Eric SchmidtがGoogle SearchからAI戦略へ移った軌跡

AI政策の議論でEric Schmidtが重要な理由

Eric SchmidtがAI政策で重要なのは、世界的なテクノロジープラットフォームを運営した経験と、国家の技術力を築こうとする取り組みをつないでいるからです。彼の影響力は、選挙で選ばれた公職に就いたことや規制を書いたことから生まれたものではありません。エンジニアリング、投資、組織運営の課題を、政府関係者が予算を付け、担当を決め、進捗を測れる提言に翻訳する力にあります。

この違いを押さえると、論点がぶれません。Googleで過ごした年月が、政府関係者が彼の意見に耳を傾ける理由を説明しますが、これは伝記でも検索の歴史でもありません。重要なのは、データ、インフラ、技術人材、迅速な製品改善に関する経験が、その後の国家安全保障と人工知能の仕事にどう生かされたかです。

国家AI戦略とは、研究、商用導入、公共部門での利用、安全保障、監督を進めるための政府の協調計画です。大学への資金、人材の移民、半導体供給、データセンター、エネルギー、政府調達、技術標準、労働力の育成、国際協力を扱います。また、どこで制限が正当化されるか、失敗の責任を誰が負うか、市民が有害な自動判断にどう異議を申し立てられるかも決めなければなりません。

Schmidtの公的な活動には、四つの論点が通っています。

• イノベーションは、研究、企業の立ち上げ、導入の速さ、資本と計算資源へのアクセスに関わります。
• 安全保障は、防衛分野での導入、サイバー作戦、情報活動、モデルの保護、危険なデュアルユース能力を扱います。
• ガバナンスは、テスト、文書化、監視、責任、救済を通じて責任の所在を定めます。
• 競争は、米中関係、同盟国との連携、先端半導体、技術標準、人材に関わります。

これらの論点は重なりますが、同じものではありません。国内の計算能力を増やす政策は、研究と防衛を支える一方で、電力システムへの負荷を高める可能性があります。輸出規制は、競争相手の先端ハードウェアへのアクセスを遅らせる一方、国内の供給企業にコストを負わせることがあります。安全要件は高リスクの場面で人を守れますが、低リスクの事務ツールにも同じ形で適用すれば無駄になり得ます。

Schmidtの重要性は、この運用面からの捉え方にあります。国家戦略は、AIが重要だという宣言ではありません。公的な目標が実装の現実にぶつかっても生き残れるかを左右する、制度、予算、技術システム、インセンティブ、期限の組み合わせです。

技術リーダーからGoogleの大規模運営へ

Schmidtの技術者としての経歴は、後の政策提言にも現れた組織上の問題を直接経験させました。コンピュータ科学を学び、Bell Labs、Sun Microsystems、Novellで働いた後、2001年にGoogleの最高経営責任者として加わりました。Googleにはすでに創業者、検索技術、急成長する利用者がいました。彼の役割は、その勢いを、市場や製品をまたいで安定して運営できる会社へ変えることでした。

彼は2011年までGoogleのCEOを務めました。この時期、同社は計算インフラ、広告事業、従業員、製品群を拡大しました。得られる教訓は、成長以上のものです。組織が人を採用し、計算資源を配分し、変更をテストし、障害から復旧し、必要な速さで意思決定できなければ、技術的な発明の価値は限られます。

検索は、こうした運用の規律とのつながりをよく示します。概念的には、検索システムは三つの異なる仕事を担います。

• クロールは文書を見つけ、Webの変化に応じて再訪します。
• インデックス作成は、見つけた情報を効率よく検索できるよう整理します。
• ランキングは、特定の検索語と意図を最も満たす結果を推定します。

どの仕事もインフラ、データ品質、測定、継続的な保守に依存します。有用なランキング変更は、言語、まれな検索、スパムの試み、突発的なニュース、遅いネットワーク、数十億件のやり取りに対応しなければなりません。世界規模のサービスでは、小さなエラー率でも毎日大量の不適切な結果につながります。

