Esri における責任ある AI へのアプローチ

本記事は、米国 Esri 社のブログ記事「Esri’s approach to responsible AI」を翻訳したものです。

組織における AI 活用は着実に進んでいます。ワークフローは高速化し、かつてアナリストが何日も費やしていた反復作業も、今では数分で完了します。多くのテクノロジー リーダーは、適切な用途であれば、十分な成果が期待できると考えるでしょう。一方で、次第に明らかになってきたのは、スピードと効率だけでは、根拠を示せる意思決定にはつながらないということです。根拠ある意思決定には、データが何を反映しているのか、なぜその結果に至ったのか、そして分析が全体像を捉えているのかを理解する必要があります。企業が直面する重大な意思決定の多くでは、その全体像を捉えるうえで地理が不可欠です。 

Esri は 50 年以上にわたり、包括的な地理空間プラットフォームを構築してきました。意思決定は、人々や地域社会、事業成果に現実の影響を及ぼします。そのため、このプラットフォームは、世界各地の政府、公益事業者、公衆衛生機関、大企業から信頼を得ています。 

生成 AI が登場したとき、Esri は選択を迫られました。まず迅速に進めて後から調整するのか。それとも、顧客が必要とし、期待するものを反映しながら、時間をかけて適切に実現するのか。Esri は後者を選びました。つまり、透明性と信頼を後付けするのではなく、当初から要件として扱うということです。また、人間による監督を堅持し、常に人が主導権を持つことも意味します。結果に責任を負う人が、自動生成された出力を確認し、方向づけ、修正できるようにします。 

このアプローチを具体化するのが、本記事で紹介する 3 つの領域です。 

1. コンテキスト: 地理的理解が AI を現実に根付かせる 

AI には多くの得意分野があります。大規模なデータを処理し、パターンを見つけ、人間では到底及ばない速度で出力を生成できます。しかし、出力の品質は、モデルの学習に使用したデータと、モデルに与えるコンテキストに全面的に依存します。誤りが現実の損失につながる重要な意思決定では、データの品質と分析手法が欠かせません。ここで地理的理解が、「十分な情報に基づく意思決定」と「単に速い意思決定」を分けます。 

オントロジーだけでは全体像を語れない理由 

2026 年の Gartner Data & Analytics Summit で、Distinguished VP Analyst の Rita Sallam は問題を次のように説明しました。「エージェンティック AI の成果は、データの意味表現を含むコンテキストに依存します。コンテキスト、すなわち組織のデータ内にある固有の関係性とルールを明確に理解できなければ、AI エージェントは正確に動作できず、幻覚を起こし、バイアスを持ち込み、信頼できない結果を生成する可能性がはるかに高くなります。」組織はすでに、概念の意味や業務プロセス間のつながりを整理するオントロジーやセマンティック レイヤーの構築によって、この課題への対応を進めています。しかし、多くのオントロジーが記述するのは「物事が何であるか」であり、「それがどこに存在するか」や「場所が周囲のあらゆるものとの関係にどう影響するか」ではありません。 

2 つの物流センターは、オントロジー上では同じに見えても、実際の運用ではまったく異なる場合があります。インフラの格差、地域ごとの需要の違い、気候への曝露など、地理でしか説明できない差があるためです。オントロジーは、組織が何を知っているかを整理します。そこに地理的コンテキストを加えると、その知識がどこで、いつ現実のものとなるのかが明らかになります。書面上は同一に見えても、実際には大きく異なる振る舞いをする対象について、場所が相互関係をどのように形づくるのかを示します。多くの AI システムやナレッジ マッピングの取り組みは、まだこの違いを考慮できていません。 

実務でギャップが表れる場面 

場所が価値を左右する業界では、このギャップがすぐに表面化します。たとえば、市場拡大を検討する小売業者にとって、人口統計は優れた出発点ですが、それだけを判断軸にすることはできません。人々が地域内をどう移動するか、周囲にどのような事業者があるか、近隣地域がどう変化しているかを把握する必要があります。スプレッドシートだけでは、これらを捉えられません。大規模なポートフォリオを管理する不動産会社は、環境リスク、用途地域、インフラへの近接性、市場動向を、部門ごとに分断された報告書ではなく、一体として評価する必要があります。ポートフォリオリスクを評価する金融機関は、顧客が誰かだけでなく、どこにいるかを把握する必要があります。物理的状況、気候への曝露、洪水リスク、老朽化したインフラは、貸借対照表では捉えられない形で基礎となる数値に影響します。 

ArcGIS は、こうした問いに対応するために構築されています。ArcGIS は、数十年にわたり蓄積された信頼性の高い地理データセット、空間解析機能、機械学習・ディープ ラーニング ツール、数百の事前学習済みモデルを統合します。これらにより、企業は汎用 AI だけでは到達できない領域へ踏み込み、現実に根差した理解と能力を得られます。これらのツールとモデルは現在利用可能であり、すでに活用されています。 

https://mediaspace.esri.com/media/1_cg63sal5

2. 信頼: 利用する人を中心に設計された責任ある AI 

AI の能力が高まるほど、実際に誰が主導権を握るのかが重要になります。Esri は顧客から、AI の可能性に対する強い期待と、十分に理解できないシステムへ依存することへの現実的な懸念の両方を、一貫して聞いています。意思決定に直接的な説明責任が伴う場合、その懸念はさらに高まります。 

