自社の文書がカナダ国内にとどまるという理由で、あるメーカーがAIベンダーを選んだとしよう。数カ月後、その企業はモデルを変更するにはシステム連携をゼロから再構築しなければならないこと、あるいはベンダーのエンジニアしかシステムの運用方法を理解していないことに気づく。データ自体はカナダのアドレスを持っているが、企業側の統制力は限られたままだ。
KPMGが2025年にカナダのビジネスリーダー750人を対象に実施した調査では、データをカナダ国内にとどめるソブリンデータ構想に民間企業が参加するためのインセンティブを、90%が支持した。
その懸念は重要だ。しかし企業でAIを選定・導入する立場から言えば、「ソブリンAI（自国によるAI主権）」とは単に自国でデータを保管すること以上の意味を持つべきだと考える。それは、モデルやインフラ、そしてシステムの運用を担う人材に関する有意義な選択肢を保持し続けることを意味すべきだ。
筆者の会社では、伝統産業におけるAIの導入支援と、プライベート環境での構築の選択肢、ならびにハンズオンでのエンジニアリングを組み合わせている。このアプローチは、導入側がどのようなベンダーに対しても適用すべき原則を反映している。すなわち、AIを導入することが、自社におけるその活用方法への主導権を放棄することになってはならないのだ。
保管場所にとどまらず、データの追跡を徹底する
文書はカナダに保管しているが、顧客からの質問の処理は国外へ送信しているアプリケーションを考えてみてほしい。国内保管だけでは、やり取りの全プロセスを国内にとどめることはできない。
英国政府の「AIプレイブック」では、自組織のデータに関して確認すべき質問として、データの処理場所、将来のモデル学習に使用されるか否か、保存期間、ログへのアクセス権限などを挙げている。
調達プロセスの有効な実践方法として、1つの顧客対応を最初から最後まで追跡してみることが挙げられる。最初のリクエスト、取得された文書、モデルの応答、バックアップ、サポートのアクセス権限を含めて追跡する。そしてベンダーに対し、各段階に関与する組織や管轄権（法域）、ならびに責任者を明確にするよう求めるのだ。
次に、地理的要素と管理権限を区別して検討する。アクセス権限を管理しているのは誰か。暗号鍵を所有しているのは誰か。ホスティング地域やモデルプロバイダーの変更を承認できるのは誰か。
調達の成果物として得られるべきなのは、単に「ローカルでホスティングされている」という約束ではなく、システムが情報をどのように処理しているかについての明確な説明だ。
モデルとその運用環境を選択する
モデルの選択とホスティングの選択は、セットで評価する必要がある。
ベンダーのパブリックサービスを通じて利用可能なモデルが、自社の指定する環境での展開に対応しているとは限らない。選定段階では、自社が使用を予定している具体的なモデルとホスティングの組み合わせについて、デモをベンダーに求めるべきだ。
オープンソースモデルやオープンウェイト（重み公開型）モデルも検討に値するが、これらの用語は同義ではない。オープンソース・イニシアティブ（OSI）による定義では、ダウンロード可能なモデルの重み（パラメーター）だけでなく、関連コード、学習データの情報、そしてシステムを使用、研究、改変、共有する自由が求められている。
重要なのは、ベンダーが「オープン」と称するものを提示しているかどうかではない。自社が実際に運用、改変、そして保持できるのが何であるかだ。
そこにはトレードオフが存在する。英国のAIプレイブックも指摘するように、モデルのプライベートホスティングには、セキュリティ、更新、インフラ、専門的な運用スキルに対する責任が伴う。
組織によってはマネージドサービスがより良い選択肢となる場合もある。また、専用インフラやプライベートクラウド、仮想プライベートサーバー（VPS）を優先する組織もあるだろう。しかし、これらの名称は検討の出発点にすぎず、主導権が保証されるわけではない。
選択肢を比較する際は、具体的な業務タスクを基準にすることをお勧めする。例えば販売代理店であれば、顧客ごとの価格設定権限を尊重しつつ、製品の技術的な質問に正確に回答できるかどうかだ。ケベック州の事業者であれば、顧客が実際に使用するフランス語に対応できているかの検証などが挙げられる。
最良の選択とは要件を満たすものであり、必ずしも最も派手なデモを見せるモデルではない。
エンジニアリング支援を自社の能力向上につなげる
モデルやホスティング環境の選択肢は、自社でその決断を実行・維持できて初めて役立つものとなる。
フォワードデプロイド・エンジニア（常駐型エンジニア）は、顧客チームを放置して設定を丸投げするのではなく、現場のチームと並走して作業を進める。彼らの最も価値ある貢献は、現場の運用知識を人間が理解・監督できるシステムへと落とし込むことだと考える。
販売代理店を支援するAIエージェントを例に考えてみよう。在庫確認、見積作成、値引きの承認はそれぞれ異なる責任を伴う。筆者であれば、各プロセスに対して個別の権限を定義し、どの段階で人間が引き継ぐかを明確にする。
また、支援プロジェクトにおいては明示的なナレッジトランスファー（知識伝達）が必要だ。ドキュメントの維持、社内管理者の育成、障害発生時の復旧手順の説明を誰が担うのかを明確にする必要がある。
導入時の受領テストとして有効なのは、導入を担当したエンジニアが手取り足取り指導しなくても、顧客のチーム自身が承認済みのビジネスルールを更新し、結果を検証できるかどうかだ。
外部のサポート自体は継続的に価値を持ち得る。しかし、特定のチームに依存し続けるかどうかは、主体的な意志決定に基づくものであるべきだ。
方針変更への対応力を検証する
前述の英国プレイブックにあるAI調達ガイドラインでは、ベンダーロックイン、継続的サポート、新開発された知的財産の所有権について検討するよう明確に求めている。
パイロット（実証実験）の段階で、これらの検討事項をデモを通じて実際に検証することをお勧めする。
承認済みの2つ目のモデルで代表的なタスクを実行し、精度、権限管理、人間へのエスカレーションの動作を比較してみる。自社のナレッジと設定データをエクスポートし、別のチームが実際に再利用できるか確認する。また、別の承認済みホスティング環境へ移行する際の手順、コスト、予想されるシステム中断時間について説明を求める。
その目的は、移行が容易であることを証明することではない。どのような選択肢が引き続き利用可能であり、その選択を実行するには何が必要かを理解することだ。
そのため筆者は、企業のナレッジ、運用ルール、評価ケースを特定モデルから切り離し、企業自身が独自に保持できる形式で管理することを推奨している。
ソブリンAIとは、すべてを自社でゼロから構築することや、外部プロバイダーを完全に排除することを意味しない。筆者の考えるソブリンAIとは、自社がどの依存関係を受け入れているかを把握し、それらを変更できる現実的な手段を維持しておくことだ。
正式契約を結ぶ前に、最後の質問を投げかけてみてほしい。「来年、当社の要件が変わった場合、最初からやり直すことなく変更できるものは何か」と。
その答えこそが、サーバーの設置場所などよりもはるかに饒舌に、企業が主導権を握れているかどうかを物語っている。