検索の時代は、統制された実験も当たり前にしました。チームは提案した変更を既存システムと比較し、利用者の行動を観察し、失敗例を調べ、証拠が不利になればリリースを戻せました。監視とロールバックは、導入後に足す事務作業ではなく、製品の一部でした。

信頼は測りにくいものの、同じほど重要でした。検索順位は人が目にする情報に影響し、データ収集にはプライバシーと安全保障の責任が伴います。結果が操作されている、安全でない、常に不正確だと感じれば、利用者はサービスを離れるかもしれません。政府もAIで似た問題に直面します。システムが内部の性能目標を満たしていても、人々が判断を理解し、異議を唱え、回避できなければ正当性を失います。

このたとえには限界があります。国はテクノロジー企業ではなく、市民は顧客ではなく、公的権限をプロダクト管理に還元することはできません。政府は法に従い、憲法上の権利を守り、適正手続きを支え、異なる権限を持つ機関に説明責任を負います。Schmidtの民間部門での経験は、運用上の詰まりを見つける場合に役立ちます。企業の速さを民主的な説明責任の代わりと扱うとき、その説得力は弱まります。

Schmidtの政策的影響力を生んだ公的役割

Schmidtが国家の技術政策へ移った過程には、正式な諮問役と民間資金による取り組みが連続していました。これらの役割により、国防指導者、議員、技術専門家、政策スタッフと接点を持ち、その影響を評価できる公文書も残されました。

2016年、国防長官Ash Carterは、新設されたDefense Innovation Boardの委員長にSchmidtを選びました。その任務は、組織運営、ソフトウェア、データ、人材、技術導入の迅速化について、国防総省の指導者へ助言することでした。同委員会は軍事作戦を指揮したり契約を発注したりはしません。大規模な官僚組織が現代技術や民間の供給企業とより効果的に協働できるようにする提言を作成しました。

その後、議会は一般にNSCAIと呼ばれるNational Security Commission on Artificial Intelligenceを設置しました。Schmidtは15人から成る超党派委員会の委員長を務め、元国防副長官Robert Workが副委員長を務めました。法定の任務は、米国が国家・経済安全保障のニーズに対応するため、AIと関連技術をどう発展させるべきかを提言することでした。

NSCAIは2021年に大統領と議会へ最終報告書を提出しました。報告書は16章で構成され、防衛分野での導入、技術人材、研究インフラ、マイクロエレクトロニクス、同盟、責任ある利用、中国との競争について、詳細な実行計画を示しました。その意義は、戦略上の主張と実装可能な提案を結び付けた点にあります。政府関係者は、AIへの投資を求める抽象的な訴えを受け入れるだけでなく、組織構造、採用プログラム、予算の考え方、テスト要件を取り出せました。

NSCAIの活動終了後、Schmidtは2021年にSpecial Competitive Studies Projectを設立しました。この民間の運営財団は、国家安全保障、経済、社会との関係でAIや他の新興技術を研究しています。Schmidtが議長を務め、スタッフとアドバイザーは政策提案を発表し、公民の意思決定者を招集し続けています。

これらの役職は、助言者が政策に影響を与える四つの経路を示しています。

• フレーミングは、問題の定義と、政府関係者が議論に使う言葉を形作ります。
• 実行計画は、大きな目標を組織、権限、プログラム、期限へ変えます。
• ネットワークは、政府機関と研究者、投資家、企業、元政府関係者をつなぎます。
• 継続的な取り組みは、委員会が解散した後も提言を議論に残します。

どの経路も、助言者に正式な統制権を与えるものではありません。議会がプログラムを認可し、予算を付けるかを決めます。行政府の機関が任務を解釈し、調達規則を書き、導入を管理します。裁判所、監察官、監査人、ジャーナリスト、市民社会は欠陥を明らかにできます。Schmidtは選択肢の一覧に影響を与えられますが、何を選び、何を継続させるかは公的機関が決めます。

