契約が決める、全50州にまたがるAI所有権争い

Google Newsは、全50州にまたがる鋭い対立を浮き彫りにした。政府は人工知能を導入できても、契約開始後に何が起きるかを真に管理できるとは限らない。

問いは単純に聞こえる。州政府機関がAIシステムを使い始めた時点で、それを所有するのは誰なのか。しかし、所有権はいくつもの異なる資産を指し得る。ソフトウェア、モデル重み、政府データ、生成出力、監査記録、職員のフィードバック、導入中に加えられた改善などが含まれる。

州がこうした資産を一括して譲渡可能なパッケージとして購入することはほとんどない。通常はベンダーのサービスをライセンス利用し、一部のデータに対する権利を保持する一方で、それ以外には制約を受け入れる。公共機関は、ベンダーがその背後の仕組みを支配している場合でも、意思決定に対する説明責任を負い続けることがある。

この不均衡こそが中心的な問題だ。州はサービスの迅速化、行政負担の軽減、情報へのアクセス改善を求める。ベンダーは知的財産、再利用可能なモデル、商業上の手法を守りたい。

どちらの立場にも正当性はある。対立が始まるのは、州が検査、テスト、移管、再構築できないAIシステムに対して、契約が州だけを責任主体として残すときだ。

Google Newsの見出しが示す契約上の問題

政府AIの所有権は通常、導入前に、住民の目にほとんど触れない調達文書の中で決まる。

州はサーバーを購入し、物理的な機器を所有できる。だが、現代のAI導入形態の多くは異なる。政府機関が取得するのは、クラウドのサブスクリプション、アプリケーション・プログラミング・インターフェース、分析プラットフォーム、またはマネージドサービスである場合が多い。

アプリケーション・プログラミング・インターフェース、すなわちAPIは、あるシステムが別のシステムに機能を要求できるようにする。政府機関はデータや指示を送信し、ベンダーは基盤となるモデルとインフラを運用する。

この形態では、運用上の利用と法的な所有権が分離される。部局はAIアシスタントを毎日使っていても、そのモデル重み、ソースコード、学習プロセス、支援インフラを所有しているとは限らない。

モデル重みとは、モデルの応答を形づくる学習済みの数値パラメータである。これらはしばしば、ベンダーが最も厳重に保護する資産の一つとなる。

政府機関は住民から提供された情報を所有している場合もある。しかし契約では、ベンダーがその情報を保持できるのか、そこから埋め込みを作成できるのか、製品開発に利用できるのかを明記しなければならない。

埋め込みは、AIシステムが関連情報を比較・検索するのに役立つ数値表現である。元の文書が別の場所に保存されていても、ソース資料に含まれる意味のあるパターンを保持し得る。

生成物はさらに別の層を生む。AIシステムは、事件記録を要約したり、給付申請を順位付けしたり、不正の疑いをフラグ付けしたり、検査を推奨したりする可能性がある。契約では、政府機関がそれらの出力を利用可能な形でエクスポートできるかを定める必要がある。

アクセスできることは、所有していることとは異なる。政府機関はダッシュボードで結果を閲覧できても、基礎となる記録を取得する権利や技術的能力を持たない場合がある。

この違いは、契約が満了する際に決定的となる。ベンダーは元の文書を返却しても、プロンプト、中間計算、信頼度スコア、モデルのバージョン、または人間による修正を省く可能性がある。

これらの記録がなければ、次の提供事業者は旧システムの作業を再現できない。監査人も、過去の判断がなぜ行われたのかを特定するのが難しくなる。

これは理論上の行政的な細部ではない。Electronic Privacy Information Centerは、潜在的な市場規模が7億2,000万ドルを超える可能性のある621件のAI契約を確認した。その調査は、27州とコロンビア特別区の記録を対象としている。

EPICが特定したシステムは、教育、医療、警察活動、公共給付に関わっていた。こうした分野では、不完全な所有権条項が、個人による不可欠なサービスへのアクセスに影響し得る。

したがって契約には、詳細な資産マップが必要となる。政府機関の入力、ベンダー資料、共同で作成された設定、システム出力、ログ、評価、導入後の改善を区別すべきだ。

そのマップはさらに、各資産を誰が、どの目的で、どれだけの期間利用できるのかも示すべきである。「州が自らのデータを所有する」という大まかな宣言だけでは、これらの問いに答えられない。

