NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

インド通信規制当局TRAI、通信網のAI利用指針案を公表――取締役会承認の方針・AI台帳・重大事故報告を提案

インド電気通信規制庁(TRAI)は2026年10月30日、通信網と通信サービスでAIを使う事業者向けの指針案を公表しました。取締役会が承認する社内AI方針、AIシステムの台帳、導入前の評価、重大事故の当局への報告、外部調達AIを含めた事業者の結果責任を提案する草案で、意見募集は11月27日まで行われます。施行済みの規制ではありません。

インド電気通信規制庁(TRAI)は2026年10月30日、通信網と通信サービスでの責任あるAI利用に関する指針案を公表しました。意見募集ページでは、公開日2026年10月30日、締切2026年11月27日、担当部局Networks, Spectrum and Licensing、ステータスOpenと示されています。コメントは電子形式が望ましく、提出されたコメントはTRAIのサイトに公開すると記載されています。現時点で施行済みの規制ではありません。

草案の位置づけ

草案の根拠は、2026年2月にインド政府が公表した「India AI Governance Guidelines」と、TRAI法11条の業務品質基準を定める権限です。対象は、1885年電気通信法に基づく免許か2023年電気通信法に基づく認可を持ち、通信網や通信サービスにAIを使っている、または使う予定の事業者です。一般のAI開発者やインドの全企業に直接適用される草案ではありません。

図解関連の日程
  1. 政府のAIガバナンス指針

    India AI Governance Guidelines。草案が根拠として引用する政府文書

  2. TRAI指針案を公表

    意見募集の開始。担当部局はNetworks, Spectrum and Licensing

  3. 意見募集の締切

    ステータスはOpen。コメントはTRAIサイトに公開予定

TRAI意見募集ページ、草案本文、草案第1.1項による。施行日と最終文面は未確定。

提案される運用の枠組み

草案の中核は、取締役会または同等の統治機関が承認する社内AI方針です。方針には、AIシステムごとの高・中・低のリスク分類、指定役員による使用承認、事故を重大度で4段階に分類する基準、中央データベースへの記録と標準手順(SOP)、critical(重大)とhigh(高)の事故のTRAIへの報告、人間の監督、データガバナンス、利用者からの被害申告への対応を盛り込むよう求めます。方針の見直しは会計年度に少なくとも1回で、発効から7営業日以内にTRAIへの提出が必要です。

「該当する認可事業者は、使用するすべてのAIシステムの結果について責任を負います。AIシステムが社内で開発されたか、第三者から調達・外部委託されたか、あるいはその組み合わせかを問わないものとします。」

The applicable authorised entity shall be accountable for the outcome of all AI systems used by it, irrespective of whether the AI systems are developed internally, procured/ outsourced from third party or a combination thereof.

TRAI指針案第3.8項(2026年10月30日公開の草案より)

台帳と導入前の評価

草案は、稼働中、停止中、廃止済みを含むすべてのAIシステムの台帳を求め、各システムに供給元、目的、リスク分類を記録します。台帳に載っていないAIシステムは使用できません。第三者から調達するAIについては、供給元の信頼性、システムの健全性と限界、学習データの適合性を事前に調査します。新規導入と既存システムの変更のどちらでも、導入前の検証、適合性評価、影響評価が必要です。適合性評価の対象は、正確さ、堅牢性、説明可能性、公平性、ドリフトへの耐性、人間の監督です。公平性の評価には、電気通信工学センター(TEC)の標準57050:2023を使う例が示されています。事故の記録先となる中央データベースについて、草案が例示するのはTEC標準57090:2025のスキーマです。調達契約には、規制対応、監査と検査の権利、事故管理、責任配分を定めた強制可能な条項を組み込むよう求める文面です。

委員会と責任の所在

草案は、取締役会の承認でAI Governance and Safety Committee(AGSC)を設置し、上級幹部であるAI Governance and Safety Officer(AGSO)が率いることを求めます。委員会は、稼働中AIの性能を少なくとも会計年度に1回見直し、必要なら修正や廃止を含む是正を行います。重大事故は、材質的な誤動作、繰り返す障害、対策を含めて、規定の様式、方法、期限でTRAIへの報告が必要です。ただし草案の段階では、報告の様式と期限は定められていません。草案の第3.11項は、この指針が既存の法律、規則、免許条件などの適用を制限しないと述べており、違反への新たな罰則はこの草案には含まれていません。

