GSAのLLM最終規則、適用範囲は縮小もAI請負業者の責任は維持

GSAのLLM最終規則は2026年10月19日に発効する。適用範囲は狭まったものの、対象となる連邦政府向けAI請負業者には依然として相当なコンプライアンス義務が課される。

米国連邦調達庁（GSA）は現在、大規模言語モデル機能が重要な要素となっており、政府データがモデルに直接入力される、またはモデルから直接出力されるシステムを対象としている。社内のバックオフィスツールや付随的なAI機能は、この条項の対象外となり得る。

この変更は、テクノロジー業界が初期草案に対して示した主要な反対意見の一部に応えるものだ。しかし最終文言は、矛盾する商用契約を上書きし、関連する下請業者にも及び、データセキュリティ、文書化、インシデント報告、モデル変更、契約終了時に関する詳細な規則を課している。

これは大幅な後退ではなく、トレードオフの結果である。GSAは、通常のソフトウェアがAI固有の契約制度に取り込まれる可能性を減らした。一方、政府に実際のLLM製品を提供するベンダーは、多くの商用導入では求められない水準の運用上の可視性を引き続き提供しなければならない。

GSAのLLM最終規則は2段階の適用範囲テストを採用

最終条項は、たまたまLLMを利用しているすべての請負業者システムではなく、政府が意図して購入するAIシステムに焦点を当てている。

GSAは、General Services Acquisition Regulationのクラス逸脱を通じて、「552.239-7001、Basic Safeguarding of Data within Large Language Model Artificial Intelligence Systems」を発行した。クラス逸脱により、機関は通常の成文化を完了する前に調達文言を適用できる。

この変更は、GSAが9月に更新した最終条項に示されている。この更新は、同機関の調達規則を大幅に見直すRGO-2026-01の一部である。

この条項は、2つの条件が満たされる場合に適用される。第一に、GSAがLLM、生成AIアシスタント、チャットボット、エージェント型システム、LLM対応生産性ツール、またはLLM機能が重要な製品を調達していることが必要だ。

第二に、政府データがLLMに直接送信されるか、LLMによって生成される必要がある。この第2の条件により、コンプライアンス負担は、請負業者の技術スタック内のどこかにAIが存在するという事実だけではなく、実際のモデルとのやり取りに結び付けられる。

これは6月の提案より大幅に限定的だ。提案文は、一般に政府データがLLMによって処理される場合に適用されており、支援システムや付随的な利用まで対象となる可能性があった。

最終条項には、自動的に適用を除外する文言も含まれる。契約担当官が別途指示しない限り、政府がアクセスしない社内業務、バックオフィス、運用、または履行支援システム内にLLM利用がとどまる場合、義務は発生しない。

2つ目の除外は、LLM機能が付随的または補助的な商用製品を対象とする。AIが製品の主目的でも、契約要件でも、政府がアクセスする機能でも、政府データを処理する機能でもない場合、この除外が適用される。

これらの区別は、別のサービスを提供しながら生成AIを利用する請負業者にとって重要だ。たとえばコンサルティング会社は、GSAにそのアシスタントを販売することなく、業務整理を支援する社内アシスタントを利用する場合がある。従来型のソフトウェア製品に、機関が一度も有効化しない任意のAI機能が含まれる場合もある。

こうした状況では、除外を主張する根拠がより強くなった。ただし最終条項は、すべての社内AIワークフローを対象外にするわけではない。請負業者は、政府データが購入済み、アクセス可能、または契約上必要とされるLLM機能に入力されるかを引き続き判断する必要がある。

政府データの定義もより明確になった。対象となるデータ入力は、単に政府向けに作成されたものではなく、政府自身または政府の代理で提出されたものだ。メタデータとログは、対象データ出力から除外される。

この調整により、条項が管理する情報の範囲は限定される。しかし、プロンプト、取得コンテンツ、生成応答、埋め込み、ファインチューニング用資料は依然として対象境界をまたぐ可能性があるため、データマッピングの必要性はなくならない。

したがって、これらの除外は包括的な免除というより、分類規則として機能する。ベンダーは、政府が何を購入し、どの機能にアクセスし、データがどこを移動し、LLMが提供サービスに実質的に寄与しているかを示す証拠を必要とする。

公式文書には解釈上の問題もある。その自動適用除外の段落では、バックオフィス除外と付随機能除外が、「and」または「or」で明確に接続されないまま列挙されている。

この起草上の選択により、いずれか一方の条件だけで条項が除外されるのか、両方の条件が必要なのかは不明確なままだ。契約担当官は、入札勧誘や交渉の過程で答えを明確にする必要があるかもしれない。

