Jensen Huang、AI規制で新法に反対し市場を信頼
Jensen Huangは9月15日、新たなAI法は不要だとして、企業は安全性を犠牲にせず迅速に動けると主張した。Nvidiaの最高経営責任者であるHuangは、市場からの圧力が開発者に信頼できる製品を投入する動機をすでに与えていると述べた。この立場は、Jensen HuangのAI規制をめぐる議論を、政府による監督への直接的な挑戦へと変えている。
Huangはサンフランシスコで開催されたSalesforceのDreamforceカンファレンスでこの発言を行った。その直前には、AnthropicのCEOであるDario Amodeiが同じイベントで共通の安全基準を支持していた。両者の対立は、能力を増すシステムのルールを誰が定めるべきかをめぐる亀裂の拡大を浮き彫りにした。
この対立は2人の経営者にとどまらない。AI企業、州政府、連邦政府が互いに両立しない答えを示す中で、市場規律と義務的な安全策がぶつかっている。開発者とエンタープライズの買い手は、より難しい問いに直面している。システムの失敗が、利用を選んでいない人々にも影響し得る場合、商業的圧力だけで十分なのだろうか。
Huang、AI安全性に新法は不要と主張
Huangの中心的な主張は、安全性は新たな規制体制の中ではなく、エンジニアリングのプロセスに組み込まれるべきだというものだ。
Dreamforceでの発言によると、Huangは安全性を「最優先事項」であり、エンジニアリング上の問題だと説明した。製品の機能、能力、または安全性に確信を持てない場合、企業はその製品の提供を差し控えるべきだと述べた。
この原則は、見出しが示すほど容認的なものではない。Huangは、企業がすべてのモデルを直ちに公開すべきだとは主張していない。システムが安全でない、または制御不能に見える場合には、一時停止すべきだと述べた。
ただし、その判断を下す責任は企業に委ねた。これがJensen HuangのAI規制に関する立場における決定的な違いだ。開発者が、どの証拠が延期を正当化するのか、どの試験で十分なのか、そしていつ製品が準備完了といえるのかを判断することになる。
Huangはまた、開発者がスピードと安全性の間で選ばなければならないという考えを退けた。そのトレードオフは誤りだとし、企業には、リリース前に問題を修正しながら迅速に進むよう促した。彼の枠組みでは、より速いイノベーションとより安全な製品は両立し得る。
元の報道によれば、Huangは既存の市場原理で十分だと考えている。顧客は信頼できない製品を拒み、パートナーは安全策を要求し、企業は自社の評判を守る。
この議論は、AIを他のコンピューティング・インフラに近いものとして扱う。障害、セキュリティ侵害、欠陥製品は収益を損なうため、ベンダーには失敗を防ぐ商業的なインセンティブがある。顧客はシステムの導入前に、試験、契約上の保護、技術的な統制を要求できる。
しかし最先端AIは、従来の製品論理では完全に解決できない問題をもたらす。一部の被害は、顧客ではなく、供給者に意味のある形で責任を問えない人々に及ぶ。差別、詐欺的コンテンツ、サイバー悪用、自動化された雇用判断は、通常の購買関係の外部にコストを生じさせ得る。
市場規律は、買い手が問題を観測できて初めて機能する。最先端モデルのリスクは、導入前には測定が難しいままである可能性がある。広く配布されたモデルは複製、改変、あるいは機微なシステムへの接続が可能なため、この遅れは重要だ。
したがってHuangの立場には、二つの異なる主張が含まれている。第一に、エンジニアリングチームは迅速に動きながら安全な製品を構築できる。第二に、競争と既存法が、それを実行させるのに十分な圧力を与える。
第一の主張は技術的能力に関するものだ。第二はインセンティブと説明責任に関するものだ。企業が強い安全性の専門知識を持っていても、競合他社より先に出荷する圧力にさらされることはあり得る。