図解草案が提案するAI導入の管理の流れ
  1. 01 方針策定

    取締役会承認

    社内AI方針を策定。発効後7営業日以内にTRAIへ提出

  2. 02 台帳登録

    全AIシステム

    稼働中・停止中・廃止済みを記録。台帳にないAIは使用不可

  3. 03 導入前評価

    検証・適合性・影響

    第三者調達の事前調査も対象。公平性はTEC標準57050:2023の例示

  4. 04 運用

    リスク分類と人間の監督

    分類は年1回以上見直し。AGSCが性能を監視

  5. 05 事故対応

    4段階分類

    critical、high、moderate、low。全事故を中央データベースへ記録しSOPで対応

  6. 06 報告

    criticalとhigh

    規定の様式・方法・期限でTRAIへ。期限は草案では未規定

TRAI指針案(2026年10月30日公開、全12ページ)の第2〜3章の整理。報告の様式・期限は草案では未規定。

図解AIインシデントの4段階分類と対応
  • Critical

    TRAIへの報告
    報告対象
    記録と対応
    中央DBとSOP
  • High

    TRAIへの報告
    報告対象
    記録と対応
    中央DBとSOP
  • Moderate

    TRAIへの報告
    草案では対象外
    記録と対応
    中央DBとSOP
  • Low

    TRAIへの報告
    草案では対象外
    記録と対応
    中央DBとSOP

TRAI指針案第3.2項(c)(d)の整理。報告の様式・期限は草案では未規定。

草案段階で確定していない点

criticalとhigh事故の判定基準の細部、報告の様式と期限、違反時の新たな罰則、施行日は草案にありません。指針の法的な位置づけも、意見募集を経て確定するまで分かりません。草案のshallという表現は現時点の施行済み義務を示さず、第3.11項は既存の法律や免許条件の適用を妨げないと述べるだけです。対応が確定するまでは、通信事業者のAI管理の実務が変わるかどうかは判断できません。

出典

  1. TRAI「Draft Guidelines on Responsible Use of AI in Telecommunication Networks and Provision of Telecommunication Services」(意見募集ページ、2026年10月31日確認)全文確認。公開日30/10/2026、締切27/11/2026、担当部局Networks, Spectrum and Licensing、ステータスOpen、草案PDFへの公式リンクを確認
  2. TRAI「Draft_CP_30102026.pdf」(指針案原文、全12ページ、2026年10月31日確認)全文確認。対象定義(Telegraph Act 1885の免許/Telecommunications Act 2023の認可)、取締役会承認の社内AI方針(3.1)、リスク3分類(3.2a)、事故4分類とcritical/highのTRAI報告(3.2c,d)、人間の監督(3.2e)、年1回見直し(3.3)、7営業日以内の提出(3.4)、全システム台帳と台帳外使用の禁止(3.5a)、第三者調査・導入前評価・TEC 57050:2023(3.5b,c)、契約条項(3.5f)、TEC 57090:2025(3.5g)、AGSCとAGSO(3.6)、結果責任(3.8)、報告(3.9)、既存法の適用(3.11)を確認
  3. TRAI「TRAI releases draft Guidelines on Responsible Use of AI ...」(Press Release No. 145、2026年10月31日確認)プレスリリース番号145と草案公表の告知を確認

出典の確認日 2026.10.31

KEEP EXPLORING

あわせて読みたい記事と映像

AIと社会の記事一覧
  1. Bitdefender、AIコーディング環境を狙う悪性GitHubコンテンツを分析──AGENTS.mdでの誘導と起動フックの2経路、悪性リンク22件

    セキュリティ企業Bitdefenderの研究部門Bitdefender Labsは2026年11月17日、AIコーディング支援ツールの利用環境を狙う悪性GitHubコンテンツの分析を公開した。研究者Andrei Anton-Aanei氏らが確認した悪性リンクは22件で、AGENTS.mdやCLAUDE.mdの文章でAIにsetup.jsの実行を誘導する経路に加え、.claude/settings.jsonのセッション開始フックでAIの判断を介さずコマンドを実行できる経路が報告されている。22件はリンクの数で、感染者数を示すものではない。

    記事を読む
  2. POSTECH、LLMが勾配学習なしでモデルの重みを直接書く「Weight-Space Programming」──3つのLLMが疎なテーブルを設計、ARCで最大54.4%

    POSTECH(韓国の浦項工科大学)のHyunjong Ok氏とJaeho Lee氏は2026年11月17日、勾配ベースの学習を使わず、大規模言語モデル(LLM)にモデルの重みを直接記述させる「Weight-Space Programming」の研究をarXivに公開した(arXiv:2611.22055)。Claude Opus 5.5、GPT-6.1 Sol、GPT-6 Astraの3モデルに10件のラベル付き例とサンドボックスを与えて実験したところ、アーキテクチャの設計を任せた3モデルすべてが、テキストで書いた事実を置く疎なテーブルと、それを読む固定の手続きでモデルを構成した。ARCの選択式テスト3,530問での精度は最大54.4%(偶然は25%)で、著者報告では、同じLLMが記述した最良の公開Transformerを約1,800分の1のパラメータで上回った。実験で作った56モデル(テキストファイル計68MB)をMITライセンスで公開しているが、測定・分析コードの大半は含まれていない。

    記事を読む
  3. Google GTIG、実際の侵入でAIエージェント基盤の悪用を観測──脆弱性調査と悪用の完全自動化を初確認、LLMJackingの被害は単日10万ドル超

    GoogleのGoogle Threat Intelligence Group(GTIG)とMandiantは2026年11月16日、四半期ごとの脅威観測レポート「GTIG AI Threat Tracker: Agentic Threat Activity Crosses a Significant Threshold」を公開した。複数の脅威アクターがオープンソースのマルチエージェント型ペネトレーション基盤(ARTEX、CAIRN、CyberStrikeAI、PentAGI)を悪用し、実際の侵入の個別の工程を自動化した事例を観測した。脆弱性の発見と悪用を人間の介入なしに完全自動化するLLM基盤の使用は、この四半期に初めて確認したという。LLM認証情報の窃取でクラウド資源を消費するLLMJackingでは、単日の不正請求が10万ドルを超えた事例があり、最も深刻な事例では累計100万ドルに達した。観測範囲は限られ、数値はGoogleの報告値。

    記事を読む