EPAのAI影響評価、透明性団体の不服申し立てで非公開のまま
EPAは、高影響AIツールに関する最終評価を非公開とした。連邦規則は、こうしたシステムを導入する前に各機関がリスクを文書化するよう求めている。今回の拒否を受け、行政上の不服申し立てが行われ、連邦AIの透明性が直接試されることになった。
Public Employees for Environmental Responsibility（PEER）とFree Information Group（FIG）は、2026年9月15日に不服申し立てを発表した。両団体は3月、7種類の化学物質に関連するスクリーニングツールを含め、化学物質評価におけるAIに関する記録を求める情報公開法（Freedom of Information Act）請求を行っていた。
EPAは、公開中のAIインベントリと高影響EPA AIツールに関する最終影響評価が対象記録に該当すると特定した。しかし、EPAは審議過程特権を理由に評価を非公開とし、請求内の他の13カテゴリーについては該当する記録が見つからなかったと報告した。
この対応は、単なる記録開示をめぐる争いを超える対立を生んでいる。連邦政策はAIの迅速な導入を促進する一方、健康、安全、権利に影響を及ぼすシステムについては追加の統制を求めている。EPAのAI影響評価は、アルゴリズムの出力が重要な行政判断に取り込まれる前に、こうした統制が機能しているかを明らかにするはずだ。
未解決の問題は、EPAがAIを使用しているかどうかではない。公開されている計画とインベントリは、その使用を示している。問われているのは、EPAの保証を支える証拠を、機関外の人々が評価できるかどうかだ。
EPAのAI影響評価に対する不服申し立ては最終記録を標的にする
この不服申し立ては、EPAによる評価の非開示決定と、記録検索の範囲が不十分だった可能性の双方に異議を唱えている。
PEERとFIGは2026年3月5日に当初の請求を提出した。不服申し立ての発表によれば、請求は化学物質評価におけるEPAのAI利用と、7種類の化学物質を対象とするスクリーニング業務を対象としていた。
両団体が求めたのは、AIプロジェクトの一般的な一覧だけではない。ツールの選定、テスト、性能、保護措置、そしてAIが化学物質評価で果たし得る役割に関する文書を要求した。
EPAは、該当する資料を2つのカテゴリーでのみ確認したと述べた。1つは、同機関がすでに公表している2025年版AI Use Case Inventoryである。もう1つは、高影響EPA AIツールに関する最終影響評価の一式だった。
これらの評価は公開されなかった。EPAは、通常は機関が決定に至る前に作成された内部コミュニケーションに適用される保護である審議過程特権を援用した。
争点の一部は「最終」という言葉にある。最終評価には、内部審議に関連する分析、勧告、その他の資料が含まれる可能性がある。文書名だけで、そのすべてが非開示の対象となるかは決まらない。
しかし、その名称は請求人に精査の明確な根拠を与えている。評価に完了したテスト、採用済みの統制、最終的なリスク判断、事実認定が記録されているなら、両団体はEPAがそれらを全面的に秘密の審議として扱うべきではないと主張する。
FOIAをめぐる争いでは、機関は免除対象の箇所と合理的に分離可能な非免除情報を切り分けるよう求められることが多い。つまり、中心的な論点は必ずしも全面開示か完全非公開かの二択ではない。EPAは、事実部分、要約、結論、あるいは黒塗り版を公開できたかどうかを問われる可能性がある。
検索そのものも、もう1つの対立点だ。EPAは、より広範なAIガバナンスと化学物質スクリーニングの慣行を対象とする他の13カテゴリーについて、該当記録は見つからなかったと報告している。
この結果は、記録が存在しないことや、EPAが不十分な検索を行ったことを証明するものではない。機関は、請求人が期待するすべての文書を作成せずとも、プログラムについて公に説明することはできる。
それでも、この隔たりは検討に値する。EPAはAI戦略を公表し、ガバナンス組織を維持し、ユースケースを追跡し、機関業務全体でAIを拡大することについて議論してきた。記録検索でこれほど詳細がほとんど見つからないことは、同機関の公開プログラムと文書上の痕跡との間に緊張を生む。
