カザフスタンのAIガバナンス / 生成国家構想とAI法の接続雑感

0　はじめに

　AIガバナンスという語は、いつの間にか規制の話だけではなくなった。法令、ガイドライン、監督機関という上部構造に加え、計算資源、データ基盤、公共部門の調達と実装、人材育成、そして国際連携までを含む実装の束として語られる場面が増えている。AIは抽象的な未来技術ではなく、国家の産業政策と行政運用を同時に変形させる、妙に現実的な装置だからである。

　この実装の束を一冊に圧縮した資料として、Kazakhstan AI Country Report（2026年1月、98頁）がある。同レポートは、カザフスタンのAI戦略を、ランキング指標、インフラ投資、ユースケース、そして2025年11月に採択されたAI法まで含めて俯瞰する。読み物としても良いが、法学的には法が何を目指し、どのような制度環境に埋め込まれているかを一望できる点が面白い。

　同国のAI法（Law No.230-VIII）は2025年11月17日に署名され、2026年1月18日に施行された。AI法が、単なる理念法に留まるのか、それとも公共部門のAI実装を押し上げる運用装置になるのかは、制度の書きぶり以上に、インフラと執行の設計に依存する。

　今回は同レポートを素材に、カザフスタンのAIガバナンスをインフラ、制度、執行の三層で眺め、そこで立ち上がる論点を整理する。結論を先取りすれば、同国のAI法はEU型のリスクベース規制を参照しつつも、法を単独で立てず、デジタル経済の包括枠組みや情報化法等と接続し、リスクだけでなく人間の関与度と利用形態まで分類軸に組み込む点に特徴がある。そして、この分類設計は、国内でのソブリン計算資源整備と微妙に噛み合っている。

1　問題の所在　AI法は規制ではなく社会実装の設計図になり得るか

　AIをめぐる法制度の議論は、しばしば二つの極に振れる。第一に、原理主義的な全面規制という極である。第二に、逆に技術革新を阻害するから原則放任という極である。どちらも気持ちは分かるが、現実の政策は、その中間に膨大なグラデーションを作る。なぜなら、AIが入り込むのは、行政手続、医療、金融、教育、治安、メディアなど、既に別の法領域が存在する場所だからである。AI法を作るとは、既存法と重なり合う空間に、新たな接着剤を流し込む作業であり、上手くいけば制度の摩擦を減らし、下手をすれば摩擦を増やす。

　カザフスタンのAIガバナンスを観察する意義は、この接着剤の入れ方が比較的国家主導の実装志向に寄っている点にある。同国はIMFのAI Preparedness Index（2023年）で48位、Oxford InsightsのGovernment AI Readiness Index（2025年）で60位とされる。前年の76位から16ポイント上昇した。数字だけ見ると中位である。しかし、デジタル政府指標では、UN E-Government Development Indexで24位、Online Services Indexで10位とされ、CIS地域で首位級の位置づけが示される。つまり、国家のオンライン行政の実装能力は相対的に高い。ここに、AIを公共部門へ組み込み、同時に法を整備する余地が生まれる。

2　デジタル政府、データ、計算資源　制度が動く前に、制度を動かす装置が必要である

2.1　デジタル政府が先に育つと、AIは行政の機能拡張になる

　同レポートは、カザフスタンのデジタル政府の進展を強調する。eGovのオンラインサービス提供とオープンデータの進展が、国連の各種指標で世界平均とアジア平均を上回るという整理である。法学の感覚だと、こうした指標はふむふむで終わりがちだが、AIガバナンスの文脈では実務的意味が大きい。行政がデジタル化されていない国でAIを導入しても、AIは孤立した実験で終わりやすい。逆に、行政手続がAPI化、オンライン化されていれば、AIは手続全体の最適化に入り込める。

　ここで重要なのは、AI導入が行政の効率化に還元されるだけでなく、統治のスタイルを変える点である。AIが行政判断に関与するなら、説明責任、異議申立の導線、監査可能性といった法的論点が、単なる理念ではなく、運用仕様になる。制度設計がソフトローに留まるか、ハードローに踏み込むかは、しばしば行政実装の解像度に依存する。

2.2　計算資源は政策である　Alem.CloudとAI-Farabium

　レポートの中で、最も露骨に政策をしているのは計算資源である。カザフスタンは、2025年に二つのAIクラスターを導入した。Alem.Cloudは中央アジアで最も強力なスーパーコンピュータとして2025年7月にローンチされ、TOP500（2025年11月）で86位に位置づけられる。その性能は20.48ペタフロップスであり、HPE Cray製の64台のサーバーとNVIDIA H200アクセラレータで構成される。AI-Farabiumも2025年10月にローンチされ、同じくTOP500で103位に位置づけられる。こちらはSupermicroアーキテクチャとIntel Xeon Platinum、NVIDIA H200 GPUを採用している。

