Sam AltmanのAIリスク発言、OpenAIとAnthropicの間に一線
OpenAIのCEOであるSam Altmanは10月4日、厳しいトレードオフを受け入れた。人々がこの技術へのアクセスを維持できるなら、一定の有害なAIインシデントは許容されるというものだ。Sam AltmanのAIリスク論は、失敗が起きるという気軽な予測ではない。予見可能な悪用、詐欺、セキュリティインシデントがあっても、広範な導入を認めるべきだという公の主張である。
Altmanは、この立場に明確な境界も設けた。AIに対する人間の制御を深刻に失うことを含む破滅的なリスクは、OpenAIとして受け入れないと述べた。したがって彼の主張は、導入前に管理可能な被害と許容できない危険を切り分け、前者を後者へと転じさせずに封じ込めることに依拠している。
この区別により、AI政策における最も重大な問いをめぐって、OpenAIはAnthropicと対立する。両社とも安全策、テスト、そして一定の政府関与を支持している。しかし、能力を増すシステムが広く利用可能であり続ける間に、社会がどれほどの不確実性を許容すべきかについては意見が異なる。
この対立は、単にAIが安全かどうかをめぐるものではない。許容可能なリスクを誰が定義するのか、結果を誰が負担するのか、そしてシステムを公開する前に開発者がどれほどの証拠を示すべきかに関わる。こうした問いは今や、AIを中心に重要なワークフローを構築するすべての企業、開発者、ナレッジワーカーにとって重要になっている。
Sam AltmanのAIリスク発言がトレードオフを明示する
Altmanは、業界で暗黙の了解とされてきた取引を明示的な政策姿勢へと変えた。すなわち、アクセスと個人の主体性は、破滅的でない一定の被害を許容する根拠になるという立場だ。
PoliticoのテクノロジーニュースレターDecodedのインタビューで、AltmanはAIの恩恵と引き換えに、世界は一定の悪い結果を受け入れるべきだと述べた。彼はこの許容を、人々が主体性と幅広い技術アクセスを維持することと直接結び付けた。
Reutersの報道は、争点となっているトレードオフの例として、詐欺、大規模なハッキング、悪用を挙げた。Altmanは、それらを排除するためにAIの管理を単一の研究所へ集中させる取引を退けた。
彼の論理は、技術政策でよく知られた問題から始まる。あるシステムは大きな総合的便益を生む一方で、詐欺、誤り、悪用といった個別の事例を可能にすることもある。すべてのインシデントをなくそうとすれば、正当な利用も妨げる制限が必要になる可能性がある。
Altmanは、ユーザーが生む有益な活動は有害な活動をはるかに上回ると考えている。そのため、OpenAIは彼が「より軽い規制」と表現した方針を支持する。このアプローチは、安全策、監視、法執行、そして社会のレジリエンス向上に依拠しながら、広範な利用を認めるものだ。
この発言が重要なのは、イノベーションと安全性のバランスに関する曖昧な言葉を、より具体的な立場に置き換えたからである。OpenAIは、自社が望む導入モデルではすべての有害事象を防げないことを認めている。そして、被害ゼロを求めることには受け入れがたいコストが伴うと主張している。
これは、OpenAIがあらゆるリスクを許容できると考えていることを意味しない。Altmanは、悪用や犯罪行為を、制御喪失を伴う破滅的な失敗とは区別した。彼は後者のカテゴリーには、より厳格な安全策と、必要に応じて開発の減速が求められると繰り返し述べている。
これにより、二つのリスク閾値が生まれる。上位の閾値より下では、開発者と機関が防御を改善する間、社会はインシデントを受け入れる。その閾値を超える場合、企業は人間による制御を強く立証できるまで、開発または導入を防がなければならない。
難しいのは、こうした閾値を示すことではない。どこで一方のカテゴリーが終わり、もう一方が始まるのかを決めることだ。
大規模な詐欺キャンペーンは既存法の下で訴追できるかもしれないが、高度な自動化システムは、そのキャンペーンを通常の法執行能力を超える規模へ拡大させうる。サイバーツールは防御側の研究者を支援する一方で、攻撃者による重要インフラ侵害も助けかねない。
同じ基盤的な能力でも、有益な文脈と有害な文脈の間を移りうる。アクセス制御、監視、モデルの振る舞い、ユーザーの意図が、実際の結果を左右する。