PEERのエグゼクティブディレクターであるTim Whitehouseは、この問題を公的説明責任の観点から捉えた。納税者がこれらのツールに資金を提供しており、その出力は健康、安全、権利に影響を与え得ると主張した。
FIGのパートナーであるKevin Bellは、これらのツールをコードで表現された政策と表現した。彼が懸念するのは、最終決定に正式に署名するのが人間であっても、自動化された勧告が機関の結果を形作り得ることだ。
この不服申し立ては、EPAのシステムが安全でない、偏っている、あるいは化学物質に関する決定を支配していることを立証するものではない。外部の人々がそうした可能性を評価できるだけの証拠を公開するよう、同機関に求めている。
この区別は重要だ。開示を求める最も強い論拠は、アルゴリズムによる被害を事前に証明することに依存しない。公衆が評価、保護措置、テストの過程を検証できない場合に、誤りを特定することが難しいという点に基づいている。
連邦規則が求めるのはAIインベントリだけではない
プロジェクト一覧はAIの存在を示すが、影響評価は、重要なシステムが割り当てられた役割に適しているかを示すべきものだ。
EPAの公開AI use inventoryは、ユースケースを広く定義している。これには、機関の任務、決定、サービス、または公共の利益を支援するために設計、開発、調達、または使用されるシステムが含まれ得る。
同機関の2025年版インベントリは、2026年2月10日に初めて公開され、その後更新された。EPAは、一般的なAI利用形態をまとめた統合レポートも公表している。
インベントリは有用な基礎情報を提供する。プロジェクトの目的、開発段階、技術カテゴリー、運用部門、ベンダーの関与、影響区分を特定できる。
しかし、導入承認に使用された証拠を必ずしも明らかにするわけではない。短い説明だけでは、テストデータが実際の運用条件を代表していたか、エラー率が集団間で異なっていたか、レビュー担当者がプロジェクトチームの前提に異議を唱えたかどうかは示せない。
OMB Memorandum M-25-21は、この違いを明確にしている。同文書は、高影響AIを、権利または安全に重大な影響を与える決定や行動の主要な根拠として出力が用いられるシステムと定義している。
人間が関与しているだけでは、そのシステムがこのカテゴリーから自動的に外れるわけではない。機関は、AI出力の実際の機能と、意思決定プロセスがどの程度それに依存しているかを考慮しなければならない。
連邦AI政策の下で、各機関は高影響AIユースケースを導入する前に影響評価を完了しなければならない。また、適切な場合には、システムのライフサイクルを通じてその評価を更新する必要がある。
求められる分析は広範に及ぶ。目的、期待される便益、データ品質、モデル能力、プライバシーおよび市民権への潜在的影響、再評価手順、直接コスト、独立したレビューが含まれる。
テストは、実験室での性能だけに依存するのではなく、現実世界での結果を予測するものでなければならない。機関には、導入後の性能低下を検知し、対処する手順も必要となる。
こうした要件により、AI影響評価はインベントリの項目よりも多くの情報を提供する。評価は、システムが主張する便益を、証拠、限界、監督、そして残余リスクを受け入れる意思を持つ特定の担当者と結びつけるべきだ。
この違いこそ、EPAのAI影響評価が不服申し立ての中心となった理由を説明する。EPAが公表したインベントリは活動を確認できるが、高影響の導入に求められる詳細な分析の代わりにはならない。
OMBの政策には重要な限界もある。機微なプログラム内で運用されていても、AI支援ワークフローのすべてが高影響に該当するわけではない。
科学者による論文検索を支援するツールは助言的な役割にとどまり得る。一方で、規制上の注意を向ける化学物質を順位付けするモデルは、職員がその出力をどのように使うかによって、より大きな重みを持つ可能性がある。
したがって、同じ技術でも、異なるワークフローでは異なる分類を受け得る。モデルのマーケティング上の名称よりも、文脈、権限、データ、人間の依存度が重要だ。
この点には合理的な意見の相違が生じ得る。EPAは、あるツールが重要な決定の主要な根拠となるのではなく、研究を支援するものだと結論付けるかもしれない。批判者は、職員がそこから外れることがほとんどないため、同じ順位付けや勧告が実質的に決定的だと見るかもしれない。
