インドのAIガバナンスガイドライン / 米国・中国・EUと同等の注目を浴びつつある大国のAI動向雑感

　生成AIの進化は、技術規制の細目から、社会実装の作法そのものへと議論の重心を移しつつある。

　世界地図を見渡せば、EUのAI Actが「規律（Rules）」の王道を示し、米国のNIST RMFが組織能力という内燃機関を回す方向性を示す。これに対し、インド電子情報技術省（MeitY）が提示した「AI Governance Guidelines」は、第三の道、「テクノ・リーガル（技術×法）」と「公共インフラ」を基軸とした社会実装の器をつくる路線を鮮明に打ち出した。

　今回は、このインド・モデルが持つ独自の設計思想を解剖し、なぜそれが「規律」と「革新」の二項対立を超える実践的な図面たりうるのかを考察する。

Ⅰ. インドという器の設計思想：DPIと七つのスートラ

　インド・モデルの核心は、技術アーキテクチャ自体に法の目的を埋め込むことで、スケーラブルなガバナンスを実現しようとする点にある。その基盤は、Aadhaar（国民ID）やUPI（統一決済）で実績のあるDPI（デジタル公共インフラ）だ。DPIとの連携を前提とすることで、行政負担を軽減しつつ、スケールと包摂性を両立させる「コンプライアンス・バイ・デザイン」を志向する。

　この哲学を支えるのが、ガイドライン（Part 1）で掲げられる七つの“スートラ（原則）”である。

　特に「抑制より革新」を明記した点は重要だ。インドはAIを「Viksit Bharat（先進国インド）」実現のための戦略的資産と位置づけ、原則として責任あるイノベーションを優先する。しかし、これは単なる精神論ではない。これらの原則は、後述する具体的な制度設計と技術的実装によって担保される。

Ⅱ. ガバナンスの運転席をどう作るか：制度アーキテクチャ

　インド・モデルの白眉は、原則論に留まらない、制度の「運転席」の具体的な作り込みにある（Part 2.6）。「政府全体（whole-of-government）」アプローチを掲げるが、その実態は、権限と専門性を明確に分離・連携させる三層構造だ。

１　AIガバナンス・グループ（AIGG）

　首席科学顧問（PSA）を議長とし、関係省庁（MeitY, 内務省, 外務省等）や分野別規制当局（RBI, SEBI等）が参加するハイレベル意思決定機関。省庁横断的な政策調整、戦略的監視を担う。

２　AIセーフティ・インスティテュート（AISI）

　技術的専門知識の供給源。リスク評価手法の開発、標準策定、安全性テスト、評価指標の策定、そして国際連携のハブ機能を担う。政策決定（AIGG）と技術的裏付け（AISI）を分離している点が鍵だ。

３　技術・政策専門家委員会（TPEC）

　AIGGに対して、技術動向、潜在的リスク、国際情勢に関する戦略的助言を行う専門家集団である。

　この構造は、分野別規制当局の既存の執行力を維持しつつ、AIGGが全体を俯瞰・調整し、AISIが技術的なエビデンスを提供する。誰が、いつ、どのメーターを見て、どう操作するかを定める。ガバナンスの手触りを設計するとは、まさにこういうことのように思える。

Ⅲ. テクノ・リーガルの実装（1）

　インドのガイドラインは、具体的なリスク領域において、いかに「テクノ・リーガル」的発想で対処するかを示している。ディープフェイク対策はその好例だ（Part 2.3）。

　議論の要諦は、「検知（Detect）」と「証明（Provenance）」を混同しないことにある。検知技術はいたちごっこになる。対してインド案は、「真正性の証明」こそが持続可能な対抗策であるとの思想を明確に打ち出す。

　具体的には、国際標準化が進むC2PA（コンテンツの来歴と真正性のための連合）等の技術標準の活用を明記している。コンテンツの生成・改変履歴に電子署名を付与し、追跡可能にする。これは、個別のコンテンツを規制（規律）するのではなく、真正性を担保する社会インフラ（器）を整備するアプローチである。