したがってAltmanの主張には、総合的便益に対する楽観論以上のものが必要となる。管理可能なインシデントがシステム全体の失敗になる前に、被害の拡大を検知できる制度が求められる。その負担は、より軽い規制モデルの下でも、部分的にはOpenAIにかかる。
この発言は重要な問いも未解決のまま残している。社会が一定の有害なインシデントを受け入れなければならない場合、どの被害が許容可能かを誰が決めるのか。
開発者は総合的な便益を推定できるが、詐欺、差別、セキュリティ侵害、あるいは職業上の置き換えによる損失を必ずしも負担するわけではない。プラットフォームにとって許容できる失敗率でも、影響を受ける個人にとっては壊滅的になりうる。
AltmanはOpenAIの理念を明確にした。しかし、そのコストを配分するための公的な計算式はまだ示していない。
OpenAIとAnthropicは不確実性を誰が負担すべきかで対立する
OpenAIとAnthropicの対立は本質的に、不確実性をユーザーと機関が負うべきか、それとも管理された開発環境の内部に留めるべきかをめぐるものだ。
Altmanは、合意する領域があるにもかかわらず、OpenAIとAnthropicの間には「大きな隔たり」があると述べた。両社がフロンティアAIによるリスクをどのように説明しているかを見ると、その距離はより明確になる。
フロンティアモデルとは、現在利用可能な能力水準の最上位に近いシステムである。このようなモデルは複雑な推論を行い、ソフトウェアツールを使用し、より長いワークフローにわたって行動できる。能力の拡大に伴い、その振る舞いは評価がさらに難しくなる場合もある。
Anthropicは、構造化された安全性へのコミットメントと、安全策が追いつかない場合には導入を減速させる姿勢を軸に、公共的なアイデンティティを築いてきた。同社の安全性ロードマップは、セキュリティ、アラインメント、評価、政策にまたがる技術目標を示している。
この枠組みでは、不確実性のより大きな部分を開発者の管理下に置く。企業は、ユーザーや機関を十分に理解されていない振る舞いにさらす前に、システムをテストし、制約を課し、または公開を遅らせるべきだとする。
OpenAIも評価を実施し、導入時の安全策を課している。しかしAltmanの発言は、一般アクセス、実験、個人による意思決定により大きな重きを置く。有用なアプリケーションが並行して発展する間に、社会が問題の管理を学ぶという考え方だ。
いずれの立場も、無制限の導入や恒久的なモラトリアムを意味するものではない。違いは、証拠がなお不十分な場合のデフォルトの対応にある。
Anthropicのアプローチは、広範な利用にさらす前に、より強い立証を求める方向に傾く。OpenAIのより軽い規制という立場は、システムが信頼できる破滅的な危険を示さない限り、より多くの公開を認める。こうした初期設定の違いは、リリース日程、アクセス規則、規制提案の違いにつながりうる。
この対立は、権力集中をめぐる競合する理論も反映している。Altmanは、悪用を防ぐために高度なAIを一つの研究所の管理下に置けば、それ自体が受け入れがたい危険を生むと主張した。民間企業が、誰に技術の恩恵を与えるかを実質的に決めることになる。
この懸念には重みがある。高性能モデルを制限すれば、既存の研究所が強化され、独立した研究が制約され、小規模企業が少数の提供者に依存することになりかねない。また、政府や一般市民が重要なシステムを把握する機会も減る可能性がある。
しかし、幅広いアクセスは説明責任より速く能力を分散させる。組織は、監査人、規制当局、保険会社、裁判所が信頼できる評価方法を整備する前にAIを導入できてしまう。ユーザーは、システムが機微なワークフローに入った後で初めて失敗の形態を発見するかもしれない。
Anthropicの慎重さも、権力集中をなくすわけではない。高度なシステムを安全に扱えるのは少数の開発者だけだと主張する企業は、自社の立場を強化しうる。安全規則は、小規模な競合他社には負担できない障壁になる可能性がある。
Associated Pressの分析は、安全性に関する主張が、真のリスク懸念と並行して政治的・商業的な目標を前進させうると指摘した。主要な研究所は、自らだけが満たす装備を持つ基準に影響を与えられる。
それは彼らの警告を無効にするものではない。政策提言は、表明された意図とは分けて評価すべきだという意味である。