Dreamforceでは、この違いが特に明確に示された。Huangは抽象的な政策論だけを語っていたのではない。Nvidiaは、業界の開発・導入活動の多くを支えるコンピューティング基盤を供給している。
このイベントでは、NvidiaのNemotron技術を基盤とするSalesforceのCRM推論モデル、Koaも披露された。この発表は、Huangのメッセージの背後にある商業的加速を示した。AIは汎用チャットシステムから、企業データを推論し、業務ワークフローに参加するソフトウェアへと移行している。
この移行は重要性を高める。娯楽的なチャットボットのエラーは不便なだけだ。しかし営業、財務、採用、セキュリティ、顧客サービスに関与する信頼性の低いシステムは、重大な意思決定に大規模な影響を及ぼし得る。
Huangの答えは、買い手による精査に支えられた、より良いエンジニアリングだ。反対派は、一定の最低限の義務は、個々の買い手がどれだけの精査を提供できるかに依存すべきではないと主張する。
Jensen HuangのAI規制論には明確な対抗軸がある
Huangの市場主導型アプローチに対する主な対抗軸は、最先端AI開発者に対する義務的かつ共通の監督である。
Dreamforceでこの代替案を示したのがAnthropicのCEO、Dario Amodeiだ。彼は、各社の私的な判断に頼るのではなく、開発者が共通の安全基準を確立すべきだと主張した。
報道によれば、AmodeiはAIの失敗を欠陥のある自動車になぞらえた。あるメーカーで安全上の問題が起きた場合、責任ある競合他社は、それをマーケティングの好機として扱うのではなく、自社の記録を検査すべきだという。
この比喩は業界全体での対応を支持する。一つの研究所での失敗は、類似のシステム全体に存在するリスクを明らかにする可能性がある。共有された報告・評価基準は、他の開発者が導入前に関連する弱点を見つける助けとなり得る。
自動車との比較は、別の限界も明らかにする。車両安全性は、信頼できるよう見せるためのメーカー間競争だけに依存してはいない。政府は要件を定め、失敗を調査し、情報開示を義務付け、リコールを命じることができる。
Huangの枠組みは、これらの機能を主として開発者と顧客に委ねる。Amodeiのアプローチは、政府または共同で認められた機関に、より大きな役割を与える。この違いが、記事の中心となる対立構造を生み出す。すなわち、市場規律対執行可能な監督だ。
OpenAIも、政府が最先端の安全性に関する判断に参加すべきだと主張している。同社が提案する最先端安全性フレームワークは、リスク評価、重大インシデントの報告、公開情報開示、独立監査を求めている。
OpenAIの立場は、あらゆる場所でより多くの規則を求めるだけのものではない。同社は、一貫性のない州ごとの要件が混乱を生み、小規模な開発者が安全性の取り組みに必要とする資源を消費しかねないと警告している。
代わりに、最先端システムに対する連邦レベルの試験を備えた国家的枠組みを支持している。このアプローチは、公共安全と国家安全保障に関わる能力の評価に政府を関与させつつ、統一性を目指すものだ。
この違いは、議論が規制かイノベーションかという単純な選択に陥るのを防ぐ。複数のAI企業が規制を望んでいるが、その範囲、タイミング、制度設計については意見が異なる。
Huangの立場はより断定的だ。企業には安全でないリリースを避けるインセンティブがすでにあるため、AIに特化した新法は不要だと主張する。既存法で実際の不正行為に対処でき、製品の信頼性はエンジニアが担う。
この見方の支持者は、推測上の被害を規制することに実務上の危険を見ている。予測に基づいて書かれたルールは、行政機関が実施する前に時代遅れになる可能性がある。コンプライアンス費用は、法務・政策担当者を多く抱える最大手企業を有利にすることもある。
別の懸念もある。ライセンス要件は、誰が市場に参入できるかについて、既存の開発者に影響力を与え得る。安全性の向上を意図した規制が競争を減らし、開発を少数の企業に集中させる可能性がある。