実務上の教訓は明快だ。請負業者は、AI機能が存在するだけで対象になると考えるべきではない。また、機能を付随的と呼べば問題が解決すると考えるべきでもない。

作業範囲記述書、製品説明、システムアーキテクチャ、実際のデータフローは、製品ラベルよりも重視される。これがGSAのLLM最終規則がもたらした最初の大きな変化である。

NISTフレームワークが4つの固定的なサプライチェーン上の役割を置き換える

GSAは固定的なベンダー分類からライフサイクル上のタスクへ移行したが、元請業者にはすべての対象参加者を特定する責任が残る。

6月の提案は、LLMサプライチェーンを開発者、システム運用者、システム統合事業者、サービスプロバイダーという4つの定義済み役割に分けていた。各役割には関連する補完条項と、定められたフローダウン義務が設定されていた。

フローダウンとは、元請業者が下請業者との契約に関連する政府要件を盛り込まなければならないことを指す。別の企業が実際に技術やデータを扱う場合、義務が最初の契約階層で途切れることを防ぐ仕組みである。

最終条項は、これら4つの正式な分類を、米国国立標準技術研究所（NIST）が公表したAIリスクフレームワークのタスク記述に置き換える。

参照されるタスクには、AI設計、AI開発、AI導入、運用および監視が含まれる。システム要件の定義、モデルの構築、コンポーネントの統合、システムの本番投入、導入後の出力評価といった作業にまたがる。

このアプローチは、現代のAI製品がどのように構築されるかをより適切に反映している。ある企業がモデルをホスティングし、別の企業が検索拡張インフラを提供し、さらに別の企業がシステムを政府のワークフローに接続することがあり得る。

従来の役割ラベルでは、こうした重複する責任が見えにくくなる。タスクベースのテストは、各参加者が実際に何を行い、その過程で政府データを扱うかを問う。

元請業者は、下請業者が政府データを収集、処理、保管、保持、学習、ファインチューニング、その他の方法で取り扱う場合、それらのタスクを遂行する下請業者に該当する要件をフローダウンしなければならない。

この文言は、モデル開発者だけに及ばない。クラウドプロバイダー、ホスティング会社、システム統合事業者、検索ベンダー、評価サービス、マネージド運用パートナーはいずれもコンプライアンス連鎖に加わり得る。

この条項は、下請業者の選定および監督において最善の努力を求める。請負業者は、表明、独立して検証可能な証拠、モデルカード、システムカード、セキュリティ文書、監査資料、関連認証に依拠できる。

既存の資料が合理的にコンプライアンスを示す場合、それらで要件を満たせる。請負業者は、この条項を満たすためだけに重複する記録を作成する必要はない。

ただし、元請業者は依然として、それらの資料を対象システムに結び付けなければならない。一般的なセキュリティ認証だけでは、ベンダーが政府のプロンプトで学習するか、生成出力を保持するか、必要な削除を支援するかを自動的に説明するものではない。

最終文言は、完全にオープンなモデルとオープンソースのLLMコンポーネントを特別に扱う。請負業者は、それらのコンポーネントについて、出所、所有権、管轄、外国による支配に関する条項をフローダウンする必要がない。

GSAは、マーケティングでしばしば用いられる緩やかな「オープンソースAI」という表現よりも厳格に、完全にオープンなモデルを定義している。アーキテクチャ、重み、関連コード、学習、検証、テスト用データセットは、適切なライセンスの下で公開検査可能でなければならない。

パラメーターをダウンロードできるだけのオープンウェイトモデルは、同じ分類を受けない。対応するコードとデータが利用できない場合、GSAはそのシステムを完全にオープンなモデルとは異なるものとして扱う。

この区別はデューデリジェンスに影響する。オープンなコンポーネントは、公開された重み、技術報告書、モデル文書、学習データの開示を通じて文書化できる。別途、契約固有の表明が常に必要となるわけではない。

オープンウェイトモデルについても、最善の努力によるレビューを文書化する必要がある。請負業者は、モデルの文書、テスト、技術報告書、契約履行における役割を考慮しなければならない。

NISTの構造は、6月の分類体系より請負業者に柔軟性を与える。その一方で、正確なサプライチェーンマップを維持する負担も大きくなる。

元請ベンダーは、各企業に1つのラベルを割り当てて終えることはできない。各当事者がどのライフサイクルタスクを担い、どの政府データを扱い、条項のどの段落が適用されるかを把握する必要がある。

