公取委 生成AI実態調査ver2.0｜中小企業が知るべき独占リスクと選択肢の守り方
2026年4月16日、公正取引委員会は「生成AIに関する実態調査報告書ver.2.0」を公表しました。2025年6月のver1.0に続く改訂版で、巨大ITによるアクセス制限や抱き合わせなど、独占禁止法上の論点が大幅に再整理されています。
本記事では、この報告書を中小企業の視点で読み解きます。「公取委の報告書なんて大企業の話でしょ」と思われがちですが、実は生成AIを業務に使う全ての企業がベンダーロックインや価格変動リスクに直面する時代。報告書の論点を自社のAIツール選定・契約見直しに活かす方法を、実務ベースで整理します。
公取委 生成AI実態調査とは何か
公正取引委員会は、生成AI市場における競争環境・市場構造・取引慣行を多角的に調査し、独占禁止法上の論点を整理するために、2024年10月から継続的な実態調査を行ってきました。
ver1.0（2025年6月公表）
生成AI市場の全体像、主要プレイヤー、取引類型、論点の列挙を行いました。市場調査フェーズとしての位置づけです。
ver2.0（2026年4月16日公表）
ver1.0に寄せられた意見・追加調査を踏まえ、論点を絞り込み、実務的な考え方を提示する段階に進みました。「こういうケースは独占禁止法上問題になり得る」という行為類型の整理が具体化され、ソフトローとしての実効性が大きく高まっています。
ver2.0で整理された3つの主要論点
論点1. モバイルOS上の専用ソフトウェアに関する制限行為
スマートフォンのOS（iOS・Android）を提供する巨大IT企業が、生成AIアプリに必要なAPIや開発者機能へのアクセスを制限する行為が論点です。たとえば、自社の生成AIだけがOSの深い機能を使えて、他社の生成AIアプリが制限される——こういった行為は独占禁止法上の「取引妨害」「私的独占」に該当する恐れがあると整理されました。
中小企業がこれを「自社に関係ない」と考えるのは早計です。自社が使う生成AIアプリが突然使えなくなる、性能が劣化するといった事態は、OSレベルでの競争制限と無関係ではありません。
論点2. 既存デジタルサービスへの生成AI統合（抱き合わせ）
検索エンジン・オフィスソフト・クラウドサービスなど、既に支配的地位を持つデジタルサービスに生成AIを強制的に統合する行為も論点となりました。ユーザーが望まなくても既存サービスを使うと必然的に特定の生成AIが組み込まれるような設計は、「抱き合わせ販売」と評価される可能性があります。
実務上は、「自社のクラウドストレージを使うなら、このAIアシスタントを同時契約」のような組み合わせ販売契約があった場合、契約の必要性を再検討するきっかけになります。
論点3. データ・計算資源への優先アクセス
生成AIの学習に不可欠な大規模データセット・GPU計算資源が、一部の巨大IT企業に集中している状況も重要な論点です。新規参入者がAI開発に必要な資源に公正な条件でアクセスできない場合、市場の競争性そのものが損なわれる懸念が指摘されました。
中小企業に突きつけられる4つのリスク
報告書の論点を中小企業視点に翻訳すると、以下の4つの実務リスクが浮かび上がります。
リスク1. ベンダーロックイン（選択肢の固定化）
一度特定のAIベンダーの仕組みで業務フローを構築すると、データ・プロンプト資産・連携ツール・運用ノウハウが全てそのベンダー依存になります。競合への乗り換えには数百万円〜数千万円の移行コストが発生するケースも珍しくありません。
ベンダーが価格改定・条件変更・サービス終了を発表した際、中小企業には選択肢が残されていない——これがベンダーロックインの本質的リスクです。
リスク2. 価格・条件の一方的変更
2025〜2026年にかけて、主要な生成AIベンダーは軒並み値上げ・プラン体系変更を実施しました。API課金単価の改定、トークン上限の変更、学習オプトアウト条項の見直しなど、契約条件が頻繁に変わります。
ベンダーが実質的に独占的地位を持つと、こうした条件変更を受け入れざるを得ない構造になります。
リスク3. データの所在・利用の不透明化
AIベンダーが自社の他サービスに生成AIを統合すると、データがどこに保存され、どう使われるかの透明性が低下します。特に学習データへの再利用、海外サーバーへの転送、サブプロセッサへの提供などは、中小企業の情報ガバナンス上の重大な懸念点です。
リスク4. 業務停止リスク（単一障害点）
特定ベンダーに依存する業務フローは、ベンダー側の障害・アカウント停止・地域規制で即座に停止します。2024〜2026年にも、大手AIベンダーの数時間〜数日のサービス停止が何度も発生し、業務への影響が大きな話題になりました。
中小企業が「選択肢を確保」する5つの実務策