　ここで面白いのは、計算資源が国家AIプラットフォームの基盤として描かれ、スタートアップや大学、政府機関がアクセスできる点である。計算資源の配分は市場に任せる、という態度もあり得る。しかし同国は、少なくともレポート上、計算資源を公共財に寄せ、国内のAI実装を押し上げる構えを見せる。これはAI規制の外側で起きているが、実質的には規制と同じくらい行動を制約する。計算資源が配られる場所に、AIが生まれるからである。

2.3　生成国家構想　目標が数値で置かれると、法は実装を迫られる

　同国のAIビジョンはGenerative Nationとして描かれ、2025年から2030年に向けた柱（インフラ、データ、人材、研究開発、ガバナンス、産業実装）とKPIが列挙される。例えば、データセンター容量をサーバーラック数で拡大し、Tier III+のデータセンターを2030年までに10拠点立ち上げる、AI学習用のキュレーション済み公共データセットを2029年までに120へ増やす、等である。

　KPIは単なる意気込みではない。KPIが置かれると、誰かが進捗を測り、遅延を説明し、例外を処理する必要が出る。ここで法の役割は、倫理の宣言ではなく、例外処理のプロトコルになる。AIガバナンスが制度運用の言語で語られ始める所以である。

3　カザフスタンAI法（2025年11月）　統合の設計として読む

3.1　AI法は単独で立たず、既存法の間に差し込まれる

　レポートは、カザフスタンのAI規制をより広い法体系に統合され、セクター別の自己規制で補強されると位置づける。図示される構造は、デジタル経済の包括枠組みとしてのDigital Code（策定中）、情報化法を親法として、その下にAI法（2025年11月採択）が置かれ、さらにセクター別、技術的規制へ展開するというものである。

　また、並行して民法、著作権法、消費者保護法、個人データ保護法等が相互連関する法として配置される。この構造は、EU AI Actのような横断規制と似ているが、より露骨にデジタル経済法制の編成を志向しているように見える。AIを単体で規制対象化するよりも、デジタル基盤（情報システム、データ、サイバーセキュリティ、デジタルサービス）を一括して設計し、その一部としてAIを位置づける発想である。

3.2　倫理的境界の具体化　禁止領域を先に書く

　AI法の特徴として分かりやすいのは、禁止されるAIシステムの類型化である。法は以下を明確に禁止する。

　行動操作として、潜在意識に影響を与えたり行動を歪めたりする操作的技術の使用。脆弱性の悪用として、年齢、障害、社会的地位などを悪用して害を与えること。ソーシャルスコアリングとして、行動や特性に基づいて個人を格付けするシステム（法律で別段の定めがある場合を除く）。生体プロファイリングとして、人種、宗教、信条などを理由に個人を差別的に分類すること。感情認識として、明示的な同意なしに個人の感情状態を特定すること。

　この並びは、EU AI Actの禁止事項と近い。禁止領域を先に書くことには二つの効用がある。第一に、事業者にとってやってはいけないことが明確になり、コンプライアンスが設計可能になる。第二に、執行側にとっても、社会的に説明しやすい線引きができる。逆に言えば、禁止領域の設定は政治的である。何を人間の尊厳侵害と捉え、何を許容される最適化と捉えるかは、社会の価値選択を含むからである。

3.3　透明性、ラベリング、リスク管理　原則が義務になる瞬間

　AI法は、透明性と信頼確保のため、所有者と運用者に一定の義務を課す。AIを使用して作成または改変された画像、映像、音声記録、テキストなどの合成生成物の配布は、機械可読な形式でラベル付けし、利用者へ視覚的警告を与える場合にのみ許容される。利用者はAIと対話していることを通知される。所有者はライフサイクル全体で継続的リスク管理を実施する。これらは、抽象原則を実装上の要件に落とし込む典型例である。

4　三層分類　リスクだけでなく自律性と利用形態で切る

4.1　規制は高リスクに集中し、市場の自己規律を前提とする

　カザフスタンAI法は、比例的規制のために三段階の分類を導入する。具体的には、リスク水準（最小、中程度、高）、人間の関与度すなわち自律性水準（低、平均、高度自律）、利用形態（オープン、クローズド、ローカル）の三軸である。そして、最小リスクおよび平均リスク領域は市場の自己規律に委ねられ、規制は高リスクに集中する構造が示される。