商用AIサービスが下請事業者、ホスティング場所、モデルファミリーを変更する場合、この作業は複雑になり得る。契約チームには、履行期間を通じて整合を維持するエンジニアリングおよび調達記録が必要になる。

したがって最終条項は、固定的な分類を継続的な事実分析へと置き換える。構造はより適応的だが、複雑な導入にとって必ずしも負担が軽いわけではない。

拡充されたIP保護でも、すべての商用条件が維持されるわけではない

請負業者は既存技術に関するより強い権利を保持する一方、政府は矛盾するベンダー契約に対して引き続き自らの条項を優先する。

知的財産は、GSAの初期アプローチで最も争点となった部分の一つだった。3月の草案には、広範な政府ライセンスと、再利用可能な商用技術に依存するベンダーを懸念させる制約が含まれていた。

6月版ではこの構造が変更されたが、業界の懸念は続いた。最終条項は現在、契約締結前に作成された資料、またはより広範な商用利用のために独自開発された資料を、より明示的に保護している。

政府は、請負業者の既存の商用製品、専有技術、または複数の顧客にまたがって使用される資料の所有権を取得しない。この確認は、ソフトウェア、構成、ワークフロー、文書、モデル、スクリプト、技術的手法、ノウハウを対象とする。

また、既存または独自開発された商用資産に該当する場合、サービス生成情報、分析、ナレッジベースのコンテンツ、関連資料も保護する。

この保護は、AI契約の中心的な特徴を認めるものだ。ベンダーが1つの政府顧客のためだけに完全なモデルと支援プラットフォームを構築することはほとんどない。共通のインフラ、ワークフロー、評価、技術コンポーネントを、多数の導入環境に適応させている。

最終文言は、政府データから派生した改善の譲渡も限定している。対象となる政府情報を組み込まず、明らかにせず、開示せず、そこから派生していない場合、一般的な能力向上は請負業者に帰属する。

この除外により、通常のプラットフォーム改善が自動的に政府の所有物となるリスクが抑えられる。ベンダーは、連邦政府との契約を通じて得られた知見であっても、それだけを理由に成果を手放すことなく、一般的なスケジューリング手法の洗練やシステム信頼性の向上を行える。

境界がより曖昧になるのは、改善が政府データに直接依存する場合だ。ファインチューニング、検索インデックス、特化型評価セット、領域固有のワークフローには、再利用可能なエンジニアリングと顧客由来の情報が組み合わされる可能性がある。

契約事業者は、紛争が起きる前にその区別を文書化する必要がある。リポジトリの分離、データ来歴の記録、モデル台帳、変更履歴は、改善が汎用的なものか政府固有のものかを示すのに役立つ。

この条項は、バックグラウンドデータの概念も拡大している。契約事業者は、LLMの開発または改善に用いた素材を含め、自ら所有、管理、またはライセンスする適格情報について所有権を保持できる。

以前の文言では、バックグラウンドデータは原形のものとして言及されていた。この限定が削除されたことで、契約履行中に適格素材が修正または強化された場合でも、契約事業者が引き続き所有権を維持できる。

それでも、IPに関する改善があらゆる標準的な商慣行を維持するわけではない。最終条項は、既存のFederal Acquisition RegulationおよびGSARの条件を補完するとしつつ、矛盾する商用契約に対して優先することを維持している。

このルールは、一般的なクラウドおよびAI契約と衝突し得る。標準的なベンダー契約では、監査アクセスを制限し、モデル変更権限を一方的に定め、顧客とのやり取りをサービス改善に利用できるようにし、幅広い保持方針を規定していることが多い。

GSA条項が異なる定めを置く場合、連邦政府契約ではそうしたデフォルトに安全に依拠できない。元請けは、政府への遵守を約束する前に、上流プロバイダーとの契約を確認しなければならない。

この問題が最も深刻なのは、再販事業者とインテグレーターだ。基盤モデルの提供者が契約上受け入れていない義務について、GSAに対して責任を負う可能性がある。

再販事業者は、大幅なモデル変更の事前通知を約束する一方で、プロバイダーから対応する確約を得ていないかもしれない。また、プロバイダーの標準的な技術的管理を超える政府の削除要件を受け入れる可能性もある。