影響評価は、その境界を文書化すべきだ。その論拠にアクセスできなければ、外部の人々はEPAが真に助言的なシステムをテストしたのか、それとも影響力を過小評価する狭い定義を採用したのかを判断できない。
化学物質レビューの迅速化は、隠れた前提の代償を高める
AIはEPAによる科学的証拠の整理を支援できるが、スクリーニングの選択がどの証拠に注目が集まるかを密かに決める場合、速度は危険になり得る。
化学物質評価では、科学者が大量かつ不均一な情報を処理する必要がある。研究は、種、曝露経路、用量、結果、品質、人の健康との関連性において異なることがある。
機械学習と自然言語処理は、研究の分類、情報抽出、関連記録の特定、レビュー対象資料の優先順位付けを支援できる。こうした機能は反復作業を減らし、専門家が増え続ける証拠基盤を把握する助けとなる。
しかし、スクリーニングは中立ではない。モデルの順位付けは、レビュー担当者がどの研究を最初に調べるか、どの記録により注意を向けるか、どの明白な欠落が追加調査を促すかに影響を及ぼし得る。
偽陽性は時間を浪費する可能性がある。偽陰性は、危険性を評価する専門家に関連する証拠が届かない可能性があるため、より深刻になり得る。
リスクはワークフローの設計に左右される。第2の検索チャネルとして使われるモデルと、文書を以後のレビュー対象から除外するために使われるモデルでは、もたらす影響が異なる。
これが、「AI支援」といった広範なラベルだけではほとんど分からない理由だ。読者は、そのシステムが取得、要約、順位付け、除外、予測、推奨のいずれを行うのかを知る必要がある。
また、ツールの訓練または評価にどのデータが使われたのかも知る必要がある。科学文献には、出版バイアス、一貫しない用語、不完全な要旨、数十年にわたる研究手法の変化が含まれる。
化学物質の名称は、さらに複雑さを加える。1つの物質に複数の名称がある一方、密接に関連する化合物でも性質が大きく異なる場合がある。
EPAの評価は理想的には、システムがこうした条件をどのように扱うかを説明するものとなる。また、検証サンプル、関連するエラー指標、人によるレビュー手順、性能が期待を下回った場合の対応も記述すべきだ。
不服申し立てで引用された公開情報には、EPAが最終的な化学物質リスク決定をAIシステムに委ねていることを示す証拠はない。PEERとFIGは、AIツールが規制上の意思決定に組み込まれているか、またどのように構成されているかについて、EPAが説明していないと述べている。
この検証上の隔たりは中心に据え続けるべきだ。その役割を示す証拠なしに、実験的なスクリーニングツールを自動化された規制当局と表現するのは不正確である。
一方で、プロセスのどこかに人間が残っていることを理由に懸念を退けるのも時期尚早だ。システムの推奨を過度に受け入れやすい傾向である自動化バイアスは、正式な権限が職員に残っていても結果に影響を及ぼし得る。
人員不足と時間的制約は、そのリスクを高める。レビュー担当者が数千件の記録に直面する場合、優先順位付けされた一覧が実質的なレビューの形を決めることになり得る。
AIは一貫性の向上にも役立つ。文書化されたモデルは、異なる締め切りの下で作業するチームよりも、スクリーニング基準をより均一に適用できる可能性がある。
その潜在的な利点は、測定可能な評価の必要性を強める。EPAは、このツールが許容可能な精度で関連証拠を見つけられるか、また人間のレビュアーがその誤りを特定できるかを示せるべきだ。
したがって、この争点は技術と手作業によるレビューの単純な対決ではない。透明性のある自動化と、その影響を独立して検証できない自動化との問題である。
EPA自身の計画は、同庁がAIを小規模な実験以上のものと捉えていることを示している。2027会計年度の予算資料では、数万件のパブリックコメントの分類を含め、規則制定や許認可業務をAIが支援することが記されている。
予算では、AI能力の強化に2億220万ドルとフルタイム換算730人の人員が要求された。この数字は、化学物質スクリーニングや高影響度ツールだけでなく、より広範なプログラムを対象としている。
それでも、なぜ今ガバナンス記録が重要なのかを示している。パイロット段階で機能する監督体制が、規則制定、許認可、執行、科学的評価へと自動的に拡張できるとは限らない。