　ここまではEU AI Actの思想と近い。しかし、第二と第三の軸が加わることで、AIの危険度を機能やユースケースだけでなく、設計上の自律性や、デプロイ形態の違いまで含めて捉える。

4.2　ローカル要件　技術アーキテクチャを規制に取り込む

　第三の軸であるローカルは、AIシステムが所有者のインフラ上で完結し、公衆電気通信ネットワークから隔離される形態を指し、法的に制限されるデータや機微データの処理に必要とされる、と説明される。これは、データ保護法の世界で見慣れたデータの場所論を、AIシステムの設計要件として明示したものと読める。

　この設計は二重の含意を持つ。第一に、セキュリティとプライバシーの観点から、リスクの高い処理を閉じた環境に押し込む実務的効果がある。第二に、国内のデータセンター投資と、ソブリン計算資源の政策と結びつきやすい。計算資源を国内で整備し、公共部門のAI導入をスケールさせる方向に舵を切る以上、ローカル要件はその舵取りと整合的である。

4.3　信頼できる高リスクAIシステム登録簿　監査が制度の中心になる

　高リスクAIについては、信頼できる高リスクAIシステム登録簿を設け、監査を条件にする設計が示される。データ品質と禁止機能の不存在に関する二段階監査を条件にする旨が説明される。登録申請を行う高リスクシステムについて、特別な民間監査人による監査要件がある。

　この設計は、単なる届出制ではなく、監査を制度の中心に置く。監査は、法の抽象語彙を技術と運用のチェックリストに翻訳する機能を持つ。ただし、監査が機能するためには、監査基準の標準化、監査主体の人材と独立性、監査対象であるシステム境界の確定、監査結果に基づく是正の実効性が必要である。監査という語を置くこと自体は容易だが、監査を回す制度設計は難しい。ここがAIガバナンスの地味で重い部分である。

5　著作権、利用者保護　AI法が横断法になる場面

　AI法が興味深いのは、統治と安全だけでなく、著作権や消費者保護に接続する規律を含む点である。生成AIによる成果物は、人間の創作的寄与がある場合に著作権保護の対象となる。創作性あるプロンプトは著作物として認め得る。学習のためのテキスト及びデータマイニングは権利者が機械可読な形で明示的に禁止していない限り許容される、いわゆるオプトアウト方式である。これは、AI実装を促進しつつ、権利者に一定の制御手段を残す設計である。

　機械可読なオプトアウトという発想が、ガバナンスと知財を接続する際の一つの方向性になり得る点は記録しておきたい。

　また、利用者の権利として、AIによる決定に関する情報請求、差別からの保護、AI判断の訂正要求等が整理される。ここは、EUのデータ保護法制やAI規制で議論されてきた説明、異議申立、人間の関与を、AI一般に拡張しようとする動きとして読める。

6　国産LLMとデータ主権　KazLLMの文脈

　レポートではカザフスタン独自の大規模言語モデルであるKazLLMおよびAlemLLMの開発が大きく取り上げられている。

　グローバルなビッグテックが提供するLLMは、主に英語や西洋の文化的価値観に基づいてトレーニングされており、カザフ語のようなリソースの少ない言語では性能が劣るだけでなく、文化的なバイアスが含まれるリスクがある。レポートはLLMは作成者の価値観を反映するため、国家は独自のモデルを必要とすると明記する。これがKazLLM開発の主要な動機である。これは、他国のAIモデルに依存することで生じる安全保障上のリスクを回避するためのデジタルレジリエンスの確保でもある。

　ナザルバエフ大学のスマートシステムAI研究所（ISSAI）が中心となり、MetaのLlama 3.1をベースにしつつ、1,500億トークン以上のカザフ語、ロシア語、英語、トルコ語データセットを用いてトレーニングが行われた。法的な観点からは、この開発プロセスにおけるデータ収集の適法性が興味深い論点となる。

7　エコシステムの成熟　ユニコーンと人材育成

　イノベーションの担い手であるスタートアップのエコシステムも急速に成熟しつつある。レポートによれば、2023年から2025年にかけてベンチャーキャピタルによるAIスタートアップへの投資額は約1,400万ドルから7,300万ドルへと5倍以上に増加した。AIは同国のベンチャー投資全体の半分以上を占めるに至った。国内では100を超えるAIスタートアップが活動している。