批判派は、執行可能な義務がないことも、別の形の集中を生むと答える。大企業は、自社システムの評価に使う証拠を管理しながら、安全性を自らの条件で定義できてしまう。
この対立は、AIサプライチェーンにおける各社の位置も反映している。Anthropicは最先端モデルを開発し、その挙動、アクセス、公開方針を直接管理する。Nvidiaは、競合するモデル開発者、クラウドプロバイダー、企業全体で使われるインフラを販売している。
これは、どちらの立場も無効にするものではない。ただし、その背後にあるインセンティブを形作る。開発の迅速化と導入の拡大は、一般にコンピューティング・インフラへの需要を増やす。
モデル開発者は別の圧力にも直面する。システムの挙動に直接責任を負う一方、より強い規制は新規競合に対する障壁を高める可能性もある。すべての政策提案は、安全性の価値と競争への影響の両面から精査に値する。
だからこそ、企業の動機だけでは議論を決着させられない。有用な枠組みは、企業が自らの利益を追求する場合にも機能しなければならない。既存企業が安全基準を市場保護へ転換することを許さずに、より安全なエンジニアリングを報いる必要がある。
市場原理は、買い手がリスクを見られる場合に最も機能する
Huangの議論は、目に見える製品の失敗には最も強く、被害が遅れて現れる、外部化される、あるいは測定が難しい場合には最も弱い。
エンタープライズソフトウェア市場は、明白な信頼性不足をすでに罰している。機密情報を漏らし、ワークフローを妨げ、使えない結果を生むモデルは契約を失う可能性がある。大規模な買い手は、監査、セキュリティ審査、サービス保証を要求できる。
保険会社、クラウドプロバイダー、投資家も圧力を加える。彼らは文書化、技術的統制、インシデント対応計画を求めることができる。こうした民間の仕組みは、立法より速く適応する場合が多い。
競争は安全機能の向上にもつながり得る。監視、アクセス制御、事実の正確性に優れたベンダーは、それらの能力を顧客獲得に活用できる。買い手は安全性を製品比較の一部にできる。
ただし、これらの仕組みは情報に依存する。顧客には、失敗率と試験方法に関する信頼できる証拠が必要だ。また、システムを比較するために十分な技術的専門知識も必要になる。
最先端の開発者が、常に同じ評価結果を公開するわけではない。試験では、異なる定義、しきい値、脅威モデルが用いられることがある。ある企業の安心できるスコアが、別の企業のスコアと比較可能とは限らない。
この情報格差は市場規律を弱める。買い手は、より高い安全性を識別できなければ、それに報いることができない。代わりに、価格、速度、ブランド認知、ベンチマーク性能に基づいてシステムを選ぶ可能性がある。
外部性は、さらに深い問題を生む。外部性とは、取引の外部にいる人々に負担させられるコストのことだ。そうした人々は、リスクを生んだ購買行為に容易に影響を与えられない。
求職者を順位付けするために使われるAIシステムを考えてみよう。雇用主が顧客である一方、求職者が結果を被る。採用を見送られた応募者は、自動化が判断に影響したことを知ることさえないかもしれない。
同じ構図は、融資、保険、教育、医療にも見られる。組織がシステムを購入する一方、他の人々がリスクの一部を負う。市場での選択を通じてベンダーを規律づける能力は限られている。
コンテンツ生成も別の例を示す。買い手は制作の高速化から利益を得る一方、詐欺やなりすましのコストは無関係な被害者に及ぶ可能性がある。市場圧力が、こうした利益を自動的に代表するわけではない。
サイバーセキュリティは諸刃の剣だ。高性能なモデルは、防御側による脆弱性の発見やパッチ生成を支援できる。同じ能力は、攻撃側の偵察、コード改変、ソーシャルエンジニアリングにも利用されうる。
顧客は、ある製品が自社システムを保護できるかを評価することがある。一方、広く利用可能なモデルがインターネット全体のリスクをどう変えるかまで考慮する理由は、それほど多くない。