NSCAIの戦略が主張したこと

NSCAIの中心的な主張は、AIの優位は単一の優れたモデルではなく、技術と制度のスタック全体に依存するというものでした。報告書はそのスタックを、人材、データ、ハードウェア、アルゴリズム、アプリケーション、統合で説明しました。どこか一層でも弱ければ、優れた研究室の成果を信頼できる国家能力に変えることはできません。

報告書は、国防総省と情報機関が2025年までにAIを広く統合するための基盤を整えるよう求めました。この目標は準備作業の期限であり、その日までに関係するすべての機関や任務がAI対応になるという認定ではありません。真剣な振り返りでは、どの基盤が作られ、どう機能し、どんな問題が残ったのかを問う必要があります。

提言は五つの実務的なテーマに分けられます。

• 政府導入には、上級のリーダーシップ、使えるデータ、現代的なソフトウェア、安全な計算環境、反復的な調達が必要でした。
• 人材政策には、新たな技術職の道筋、より良い訓練、柔軟な採用、国際的な専門知識への継続的なアクセスが必要でした。
• ハードウェア政策では、半導体製造、先端半導体へのアクセス、供給の集中、研究に注意を向ける必要がありました。
• 国家の研究能力には、公共投資と、計算資源、データセット、モデル、技術支援への幅広いアクセスが必要でした。
• 責任ある利用には、テスト、人間の判断、説明責任、監視、同盟国との協力が必要でした。

NSCAIを競争のための文書として要約すると、責任ある利用の部分が見落とされがちです。最終報告書は、国家安全保障システムには根拠ある信頼が必要だと主張しました。運用者は、システムが機能する場所、失敗する場所、敵対者がどう攻撃できるか、任務でどの程度のリスクを受け入れられるかを理解しなければなりません。政府機関内の責任あるAIのリーダーシップと、評価・ガバナンスのための多分野の支援を提案しました。

2021年の分析の一部は、生成AIが実務上の問題を変えたため古くなっています。汎用の基盤モデルは今や、一つのインターフェースを通じて文章、ソフトウェア、画像、音声、計画を作れます。最初からモデルを訓練せずとも、プロンプト、検索による補強、ファインチューニング、ツール利用で適応できます。これにより利用は広がりましたが、能力の境界を説明することは難しくなりました。

推論も、トレーニングと並ぶ戦略資源になりました。国がモデルを保有していても、病院、政府機関、研究所、軍部隊で使うための十分な計算資源、ネットワーク容量、電力、安全な導入環境がなければなりません。モデル窃取、悪意あるファインチューニング、合成メディア、エージェントによるツール利用、AIを使った生物学・サイバー分野の活動には、初期の戦略文書より多くの注意が必要です。

そのためNSCAIで今も有効なのは、システム全体を見る視点です。古くなったのは、AI導入が要件の安定した従来型ソフトウェアの道筋をたどり、更新を予測できるという前提です。現在の戦略は、変化するサービス、その周辺ツール、データの流れ、それに依存する人々を統治しなければなりません。

どの提言が目に見える制度になったか

後の米国の取り組みにはNSCAIの提案に似たものが複数あります。ただし、似ているだけでSchmidtや委員会が原因だったと証明されるわけではありません。立法、政府機関の活動、先行研究、商業上の圧力、安全保障上の出来事、大統領の政策変更が結果を形作りました。

国防総省は2022年2月、Chief Digital and Artificial Intelligence Officerの職を設けました。この組織は、データ、分析、AIに関する主要な責任を上級職の下へまとめました。この組織設計は、NSCAIが指摘した連携の問題に対応しています。データ、インフラ、政策、調達が分かれたままでは、散在する実証プロジェクトから省全体の導入は生まれません。

CHIPS and Science Actは2022年に成立し、半導体製造の奨励、研究、関連する人材プログラムに約530億ドルを充てました。その範囲はAIを超えますが、先端計算は半導体能力を国家戦略の直接の課題にしました。工場、パッケージング、製造装置、研究、熟練労働者、供給の安全性は、企業の購買判断だけに委ねられない政策課題になりました。