公取委の問題意識は、「利用者が選択肢を持てる健全な競争市場」の維持にあります。ここでは企業側がその恩恵を受けるための実務策を整理します。
策1. マルチベンダー前提の設計
AIを業務に組み込む際は、最初から複数ベンダーを使う前提で設計します。Claude・ChatGPT・Geminiなど主要モデルを並行利用できるアーキテクチャにしておけば、条件変更時の乗り換えコストが大幅に下がります。
近年はVercel AI GatewayやLiteLLMなど、モデルを抽象化するゲートウェイ層も成熟しています。これらを間に挟むだけで、モデル差し替えが設定変更レベルで可能になります。
策2. プロンプト・データの資産化
プロンプト・テンプレート・RAG用データセットは、ベンダーに依存しない形で社内管理します。特定ベンダーのチャットUI上だけに蓄積された会話履歴は、ベンダーが変わると失われる資産です。自社のデータベース・ドキュメント管理ツールにコピーを保持しましょう。
策3. 契約書の条項点検
AIベンダーとの契約書で、以下の条項を必ず確認します。
- 価格改定通知：何日前までに通知されるか、改定時の解約条件
- 学習オプトアウト：入力データがモデル学習に使われない保証
- データ返却・削除：契約終了時のデータ返却・削除条件
- サブプロセッサ開示：ベンダーが再委託する第三者の明示
- 地域選択：データ処理地域の指定可否
- SLA・障害通知：稼働率保証と障害時の対応義務
策4. 国産・オープンソースモデルの選択肢を持つ
海外巨大ITへの依存を完全に断つのは現実的ではないものの、国産モデル（rinna、Stability AI Japanなど）やオープンソースモデル（Llama、DeepSeekなど）を一部用途で併用する体制は、交渉力・BCP（事業継続計画）の両面で価値があります。
特にオンプレミスや国内リージョン限定で動かせるモデルは、機微データ処理・規制業界・政府案件で重要な選択肢になります。
策5. 内製スキルの確保
すべてをベンダーに任せず、社内にプロンプトエンジニアリング・プロセス設計・評価の内製スキルを持つことが、最後の防波堤になります。スキルがあれば、ベンダーが変わっても業務は継続できます。
「公取委調査」の実務的な読み方
公取委の実態調査は、即座に企業を取り締まるためのものではありません。しかし、調査報告書の論点整理は以下のような実務的インパクトを持ちます。
大企業の調達基準に反映される
国・地方自治体・大企業の調達基準は、公取委や総務省の公的文書を強く参照します。「ベンダーロックイン回避」「選択肢確保」「契約透明性」が調達要件に盛り込まれると、サプライヤー企業にも同じ観点が求められます。
業界団体・自主規範に波及する
クラウドサービス協会やIT企業団体は、公取委の論点を踏まえた自主規範・ガイドラインを整備していきます。業界の常識が変われば、契約交渉の前提条件も変わります。
違反時の執行リスク
今後、ベンダー側の個別行為が独占禁止法違反として執行される可能性は十分にあります。その際、ユーザー側として合理的な選択肢確保の努力をしていたか——これが損害回避の分水嶺になります。
国際的な文脈：EU・米国との共振
ver2.0の論点は、EUのDigital Markets Act（DMA）・AI Act、米国のAI Executive Orderの問題意識と共鳴しています。
- EU DMA：ゲートキーパーに指定された巨大ITへの行為規制
- EU AI Act：高リスクAIに対する厳格な適合性評価
- 米国AI Executive Order：連邦調達・透明性義務の強化
グローバル展開する企業は、日本の公取委ガイダンスに加え、これら国際規制を統合的に踏まえたAIガバナンスが必要になります。
まとめ：「使えるうちに選択肢を確保しておく」
公取委 生成AI実態調査ver2.0は、中小企業にとって「選択肢を確保する時間はまだある」という警告書として読むべきです。現在は各ベンダーが競合しており、中小企業にとって有利な価格・条件が提示されています。しかし数年後、市場が寡占化すれば選択肢は激減します。
- ベンダーロックインの4つのリスクを把握する
- マルチベンダー前提のAIアーキテクチャに移行する
- プロンプト・データを自社資産として管理する
- 契約条項6点（価格改定・学習・返却・再委託・地域・SLA）を点検
- 国産・OSSモデルを選択肢に加える
- 内製スキルを確保する
株式会社Sei San Seiでは、MINORI CloudでLark Base × Claude AIを核にしつつ、必要に応じて複数の生成AIを組み合わせるマルチベンダー設計のマネジメントシステムを提供しています。またMINORI Learning DX要件定義研修では、ベンダーロックインを避けるAI要件の書き方も学べます。自社のAI活用が「気づかないうちにロックインされていないか」を診断するところから承ります。