EPAは統制を約束するが、証拠は内部に留めている
EPAが公表しているガバナンス体制は本格的に見えるが、その体制が実務上の判断を変えているかを検証するための証拠は、非公開の評価文書に含まれている。
EPAのAI戦略では、3つのガバナンス組織が説明されている。Executive AI Governance Boardが方針を定め、AI小委員会がポリシーを策定し、ユースケースの一覧を維持する。
より広範な実践コミュニティは、データサイエンティストとプログラム担当者がフィードバックや運用上の知見を交換する場を提供する。このグループ自体は統治機関ではない。
この戦略では、EPAが米国国立標準技術研究所のAIリスク管理フレームワークを取り入れているとしている。また、パイロット、モニタリング、フィードバックサイクル、研修、サイバーセキュリティレビュー、法務相談を安全策として挙げている。
高影響度システムについて、EPAはAI小委員会が、起こり得る悪影響に対処するための統制を監督するとしている。これらは連邦AIガバナンスの妥当な構成要素だ。
しかし、この戦略は、特定のシステムに対してそれらの統制がどのように機能したかを示していない。独立したレビュアーが未解決の欠陥を見つけたか、テストが現実的な失敗モードを対象としたか、あるいは指導部が技術的な異論を押し切ってリスクを受容したかは明らかにできない。
その情報はプロジェクト単位の記録に属する。したがって影響評価は、EPAの一般的なガバナンス上の約束が運用上の証拠と結び付くべき場所である。
最終的に法的な免除が適用されるとしても、これらを非公開にすることは信頼性の問題を生む。最も有益な成果物が利用できないプロセスを、公衆は信頼するよう求められている。
EPAは、ソースコード、保護された個人データ、サイバーセキュリティの詳細、または営業秘密を公開せずとも、この隔たりを縮められる。編集済みの評価文書、評価の要約、モデルカード、失敗カテゴリー、または平易な言葉で説明したリスク判断を公開できる。
また、特定のシステムがなぜ高影響度に該当するのかを説明できる。ツールが健康または安全に関わる判断へ影響を与える場合、同庁はその判断、出力の役割、そして説明責任を負う職員が介入する時点を特定すべきである。
逆に、見た目にはセンシティブな用途が高影響度ではないと判断した場合も、EPAはその判断を説明すべきだ。それにより、そのシステムが軽微な事務支援を行うのか、重大な結果を左右するのかが明確になる。
連邦政府全体の実績を見ると、不完全な開示はEPAに特有の問題ではない。2026年のBrookingsによる分析では、各機関が2025年に3,600件を超えるAIユースケースを記録していたことが示された。
高影響度システムは全体の12.3％、445件を占めた。しかし同分析は、導入済みの高影響度ユースケースの85％超で、リスク統制に関する必要な公開情報の一部が欠けていたと指摘している。
これらのインベントリに関する調査結果は、個々の機関が内部評価を実施しなかったことを証明するものではない。重大な影響を持つAIの拡大に、公的報告が追いついていないことを示している。
同じ分析は重要な政策変更も特定した。従来のガイダンスは、結果を管理する、または結果に重大な影響を与えるシステムを対象としていた。M-25-21は現在、出力が意思決定の主要な根拠となるシステムに焦点を当てている。
この文言は対象カテゴリーを狭め得る。AIが意思決定者に提供される証拠を大きく左右していても、機関はAIがより広範な人間のプロセスに情報を提供しているだけだと主張するかもしれない。
リスクは説明責任の空白である。システムがワークフローを変えるほど重要であっても、「主要な根拠」という厳格な解釈の対象外にとどまり得る。
EPAが最終評価を保有していると認めたことは、少なくとも一部のツールを高影響度として分類していることを示す。しかし、入手可能な回答からは、ツールの名称、機能、導入状況は明らかにならない。
この不確実性があるため、どちらの方向にも包括的な主張をするべきではない。記録は慎重なテストと抑制的な導入を文書化しているかもしれない。一方で、欠陥、未解決のリスク、または不明確な責任分担を露呈する可能性もある。
両方の結果があり得るからこそ、開示には価値がある。
この不服申立てが問うのは秘密主義であり、EPAのAIの正確性ではない