National Artificial Intelligence Research Resourceのパイロットは、研究者と教育者に計算資源、データセット、モデル、ソフトウェア、訓練、支援を提供するため、2024年に始まりました。2年目の進捗報告では、600件以上の研究プロジェクトと6,000人の学生を支援し、全州から参加があり、民間パートナーから約1億ドル相当の現物拠出を受けたと報告されました。これは、資金豊富な研究室とより広い研究コミュニティの隔たりを縮める、公民連携インフラの具体例です。

ホワイトハウスの2025 AI Action Planは、イノベーション、インフラ、国際外交と安全保障という三つの柱の下で、90件を超える連邦政府の行動を示しました。その政治的な重点は、以前の政策と異なります。民間部門による迅速な開発、データセンター建設、エネルギー供給、AI輸出、連邦政府での導入、先端計算への制限の執行をより重視しました。

2026年6月の国家安全保障覚書は、運用面の課題をさらに進めました。国家安全保障での導入、技術人材の採用、AI人材予備軍、共有データ・モデル環境、インシデント対応、安全対策、標準化された試験・評価・検証・妥当性確認手法に関する作業を指示しました。また、制御可能性を、システムを監視し是正措置を取る能力と定義しました。

これらを合わせると、国家の能力、技術人材、計算インフラ、制度間の連携、測定可能な評価といったSchmidtが強調した問題に、政策が収れんしていることが分かります。ただし、採用された解決策が十分か、適切に設計されているかは別の問題です。組織を作ることは、その組織に権限を持たせるより簡単です。プログラムを発表することは、予算を維持するより簡単です。評価方法を公表することは、優先される供給企業や緊急の任務に対して実際に適用するより簡単です。

研究、人材、インフラが戦略を実行可能にする

国家AI戦略が実行可能になるのは、研究、人材、計算資源、データ、導入ルールが一つのポートフォリオとして機能するときです。一つの要素に資金を付け、他をおろそかにすると、使われない能力や少数の供給企業への依存が生まれます。

公的な研究資金は、基礎科学、応用任務、評価手法、商業的な収益が不確実な取り組みを支えるべきです。移行の仕組みも必要です。大学のチームが価値ある手法を実証しても、安全なホスティング、製品開発、法的権限、保守予算、結果を引き受ける公的機関がなければ導入は止まります。

人材政策は、機械学習の研究者を増やして卒業させるだけでは足りません。政府には、ソフトウェアエンジニア、データエンジニア、サイバーセキュリティ専門家、プロダクトマネージャー、調達担当者、法律家、監査人、業務分野の専門家、技術上のトレードオフを判断できる上級職員が必要です。運用者なしに評価された防衛モデルは、現場条件で失敗するかもしれません。行政法の専門知識なしに審査された給付システムは、予測が統計的に正確でも適正手続きを損なう可能性があります。

計算政策では、トレーニングと推論を区別しなければなりません。大規模モデルのトレーニングには、限られた期間に集中した計算資源が必要です。そのモデルを多くの利用者に提供するには、アクセラレータ、メモリ、ネットワーク、ストレージ、電力、冷却、保守への継続的な需要が生まれます。開発予算だけを見て運用費を無視する調達計画は、拡大する余裕のない成功した実証プロジェクトを政府機関に残しかねません。

物理的なインフラも今や戦略の一部です。データセンターには、適した場所、信頼できる電力、送電容量、水または代替冷却設備、ネットワーク接続、交換用機器、緊急計画が必要です。有用な指標には、新たな容量を接続するまでの時間、稼働率、完了した処理ごとのコスト、障害後の復旧時間、承認済み環境で実行できる機微な処理の割合があります。

データ政策は、法的権限と目的から始まります。政府機関は、データセットがなぜ存在するのか、誰が使えるのか、いつまで保持できるのか、どの集団を十分に表していないのか、訂正がどう反映されるのかを知る必要があります。基になる記録の出所と変換の履歴が不明なら、評価は失敗を説明できないため、来歴は重要です。