州には、バックアップ、派生物、下請事業者まで対象とする削除条項も必要だ。そうでなければ、ベンダーは目に見えるデータベースを削除しても、関連資料がサービス連鎖の各所に残り続ける可能性がある。

Google Newsで配信された見出しは全国的な問題を捉えているが、決定的な文言は地域レベルに残る。各調達部門は所有権を異なる形で定義できる。

導入は、完全な管理権を与えずに州へ責任を負わせる

公共機関は、技術的な構成要素のすべてを請負業者が所有している場合でも、住民に対する責任を外部委託することはできない。

政府の説明責任は、公共機能に伴う。AIシステムが給付、雇用、認可、教育、医療、警察活動に影響を与えるなら、住民はそれを利用する政府機関に異議を申し立てるだろう。

モデルを設計したのはベンダーかもしれない。システムインテグレーターが政府機関のデータベースと接続した可能性もある。クラウド企業が記録を保管している場合もある。それでも、結果として生じる判断を行い、伝達し、執行するのは州である。

この分担は説明責任の空白を生む。政府機関が法的・政治的な結果を負う一方で、重要な証拠はベンダーが管理するシステム内にとどまり得る。

例えば、給付機関が審査対象の申請に優先順位を付けるためAIを使う場合を考えてみよう。支援を拒否された住民は、どのデータが判断に影響したのか、誤りをどのように修正できるのかを尋ねるかもしれない。

政府機関に必要なのは、最終スコアだけではない。関連する入力項目、適用されたモデルのバージョン、処理履歴、判断ルール、人間による審査の記録が必要となる。

契約が現行ダッシュボードへのアクセスしか約束していなければ、政府機関は不服申立てに必要な証拠を欠く可能性がある。ソフトウェア更新によって、調査官が以前の判断を調べる前にシステムが変更されることもある。

モデルのバージョン管理は、特定の結果を生んだシステム構成を記録する。これは、従来の判断で用いられた正確な規則と事件記録を保管することに似た役割を果たす。

州の公文書法は、さらに複雑さを加える。政府文書には、開示、保存期間、保全の義務が課されることが多い。営業秘密に関するベンダーの主張は、技術資料へのアクセスを制限し得る。

営業秘密の保護には、現実的な商業上の目的がある。州はサブスクリプションを購入したというだけで、すべての独自モデルについて無制限の公開権を得るべきではない。

しかし、秘密保持が説明責任を一律に置き換えるものになってはならない。契約は、独自コードを全員に公開することなく、監査人、規制当局、裁判所、権限を付与された研究者に管理されたアクセスを提供できる。

この均衡には計画が必要だ。政府機関は、調査中と契約終了後にどの資料が利用可能でなければならないかを定義すべきである。また、それらの資料をどれだけの期間保持しなければならないかも定めるべきだ。

Colorado州のAI消費者法は、高リスクシステムを利用する組織、すなわちデプロイヤーへの注目が高まっていることを示している。その枠組みでは、影響評価、リスク管理、消費者への通知、特定の重大な判断に対する異議申立ての機会が求められる。

こうした義務は、文書化の重要性を高める。開発者が性能データやシステムの制約を開示しなければ、デプロイヤーは意味のある評価を実施できない。

同じ問題は、政府機関が差別的な結果を発見した場合にも生じる。機関には、システムをテストし、関連記録を取得し、是正措置を要求する権限が必要だ。

ベンダーの標準サービス契約は、リバースエンジニアリング、ベンチマーク、テスト結果の公表を制限している場合がある。こうした制限は、政府の監督義務と衝突し得る。

州は導入前にテスト権を交渉しなければならない。そこには、独立評価、人口統計別の性能分析、セキュリティレビュー、住民からの苦情を契機とする調査を含めるべきである。

契約では、テストで害が判明した場合に何が起きるかも定めるべきだ。選択肢には、是正期限、利用停止、追加の人間による審査、補償、懲罰的な退出費用なしの契約解除が含まれる。

人間による監督は、すべての問題を解決するわけではない。AIの推奨に疑問を呈するための十分な文脈がなければ、担当者はその推奨を意味のある形で審査できない。

スコアと「承認」ボタンだけを表示するインターフェースは、人間による審査を儀式的なものに変えてしまう可能性がある。政府機関には、説明、不確実性の指標、自動化された推奨を拒否する権限が必要だ。