請求人側が勝利すれば可視性は高まるが、それだけでEPAのツールが正確である、あるいは不適切に導入されていることの証明にはならない。
行政上のFOIA不服申立ては、機関に最初の回答を再検討するよう求めるものだ。審査担当部署は決定を支持、覆す、あるいはより広範な検索と追加開示を命じることができる。
現在の異議申立ては、なおこの段階にある。裁判所はEPAが評価文書を不適切に非開示としたとは判断しておらず、不服申立ての発表は請求人側の見解を示している。
EPAには、一部の内部審議を保護する正当な利益がある。意思決定者には、すべてのやり取りが最終方針に変わることなく、アイデアを検証し、リスクを議論し、暫定的な結論を退ける余地が必要だ。
AI評価には、セキュリティ上機微な説明、個人情報、調達の詳細、または機密データが含まれる場合もある。責任ある開示プロセスでは、こうした利益を考慮しなければならない。
より難しい問題は、それらの懸念が最終文書を全面的に非開示とする根拠になるかどうかだ。安全策が存在することは開示しながら、その安全策がどのように適用されたかを示すすべての証拠を隠すことができれば、公的説明責任は弱まる。
バランスの取れた公開なら、保護すべき箇所を維持しつつ、意思決定の記録を明らかにできる。有用な項目には、ツールの目的、責任部署、導入状況、評価設計、既知の制限、モニタリング計画、エスカレーション手順が含まれる。
独立レビューには特に注意を払うべきだ。OMBは、開発に関与していないレビュアーが懸念事項または欠陥を特定するよう求めている。
この要件は、意図的に組織内の緊張を生み出す。プロジェクトチームは期待される利益に注目しがちだが、独立レビュアーは前提を検証し、失敗モードを精査すべきである。
この安全策が機能したかを評価するために、公衆がすべての内部コメントを必要とするわけではない。どのような懸念が提起され、説明責任を負う職員がそれをどう解決したかを知るために十分な情報が必要だ。
開示が見せかけのものになるリスクもある。機関は、しきい値、不利な調査結果、未解決の意見対立を省いた洗練された要約を公表できる。
生の技術的詳細には逆の問題がある。長大な文書は透明に見えても、システムの影響を受ける人々にとっては利用しづらいままである可能性がある。
そのため、効果的な連邦AIの透明性には階層が必要だ。短い要約では意思決定とその結果を説明し、技術文書では専門家によるレビューを支えるべきである。
構造化されたインベントリ項目は、これらの資料を時系列で結び付けるべきだ。安定した識別子があれば、研究者はシステムがパイロットから導入へ移行したか、影響分類を変更したか、評価を更新したかを追跡しやすくなる。
EPAの公開インベントリは現在、出発点を提供している。要求された評価文書は、プロジェクト一覧だけでは得られないリスクの証拠を加えることになる。
政府全体の監査も、このつながりの必要性を強調している。Government Accountability Officeは、選定した11機関における報告済みの生成AI利用が、2023年の32件から2024年には282件へ増加したと報告した。
同機関の連邦AIレビューでは、政策コンプライアンス、技術的リソース、予算、急速に変化する技術が、繰り返し現れる管理上の課題としても説明されている。
これらの調査結果は、争点となっているEPAのツールを評価するものではない。ガバナンス慣行が成熟するより速く機関がシステムを追加するなかで、内部保証に依存することがますます難しくなる理由を示している。
この不服申立ては、AIを導入する企業にとっても実務的な教訓をもたらす。インベントリ、審査委員会、または方針文書があるからといって、導入済みシステムが掲げた基準を満たしていることの証明にはならない。
組織には、各ユースケースをデータ、テスト、制限、モニタリング、責任者、リスク判断に結び付ける追跡可能な証拠が必要だ。そうでなければ、ガバナンスは運用中のソフトウェアから切り離された約束の寄せ集めになる。
EPAは、科学的評価が規則、曝露上限、許認可の選択、執行の優先順位に影響を与え得るため、特にセンシティブな立場にある。誤りは、地域社会、労働者、企業、生態系に影響する判断へと波及する可能性がある。