プライバシー保護技術は情報漏えいを抑えられますが、ガバナンスの必要性をなくすものではありません。アクセス制御、安全な隔離環境、匿名化、差分プライバシー、連合分析、監査ログは、それぞれ異なる脅威に対応します。政府機関は、データ、利用者、攻撃モデル、関係する公的責任に応じて選ぶべきです。

導入は、一度きりの受け入れテストではなく、ライフサイクルに沿って行うべきです。

1. 判断、影響を受ける人々、法的権限、人間の責任者を定義する。
2. AIを使わない基準と、測定可能な便益目標を置く。
3. 想定する環境で性能、安全性、偏り、アクセシビリティ、悪用をテストする。
4. ログ、エスカレーション経路、インシデント報告、ロールバックを備えて段階的に公開する。
5. モデル、データ、政策、運用条件が変わった後に再評価する。

このプロセスは、小さく元に戻せる試行を可能にするため、速さを支えます。同時に、プロトタイプの印象的なデモを本番での根拠と取り違えることを防ぎます。

AIはデュアルユース能力を通じて国家安全保障を変える

AIは、分析と行動の速さ、規模、利用しやすさを高めることで国家安全保障を変えます。情報機関は、画像の調査、資料の翻訳、大量の文書の検索、サイバー上の異常の特定、分析官による兆候の結び付けに利用できます。軍事組織は、物流、保守、計画支援、センシング、自律システムに応用できます。

同じ能力は攻撃者も支援します。コード生成は、防御側がソフトウェアを調べる助けになる一方、敵対者が悪意あるプログラムを変化させる助けにもなります。文章生成は、個別化されたフィッシングや影響工作のコストを下げます。コンピュータビジョンは災害対応にも常時監視にも使えます。生物学モデルは正当な研究を助ける一方、有害な実験への障壁を一部下げる可能性があります。

このため、デュアルユース政策を禁止モデルの一覧に還元することはできません。リスクは、モデル、接続されたツール、利用可能なデータ、利用者のアクセス、導入環境、エラーの結果に依存します。外部への権限を持たない汎用モデルと、機密データベース、実験機器、金融口座、武器に接続された同じモデルでは、リスクが異なります。

政府調達には関連する難しさがあります。従来の契約は、安定した要件と、受け入れ前にテストできる製品バージョンを前提とします。AIサービスは契約期間中に、モデル、安全層、検索システム、学習データの構成、利用方針を変えることがあります。政府機関には重要な変更の通知と、更新が機微な業務に届く前に評価を繰り返す能力が必要です。

説明可能な国家安全保障での導入には、五つの統制が必要です。

• 偽陽性、偽陰性、遅延、ストレス下での失敗、敵対的な行動を測る、任務に応じたテスト。
• システムが利用できるデータ、ツール、行動を制限する最小権限アクセス。
• 承認、介入、エスカレーション、停止について明示された人間の権限。
• 供給企業の宣伝ではなく調査のために設計された継続的なログと監視。
• 更新、インシデント、データ利用、モデルへのアクセス、移行可能性、契約終了を扱う契約条件。

人間の関与は実質的でなければなりません。不確実性を隠す画面、確認できないほどの業務量、モデルへの異議を罰する組織文化があるなら、人に承認ボタンを押させても意味はほとんどありません。運用者には、訓練、時間、代替情報、出力を拒否する権限が必要です。

重大な結果を伴う用途には、より厳格な根拠が必要です。日常的な文書を要約するシステムなら許容できるエラーも、標的設定、情報警告、医療トリアージ、公的給付へのアクセスでは受け入れられません。速さは、用途に応じた審査と元に戻せる導入から得るべきであり、すべての用途の重要性が同じだと装うことから得るべきではありません。

