生成AIサービスが急速に広がるなか、「自社のデータが外部に渡ってしまうのではないか」という不安を抱く企業は少なくありません。こうした懸念に対し、AIスタートアップのCohereは「データをクラウドに送らせる」のではなく「モデルを顧客側に届ける」という、あえて難しい道を選ぶことで、ビジネスの安全性を高める戦略を打ち出しています。
Cohereの戦略：モデルを顧客に届ける理由
従来の「データをクラウドに送る」方式との違い
Cohereは、自社が開発した大規模言語モデルを自社クラウド上だけで提供するのではなく、顧客企業側の環境（オンプレミスや専用インフラなど）に直接デプロイする方針を採用しています。多くの生成AIサービスが「ユーザーの入力データをクラウドに送り、そこでモデルを動かす」仕組みであるのに対し、Cohereは逆に「モデルを顧客側に持っていく」設計を重視している点が特徴です。
「仕事は難しくなる」が「顧客の安全性」は高まる
Cohereの共同創業者であるNick Frosst氏は、このアプローチについて「われわれの仕事は難しくなるが、顧客のビジネスはより安全になる」と説明しています。モデルを顧客環境に合わせて運用するには、インフラ構築、セキュリティ設計、パフォーマンス調整など、ベンダー側の負担は大きくなります。それでもあえてこの方式を取るのは、金融、医療、公共機関など、機密性の高いデータを扱う企業が安心して生成AIを活用できるようにするためです。
コンシューマー向けアプリとの対比
Frosst氏は、「コンシューマーアプリを使っているとき、そこに入力したデータは常に学習に使われている」とも指摘しています。一般的な消費者向けのAIチャットや画像生成サービスでは、ユーザーが入力したテキストや画像が、サービス改善や追加学習のためのデータとして利用されるケースが少なくありません。企業が同じ感覚で機密情報を入力してしまうと、意図せず自社データが外部のAIモデルの学習に組み込まれてしまうリスクが生じます。
企業データ保護の観点から見るCohereモデル
機密情報を「社外に出さない」メリット
モデルを顧客側にデプロイするメリットは、機密情報を外部のクラウド事業者に渡さずに済む点にあります。顧客データが社内ネットワークや自社管理のクラウド内にとどまることで、次のような安心感が生まれます。
- 顧客や患者など、個人情報を含むデータが外部に送信されない
- 自社独自のノウハウやソースコードが他社モデルの学習に利用されにくい
- 業界ごとのコンプライアンスやデータローカライゼーション要件を満たしやすい
特に、社外流出が許されないデータを扱う企業にとっては、「どこでモデルが動いているのか」「データがどこまで出ていくのか」が明確であることが、生成AI活用の前提条件になりつつあります。
生成AI導入時に企業が確認すべきポイント
こうした背景から、企業が生成AIサービスを選ぶ際には、次のようなポイントを確認する重要性が高まっています。
- 入力データが学習に利用されるかどうか（オプトアウトの可否）
- モデルが動作する場所（ベンダーのクラウドか、自社環境か）
- ログの保管ポリシーや保存期間、暗号化の有無
- 契約上、データの取り扱い範囲がどこまで明記されているか
Cohereのように、モデルを顧客側に届ける形で提供するベンダーは、これらの懸念に正面から対応しようとしているといえます。一方で、利便性の高いコンシューマー向けAIサービスを業務利用する場合には、データ利用規約を改めて確認する必要があります。
まとめ
Cohereが採用する「モデルを顧客のもとへ届ける」戦略は、ベンダーにとっては技術的・運用的な負荷が大きい一方で、企業にとってはデータ保護とビジネスの安全性を高める有力な選択肢となります。コンシューマー向けのAIサービスでは入力内容がモデル学習に使われることも多いため、機密情報を扱う企業は、どのような仕組みとポリシーでAIが提供されているのかを見極めたうえで導入を検討する必要があります。生成AIの恩恵を最大限に引き出しつつ、データの主権を守るための新しいアーキテクチャとして、Cohereの取り組みは今後の指針の一つになりそうです。