したがって、IP保護の拡大が解決するのは商業上の衝突の一部にすぎない。ベンダーはより明確な所有権の境界を得る一方、依然として政府要件と重要な各サプライヤーの運用条件を整合させなければならない。

最終規則は以前の草案と比べて契約事業者に有利だが、連邦政府によるLLM調達を通常のソフトウェアサブスクリプションへ変えるものではない。

データ管理とインシデント報告には依然として大きな重みがある

対象範囲が狭められても、いったんシステムが対象となれば、特に政府情報がモデル、埋め込み、下請け事業者を通過する場合には、条項の厳格さは弱まらない。

対象となる契約事業者は、他の顧客向けまたは商業目的でLLMを学習またはファインチューニングするために政府データを使用できない。また、広告目的での利用や第三者への販売も認められない。

こうした制限には、単なるプライバシー方針ではなく、技術的な分離が必要となる。ベンダーは、政府のプロンプト、出力、検索取得コンテンツが、一般的な学習や製品改善のパイプラインに流入しないようにする管理策を必要とする。

暗号化、アクセス制御、ログ記録、保持期間の制限、削除手順はすべて、遵守を裏付ける証拠の一部となる。契約事業者は、自社システムおよび下請け事業者の環境全体で情報がどこに存在するかを示す記録も必要になる。

検索拡張生成は固有の課題を生む。この手法では、多くの場合、埋め込みとベクトルデータベースを通じて、応答時に選択された外部情報をモデルへ提供する。

基盤モデル自体が学習していなくても、それらを支えるストアには政府資料が含まれる可能性がある。したがって契約事業者は、ベースモデルだけでなく、周辺アプリケーションも管理しなければならない。

契約終了時には、関連する埋め込み、ファインチューニング済み重み、保存済み入力、出力、派生アーティファクトの削除または返却が必要になる場合がある。

分散システムでの削除は難しい。バックアップ、複製データベース、テレメトリパイプライン、評価環境、災害復旧用コピーには、主要アプリケーションが削除後もデータが残り得る。

信頼できる契約終了計画では、それらの場所を事前に特定する必要がある。契約終了まで待つと、共有システムを停止させずに1社分の情報を分離または削除できないことが明らかになる可能性がある。

最終条項は、対象事象に関する72時間以内の報告期限も維持している。トリガーは、広範な契約事業者ネットワークのどこで起きたインシデントにも及び得た6月の提案より狭くなった。

現在、関連するインシデントは契約で使用されるLLMに影響し、かつ政府データの機密性、完全性、可用性に影響する可能性がなければならない。これにより、義務は実際の契約リスクにより近く整合する。

72時間の期間は、契約事業者が当該事象を実際に認知した後に始まる。契約事業者は、誰がその知識を取得し得るのか、また情報がエンジニアやプロバイダーから元請けの政府契約チームへどのように伝達されるのかを定義すべきだ。

FedRAMP、Cybersecurity and Infrastructure Security Agency、またはその他の連邦政府への報告が実質的に同等の情報を含み、同時に契約担当官へ届く場合、それらは条項の要件を満たし得る。

このセーフハーバーは重複報告を減らす。ただし、既存の報告にGSAが求める情報が含まれていることを契約事業者が確認しなければならないため、調整の必要性まではなくならない。

この条項は、重大な違反を実際に認知した後の通知も別途求めている。違反は、履行、政府の権利、セキュリティ、機密性、法令遵守、または契約管理に重大な損害を引き起こす、または合理的に予想される場合に重大とされる。

この基準には、迅速な法務・技術判断が求められる。エンジニアはデータ漏えいを認識しても、それが契約上の重大性の基準を満たすかどうかは把握していない可能性があるため、チームには共有されたエスカレーション手順が必要だ。

モデル変更も、運用上の負担を増やす。政府は、信頼性、セキュリティ、または運用上の完全性に影響する変更について、通知とアクセスを期待できる。

ホスト型AIサービスでは、モデル更新が頻繁に、かつ顧客の制御外で行われる可能性がある。急速に変化する商用エンドポイントに依存する契約事業者は、プロバイダーからの契約上の通知と、更新済みモデルをテストするプロセスを必要とする。

これらの義務こそ、適用可能性の判定が非常に重要である理由を示している。条項の対象外である企業は厳しい管理体制を回避できる。対象内の企業は、セキュリティ、製品管理、法務レビュー、調達、AI評価にまたがる義務に直面する。