最も強い規制設計は、両極端を避けるものになるだろう。研究所が自らの成果を精査なしに安全と認定することを許さない一方、既存企業に高度な能力への恒久的な支配権を与えることも避けるべきだ。
独立評価、インシデント報告、能力ベースの規則は、中間的な落としどころになりうる。どの企業が構築したかではなく、システムが何をできるかに応じて義務を定められるからだ。
信頼できる評価方法がなお発展途上にあるため、この対立は未解決のままである。改善されるまで、どちらのアプローチもアクセスを販売する企業の判断への信頼を必要とする。
本当の隔たりは通常の被害と破滅的リスクの間にある
OpenAIの立場が成立するのは、通常の悪用と破滅的リスクを早期に、信頼性高く、かつ独立して切り分けられる場合に限られる。
Altmanは、あらゆる便益があらゆる危険を正当化するとは主張していない。9月には国連安全保障理事会で、制御を失う可能性がわずかでも受け入れられないと語った。
彼の国連での発言は、二つの大きな危険を説明している。一つは、人々が理解または停止できる速度を超えてシステムが進展することだ。もう一つは、過度の権力が企業、政府、または小集団に集中することである。
これが、Sam AltmanのAIリスク論の背後にある中心的な緊張を生み出している。OpenAIは、制御喪失と、AIを狭い組織的管理下に置く安全体制の両方を避けたいと考えている。
同社が好む道筋は、リスク分類に依存する。AIで生成された詐欺は、新しいツールを使った従来型犯罪として扱えるかもしれない。重要インフラへの攻撃を自律的に開発するシステムは、より深刻なカテゴリーに属する。
被害の規模が性質を変えると、境界は不明確になる。一通の欺瞞的なメッセージは通常のリスクだ。しかし、自動的に生成・適応される何百万通ものパーソナライズされたメッセージは、既存の法執行システムの能力を脅かしうる。
サイバーセキュリティも同じ問題を抱えている。ソフトウェアの脆弱性を特定するモデルは、防御側が修正する助けになる。異なるアクセス権と指示を与えれば、その能力は攻撃者による多数のシステム侵害にも役立ちうる。
OpenAIのPreparedness Frameworkは、サイバーセキュリティ、生物学的脅威、AIの自己改善を含む領域で深刻なリスクを追跡している。高い能力と重大な能力を区別し、システムがそれらの閾値を超えるほど、より強い安全策を要求する。
この枠組みは重要だが、ガバナンス上の問いを解決するものではない。OpenAIの内部Safety Advisory Groupは証拠を検討し、安全策が深刻なリスクを十分に低減しているかどうかを勧告する。最終的な導入判断は会社の経営陣が保持する。
この構造は専門的な審査を提供するが、完全に独立しているわけではない。リスクを評価する企業が、製品スケジュールも管理し、導入から利益を得るためだ。
OpenAIは、外部評価と公開報告がこのプロセスを強化できるとしている。同社のガバナンス資料は、第三者テスト、モデルレポート、インシデント対応、取締役会の安全委員会による監督を求めている。
こうした仕組みは、外部の関係者に実質的なアクセスが与えられることで、より信頼性を増す。評価者には、現実的な挙動を検証するための十分な時間、システムへのアクセス、技術情報が必要だ。限定的なデモでは、モデル、ツール、メモリ、ネットワークの間で生じる危険な相互作用をすべて明らかにすることはできない。
タイミングも重要である。導入後に公開される独立報告書は社会に情報を提供するが、最初の有害なリリースを防ぐことはできない。実効性のある監督は、アクセスが拡大する前の意思決定に影響を及ぼさなければならない。
第2の課題は、導入後の学習に関するものだ。Altmanのアプローチは、社会が破滅的ではない失敗を発見し、修正できることを前提としている。そのためには、迅速な報告と、証拠の変化に応じてシステムを修正または撤回する意志が必要となる。
多くのAIインシデントは、企業ごとに開示方法が異なるため、比較が難しいままである。ユーザーはモデルに起因する失敗を認識できない場合があり、組織は侵害や高コストのミスを報告することをためらう可能性がある。その結果、規制当局は総体的な被害について不完全な把握しか得られない。
より軽い規制の仕組みは、より強力な透明性によって補われなければならない。そうでなければ、外部の関係者がその結論に異議を唱えるために必要なデータを持たないまま、企業は繰り返される被害を孤立したインシデントとして分類できてしまう。