これは、あらゆるリスクに新法が必要だと証明するものではない。詐欺、差別、プライバシー侵害、不正なコンピューターアクセスを禁じる既存の規則は、引き続き重要である。裁判所や規制当局は、AIが関わる行為にもこれらの規則を適用できる。
Huang氏の支持者は、新たな広範なカテゴリーを設ける前に、政府は既存法を執行すべきだと合理的に主張できる。技術固有の立法は、義務を重複させたり、測定可能な行為ではなくラベルに規則を結び付けたりする可能性がある。
それでも、既存法はしばしば被害が生じた後に機能する。責任を認定できても、標準化された試験や早期報告を求めない場合がある。この違いは、展開が急速に広がりうるシステムでは重要だ。
したがって議論の焦点は予防にある。Huang氏は、企業の判断、技術的実践、市場上の帰結が危険なリリースを止めると信頼している。規制を支持する側は、高リスクの展開が公衆に届く前に最低限の手続きを求めている。
そうした手続きは、モデルのアーキテクチャを規定する必要はない。文書化、インシデント報告、評価、説明責任に焦点を当てることができる。より難しい論点は、どのシステムが対象となるか、そして誰が遵守を検証するかを決めることだ。
単一のベンチマークでその問いに答えることはできない。能力はモデル更新、ツール、プロンプト、展開環境によって変化する。単独では限定的に見えるシステムでも、私的データや外部ソフトウェアへのアクセスを得れば、より重大な影響を持ちうる。
エンタープライズの買い手は、Huang氏の主張を自社の統制を弱める許可と解釈すべきではない。政府の役割が小さくなれば、調達チームが負う責任はより大きくなる。ベンダーがモデルと想定される展開の双方をテストしたという証拠が必要になる。
そのためには、アクセス権限、データ保持、監視、人によるレビュー、インシデント対応を調べる必要がある。また、行動が承認済みの境界を超えた場合に、誰がシステムを停止できるのかを明らかにする必要もある。
市場によるガバナンスは、ガバナンスの不在ではない。顧客、ベンダー、保険会社、監査人、裁判所により多くの仕事を移す仕組みだ。本当の問いは、この分散型の仕組みが技術にさらされるすべての人を守れるかどうかである。
Washington Is Already Choosing Parts of Huang’s Approach
米国はAI政策なしで動いているわけではないが、現行の連邦政策は展開、自主的な協力、既存法の執行を重視している。
2026年6月の連邦AI命令は、米国のリーダーシップを過度に負担の大きい規制を避けることの成果として位置付けた。そこでは迅速な展開、サイバーセキュリティ、民間企業との協力が強調された。
同命令は、先進的なサイバー能力に関する機密のベンチマークプロセスを設けるよう各機関に指示した。また、より広範な公開前に、特定のフロンティアモデルに対する自主的なアクセス取り決めを提案した。
重要なのは、同命令が、その取り決めを義務的なライセンス、許可、政府による事前承認にしてはならないと述べた点だ。この文言は、新たな公開制限に対するHuang氏の抵抗と密接に一致する。
連邦政府のアプローチでも、政府には役割がある。各機関は先進的なサイバー能力の評価を支援し、信頼できるパートナーとのアクセスを調整する。人々がAIを不正アクセスや関連する犯罪に利用した場合には、既存の刑法が適用される。
これはハイブリッド型のモデルを生み出す。政府がフロンティアのリスクを調査・調整する一方、開発者は公開判断を管理し続ける。執行は事前承認ではなく、有害な行為に集中する。
Huang氏の発言は、この政策の方向性に自然に収まる。どちらも迅速なイノベーションと、実証された被害への的を絞った対応を支持する。どちらも、モデル展開の前に公式な許可を求める広範な制度に抵抗している。
ただし、国全体の状況は依然として断片化している。州は雇用、合成コンテンツ、チャットボット、差別、その他の特定用途をめぐる立法を続けている。
