安野貴博

御答弁いただき、ありがとうございます。 　まさにＤＡＲＰＡはＯＴＡと呼ばれるような調達手段で、大体最短で二・五か月という時間で着金するというふうに聞いておりますので、是非そういった水準目指していただければなと思います。 　ＧＳＣ、是非、ハイリスクな案件にしっかり投資をして、成功事例というのをつくっていただきたいなと思います。 　ありがとうございました。

チームみらいの安野貴博でございます。 　本日は、ＡＩについて三点大きくお伺いしたいと思います。 　まず一つ目が、ＡＩによる雇用の代替、いわゆるＡＩ失業の実態把握についてでございます。 　諸外国では、知的労働を中心に、ＡＩによる代替が進んでいる可能性が指摘され始めております。とりわけ、新卒など若年層の雇用へ影響が顕著なようでございます。 　例えば、スタンフォード大学の二〇二五年の研究では、最もＡＩによる影響を受けやすい職種としてカスタマーセンターやソフトウェア開発者などが挙げられています。こちら、実際にアメリカでは、その影響を受けやすい当該領域における二十二歳から二十五歳、比較的若手の雇用なんですけれども、これがチャットＧＰＴが二〇二二年に出てから三年間の間で、ほかの職種と比べても相対的に約一六％減少しているというような分析がございます。 　こういったいわゆるＡＩ失業は、アメリカだ

お答えいただき、ありがとうございます。 　現時点で若年層の失業率は余り変化ないということですが、これ、ＡＩの進化のスピードも非常に速いので、これ、まだ今年はなかったとしても、来年突然始まるかもしれない、そういう性質のものだと思いますので、今御答弁いただいたとおり、是非継続的にモニタリング体制構築していただければと思います。 　続きまして、ＡＩの供給に関する地政学リスクについての対応についてお伺いいたします。 　先ほど郡山委員からも物理レイヤーのサプライチェーンリスクの話がありましたが、私からはモデルのレイヤーの話ができればと思います。 　先月、米国政府は、アンソロピック社のフロンティアＡＩモデルであるフェイブル５とミュトス５を輸出規制の対象に指定しました。これを受けて同社は、両モデルの提供を世界中で、全世界で一時停止をしたと。規制の解除を受けて、七月一日にフェイブル５の提供は再開さ

御答弁いただき、ありがとうございます。 　計算資源の自律性、しっかり確保していくとお答えいただいたのは大変意義深いと思っておりまして、重要な戦略領域では、たとえＡＩモデルの供給が遮断されたとしても、業務やサービス提供を継続できる環境を整備していくということだと理解いたしました。是非、国産ＬＬＭと国内の計算資源をしっかり確保するという形で計画に位置付けていただければと思います。 　あわせて、デジタル庁にお伺いいたします。 　海外モデルの供給停止により、「源内」などの行政が利用するＡＩや重要サービスが止まると社会に深刻な影響を及ぼしかねないと考えます。国産ＡＩモデルを含めたマルチモデルの利用など、行政業務やサービス提供を止めないための継続計画をお示しください。

御答弁いただき、ありがとうございます。海外のモデルが使えなくなったとしても、国内モデルに切り替えて継続できるという設計は極めて重要なことだと思います。 　続きまして、三つ目の質問に移ります。行政のトークン利用料と計算資源の予算確保について伺います。 　先ほど郡山委員からも質問ありましたけれども、ガバメントＡＩの「源内」、省庁の十八万人に提供が開始されたと伺っておりまして、これは大変すばらしい取組だと私は思っております。一方で、ＡＩの利用料、いわゆるトークンであるとか計算資源というもの、こちら従量制のところがありまして、従量課金制のところがありまして、利用が本格化すればするほど費用が伸びていくという構造でございます。特に、省庁の一部で導入が進むと伺っておりますエージェンティックＡＩは、モデルの内部で何度も何度も思考してツールを呼び出すたびにトークン消費しますので、従来の使い方に比べると消