こうした懸念は抽象的なものではありません。金融サービス企業が AI を信用判断や保険判断に利用すれば、実質的に、誰が機会を得られるかを左右します。都市が AI を使って道路維持や公益設備の修繕に優先順位を付ければ、その選択は住民の日常の安全に影響します。公衆衛生機関が疾病監視に AI を用いれば、脆弱な地域社会に直接関わる介入方針に影響します。政府機関が緊急対応に AI を利用する場合は、判断を誤っても時間や精度を取り戻せない状況で運用することになります。 

ArcGIS の開発に組み込まれた 6 つのコミットメント 

推奨がどのように導かれ、何を根拠とし、基盤モデルにどのような限界があるのかを把握することは、ビジネス上の要件です。これは、規模を拡大しても信頼できる AI を実現するための最低条件です。 

Esri の責任ある AI へのアプローチは、セキュリティ、プライバシー、透明性、公平性、信頼性、説明責任という 6 つのコミットメントに基づいています。これらは、Esri が ArcGIS の AI 機能を設計、評価、リリースする方法を規定します。 

実務への落とし込みも具体的です。透明性カードは、Esri が AI モデルをどのように構築したか、どのデータで学習させたか、既知の制約がどこにあるかを組織が明確に把握できるようにします。これにより、実務担当者は十分な情報に基づく判断に基づいて AI を適用できます。ArcGIS 内の AI アシスタントは、ユーザーが日常的に使うアプリケーションの中で直接動作します。自然言語を使って、コーディング支援、ワークフローの案内、状況に応じた回答を提供しますが、ユーザーに代わって行動したり、人間の判断が必要な場面で自律的に意思決定したりはしません。 

重要性を反映したリリース サイクル 

ArcGIS のリリース サイクルにも、同じ考え方が反映されています。ArcGIS の AI 機能は、一般提供に至る前に相当な期間をベータ段階で過ごします。これは意図的なものです。各段階でユーザーからフィードバックを収集し、その機能が実際の問題を解決することを検証するとともに、Esri の顧客が求めるセキュリティとコンプライアンスの基準を満たしていることを確認します。現在、ArcGIS 向けに開発中のエージェンティック AI の多くがまだ初期ベータにあるのも、そのためです。早く提供することよりも、適切に実現することを重視しています。 

3. 相互運用性: 既存環境と連携するロケーション インテリジェンス 

AI 戦略をゼロから構築する企業はありません。多くの企業は、長年にわたって導入してきたプラットフォームやデータ システム、投資が積み重なった環境を運用しています。ロケーション インテリジェンスを追加する際の実務上の課題は、既存環境と競合させたり置き換えたりするのではなく、既存環境と連携させることです。 

Esri の設計上の優先事項は明確です。企業が、すでに採用している AI プラットフォームと地理空間機能のどちらか一方を選ばなければならない状況は避けるべきです。目標は、既存の投資に不足している地理的コンテキストを加え、その価値を高めることです。 

Model Context Protocol(MCP)への対応を通じて、ArcGIS は、企業がすでに運用しているエージェンティック AI のエコシステムに地理的コンテキストを直接接続します。政府機関は、各チームが日常的に使用するプラットフォームに ArcGIS を接続できます。これにより、AI を活用した意思決定が信頼性の高い地理データに根差したものとなり、その推奨が、影響を受ける場所や地域社会から切り離されることを防ぎます。さらに進んだ取り組みを望む組織は、オープン標準を使って、空間認識機能を備えたエージェンティック アプリケーションを構築することもできます。これにより、既存投資を維持しながら、技術の進展に応じて適応する余地を確保できます。 

企業規模で見ると、ArcGIS は AI に欠けがちなものを提供します。それは、運用の現実を地理的に捉えた、根拠のある全体像です。 

https://mediaspace.esri.com/media/1_3ufmh324

地理が意思決定を現実に根付かせる 

次の拠点をどこに開設するか。大規模なポートフォリオ全体のリスクを、どのように価格へ反映するか。インフラ投資をどこに振り向けるか。公衆衛生上の介入が最も大きな効果を生む場所はどこか。変化し続ける状況にどう備えるか。これらすべての問いの中心に、地理があります。 

AI 戦略の早い段階で地理的理解を取り入れる企業は、後から付け加える企業よりも、優れた意思決定を行えるでしょう。世界で最も重要な意思決定を担う組織の一部と、50 年以上にわたって協働してきた経験が、そのことを示しています。 

Esri の AI へのアプローチは、この現実を中心に据えています。信頼性の高いデータに根差し、透明性を前提として設計し、人間の判断を中心に保つことを重視しています。また、企業がすでに利用しているプラットフォームや、既存のチームと連携できるように構築されています。 

ArcGIS 全体で Esri が AI をどのように前進させているかについては、「The Next Era of AI in ArcGIS」をご覧ください。 

フォローする