重要な問いは、リスクをゼロにできるかどうかではない。できない。問われるのは、開発者が、よく知られた被害が組み合わさって新たなシステミックリスクになりつつあることを検知できるかどうかだ。
軽い規制にも測定可能な説明責任が必要
一定のリスクを受け入れることが正当化されるのは、受容されるリスクの範囲に強制可能な制限、可視化された証拠、影響を受ける人々のための救済措置がある場合に限られる。
Altmanの主張は、多目的技術をめぐる多くの社会的合意に似ている。自動車、医薬品、金融システム、インターネットは、現実の被害を生む一方で、大きな利益ももたらす。社会は完全な安全性を求めることなく、これらを規制している。
しかし、そうした合意には、失敗を測定し責任を割り当てる制度が含まれている。車両には設計基準、リコール、事故調査、責任制度がある。医薬品には、エビデンス、有害事象の報告、継続的な監視が求められる。
AIガバナンスは、なお定まっていない。能力評価には共通の基準がなく、開発者がツール、指示、新たなデータ接続を追加すれば、モデルの挙動は変わり得る。単独では安全に見えるシステムも、業務フローの中では異なる振る舞いをする可能性がある。
これは、自律型エージェントに特に関係する。エージェントとは、ツールを用いて複数の行動を計画・実行できるAIシステムのことだ。そのリスクは、権限、周辺ソフトウェア、誤った行動の結果に左右される。
チャットボットの誤りは、1人のユーザーに不便をもたらす程度かもしれない。だが、メール、コードリポジトリ、財務記録、本番システムにアクセスできるエージェントは、同じ誤りを組織的なインシデントに変え得る。
したがって企業は、OpenAIをめぐるAI規制論争を抽象的な政策上の対立として扱うことはできない。政府がより大きな問題について結論を出す前に、AIシステムにどこまでの権限を与えるかを決めなければならない。
実務的な統制には、権限の制限、重要な行動に対する人間の承認の義務化、活動ログの記録、復旧手順のテストが含まれる。組織はまた、低リスクの生産性向上タスクと、金銭、インフラ、法的判断、個人データを伴う行動を分けるべきだ。
こうした措置は、広範なアクセスを拒むものではない。モデルへのアクセスと、行動する権限は別の意思決定であることを認識するものだ。
ナレッジワーカーも、関連する課題に直面している。AIは文書を要約し、文脈を検索し、意思決定の草案を作成できるが、自信に満ちた出力は不足している証拠を隠すことがある。ユーザーは、主張に依拠する前に、その主張の裏付けとなるソース資料にアクセスできる必要がある。
検索可能なパーソナルナレッジベースは、その証拠の経路を維持する助けになり得る。AIの回答を正しくするものではないが、既知の文書と照らして主張を検証しやすくする。
政策における同等物はトレーサビリティだ。開発者は、システムが何についてテストされたのか、どの安全策が引き続き有効なのか、どの種類のインシデントが介入を引き起こすのかを開示すべきである。規制当局には、約束と観測された挙動を比較するのに十分な情報が必要だ。
説明責任には救済措置も含まれなければならない。AIを利用した詐欺によって消費者が被害を受けた場合、総体的な利益に関する幅広い説明はほとんど救いにならない。被害者には、報告窓口、調査、損失を回復するための仕組みが必要だ。
開発者が、自らのシステムを利用したあらゆる悪意ある行為について自動的に責任を負うべきではない。しかし、予測可能な悪用のパターンは、まれで予見不可能な不正利用よりも強い義務を生む。
繰り返される回避行為を観測している企業は、各インシデントをいつまでも孤立したユーザー違反として説明することはできない。統制を改善するか、アクセス継続がなお正当化される理由を説明しなければならない。
政府にも対応する役割がある。規則は、特定の技術設計を義務付けることなく、測定可能な能力と有害な行為を対象にすべきだ。また、企業が社内安全プログラムを維持しているという理由だけで、その企業を免除することも避けるべきである。
Associated Pressが報じた最近の任意協定には、内部統制、外部監査、取締役会レベルの審査が含まれていた。こうした措置は有用な枠組みを生むが、自主的なコミットメントは一貫した実施と開示に依存する。
