入形態に見合ったものにする必要がある。合法かつ適切な場合には保護対象グループを特定し、関連するエラーパターンを評価し、変化するデータを考慮すべきだ。

人によるレビューのプロセスでは、誰がレビューを実施し、その担当者が何にアクセスできるのかを定義する必要がある。また、レビュー担当者が決定を覆せるかどうかも明記すべきだ。

研修は法的用語だけを扱うものでは不十分である。採用担当者と管理職は、自動化された出力が不利益な決定に影響し、別のワークフローを発動した場面を認識できる必要がある。

組織は候補者や従業員に向けた明確な説明も用意すべきだ。平易な言葉で、ツールが何を行うのか、どのデータカテゴリーを使用するのか、そして当事者がどこで懸念を表明できるのかを示せる。

その説明は、組織が提供できる以上の透明性を約束してはならない。実際のシステムの挙動、契約、請求手続きと一致している必要がある。

デラウェア州のAI雇用規則が最終的に問うのは、調達後も自動化が説明責任を維持しているかどうかである。適合した製品を購入しても、適合した意思決定プロセスが保証されるわけではない。

雇用主に残された時間は短く、プライバシー業務を雇用ワークフローと結び付けなければならない。次の有効な一歩は具体的だ。影響の大きい採用システムを1つ選び、デラウェア州の居住者のデータを収集から決定に至るまで追跡することである。

組織は、情報源を特定し、推奨内容を説明し、誤った情報を訂正し、本人に通知し、実質的な人によるレビューを実施できるだろうか。いずれかの答えが不明確であれば、そのギャップは2027年以前のロードマップに盛り込むべきである。