AI法のトレーニング要約、スクレイピングしたサイトのリストが欠如していることが判明

ActuIAは2026年9月25日現在で公開されている24件のAI法トレーニング要約を体系的に調査し、すべてがAI法第53条第1項(d)に規定された報告義務に従って作成されていることを確認しました。この調査は、各要約が欧州委員会が提供する標準テンプレートに沿っているかどうかを評価することを目的としています。

欧州委員会のテンプレートでは、スクレイピングによって取得したウェブサイトの中でデータ量が上位10％を占める一次ドメインおよび二次ドメインを列挙することが明示的に求められています。中小企業（SME）向けには、報告対象となるドメイン数の下限が緩和されるものの、最低限の情報開示は依然として必須とされています。

要約の大半がドメインリストを省略

対象となった21件の文書は、テンプレート内に「スクレイピングドメイン」欄を設けているものの、実際には空白のままであり、具体的なウェブサイト名やURLが一切記載されていませんでした。この欠落は、テンプレート遵守の形式的な満足に留まっている可能性を示唆しています。

DeepSeekが提出した3件の要約に関しては、そもそもスクレイピングセクション自体が文書から除外されており、必要とされる情報が全く含まれていないことが確認されました。これにより、同社の報告が法的要件を満たしているかどうかは疑問が残ります。

プロバイダーがデータソースをどう記述しているか

具体的なドメイン名を列挙する代わりに、要約では「学術リソース」「コードホスティングプラットフォーム」「百科事典」「地域ポータル」や「.com」など、極めて汎用的なカテゴリ表現が用いられています。これらの記述は、実際にどのサイトからデータが取得されたかを特定する手がかりを提供しません。

調査対象となったプロバイダーは、OpenAI、Mistral AI、Z.AI、ByteDance、MiniMax、DeepSeek、そしてAnt Groupの計11社（新規11件の文書）であり、いずれも同様の記述パターンを示しています。

Ant GroupのHugging Face上の文書

Ant Groupが提出した要約は、Hugging FaceのinclusionAI/AI-Transparencyリポジトリに掲載されており、リポジトリの説明では「ドキュメントのみを含み、モデルの重みやトレーニングデータは含まれない」こと、そして公開自体が規制上の認証を意味しない旨が明示されています。

このAnt Groupの文書も第53条第1項(d)のテンプレートに従っていますが、ドメインリスト欄は空白で、他の要約と同様に具体的なサイト情報が欠如しています。

規制の背景と期限

AI法におけるスクレイピングドメイン情報の開示義務は、2025年8月2日以降に新たに市場投入された汎用AIモデルに適用され、既存モデルについては2027年8月2日までに遵守する期間が設定されています。このスケジュールは、欧州委員会が透明性とトレーサビリティを確保するために設けた重要なマイルストーンです。

現在の記述が第53条の法的要件を満たすかどうかは、最終的に欧州委員会の判断に委ねられます。ActuIAのレビューは情報提供の役割を果たすものの、違法性の最終決定権は持ち合わせていません。

• 21件の要約はテンプレートを含むがドメインは記載なし
• 3件のDeepSeek要約はセクション自体が欠落
• プロバイダーは具体的URLではなく汎用カテゴリを使用
• Ant GroupのHugging Faceリポジトリは文書が認証ではないことを明示

日本語圏の企業にとって実務的な影響は明確です。ドメインの具体的な記載がない場合、コンプライアンス監査で情報が不完全とみなされ、EU規制当局から追加情報の提供や是正措置を求められるリスクが高まります。欧州委員会が第53条の要件を満たさないと判断した場合に備え、各社は既存の要約に具体的なドメインデータを補完する準備を速やかに進める必要があります。

本報道は2026年9月25日、東京に拠点を置くActuIA編集部が作成し、欧州連合のAI規制遵守に関心を持つ日本国内の関係者へ向けて配信されています。