これは、すべてのEPAモデルについてソースコードの公開やデータへの無制限のアクセスが必要だという意味ではない。出力の影響が大きいほど、検証も厳しくすべきだという意味である。
連邦AI監督に実効性があるかを示す3つのシグナル
次の試金石は、EPAが責任あるAIを支持する新たな高レベル声明を発表するかではなく、意味のある証拠を公開するかである。
第1のシグナルは、行政上の不服申立てに対するEPAの判断だ。全面的に覆れば、他に適用される編集を条件として、請求人は評価文書にアクセスできる。
部分公開のほうが可能性は高いかもしれない。その価値は、編集後に何が見えるまま残るかに左右される。
有用な回答は、目的、評価、制限、独立レビュー、モニタリングに関する事実を残すものとなる。非開示の印で埋め尽くされたページでは、中核となる説明責任の問題は解決されない。
この判断では、記録検索についても扱うべきだ。EPAは、保護すべき内容を明かさずに、調査した部署、システム、記録管理者、検索語を説明できる。
同庁が追加のガバナンス記録または化学物質スクリーニング記録を見つければ、最初の検索が不完全だったという請求人側の主張を強めることになる。慎重な検索を記録しても何も見つからなければ、懸念はEPAが十分な記録を作成しているかという問題へ移る。
第2のシグナルは、EPAのAIインベントリの次回改訂だ。読者は、新たに特定された高影響度システム、変更された導入段階、安定したプロジェクト識別子、リスク管理の要約へのリンクに注目すべきである。
EPAの公開ページでは、同庁がインベントリを継続的に維持しているとされている。更新により、争点のシステムが引き続き稼働しているか、化学物質評価プロジェクトが識別可能な説明で掲載されるかが明らかになる可能性がある。
分類の変更は重要になる。高影響度ツールがより低いリスクへ再分類される場合、その運用上の役割に結び付いた明確な根拠を示すべきだ。
逆方向も重要である。規制または健康関連の判断を左右し始めたパイロットは、より強力なテスト、モニタリング、開示を引き起こすべきだ。
第3のシグナルは、M-25-21の政府全体における執行だ。OMBは、説明責任レビューと年次インベントリ報告を通じて文書の提出を求めることができる。
判断や適用除外に関する公開要約は、連邦AIのルールが機関による自己報告を超えた結果を伴うかを示すだろう。是正措置のないまま欠陥が繰り返されれば、この方針の信頼性は損なわれる。
議会、監察総監、GAOもまた、各機関が導入前に必要な評価を実施しているかを調査できる。こうした調査では、公的なインベントリだけでは完全に明らかにできない記録を検証できる可能性がある。
開発者にとって、この事例はモデル設計と同じくらい導入の文脈が重要であることを示している。文書を整理する分類器であっても、その順位付けによって専門家が目にする証拠が決まる場合、重大な影響を持ち得る。
企業の購入担当者にとっては、ベンダーの主張やガバナンス・チェックリストに依存することの弱点を示している。購入者には、自社のデータ、ユーザー、意思決定プロセスに紐づく評価記録が必要だ。
ナレッジワーカーにとって重要なのは、人間によるレビューが独立した判断を保証するわけではない点である。レビュー担当者には、自動化された推奨に異議を唱えるための時間、権限、そして利用しやすい証拠が必要となる。
したがって、EPAのAI影響評価をめぐる争いは、公共アクセスだけでなく制度的記憶の試金石でもある。各機関は、なぜシステムが承認されたのか、レビュー担当者が何を把握していたのか、そして残るリスクを誰が受け入れたのかを記録しなければならない。
こうした記録がなければ、後の調査者は自動化されたワークフローがどのように意思決定へ影響したかを再構築するのに苦労するかもしれない。同じ問題は、モデル変更、人員の退職、分散した文書によって文脈が失われる民間組織にも見られる。
この上訴は、すべての連邦AIが信頼に値するかどうかを決めるものではない。しかし、高影響分類の根拠となる証拠が、それを判断した機関だけに見える状態のままなのかを明らかにする可能性がある。
上訴判断、次回のEPAインベントリ、そしてOMBの執行記録を注視すべきだ。これらの兆候が具体的な証拠をもたらすなら、連邦AIの監督は検証しやすくなる。政策文言しか示されないなら、政府の最も重大なシステムは主として自らに対してのみ説明責任を負う状態が続くだろう。