したがって、ソフトウェアを誰が所有しているかにかかわらず、州は公共に対する責任を負う。この現実が、州が求めるすべての技術的・契約上の権利を形づくるべきである。

真の対立軸は公共による管理とベンダー依存

中心的な争いは州同士の対立ではない。公共による管理と、政府機関が移管も検査もできないシステムへの依存との対立である。

ベンダーは、多くの顧客にサービスを提供するため、再利用可能な製品を必要とする。州ごとに別個のモデル、インフラ構成、運用プロセスを構築すれば、コストが上がり、導入は遅くなる。

州もまた、共有型の商用プラットフォームから恩恵を受ける。成熟したベンダーは、一つの政府機関では単独で維持できないセキュリティチーム、頻繁な更新、専門エンジニア、検証済みの統合機能を提供できる。

危険なのは、民間の参加そのものではない。技術的、法的、または財政的な理由で提供事業者の切り替えが現実的でなくなるベンダーロックインである。

AIは、利用を通じてシステムが変化するため、このロックインを深める可能性がある。政府機関はプロンプト、政策文書、ワークフロー、ラベル、修正、評価結果を加える。

こうした追加要素は、導入済みサービスの一部になり得る。それらをエクスポートできなければ、州は離脱時に蓄積した運用上の知識を失う。

従来のデータベース移行は通常、テーブル、ファイル、スキーマに焦点を当てる。AIの移行ではさらに、埋め込み、検索設定、安全ルール、プロンプトテンプレート、評価セット、モデル固有の統合機能が必要になる場合がある。

検索システムは、モデルが回答を生成する前に、承認済みの情報を検索する。その有用性は、文書処理、アクセス制御、ランキング設定、時間とともに収集されるフィードバックに左右される。

所有権に関する文言は、こうした構成要素を個別に対象としなければならない。そうでなければ、ベンダーは元の文書を返却しても、それらを有用にしていた設定を保持できてしまう。

この課題は、本を所有することと、機能する目録を所有することの違いに似ている。コンテンツ自体は技術的には利用可能なままでも、整理システムが失われると実用的なアクセスは崩壊する。

すでに大規模な文書コレクションを管理しているチームは、この違いを理解している。検索可能なナレッジベースは、単なるファイルの保有ではなく、構造、権限、検索品質に依存する。

連邦政府も同じ調達上の問題への対応を始めている。2026年4月のGAOレビューは、複数の主要機関におけるAI調達を調査した。

選定された5機関すべての職員は、データ所有権と知的財産権を課題として挙げた。GAOは、可搬性、明確なライセンス、価格の透明性、ベンダーロックインに対する保護の必要性を強調した。

ポータビリティとは、単にスプレッドシートをダウンロードできることではない。再利用に必要な関係性やメタデータとともに、文書化された形式でデータの状態を保持する必要がある。

モデルのポータビリティはさらに難しい。独自モデルは、別のクラウドやベンダーへ移行できない場合がある。その場合、契約では、モデルを取り囲む状態由来のレイヤーを保持すべきだ。

こうしたレイヤーには、プロンプト、評価ケース、業務ルール、システム指示、ワークフロー定義、パフォーマンス履歴などが含まれる。これらを維持することで、中核モデルを置き換えるコストを抑えられる。

州はまた、あらゆる改善をベンダーの所有物として扱うべきではない。政府機関の職員が、出力の修正や専門的な指示の開発に数カ月を費やすこともある。

公正な契約では、ベンダーの一般製品に対する改善と、政府機関向けに作成された設定を区別できる。また、共同開発した成果物を両当事者にライセンス供与することも可能だ。

データ利用にも同様の精密さが求められる。サービス運用のために利用される政府情報が、ベンダーの汎用モデル向け学習データに自動的に転用されるべきではない。

学習を禁じる条項は、実効性を持つよう、学習を十分に広く定義しなければならない。ファインチューニング、評価、プロダクト分析、合成データ作成、人手によるレビューを対象に含めるべきだ。

ファインチューニングは、追加の事例を使ってモデルを適応させる手法だ。ベンダーが基盤モデルを再学習しない場合でも、政府機関とのやり取りから商業的価値を引き出すことはできる。

契約では、曖昧な制限だけに頼るのではなく、許可される目的を明確にすべきだ。データをセキュリティ、サービス改善、不正利用検知、新製品開発に利用できるかどうかを規定する必要がある。