Ⅳ. テクノ・リーガルの実装（2）：データ連携とプライバシー

　もう一つの注目すべきテクノ・リーガル的アプローチは、データ連携基盤の活用だ（Part 2.4）。インドは、金融分野で実績のあるDEPA（データエンパワーメントと保護アーキテクチャ）を、AIの学習段階に応用する可能性（DEPA for AI Training）に言及している。

　DEPAは、ユーザーの同意に基づき、セキュアに個人データを連携させる仕組みだ。これをAI学習に応用することで、プライバシー保護（法的要件）を技術アーキテクチャで担保しつつ、データ流通（革新の促進）を両立させようという狙いが見える。これもまた、「コンプライアンス・バイ・デザイン」の具体例である。

Ⅴ. 機敏なガバナンス（1）：インシデントは「連邦型」で数える

　AIの失敗は、体系的に数えて、共有し、学ぶ対象である。定義→共有→学習のループが回らないと、規制は“見えない敵”を相手にすることになる。

　インド案の「AIインシデントデータベース」構想（Part 2.4）は秀逸といえる。重要なのは、「罰するために集める」のではなく、予防のために学ぶというアーキテクチャで設計されている点。そして、その構造として「連邦型（federated manner）」を採用している点である。

　中央DBが全てを管理するのではない。各分野・地域のローカルDBが、標準スキーマ（データ形式）に基づいてデータを収集・管理し、中央DBはそれらを連携・横断分析する。この設計は、現場の多様性を維持しつつ、組織が萎縮せずに報告することを促す。スケーラビリティと実効性を両立させる現実解と言える。

Ⅵ. 機敏なガバナンス（2）：責任配分と誘因設計

　誰がどこまで責任を負うか。インド案は、イノベーションを阻害しないよう、機敏で柔軟なアプローチを採用する（Part 2.4, 2.5）。「段階的」な責任システムを志向し、まずは自主的（ボランタリー）なフレームワークから始める。

　しかし、これは単なる自主規制の追認ではない。透明性報告、第三者監査、苦情処理メカニズムと組み合わせることで、実質的な説明責任を確保する。さらに、これらを「努力義務→ベースライン必須」へと発展可能なメカニズムとして束ねている点が重要だ。

　加えて、自主的な取り組みを行う企業にはインセンティブ（規制サンドボックスへのアクセス、政府による認証・推奨等）を提案している。規律と放任の中間に誘因設計を巧みに差し込むこの手法は、制度を自走させるための鍵となるといえる。

おわりに

　AIは社会のOSを更新する技術だ。OS更新に必要なのは、規律（Rules）か器（Infrastructure）かの二者択一ではないといえる。

　インドのガイドラインは、全4部構成（原則、提言、行動計画、実務指針）を通じて、その両者を架橋する実践的な図面を示している。原則論（七つのスートラ）を掲げつつ、その実効性を担保するために、明確な組織構造（AIGG/AISI）、テクノ・リーガルな実装（C2PA/DEPA）、そして機敏な学習ループ（連邦型DB/誘因設計）を組み込む。

　規制テキストの要件定義と、現場の運用手順が行ったり来たりできる橋があるとき、初めて「予見可能な自由」が生まれる。インド・モデルは、既存法の延伸×実務フレーム×公共インフラの三拍子で進む日本の路線とも親和性が高いといえそうである。

※詳細は原典をご確認いただきたい。

（参考）海外のAIガバナンスの地図

日本

アメリカ

EU

イタリア

中国

スイス

アルゼンチン

インド

オーストラリア

韓国

（マガジン）「AIと法雑感」

note総則規約3条2項前段
3.2 クリエイターが制作したデジタルコンテンツの著作権は、クリエイターに帰属します。