米中競争はモデル競争より広い

米中のAI競争は、単一のモデル順位ではなく、産業力、研究、人材、エネルギー、サプライチェーン、導入、同盟に関わります。これをゴールのように扱うと劇的な主張を促し、何年にもわたって優位を支える制度を見えにくくします。

能力の比較では、何を測るのかを明確にしなければなりません。高性能モデルをトレーニングすることは、先端半導体を製造すること、産業全体にシステムを導入すること、信頼できるクラウド容量を供給すること、科学的発見を生むこと、AIを軍事作戦に統合することとは別です。ある国は一つの領域で先行していても、別の領域では外国の供給企業に依存しているかもしれません。

輸出規制は、選定された先端半導体と半導体製造装置へのアクセスを遅らせることを目指します。その効果は、技術的な対象範囲、執行、同盟国の参加、備蓄、迂回ルート、対象国が代替品を開発する能力に依存します。対象が狭すぎる規制はほとんど効果を持たないかもしれません。広すぎるルールは、顧客が米国の供給企業を離れたり、代替の加速を促したりする可能性があります。

半導体と計算資源のサプライチェーンは国境をまたぐため、同盟国は重要です。半導体設計、製造、製造装置、材料、パッケージング、クラウドサービス、研究人材は複数の国に分散しています。協調した政策は、迂回を減らし、コストを分け合い、互換性のある安全対策を支え、パートナーに信頼できるシステムを採用する理由を与えます。

競争はガバナンスにも影響します。すべての評価要件を一方的な武装解除と表現すれば、政府機関や企業は、失敗によって反応を迫られるまでテストへの投資を減らします。すべての能力を推測的な理由で制限すれば、研究と有益な導入は別の場所へ移るかもしれません。優れた戦略は、実験の余地を守りながら、信頼できる国家安全保障リスクを生むアクセス、行動、環境にはより強い統制を適用します。

集中は米国の立場を複雑にします。最先端システムのトレーニングと運用には、限られた数の企業だけが持つ資源が必要です。集中は投資と導入を速めることがありますが、政府の交渉力を弱め、研究へのアクセスを減らし、政府機関に共通の依存関係を作る可能性もあります。競争政策、相互運用性、移行可能性、公的研究インフラ、ソースコードやモデルへのアクセス要件は、それぞれ問題の一部に対応できます。

競争という比喩は緊急性を生むため、政治的には効果的です。しかし、持続的な主導権は回復力、誤りの修正、公的な正当性、協力に依存するため、分析としては不十分です。急速に導入しても、モデルを守れず、データセンターに電力を供給できず、運用者を育てられず、インシデントに対応できない国は、持続する優位を築いたことにはなりません。

ガバナンスは利用と結果に従うべき

有効なAIガバナンスは、システムが何をするか、誰に影響するか、失敗がどれほど深刻かに応じて責任を割り当てます。一般的な質問に答えるチャットボット、診断支援、採用の選考、標的設定の自律コンポーネントに、同じ根拠要件を課すべきではありません。

最初のガバナンス課題は分類です。政府関係者は、システムが人に情報を与えるのか、行動を勧めるのか、判断を下すのか、行動を実行するのかを見極めるべきです。その上で、影響を受ける権利、起こり得る損失、脆弱な集団、不服申し立ての仕組み、害を元に戻せるかを整理します。

五つの問いで、弱いガバナンスはすぐに分かります。

• システムはどの判断に影響し、法的な責任は誰に残るのか。
• この対象集団と運用環境で使う根拠は何か。
• どの情報が収集、保持、共有され、後のトレーニングに使われるのか。
• 影響を受ける人は、どうすれば説明、訂正、人間による審査を受けられるのか。
• どの出来事で停止、通知、是正、補償を発動するのか。

公平性を確保するには、保護属性を取り除けば差別もなくなると考えず、結果を調べる必要があります。別の変数が代理指標になることがあり、過去の記録には不平等な扱いが刻まれていることがあり、エラーの負担が偏ることもあります。政府機関は関連する集団をテストし、原因を調べ、軽減策の後も利用が合法で正当化できるかを判断すべきです。