下請け事業者にも同じ境界が必要だ。州の主要プロバイダーは、クラウドホスト、モデル開発者、監視会社、人手レビューサービスに依存している場合がある。

参加者が増えるたびに、別のコピー、ログ、派生成果物が作られうる。表紙に記載されたベンダーだけに所有権保護が適用されるなら、その保護は弱まる。

州は標準条項や共同調達を通じて対応できる。共有された文言は交渉コストを下げ、各機関が同じ問題を個別に解決する事態を防ぐ。

ただし、標準化は最低基準を定めるものであり、用途間の違いを消すべきではない。公共コミュニケーション向けの文章作成支援と、Medicaidの受給資格に影響を与えるシステムでは、リスクが異なる。

所有権の問題は、その結果の重大性に応じて扱うべきだ。高リスクの導入には、より強力な監査アクセス、より長期の保持、より明確な不服申立て記録、より迅速な停止権が必要となる。

50州は異なる速度でルールを整備している

州ごとのパッチワークは、50の完全な所有権フレームワークというより、制度、予算、法律、リスク許容度の違いを反映している。

「50州、50通り」という表現は、すべての州がアプローチを確立したかのような印象を与えかねない。利用可能な証拠は、より整然としていない状況を示している。

一部の州は、集中的なAI方針や指定された監督責任者を設けている。他方で、既存のプライバシー、サイバーセキュリティ、調達、公文書に関する規則に依存している州もある。

多くの州は、依然として契約文言を整備中だ。National Conference of State Legislaturesは、2024年の調査で、AI調達に関する優先条項を持つ回答者はわずか9％だったと報告した。

さらに62％はそうした文言を開発中で、29％は着手していなかった。これらの数字は成熟した全国制度ではなく、移行期を表している。

NCSLの政府におけるAIの概要も、インベントリ、評価、職員向けガイダンス、調達基準への関心が高まっていることを記録している。

インベントリは基本的な問いに答える。AIはどこで使われているのか。政府は特定していないシステムを管理できない。

強力な中央方針であっても、個別の機関を通じて購入されたツールを見落とす可能性がある。AI機能は、新たな調達プロセスなしに、通常のソフトウェア更新を通じて導入されることもある。

顧客サービスプラットフォームが自動要約を追加するかもしれない。人事システムが候補者ランキングを導入する可能性もある。ケース管理製品が予測的な推奨を追加することもある。

州が「人工知能」と明記した公募を出すとは限らない。したがって、AIがアップグレード、下請け事業者、組み込み機能を通じて導入される場合にも、所有権と監督に関する条項を適用しなければならない。

契約では、ベンダーが重要なAI機能を有効化する前に通知することを求めるべきだ。その後、機関には評価、拒否、追加の保護措置に関する交渉を行う権利が必要となる。

重要な機能とは、データ利用、意思決定への影響、リスク、運用コストを変えるものだ。軽微なインターフェース改善に同じ審査は必要ない。

州の組織構造も、誰がこうした条件を課せるかに影響する。集中的な技術部門は、機関横断で共通要件を設定できる。分権的な州では、個々の部門や調達担当者に依存する場合がある。

予算能力も重要だ。大規模な州は、専門の法律家、セキュリティ専門家、データサイエンティストを雇用できる。より小規模な自治体は、ベンダー文書への依存度が高まる可能性がある。

この格差は、共有可能な公共リソースの必要性を強める。モデル条項、評価テンプレート、インシデント定義は、すべての州を同一の方針に縛ることなく役立てられる。

National Association of State Procurement Officialsは、調達を成功させるには、調達、技術、法務、プライバシー、事業チームの連携が必要だとしている。同団体の調達ガイダンスも、契約締結後の監視の重要性を強調している。

この部門横断的なアプローチは不可欠だ。単一の部門だけでは、リスク全体を把握できないためである。調達部門は契約上の交渉力を理解し、事業担当者は支援対象となる意思決定を理解している。