御答弁いただき、ありがとうございます。 　今、内閣府とデジタル庁、二つの省庁からお答えいただきましたが、全体として把握をされている省庁がまだないということだと理解いたしまして、こちら、ある種、ＡＩのトークン費用という新しい費目の予算の種類というものが発生してくる中で、それをどこかが把握することは私は大事だと思いますので、是非こちら検討を進めていただければと思います。 　また、デジタル庁さんの方からは、ＡＩ活用、ＲＯＩ、投資対効果をしっかりと考えて見せられるようにするという御発言もありましたけれども、このトークン使用料を考えるに当たって、実際にその投資対効果が十分なものなのかどうかと。そのＲＯＩという観点を持っていただくのは、これ極めて私も重要なことだと同意いたしますので、是非その方向で進めていただければなと思います。 　時間が来たので、以上で終わります。ありがとうございました。

チームみらいの安野貴博でございます。 　今回の統計作成等特例では、非公開の病歴やゲノム情報といった最も慎重に扱われるべき要配慮個人情報がＡＩ開発事業者に提供できるようになります。これは、データの利活用が進み、日本の成長に資する可能性がある一方で、制度としては極めて重い変更でございます。 　データの利活用は、データの先にいる個人の信頼の上にしか成り立ちません。そして、信頼は個人情報が本当に守られているかどうかという事実の積み重ねからしか生まれません。守りが甘いまま利活用だけを急げば、一たびの重大な漏えいや再識別事故で信頼が失われ、結局は利活用そのものが止まってしまうおそれもございます。 　そのため、チームみらいとして、個人情報保護の実効性が確保されるよう、政府に責任ある制度運用と実務対応を求めてまいりたいと思います。本日は、その具体的な方針についてこの場でしっかりと確認をしてまいります

御答弁いただき、ありがとうございます。 　前回の委員会から申し上げておりますが、ガイドラインを読めば事業者が何をすればよいか分かる状態になっているということが実質的な個人情報の保護につながると考えておりますので、是非、提供元と提供先の双方が保護に責任を持つ環境を整備いただくようお願いしたいと思います。 　続いて、ＡＩモデルに対する外部攻撃への備えについて伺います。 　統計作成等特例はＡＩ開発を対象に含んでおります。しかし、ＡＩモデルをめぐっては、急速な進化に伴い、新たな攻撃手法が次々と生まれております。例えば、前回の委員会で指摘させていただいたメンバーシップ推論もありますし、ＡＩの出力から逆算して学習データの中身を復元するモデル反転攻撃というものも最近は出てきております。 　このように、個人データをＡＩの学習に使うことには、この技術に特有の固有のリスクが伴います。だからこそ、最新の

心強い御答弁、ありがとうございます。 　守りの技術を国が率先して示すということは安全性の向上につながると思いますので、是非継続的なモニタリングと情報発信をお願いいたします。 　次に、個人情報保護法で新たに設けられる第百八十条の罰則規定について、個人情報保護委員会にお伺いします。 　この規定は、個人情報を取得した時点での罰則を名宛て人を定めずに新たに設けるものです。条文を読む限り、対象となる取得行為がかなり広く解釈できるようにも見えます。 　そこで、まずは確認をさせてください。この罰則で政府として想定している主な対象事例とは具体的にどのようなものでしょうか。

ありがとうございます。 　続けて、本罰則の目的要件について伺います。この罰則は、自己又は第三者の不正な利益を図る目的、又は本人やデータ保有者などに損害を加える目的という目的要件を定めております。これと人を欺くなどの行為要件が掛け合わせることで対象となる行為を限定していると理解しております。 　私は、この目的要件の解釈が決定的に重要と考えます。というのも、条文を文字どおり読むと、内部告発や報道取材といった正当な活動までもが対象に入っているように見えかねないからです。 　例えば、会社の不正を疑う従業員が、目的を伏せて同僚から上司の個人情報を聞き取ったとします。この内部告発をしたものの、違法性が司法の場で認められなかった、こういった場合あると思いますが、この場合、従業員は、目的を伏せる形で人を欺き、かつ会社の不利益を図っていると判断され、新百八十条の要件を満たしているように見えます。