透明性は、相手に合わせるべきです。エンジニアにはモデルとデータの文書が必要です。運用者には限界、不確実性、エスカレーションの指示が必要です。調達担当者には、コスト、安全性、更新、依存関係の情報が必要です。判断の影響を受ける人には、理解できる理由と使える不服申し立ての道筋が必要です。長い技術文書を公開しても、この四つすべてを満たすわけではありません。

プライバシー分析は、トレーニングデータだけでなくモデルとのやり取りも対象にしなければなりません。プロンプト、取得した文書、ツールの出力、ログ、フィードバック、生成記録には機微な情報が含まれる可能性があります。契約条件には、提供者がこれらの資料を保持できるか、トレーニングに使えるか、国境を越えて移転できるか、下請け業者に開示できるかを明記すべきです。

最先端モデルの評価とアプリケーション監査は、別の問いに答えます。モデル評価は、サイバー能力、欺瞞、生物学的知識、悪用への耐性をテストできます。アプリケーション監査は、プロンプト、検索、ツール、インターフェース、人間の手順、影響を受ける人々を含む、導入済みシステム全体を調べます。一方に合格しても、他方の代わりにはなりません。

独立研究者、市民社会組織、監察官、標準化団体、試験機関は、政府機関や供給企業が持たない知識と監視を加えられます。アクセスの仕組みは安全保障と個人データを守らなければなりませんが、秘密主義を外部検証への一律の防御にすべきではありません。

公民連携には境界と根拠が必要

公民連携が機能するのは、技術を選ぶ前に、当事者が公共課題、法的権限、期待する成果、安全保障上の境界、終了条件を定めるときです。曖昧な連携は注目を集めますが、コスト、責任、性能を検証しにくくします。

政府は、任務、公的資金、任務環境へのアクセス、長期的な取り組みを支える力を提供します。企業は、エンジニアリング人材、商用インフラ、現在の製品知識、大規模システムの運用経験を提供します。大学と非営利組織は、基礎研究、評価手法、訓練、独立した批判を担えます。

それぞれのインセンティブは異なります。供給企業は、実証プロジェクトが長期契約に広がれば利益を得ます。政府機関の責任者は、根拠が十分に整う前に迅速な導入を発表することで利益を得るかもしれません。研究グループは、結果に安全保障上の影響があっても公開を好む場合があります。良い合意はこうしたインセンティブを認め、その周りに審査、開示、競争、契約終了の権利を組み込みます。

著名な助言者が同じ政策領域で投資、取締役職、事業上の関係、慈善活動を持つ場合、利益相反は直接扱うべきです。開示が不適切な影響を証明するわけではなく、専門性には職業上のつながりが伴うことも多くあります。開示があれば、政府関係者と市民は提言の由来を評価し、異なる意見を求め、必要なら参加者を外すことができます。

低リスクの試作は、協働の実践的な領域の一つです。たとえばKoder.aiでは、自然言語チャットを通じて、ReactのWebインターフェース、PostgreSQLを使うGoバックエンドサービス、Flutterモバイルアプリケーションを作れます。プランニングモード、ソースコードの出力、デプロイとホスティング、カスタムドメイン、スナップショット、ロールバックをサポートします。こうした機能は、デモや社内ツールのフィードバックサイクルを短縮できます。

生成されたアプリケーションも、公共部門で本番利用する前に審査が必要です。チームは、コード、依存関係、認証、アクセス制御、データの流れ、アクセシビリティ、ログ、回復力、ライセンス、デプロイ設定を確認しなければなりません。機微な業務には、承認されたホスティング環境と、政府機関のセキュリティおよび記録に関する責任への準拠も必要です。バイブコーディングはプロトタイプの作り方を変えますが、誰が責任を負うかは変えません。