報告された契約事業者の負担には、120日間の開示期限、インシデント報告、契約終了時の削除、大規模なモデル入れ替え前の通知、政府の評価権が含まれる。

すべての契約事業者が各義務を同じように経験するわけではない。導入設計、下請け事業者との関係、システム認可、契約担当官の指示が実装を左右する。

それでも、対象ベンダーはこの条項をエンジニアリング要件として扱うべきだ。方針文書だけでは、学習パイプライン、データストア、モデルバージョン、アクセスログ、削除処理に対する管理を示せない。

バイアス基準は縮小したが、政府によるテストは残る

GSAは詳細なイデオロギー規則を合理的努力の基準に置き換え、ある遵守上の争点を減らした一方、モデル品質をどのように測定するかという問題は解決していない。

6月の提案には広範な「Unbiased AI Principles」が含まれていた。真実性、中立性、非党派性を備えたシステムを求めると同時に、学習データ、プロンプト、検索ソース、その他の設定選択を通じたイデオロギー的影響を制限していた。

これらの規定は、真実の追求およびイデオロギー的中立性の原則に沿ったLLMを調達するよう政府機関に指示した、2025年7月の連邦調達命令を反映していた。

業界団体と市民社会組織は、こうした考え方を客観的な契約テストへ変換できるのか疑問視した。モデル出力は、プロンプト、文脈、サンプリング設定、取得情報、システム構成によって変動する。

最終条項は、規範的な枠組みの大部分を削除している。代わりに契約事業者は、ユーザーが事実情報または分析を求める際、正確性、科学的探究、客観性を優先するよう、対象LLMを設計、学習、構成するために合理的努力を尽くさなければならない。

「合理的努力」は、中立的な挙動を保証するより柔軟な基準だ。確率的モデルが、あらゆるプロンプトに対して完全な正確性や一貫した回答を約束できないことを認めている。

改訂された文言は、党派的またはイデオロギー的な判断を埋め込むことへの明示的な禁止も削除している。以前のバイアス枠組みに特化して結び付けられていた、同じ継続的監視義務ももはや設けていない。

これは重大な譲歩である。争いのある1件の応答が、ただちに契約違反を立証するリスクを下げる。

ただし、合理的努力にも証拠が必要だ。契約事業者には、評価計画、文書化されたシステムプロンプト、ベンチマーク結果、既知の制約に関する報告、モデルカード、是正措置の記録が必要になる可能性がある。

政府は、導入済みシステムを評価する能力も保持している。契約事業者は、正確性や客観性に関する社内の主張が、テストなしに受け入れられると考えることはできない。

ここでNISTの枠組みは、単なるサプライチェーン用語以上の意味を持つ。そのライフサイクルのアプローチでは、テスト、評価、検証、妥当性確認を、設計、開発、導入、運用を通じて継続する活動として扱う。

単一のベンチマークで、汎用モデルが正確か客観的かを決着させることはできない。性能は、領域、言語、検索ソース、ツール、政府のユースケースごとに変化する。

文書要約の調達には、欠落、引用の忠実性、制限付き資料の取り扱いに関するテストが必要だ。一般向けアシスタントには、事実性、拒否挙動、アクセシビリティ、プライバシー、根拠のない助言に関する確認が必要となる。

エージェント型システムは、ツールを呼び出したり行動を起こしたりできるため、さらなるリスクを生む。その評価では、生成された文章の品質だけでなく、ワークフローのロジックと認可境界も対象にしなければならない。

この条項により、政府はいつでも対象LLMの利用を停止できる。以前の文言では、停止は未解決の性能問題を中心に、より直接的に位置付けられていた。

このより広い権利は、商業上の不確実性を生む。技術的に遵守しているシステムであっても、政府機関が懸念を調査する間、運用が中断される可能性がある。

最終条項は、廃止措置に関する責任も変更している。以前のunbiased-AI規定への違反だけでなく、条項不遵守の通知後に行われる契約終了に、これらの費用を結び付けている。

これらの廃止措置費用に対する契約事業者の責任は、影響を受けるタスクオーダーまたはデリバリーオーダーの25％を上限とする。再調達費用および代替システムの開発費は、その計算から除外される。

この上限により、ベンダーはより明確な限度を得る。しかし、停止または契約終了は、定義された廃止措置額を超える評判の損害、収益の喪失、エンジニアリング費用を引き起こし得る。

最大の未解決事項は、評価の一貫性だ。異なる政府機関、契約担当官、技術チームが、異なるプロンプト、データセット、または閾値を使用する可能性がある。

モデルは一般的なベンチマークで高得点を取っても、特化した政府ワークフローでは失敗する場合がある。また、事実性を改善する一方で、拒否が多すぎて有用性が下がる可能性もある。

