投稿者 global-ai-media 
Googleの「Gemini」に、ChatGPTのチャット履歴や記憶（Memories）をインポートする機能が登場しました。単一のAIモデルに依存しない「データポータビリティ」の向上は歓迎すべき変化ですが、日本企業が業務で活用する際には、データ管理やガバナンス面で新たな課題も浮上します。本記事では、複数モデルの使い分けが進む現状と、企業が講じるべきリスク対策について解説します。
LLM間の「データポータビリティ」が高まる背景
最近、Googleが提供する生成AI「Gemini」において、OpenAIの「ChatGPT」からチャット履歴や記憶（ユーザーの好みや前提条件をAIが保持する機能）をインポートできるツールが注目を集めています。これまで、特定の生成AIを使い込むほど、そのAIに蓄積された過去の文脈や設定に縛られ、他のAIサービスへの乗り換えが心理的・物理的に難しくなる「ベンダーロックイン」の課題がありました。
今回のインポート機能の登場は、AIサービス間でのデータポータビリティ（データの持ち運びやすさ）を高めるものです。ユーザーは過去の資産を活かしながら、用途や好みに応じてChatGPTとGeminiをシームレスに併用したり、乗り換えたりすることが容易になります。
日本企業における「マルチLLM戦略」の現実味
日本国内のビジネスシーンにおいても、この動向は示唆に富んでいます。現在、多くの日本企業はセキュリティやコンプライアンスの観点から、Microsoft Azure経由でChatGPT（Azure OpenAI Service）を導入するなど、特定のプラットフォームを社内標準として整備してきました。しかし、業務効率化や新規サービス開発のニーズが多様化する中で、「Google Workspaceとの連携に強いGeminiを使いたい」「特定タスクには高速で安価な別のモデルを使いたい」といった現場の要望が増加しています。
このように、単一の大規模言語モデル（LLM）に依存せず、用途ごとに最適なモデルを適材適所で使い分ける「マルチLLM戦略」は、今後の企業AI活用における標準的なアプローチになりつつあります。移行コストや学習コストを下げる機能が各ベンダーから提供されることは、企業にとって選択肢を広げる大きなメリットと言えます。
履歴移行に伴うガバナンスとコンプライアンス上の課題
一方で、データが簡単に持ち運べるようになることは、企業に新たなガバナンス上の課題を突きつけます。特に日本の法規制や組織文化においては、機密情報や個人情報の取り扱いに極めて慎重な対応が求められます。
従業員が業務で利用しているチャット履歴には、社外秘のプロジェクト情報や顧客データが含まれている可能性があります。これらを別ベンダーのAIサービスへ安易にインポートしてしまうと、会社の管理が行き届かない場所（シャドーAI）にデータが拡散したり、意図せず外部の学習データとして利用されたりするリスクが生じます。企業は「AIに何を入力するか」だけでなく、「AI間に蓄積されたデータをどう移行・管理するか」という新しい視点で、セキュリティポリシーを見直す必要があります。
日本企業のAI活用への示唆
今回の動向から得られる、日本企業に向けた実務的な示唆は以下の3点です。
第一に、マルチLLM環境を前提としたシステム・プロダクト設計です。自社サービスにAIを組み込む際や社内ツールを開発する際は、単一のモデルに依存しすぎず、将来的なモデルの切り替えや併用を想定した柔軟なアーキテクチャを採用することが推奨されます。
第二に、データポータビリティを考慮したAI利用ガイドラインの改訂です。チャット履歴や記憶データの別サービスへのエクスポート・インポートについて、社内規程で明示的なルールを設ける必要があります。業務データの社外流出を防ぐため、データ移行を許可する範囲をエンタープライズ版（法人向け契約）のセキュアな環境間に限定するなどの対策が重要です。
第三に、データの主導権を自社で握ることの重要性です。各ベンダーはユーザーを獲得するために様々な利便性を提供しますが、新しい機能に無批判に飛びつくのではなく、自社の業務要件や商習慣に照らし合わせ、メリットとリスクを冷静に評価する姿勢が求められます。AIの進化に振り回されず、自社のデータを適切にコントロールし続けることが、持続的で安全なAI活用の鍵となるでしょう。