交渉に当たっては、自社のデータ構造を把握しているかどうかが鍵となる。「どのデータセットがAIに触れるか」「システムとのつながり」「出力の扱い」を把握していなければ、ベンダーが曖昧なデータ所有権や収集条件を押し通す場合がある。自社のデータを交渉材料として扱うこと、AIツールが自社のデータに必要以上にアクセスしないよう「最小権限の原則」（業務に必要な最低限の権限のみを与えること）を適用することも重要だ。

　コスト構造も見落としがちなポイントだ。AIツール自体は安価に見えるが、実際は計算資源やストレージ、統合作業がコストを押し上げる。契約時は妥当でも、運用では3倍に膨らむケースもある。

　データ所有権やモデル訓練に関する条項も注意しておきたいポイントだ。交渉の際に後回しとした結果、「ベンダーが自社データをモデル訓練に使う」「取引後もデータを保持する」ことがある。この構造は、従業員や顧客データの流出や訴訟のリスクを高めることにもなる。

　価格も同様だ。従量課金や自動的な料金上昇、曖昧な利用定義が実コストを押し上げる恐れがある。特に「使用量上限なし」「自動でアップグレード」といった要素の条件を詳細に検討しなかった結果、実際のコストが予想を超えて2～3倍になる事例もある。

　AI特有の問題として、性能の劣化がある。精度や応答速度、稼働率を契約に定義しなければ、問題が起きても改善要求ができない。さらに、AI出力の責任をベンダーが否定する条項は、企業側がリスクを負う構造になる。

　退出条件も重要なポイントだ。契約上は解約できても、「データが使える形式で返却されない」「移行支援がない」といった場合がある。その結果、「解約できるが移行できない」状態に陥る。監査権やコンプライアンスの規定が弱いと、ベンダーは形式だけの監査や、制限された資料を提供するため、実質的なガバナンスにならない。また、ベンダーが「AI出力に対する責任を一切否定する」という免責条項を含めると、企業側がすべてのリスクを負う構造になる。

　さらに重要なのが、交渉前の社内連携である。法務、財務、セキュリティ、事業部門が分断されたままでは、契約後に問題が顕在化する。全員を同じ場に集め、前提と条件を共有する。これにより、価格・リスク・セキュリティ・機密性をバランスよく落とし込み、より合理的な判断が可能になる。

　避けた方がいいベンダーのタイプはあるのか。注意すべき兆候は契約前から確認しておきたい。例えば、契約内容の修正に消極的で、データ利用の説明を避けるベンダーは注意が必要だ。こうした姿勢は契約後も変わらない。

　「今週中に決めれば割引します」「枠は残りわずかです」といったメッセージも注意が必要だ。十分な精査を許さない考えが垣間見える。