そのため請負業者は、評価を調達対象のユースケースに結び付けるべきです。幅広いマーケティング上のスコアよりも、導入済みの構成が代表的な政府業務でどのように機能するかを示す証拠の方が重要です。

最終文言は、完全な中立性という実現不可能な状態を約束しない点で賢明です。合理的努力という基準には、どの評価が適切か、またどの水準の性能が許容されるかを巡る争いの余地がなお残されています。

このルールが機能するかを示す3つのシグナル

次の試練は実装です。契約担当官、元請ベンダー、モデル提供者は、この条項を実行可能な契約実務およびエンジニアリング実務へと落とし込まなければなりません。

第1のシグナルは、10月19日以降にGSAが二段階の適用範囲テストをどのように適用するかです。提案依頼書では、LLM機能が重要な要素であるか、また政府データがシステムに直接入力されるか、あるいはシステムから直接出力されるかを明示すべきです。

明確な判断が示されれば、GSAが実際にルールを狭めたという見方が強まります。付随的なAI機能のために契約へ日常的に条項を挿入するなら、その結論は弱まり、最終文言が解消しようとした不確実性が再び生じるでしょう。

請負業者は、提案依頼書が条項の適用理由を説明しているかに注目すべきです。また、契約担当官が2つの自己失効条件をどのように解釈するかも確認する必要があります。

第2のシグナルは、下請けへのフローダウンの質です。元請ベンダーには、NISTのライフサイクル業務と各サプライヤーが扱うデータに対応した契約が必要です。

モデル提供者とクラウドプラットフォームには、保持、学習利用の制限、インシデント通知、モデル変更、評価へのアクセス、削除を扱う政府向けの契約条件を提供する圧力がかかるでしょう。

標準化された付属文書があれば、小規模なインテグレーターにとってコンプライアンスは容易になります。大手サプライヤーがそうした条件の受け入れを拒めば、連邦政府向けの機会は、より強い交渉力を持つベンダーや専用の政府向けサービスを提供するベンダーに集中するでしょう。

オープンモデルとオープンウェイトモデルも、もう一つの試金石となります。最終条項は、完全な公開アーティファクトを備えたモデルと、ウェイトのみを公開する製品を区別しています。

請負業者は、自らの分類が技術的に正確であることを示す必要があります。オープン性に関する曖昧なマーケティング表現は、ライセンス、ソースの利用可能性、データセット、文書を確認する代わりにはなりません。

第3のシグナルは、GSAがモデル評価と不遵守をどのように扱うかです。合理的努力には柔軟性がありますが、その柔軟性には再現可能なテストと釣り合いの取れた是正措置が必要です。

政府による評価は、購入されたユースケース、開示済みの構成、利用可能な証拠、既知の技術的限界を反映すべきです。単一の敵対的プロンプトだけで、複雑な導入環境の性能を自動的に決めるべきではありません。

同時に、ベンダーはモデルの変動性を脆弱な統制の言い訳にすべきではありません。テストスイート、評価データセット、人によるレビューの閾値、検索ソース、是正判断を文書化できます。

現在入札準備を進めている組織は、契約交渉が始まる前に証拠パッケージを構築すべきです。そこには、アーキテクチャ図、データフローマップ、下請け業者の一覧、保持スケジュール、モデル変更手順、評価結果、契約終了時の計画を含める必要があります。

検索可能な技術アーカイブは、エンジニアリング、セキュリティ、調達、法務レビューの各領域にまたがって、チームがこうしたアーティファクトを結び付ける助けになります。ただし、システムは政府データに関する契約上の制限を引き続き遵守しなければなりません。

GSAのLLM最終規則は前身の規則より限定的ですが、軽量ではありません。その中心的な取引は、政府が意図的にLLMシステムを購入する場合に、より明確な境界と引き換えに、より深い説明責任を求めることです。

AI請負業者にとって当面の問いは、どこかで生成AIを使用しているかどうかではありません。政府がその能力を購入するか、政府データがそれに触れるか、そしてすべての参加者がコンプライアンスを証明できるかどうかです。

10月19日までに、ベンダーは自社の実際のアーキテクチャと契約に照らしてその答えを検証すべきです。もし提供者が明日モデルを変更した場合、元請は影響を特定し、GSAへ通知し、証拠を保持し、その場しのぎに頼らず政府データを保護できるでしょうか。