最近の州レベルのAI規則には、雇用システムに対する通知要件や、AI生成コンテンツの表示措置が含まれる。カリフォルニア州の議員も、自動化された職場判断や子ども向けチャットボットに対する制限を検討してきた。
これらの措置は、「AI」と呼ばれる抽象的な概念ではなく、具体的な用途を対象としている。このアプローチは過度な適用範囲を抑えられる一方、管轄区域ごとに異なる義務を生み出す。
ソフトウェアは州境を容易に越えるため、このパッチワークはテクノロジー企業にとって懸念材料となる。開発者は同じシステムについて、別個のプロセス、開示、文書化を必要とする可能性がある。
統一された連邦基準は、その負担を軽減できる。また、議会が行動しない場合に州が採用する、より強い保護を先取りする可能性もある。
この対立は、Huang氏の新法不要論を複雑にする。議会がフロンティアモデルの制度を設けなくても、州は目に見える地域的な被害に対応し続ける。連邦法がないことは、規制を凍結することを意味しない。
政治的な隔たりも、テクノロジー企業の経営者間の意見対立より広い。Washingtonの対応には、より強い監督を求める議員と、広範な制限に懐疑的な政権が含まれる。
Amodei氏、OpenAI CEOのSam Altman氏、その他の業界リーダーは、重大なリスクについて警告してきた。政府の関与を求める彼らの声は、テクノロジー企業は常に規制に反対するという通念に疑問を投げかける。
しかし、監督への支持が共有された法案を生むわけではない。企業間では、連邦の権限、州の権限、監査、試験へのアクセス、責任、フロンティアモデルの定義をめぐって見解が異なる。
議会もタイミングの問題に直面している。狭い法律は、システムの変化に伴って時代遅れになる可能性がある。広い法律は、明確な技術的境界なしに機関へ大きな裁量を与えうる。
市場主導のアプローチは、この立法上の難しさから利益を得る。自主的な枠組みは迅速に変更でき、企業は規則制定を待たずにテストを改訂できる。
弱点は正統性にある。民間企業が、どのリスクを重視するか、どの証拠を公表するか、いつ商業上の緊急性が慎重さを上回るかを決める。その決定によって影響を受ける人々の影響力は限られている。
したがって、信頼できる国家的枠組みは二つの問題を同時に解決しなければならない。技術的実践を固定化せず、同時に外部の人々が企業の主張を信頼性高く評価できる手段を与える必要がある。
それには、固定的なエンジニアリング手法ではなく、成果に基づく要件が含まれうる。開発者は、リリースごとに許可を求めることなく、リスクを文書化し、重大なインシデントを報告し、独立した評価を支援することができる。
Huang氏は、その枠組みの一部の形態を不要だと見る可能性が高い。彼の立場は、責任あるエンジニアリングと既存法の下での帰結により大きな信頼を置く。
今後の政策論争は、立法者がその自信を受け入れるかを試すことになる。また、州当局がWashingtonを待つのか、それとも特定の被害を対象とした規則を作り続けるのかも試される。
Nvidia’s Position Is Also a Business Position
Nvidiaの政策論は、急速なAI拡大のためのインフラ供給者としての役割と切り離せない。
Nvidiaは、研究機関がより多くのモデルを訓練し、企業がより多くの推論システムを展開し、ソフトウェア企業がAI機能を追加すると利益を得る。展開を遅らせる制限は、コンピューティング能力への需要を減らしたり先送りしたりする可能性がある。
こうした商業的利益が、Huang氏の論理を誤りにするわけではない。この論争のすべての参加者には事業上のインセンティブがある。AnthropicとOpenAIも、コストの高いコンプライアンス要件が小規模な競合他社の参入を難しくする場合に利益を得る。