監査の強度は、その範囲、アクセス、結果の重みに左右される。規制当局と顧客は、監査人がリリース判断に異議を唱えられるか、未解決の指摘事項が導入を遅らせるかを知る必要がある。
OpenAIの軽い規制アプローチは、実質的な説明責任を支え得る。軽い規制は、見えないリスク受容や定義されていない責任を意味してはならない。
OpenAI自身の安全コミットメントがその主張に圧力をかける
Altmanに対する最も強い反論は、フロンティアシステムには異例に厳格な統制が必要だというOpenAI自身の警告から生じる。
OpenAIは近年、能力を増すモデルについて、通常の消費者保護を超える対応を求める表現で説明している。同社の安全性に関する公開資料では、自律的な行動、サイバー能力、監視、封じ込め、制御を失う可能性が論じられている。
こうした懸念は、必ずしもAltmanの立場と矛盾しない。彼は深刻な悪用と破滅的な危険を区別し、後者にはより強い介入を支持している。しかし、同社が並外れたリスクを警告しながら、より重い規制に反対する場合、その区別は政治的に難しくなる。
社会は、モデルが境界線を越えた時点をOpenAIが判断することを信頼しなければならない。その信頼は、同社が責任を理解しているという繰り返しの保証ではなく、証拠に依存する。
Altmanは国際連合で、企業が民主的なプロセスに取って代わるべきではないと述べた。また、共通の国際基準、インシデント報告、安全策を評価するための共有手法も求めた。
こうした立場は、「軽い規制」という表現が示唆するより介入主義的だ。OpenAIは、アクセスを制限したりリリース時期を規定したりする広範な制約には抵抗しつつ、フロンティアリスクに対する規則を支持しているように見える。
それは一貫した政策になり得る。破滅的な能力には狭く厳しい規則を適用し、通常の悪用には既存法と対象を絞った安全策で対処できる。
しかし、このモデルは、不確実なリスクを最高の閾値未満に分類する誘因を生む。破滅的との指定は、リリースを遅らせ、コストを増やし、規制上の監視を招く可能性がある。通常リスクとの指定は柔軟性を維持する。
したがって、独立した評価が不可欠である。開発者は技術的な証拠を提供すべきだが、分類に関する排他的な権限を持つべきではない。
OpenAIの枠組みには、競争上の調整条項も含まれている。同社は、別の開発者が同等の安全策なしに高リスクシステムをリリースした場合、要件を変更する可能性があるとしている。その際には、変更を公表し、事前にレビューを行うことを約束している。
この条項は、現実の協調問題を反映している。責任ある1社が、すべての競合企業の行動を統制することはできない。危険な能力が他所で利用可能なままであれば、厳格な単独の安全策は失敗し得る。
同時に、それは潜在的な安全性競争を生む。各社は、別の開発者によるリリースを、リスク環境が変化した証拠として挙げられる。その結果、個別には合理的な一連の判断を通じて基準が弱まる。
Anthropicが望ましいとする対応は、その連鎖が始まる前に協調を強化することだ。OpenAIの対応は、競争下でもアクセスを維持する安全策をより重視している。
どちらの道筋も商業的圧力をなくすものではない。投資家、顧客、従業員、政府はいずれも先進的な能力を評価する。安全チームは、製品の出荷と市場における主導権の確立を促す強い誘因を持つ組織の内部で活動している。
だからこそ、公的なコミットメントは観測可能な行動と結び付かなければならない。企業は、評価によっていつリリースが遅れたのか、どのような欠陥が見つかったのか、どの変更によってそれらが解消されたのかを説明すべきだ。
OpenAIは、安全策が開発に追いつかなかった際に開発を減速させたとしている。特に技術文書と組み合わせれば、これは関連する証拠となる。それでも外部の関係者には、最終的な統制が当初の危険に対処したかを評価するのに十分な詳細が必要だ。
Altmanの主張を懐疑的に読むなら、結論は明快だ。「いくつかの悪いこと」は、目に見える破滅に至らないあらゆる失敗を取り込む柔軟なカテゴリーになり得る。
より擁護しやすい解釈は、より狭い。通常の法律と適応的な安全策が限定された悪用を扱い、厳格な能力の閾値が制御不能な結果をもたらすシステムを防ぐ、というものだ。
どちらの解釈が適切かは、今後のOpenAIの判断によって決まる。インタビューは哲学を示したが、導入の選択がその実務上の限界を明らかにする。
Sam AltmanのAIリスクに関する立場を試す3つのシグナル