技術チームはアーキテクチャとポータビリティを評価する。プライバシー担当者はデータ利用を検討する。公民権の専門家は、システムが不平等な結果を生む可能性を評価する。

州の法務担当者は、公文書法と適正手続きの要件を解釈する。セキュリティチームは、ログ、統合、モデルアクセスが新たな攻撃経路を生むかどうかを判断する。

あらゆる疑問が後から持ち込まれると、プロセスは遅くなる。ベンダーが提案書を提出する前に、機関が所有権要件を定めておけば、プロセスは速くなる。

明確な要件はベンダーにも役立つ。企業は求められる権利を正確に価格設定でき、不確実な交渉に何カ月も費やさずに済む。

現在のパッチワークは、リスクであると同時に試験場でもある。州は、パイロット、紛争、監査、契約更新を通じて、どの条項が機能するかを見出している。

ただし、住民がその結果を負う場合、試行には限界がある。失敗したチャットボットは不便にすぎない。不透明な受給資格システムは、食料、医療支援、住宅支援を拒む可能性がある。

州には、重大な用途に対する共通の最低基準が必要だ。その基準には、追跡可能な出力、監査アクセス、データポータビリティ、インシデント報告、強制力のある退出権を含めるべきである。

この基準を上回る部分では、州は地域の法律や制度に合わせてガバナンスを適応できる。均一性より重要なのは、どの導入でも説明責任が証拠を欠かないようにすることだ。

所有権に関する文言でも保証できないこと

強力な契約は交渉力を生むが、AIシステムを正確、公正、安全、理解可能なものにするわけではない。

州は生成されたすべての記録を所有していても、不十分なシステムを導入する可能性がある。従業員に評価能力がなければ、ソースコードを取得しても意味がない。

技術的能力は依然として大きな制約だ。GAOは、連邦政府の調達チームがデータサイエンティストやサイバーセキュリティ専門家へのアクセスに苦慮していたことを明らかにした。州・地方機関は、しばしばさらに厳しい人員制約に直面する。

ベンダー文書は役立つが、独立した証拠ではない。性能に関する主張は、機関の対象人口、データ品質、ワークフロー、運用条件を用いて検証すべきだ。

研究環境で高い性能を示すモデルでも、導入後に失敗する可能性がある。方針は変わり、住民の行動は変化し、元データは劣化し、ベンダーは基盤モデルを更新する。

このプロセスはしばしばモデルドリフトと呼ばれる。データと現実世界の結果との関係が変化するにつれ、性能が低下または変化することを指す。

生成AIシステムには、別の変化も加わる。ベンダーは同じ製品名とインターフェースを維持したまま、基盤モデルを置き換えることができる。

新しいモデルは、同一のプロンプトに対して異なる応答を返すかもしれない。バージョン記録と変更通知がなければ、機関は変化した挙動を更新と結び付けられない。

契約では、重要な変更について事前通知を求めるべきだ。また、高リスクの本番利用前に、機関が更新をテストする時間を与える必要がある。

ただし、テストにも限界がある。まれな失敗はベンチマークをすり抜ける可能性があり、社会的な害は総合的な正確性スコアに現れない場合がある。

全体の正確性率は、人口統計グループ間の大きな違いを隠しうる。また、誤りが主として、すでに障壁に直面している人々に集中しているかどうかも見えにくくする。

所有権は、こうした測定上の選択を解決しない。どの結果が重要か、どの誤り率を許容できるかは、機関が判断しなければならない。

公共の透明性は別のトレードオフを生む。住民には、自らに影響するシステムについて意味のある情報を得る権利がある。ベンダーにも、独自の手法やセキュリティ上機微な詳細を保護する合理的な必要性がある。

ソースコードの公開が常に必要、あるいは十分とは限らない。より有用な開示は、システムの目的、データ分類、意思決定における役割、既知の制約、ベンダー、不服申立てプロセスを示すものかもしれない。

機関は、影響を受ける人々がシステムの役割を理解できるだけの情報を公開すべきだ。独立したレビュー担当者にも、より深い技術的証拠への管理されたアクセスが必要となる。

目に見える契約が存在しないことは、不正利用の証明ではない。同様に、契約が存在することも、責任ある導入の証明にはならない。

EPICの調査は、十分な市民参加がないまま、意思決定が民間システムへ移されていることへの懸念を示した。この批判を、契約されたすべてのAIシステムが違法または有害だという主張へ一般化すべきではない。