それでも読者は、市場で十分だという主張を利害のある議論として受け止めるべきだ。Nvidiaは、多くの個別モデルの決定より上流に位置している。Nvidiaは技術を供給する一方、顧客がモデルの訓練・展開方法を決める。
この立場はNvidiaに業界全体への幅広い可視性を与えるが、各アプリケーションを直接管理する力は小さい。チップ供給企業は、雇用主がAIシステムを公正に使うか、チャットボットが脆弱な利用者を適切に扱うかを決めることはできない。
Huang氏のエンジニアリング的な枠組みは、問題がコンピューティングの信頼性に関わる場合に最も強い。技術システムは、テスト、監視、アクセス制御、インシデント対応の対象にできる。
社会的な被害を製品品質のテストに還元することはより難しい。公正さは、法的文脈、組織の実践、影響を受ける集団に依存しうる。モデルは設計どおりに機能していても、有害な判断を支える可能性がある。
同じ課題は労働への影響にも当てはまる。Huang氏は、AIが必然的にソフトウェア業務や雇用を破壊するという考えを否定してきた。しかし、生産性向上が、その利益を雇用主がどのように分配するかを決めるわけではない。
企業は職務を再設計し、チームを縮小し、成果への期待を高める可能性がある。こうした結果は、モデルの安全性だけでなく、経営上の選択や労働条件に左右される。
市場は、影響を受けるすべての労働者を保護せずに効率性を報いることができる。これは、政府が雇用関係を製品の信頼性とは別に規制する理由である。
NvidiaのAI法規制論はまた、顧客が安全でないベンダーから離れられることを前提としている。その力には大きな差がある。大企業は保護措置を交渉できるが、小規模企業は標準条件を受け入れざるを得ない場合がある。
利用者は、モデルをデータシステムやワークフローに統合した後、乗り換えコストにも直面しうる。組織が一つのベンダーを中心に構築すると、プロバイダーの変更には広範なテストと移行が必要になる場合がある。
競争が最も役立つのは、依存関係が強まる前だ。統合後は、契約上の保護と監視がより重要になる。規制当局は、この不均衡を顧客主導の説明責任に対する別の限界と見るかもしれない。
さらに、集団行動の問題もある。ある企業がリリースを停止すれば、競合他社が続行する間に注目、人材、顧客を失う可能性がある。すべての企業が安全性を重視していても、それぞれが先に動く圧力に直面する。
共有基準は、主要な開発者すべてに最低基準を設けることで、その圧力を抑えられる。しかし、設計の悪い基準は、より強い慣行を妨げる上限となりうる。
また、誤った安心感を生む可能性もある。チェックリストへの準拠は、未知のシステムが安全であることを保証しない。規制当局と買い手は、認証をあらゆる失敗に対する証明として扱わないようにしなければならない。
ここでHuang氏の批判は注目に値する。安全性を書類作業に外部委託することはできない。エンジニアは継続的にシステムをテストし、インシデントを調査し、能力の変化に合わせて統制を適応させなければならない。
最も強力な規制提案は、この現実を認識している。政府のチェックリストが技術的判断を置き換えるという見せかけをせず、証拠と説明責任を求める。
最も強力な市場論も、反対側の論点を認めなければならない。エンジニアリング上の判断だけでは、被害者、競合他社、労働者、外部コストを負担するコミュニティを代表しない。
どちらの制度も失敗しうる。規制は遅れ、市場を集中させ、時代遅れの慣行を義務付ける可能性がある。民間ガバナンスは、情報を隠し、外部性を過小評価し、商業的圧力に屈する可能性がある。
Dreamforceは、こうしたトレードオフを鋭い公開論争へと変えた。Huang氏は、企業が必要なときに停止できる能力への自信を示した。Amodei氏は、別々の企業がその閾値を単独で定義すべきなのかと疑問を呈した。
企業のリーダーにとって、この対立は直ちに影響を及ぼす。AIの導入にあたり、政策制度が落ち着くのを待つことはできない。将来の法的義務を見据えながら、自らの基準を策定する必要がある。