有用な実証プロジェクト契約では、次を定めるべきです。

• 対象を絞った利用者グループと期間を限定した運用。
• 基準となるコスト、品質、完了時間の測定。
• データの保持、トレーニング、保管場所、下請け業者に関する制限。
• セキュリティテスト、変更通知、インシデント報告、ロールバックの責任。
• エクスポート、移行可能性、文書化、契約終了の権利。

この構造により、政府機関はシステムを理解する前に一社の供給企業へ固定されず、学びを得られます。成功した実証プロジェクトに、拡大のための信頼できる根拠も与えます。

Schmidtの影響力とAI戦略を評価する方法

Schmidtの影響力は、発言や政府関係者への近さではなく、採用、資源、制度の持続性、成果で評価すべきです。提言は政策にならなくても議論を形作ることがあり、後の政策は、それが原因でなくても提言に似ることがあります。

まず、帰属関係を確認します。Schmidtに関係する具体的な報告書、証言、委員会提言、提案を特定します。彼個人の発言と、委員会や組織が作った合意文書を分けます。15人の委員会による報告書は、委員長一人の私的見解と同じではありません。

次に、実装の連鎖をたどります。

1. 議会または政府機関は、提案を分かる形で採用したか。
2. 法的権限、予算、人員、責任を負うリーダーシップを得たか。
3. 担当機関は、節目と性能の根拠を公開したか。
4. 利用者は、実証プロジェクトや組織設立の発表ではなく、信頼できる能力を得たか。
5. 監査、インシデント、コスト、権利への影響、戦略的成果は、元の主張を裏付けたか。

時間軸は、失敗を認められるだけ具体的でなければなりません。5年の目標には、最初の予算サイクルで何を行うか、どの依存関係を先に整えるか、節目が遅れたときに誰が介入できるかを示す必要があります。そうでなければ、活動があっただけで計画を成功と宣言できてしまいます。

指標は目標に合わせるべきです。政府の導入プログラムなら、調達までの時間、利用者のタスク完了、案件ごとのコスト、上書き率、セキュリティインシデント、復旧時間を測れます。研究プログラムなら、提供されたアクセス、資源の利用率、発表、再現性、訓練の成果、結果が実務に移った度合いを測れます。会議や生成された文書の数を数えても、能力についてはほとんど分かりません。

トレードオフは見える形にすべきです。真剣な計画は、誰がエネルギーコストを負うのか、輸出規制が供給企業にどう影響するのか、使えないデータは何か、いつ人間が判断しなければならないのか、どの導入を禁止または停止するのかを説明します。最大の速さ、安全性、開放性、プライバシー、統制を同時に約束する戦略は、戦略が本来下すべき決定を避けています。

Schmidtの経歴が最終的に示すこと

Schmidtの経歴は、AIのリーダーシップがモデル開発の問題であるのと同じくらい、組織と政治の問題でもあることを示しています。Googleは、非常に大きな規模で、インフラ、測定、技術人材、実験、復旧が持つ価値を示しました。彼の助言活動は、こうした運用の考え方を、政府の能力、防衛分野への導入、半導体政策、研究へのアクセス、国際競争に適用しました。

この移転は有用ですが、不完全です。公的機関は権利を守り、強制的な判断を正当化し、利益相反を開示し、民主的な監督を維持し、救済を提供しなければなりません。より速い製品サイクルや優れた技術管理で、これらの責任を置き換えることはできません。

Schmidtの政策への貢献で最も強い部分は、国家AI戦略には協調した仕組みが必要だという主張です。計算資源へのアクセスがなければ研究は止まります。熟練した運用者がいなければ、モデルはデモのままです。評価のない調達は不確実性を買います。同盟のない安全保障は、サプライチェーンの構造を見落とします。説明責任のないイノベーションは、導入に必要な信頼を壊しかねません。

適切な対応は、Schmidtの企業出身という理由だけで自動的に受け入れることでも、退けることでもありません。規律ある検証です。提案を特定し、権限と資金を追い、実装を調べ、成果を測り、公的な主張が省くコストを数えます。そうすることで影響力が見えるようになり、国家AI戦略を成果で評価できます。