次の試金石は、OpenAIがリスク哲学を、被害が蓄積する前に外部の関係者が評価できるリリース規則へと転換するかどうかだ。
第1のシグナルは、独立したモデル評価の質である。OpenAIは第三者評価を支援してきたが、有意義な独立性にはアクセス、時間、権限が必要となる。
評価者が単独のモデルではなく、完全なシステムをテストするかに注目すべきだ。ツールの利用、メモリ、ネットワークアクセス、組織上の権限は、同じ基盤能力がもたらす結果を変え得る。
開示のタイミングにも注目すべきである。広範な導入前に公表される評価は、リリース判断を左右し得る。導入後に公表される報告書は、主に企業がすでに下した選択を記録するものとなる。
強力な独立テストは、破滅的リスクを許容可能なリスクから分離できるというAltmanの主張を補強する。限定的なアクセスや遅延した報告は、その主張を弱めるだろう。
第2のシグナルは、OpenAIが実際のインシデントをどのように報告するかだ。同社の軽い規制という立場は、広範なアクセスを放棄せずとも、社会が失敗から学べることを前提としている。
その学習には、詐欺、セキュリティ侵害、無許可の行為、有害な操作、安全策の回避について一貫した分類が必要だ。また、製品やユーザーをまたいで繰り返されるパターンを特定できるだけの詳細も求められる。
生のインシデント件数だけでは全体像を示せない。ユーザーが増えれば報告も自然に増え、検出の改善は一時的にパフォーマンスを悪化させたように見せることがある。有用な開示には、深刻度、再発性、影響を受けた能力、企業の対応を含めるべきだ。
封じ込めと是正に関する透明な記録は、OpenAIの主張を支えるだろう。開示が乏しければ、許容範囲内とされる被害が本当に範囲内にとどまっているかを社会は判断できない。
第3のシグナルは、OpenAIとAnthropicの間にある政策上の隔たりだ。両社は、アクセスと規制の強度について意見を異にしながらも、近年、安全性テストと一定の政府監督を支持している。
具体的な立法上の立場は、インタビューよりも違いを明確に示すだろう。各社が義務的な評価、インシデント報告、監査人によるアクセス、責任、そして政府がリリースを延期する権限にどう対応するかを注視すべきだ。
OpenAIが執行可能な破滅的リスクのしきい値を支持しつつ、広範なアクセス制限には反対するなら、その立場は内的に一貫しているように見えるだろう。アクセス制限と独立した執行の双方に反対するなら、「より軽い規制」は自己規制に近いものに見える。
Anthropicにも独自の試練がある。より強力な統制が、最大規模の研究所をただ固定化するだけでなく、リスクを低減することを示さなければならない。システムがフロンティア級の能力を示さない場合、安全要件は小規模な開発者にとっても達成可能であり続けるべきだ。
より広い議論では、どちらの企業も中立的な審判として扱うべきではない。両社は重要な技術的知識、商業的利益、そして望ましい規制上の結果を持っている。
開発者と企業の購買担当者は、政策が最終的に製品へのアクセス、コンプライアンス上の義務、システム設計を形作るため、こうしたシグナルを追うべきだ。最終的な法制化を待つことは、組織がすでに理解しているリスクにさらされることを意味する。
まず、AIの利用を結果の重大性に応じて分類できる。下書き作成、検索、要約には検証が必要だ。金融上の行為、本番環境の変更、人に関する意思決定には、より厳格な承認および監査の統制が求められる。
チームは、AI生成の作業を取り巻くソース文脈も保持すべきだ。構造化されたAI workflowにより、証拠、判断、生成された要約を後のレビューに向けて結び付けておける。
Sam AltmanによるAIリスクの議論は、社会に対して、不完全さは受け入れつつも破局は受け入れないよう求めるものだ。それはもっともな目標だが、完全なガバナンス体制ではない。
決定的な問いは、OpenAIがデプロイ前に許容可能な害を定義し、その後のエスカレーションを検知し、両方の判断を信頼できる外部の監視に委ねられるかどうかだ。それまでは、広範なアクセスは、そのコストが企業のはるか外側に分散する政策上の選択であり続ける。
組織はいま、実務的な問いを一つ投げかけるべきだ。明日、AIシステムがあなたのワークフローで失敗した場合、モデル提供者の保証に頼らず、何が起きたかを特定し、被害を抑え、復旧できるだろうか。