　象徴的なのは、カザフスタン初のAIユニコーン企業となったHiggsfield AIの存在である。動画生成AIを手掛ける同社は、2025年9月に評価額10億ドル規模に達した。

　これらを支える人材育成策として、政府はAI Movementを展開し、2030年までに100万人のAIリテラシー向上を目指している。公務員向けのAI Qyzmet、大学生向けのAI-Sanaなど、ターゲット別の教育プログラムが整備されている。79の高等教育機関でAIが教えられており、6万人以上の学生が学んでいる。

8　執行と制度的学習　法を動かすための条件

8.1　執行能力は、法文より希少である

　AI法が採択されたこと自体は象徴的である。だが、執行能力は法文とは独立に希少資源である。レポート終盤でも、制度は整いつつあるが、次のステップとして執行とサンドボックス手続の整備が課題だと指摘される。サンドボックスは規制の緩和ではなく、実装から学ぶための装置である。高リスク領域でAIを試す以上、事故の可能性はゼロにならない。重要なのは、事故を隠すのではなく、事故から学べる設計にすることである。

8.2　データ品質と人材不足　法の外側にあるボトルネック

　同国の課題として、ラベル付きかつ高品質データの不足、経験あるAI専門人材の制約、研究開発投資の低さ、レイターステージベンチャーキャピタルの不足などが列挙される。こうした課題は、法学者にとって法の外側に見える。しかし、AI法が実装を前提にするなら、これらは法の内側に侵入してくる。データがなければ監査もできず、人材がなければ監督もできない。AIガバナンスは、法規範と能力形成が絡み合う領域である。

9　日本の法政策への示唆

9.1　ソフトローから運用設計へ

　日本のAIガバナンスは、相対的にソフトロー（ガイドライン、原則、行動規範）に寄ってきた。これは、技術進歩の速さに制度が追いつかないという現実を踏まえた合理的選択でもある。他方で、公共部門のAI実装が進むほど、ソフトローだけでは処理できない論点が増える。とりわけ、禁止領域の明確化、リスク分類の運用、監査と登録、AI生成物の表示といった論点は、抽象原則から運用仕様へ降ろす必要がある。

　カザフスタンの事例は、AI法を作るか否かという二分法ではなく、どの既存法制に接続するか、どの分類軸で規制対象を切るか、監査、登録、サンドボックスという運用装置をどう設計するか、という論点設定を促す。制度は紙の上では完璧でも、運用が動かなければゼロである。逆に、運用が回り始めると、制度は未完成でも学習する。AIガバナンスの勝敗は、条文の美しさより、制度的学習の速度で決まる。

9.2　三位一体という発想

　日本の法政策や企業戦略にとって、カザフスタンの事例から得られる示唆は三点ある。

　第一に、インフラ、法規制、産業エコシステムを三位一体で推進する国家戦略の重要性である。特に、法規制をイノベーションの阻害要因としてではなく、信頼あるAI市場を構築するためのインフラとして捉え、デジタル法典という形で包括的に整備しようとするアプローチは、縦割り行政に陥りがちな日本にとって参考になる。

　第二に、データ主権への執念である。自国の言語と文化を守り、安全保障上のリスクを低減するために、国策としてLLMを開発し、データ取引所を整備するという姿勢は、AI時代の国家の独立とは何かを問いかけている。

　第三に、官民連携の大胆さである。スーパーアプリを通じた行政サービスの提供や、民間通信事業者による国家AIインフラの運用など、リソースの最適化を図るためのプラグマティックな連携は、デジタルガバメントのあり方に一石を投じている。

10　おわりに

　Kazakhstan AI Country Reportは、AIガバナンスを政策パッケージとして提示する点に価値がある。AI法はその一部であり、計算資源、データ基盤、公共部門の実装、国際連携と結びついて初めて意味を持つ。法学者にとって重要なのは、AI法を単体の規制として眺めるのではなく、どのような国家の実装能力や産業政策と結びつき、どのような執行装置で動かされるかを観察することである。

　2026年、カザフスタンは中央アジアにおけるAIの実験場としての地位を確立しつつある。彼らの法執行の実運用や、高リスクAIの登録制度がどのように機能するかを継続的にモニタリングすることは、AIと法の関係を研究する者にとって極めて有益なケーススタディとなるだろう。

　AIガバナンスは、理念の競争であると同時に、インフラと運用の競争でもある。どうやら世界は、後者の比重を急速に上げているように思える。

（マガジン）「AIと法-雑感」

　※目次は以下を参照

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。