多くのツールは、より低リスクの管理業務を担っている。社内文書の要約、サービス要求の振り分け、重複記録の検出、職員による方針検索の支援などができる。

AIが事実を決定し、人を順位付けし、執行を推奨し、公共サービスへのアクセスを左右する場合、リスクは変わる。所有権保護は、その影響に応じて強化すべきだ。

主要キーワードにも固有の注意が必要だ。Google Newsで目にする見出しは発見の入口であり、完全な証拠記録ではない。

集約は、複雑な問題を一つの挑発的な問いに圧縮しかねない。読者は元の報道をたどり、公式契約、法律、監査、機関の方針を確認すべきだ。

検索上の可視性も、全国的な合意を示すものではない。利用可能な証拠が示しているのは、50の最終化された所有権モデルそのものではなく、断片化した調達環境である。

最も擁護可能な結論は、より限定的だ。州政府は異なる法制度・行政制度の下でAIを導入しており、多くの所有権ルールはなお未確定のままである。

契約は、その隔たりの一部を埋められる。しかし、有能な職員、継続的な監督、公共への通知、有害な決定を是正するプロセスを置き換えることはできない。

州のAIを実際に誰が管理しているかを示す三つの兆候

管理の実態は、洗練された製品デモではなく、モデル変更、市民からの異議、契約終了の局面で明らかになる。

第一の兆候は、標準的なAI契約条項の普及だ。州は、政府データ、生成物、監査ログ、学習制限、ポータビリティ、削除を対象とする文言を公開または共有すべきである。

標準条項は、所有権が広範な方針から強制力のある調達へと移行したことを示す。これがなければ、機関は重要な権利を契約ごとに交渉することになる。

第2のシグナルは、州がベンダーやモデルの変更をどう扱うかだ。行政機関には、組み込まれたAI機能、導入済みバージョン、更新内容、責任者を特定できるインベントリが必要になる。

ベンダーに対し、重要な変更を事前に通知するよう求める要件に注目すべきだ。また、そうした変更が住民に影響を及ぼす前に、行政機関が更新をテストできるかも確認したい。

州がこれらの移行を文書化すれば、公的機関が引き続き主導権を握っているという主張を強化できる。変更が黙って行われれば、その主張は弱まる。

第3のシグナルは、契約更新時または終了時に何が起こるかだ。実効性のある撤退テストでは、行政機関が記録を取り戻し、重要な業務フローを別の場所へ移せるかを確認すべきである。

このテストには、プロンプト、設定、評価、ログ、文書を含める必要がある。元の文書だけをエクスポートしても、運用システムを再現することはできない。

州は移行後の削除も検証すべきだ。そのプロセスは、稼働中のデータベース、バックアップ、派生成果物、関連する下請け業者を対象に含めなければならない。

これらのシグナルは、州が「自らのデータを所有している」とする宣言よりも重要だ。所有権が意味を持つのは、行政機関が必要なものを検査、統治、移管、保存できる場合に限られる。

住民は、公開AIインベントリ、影響評価、契約概要、異議申立て手続きに注目すべきだ。ジャーナリストは、こうした文書を調達記録やシステムの挙動と比較できる。

政府の調達担当者は、契約締結前にベンダーへポータビリティの実証を求めるべきである。サンプルのエクスポートによって、不足しているフィールドや独自仕様への依存を、それが高コスト化する前に明らかにできる。

技術チームは、行政機関が管理する評価セットを維持すべきだ。これは、バージョンやプロバイダーをまたいで性能を検証するために使う、代表的なケースの集合である。

プログラム責任者は、個別の結果を説明するために必要な記録を定義すべきだ。法務チームは、その記録を保存、開示、異議申立てに関する要件へ結び付けられる。

ベンダーにも機会はある。信頼できる監査アクセスと実用的な退出手段を提供する企業は、依存関係を前提としたプロバイダーとの差別化を図れる。

Google Newsは今後も、州のAI政策、導入、紛争に関する記事を取り上げ続けるだろう。決定的な証拠は、契約書と運用記録の中にあり続ける。

あらゆる行政機関にとって次の問いは実務的だ。過去の出力を説明できるか、新しいモデルをテストできるか、そして組織の記憶を失わずにプロバイダーから離脱できるか。

答えが「いいえ」なら、その州は重要な意味で導入環境を統制していない。単に利用を許可されているにすぎない。

公務員、ベンダー、住民は、影響の大きいシステムが拡大する前に、より明確な答えを求めるべきだ。次のGoogle Newsの見出しの背後にある契約を追い、誰がシステムを監査、移管、停止できるのかを問うべきである。