その取り組みは、導入状況の棚卸しから始めるべきだ。組織は、どこでモデルが稼働しているのか、どのデータにアクセスしているのか、そしてその判断を誰が受けるのかを把握しなければならない。
また、障害発生時のエスカレーション手順も必要になる。規制当局から停止命令が出ていないというだけで、モデルを稼働させ続けるべきではない。社内の責任者には、利用を制限または停止する権限が必要だ。
これがHuangの主張を検証する現実的な試金石となる。企業が市場によるガバナンスを望むのであれば、自主的な統制が可視的で、一貫性があり、かつ実効性のある行動を生むことを示さなければならない。
Huangの「新たな法律は不要」という主張の後に注目すべき点
Huangが唱える市場主導の安全性モデルが信頼を得るのか、それとも政治的支持を失うのかを示す3つのシグナル。
最初のシグナルは、フロンティアAIのテストをめぐる連邦政府の動きだ。6月の大統領令は自主的な協力を重視し、義務的な事前承認を退けている。強制監査、リリース通知、インシデント報告へと踏み出す動きがあれば、Huangの政策上の立場は弱まるだろう。
名称よりも制度の詳細が重要になる。政府調達によって参加が商業上不可欠になれば、テストプログラムは自主的な形式を保ったままでも実質的な影響力を持ち得る。議会が包括的なAI法を成立させなくても、政府機関は契約を通じて基準を形作ることもできる。
連邦ベンチマークが公開されるのか、それとも機密扱いのままとなるのかに注目したい。公開された手法は購入者によるベンダー比較に役立つ一方、開示によってセキュリティ上機微な情報が露出する可能性もある。実用的な制度には、透明性と悪用リスクの均衡が必要だ。
2つ目のシグナルは、モデル開発企業の足並みだ。AnthropicとOpenAIはいずれもより強力な監督を支持しているが、望ましい制度設計は同一ではない。具体的な要件をめぐって両社の提案が収束すれば、より大きな重みを持つことになる。
インシデント報告、リスク評価、独立した評価に関する共通基準は、全国的な枠組みを求める主張を強めるだろう。意見の相違が続けば、規制には安定した技術的根拠が欠けているというHuangの警告を裏付けることになる。
開発企業自身の行動も同様に重要だ。重大なインシデントの後に迅速な開示が行われれば、自主的なガバナンスが機能することを示せるかもしれない。報告の遅れや説明の不一致は、法的義務を求める圧力を強めるだろう。
3つ目のシグナルは、州による執行だ。新たな法案は注目を集めるが、ルールが企業行動を変えるかどうかを明らかにするのは執行である。調査、罰則、コンプライアンス指針は、政府がどの義務を効果的に運用できるのかを示すだろう。
州が有用な導入を妨げずに測定可能な保護を実現すれば、連邦による優先権を求める声はより強い抵抗に直面する。一方で、ルールが成果を改善しないまま混乱を生むなら、Huangの市場重視の立場は支持を得るだろう。
企業の購入担当者は、最終的な全国法が現れるはるか前から政策が調達に影響するため、これら3つすべてのシグナルを追うべきだ。主要顧客が新たな義務を見込むようになると、ベンダーは契約、文書、統制を直ちに改訂する。
Jensen HuangのAI規制に関する立場は、明確な賭けを示している。顧客、評判、既存法が求めるからこそ、企業はより安全なシステムを構築するという賭けだ。今やこの賭けには、経営者の自信を超える証拠が必要となっている。
購入者は、比較可能な評価、文書化されたインシデント、明確なデータ統制、氏名の明示された人間の責任者を求めることで、その証拠づくりに貢献できる。また、購入組織の外部でシステムが失敗した場合に、誰がそのコストを負担するのかも問うべきだ。
問題は、イノベーションを継続すべきかどうかではない。市場で力を持たない人々を、市場規律が保護できるかどうかだ。どちらの答えを受け入れるにしても、その前に次の連邦テスト措置、開発企業のコミットメント、州による執行措置を注視すべきである。
