投稿者 global-ai-media 
GoogleのGeminiに、ChatGPTなど他のAIサービスからチャット履歴や「メモリ」を移行できる新機能が追加されました。AIモデル間の移行が容易になることで、企業はマルチLLM戦略を描きやすくなる反面、データ移行に伴うガバナンスの再構築が急務となっています。
生成AI間の「コンテキスト引き継ぎ」が実現
Googleが展開する生成AI「Gemini（ジェミニ）」に、ChatGPTなど他のAIサービスからユーザーのチャット履歴や「メモリ」をインポートできる機能が追加されたことが報じられました。ここでいうメモリとは、AIがユーザーの役職や業務の前提条件、好みの出力形式などを記憶し、毎回の指示を省くための機能です。これまで、あるAIサービスで蓄積した「自分専用の前提条件」や「過去の対話履歴」は、そのプラットフォーム内に閉じ込められていました。今回のアップデートは、ユーザーのコンテキスト（文脈）を別のAIサービスへそのまま持ち運べる「ポータビリティ（データの持ち運び可能性）」を大きく前進させるものです。
日本企業における「マルチLLM戦略」の加速
ビジネスの現場において、この機能は単なる利便性の向上にとどまりません。現在のAI開発競争は激しく、OpenAIのChatGPT、GoogleのGemini、AnthropicのClaudeなどが数ヶ月単位で性能を追い抜く状況が続いています。日本企業にとって、単一のAIベンダーに深く依存してしまう「ベンダーロックイン（特定のシステムへの依存により他への乗り換えが困難になる状態）」は、将来の技術選択の幅を狭めるリスクとなります。
履歴やメモリの移行が容易になることで、企業や開発者は「今日は長文処理が得意なモデルを使い、明日は自社のGoogle Workspace環境との連携に優れたモデルに乗り換える」といった、複数の大規模言語モデル（LLM）を適材適所で使い分ける「マルチLLM戦略」を採用しやすくなります。社内向けAIアシスタントなどの新規プロダクト開発においても、ユーザーがこれまで蓄積した履歴を損なうことなく、裏側で動くAIモデルを柔軟に切り替える設計が現実的になってきました。
データ移動の自由化に伴うセキュリティとガバナンスの壁
一方で、企業のリスク管理・コンプライアンスの観点からは、この「容易なデータ移行」は新たな懸念材料となります。例えば、従業員が業務で使用している法人契約のAIからチャット履歴をエクスポートし、個人のAIアカウントにインポートしてしまうようなケースです。この履歴に顧客情報や未発表の新規事業のアイデアが含まれていた場合、重大な情報漏洩リスクに直結します。
日本の商習慣や組織文化において、情報管理は非常に厳格に扱われますが、クラウドサービスの普及とともに「シャドーIT（企業が把握・管理していないITツールの利用）」が問題化してきました。生成AIにおいても同様に、従業員が良かれと思って業務効率化のためにデータを自由に移動させてしまう「シャドーAI」の対策が必要です。企業は、どのAIサービスが業務利用として承認されているかだけでなく、その間で「どのようなデータの持ち出し・持ち込みが許容されるか」というデータフローの観点を含めたAIガイドラインの改定を迫られるでしょう。
日本企業のAI活用への示唆
今回のGeminiのアップデートは、AI市場全体が単なるユーザーの「囲い込み」から、モデル間の「相互運用性」へとシフトしていく兆しとも言えます。実務において、企業・組織の意思決定者が押さえておくべきポイントは以下の通りです。
1. ベンダーロックインの回避と柔軟なシステム設計：自社のシステムや業務フローを特定のAIモデルに過度に依存させず、将来的に他の優秀なモデルへ移行・併用できるようなアーキテクチャ（共通のAPIインターフェースの採用など）を意識して設計することが重要です。
2. シャドーAI対策とデータ流出経路の可視化：エクスポートやインポート機能の普及により、データはプラットフォームの壁を越えて移動しやすくなります。エンタープライズ版（法人向けプラン）の導入による学習データの保護だけでなく、社内の機密情報が「どこから持ち出され、どこへ入力される可能性があるのか」を想定し、アクセス権限やログ監視の仕組みを再点検する必要があります。
3. AIプロダクトにおける付加価値の再定義：ユーザーの好みや前提条件が移行可能になるということは、AIサービス自体の価値が「ユーザーの過去をどれだけ知っているか」から「持ち込まれた前提条件をもとに、いかに優れた推論や業務の自動化を実行できるか」へと変化することを意味します。自社でAIを組み込んだプロダクトを開発する際は、独自の業務データや独自機能との連携にこそ、競争力の源泉を見出すべきです。