ソブリン AI とは

ソブリン AI は、AI のレンタルから所有への転換です。テクノロジーを所有し、データをローカルに保ち、AI システムが組織の価値観を反映しつつ法的要件にも準拠するようにします。 

ソブリン AI はデジタル主権の実装であり、外部のゲートキーパーへの依存をなくして AI 機能を分散化することを目的としています。ソブリン AI は、オープンソースモデルとローカル・インフラストラクチャを利用して、ローカルで所有および運用するユーティリティとしての AI を想定するフレームワークです。

具体的には、独立して所有および運用される物理的なデータ・インフラストラクチャを指します。これには、グラフィックス・プロセッシング・ユニット (GPU) などのアクセラレーター、大規模言語モデル (LLM)、およびそれらをローカルでホストする推論サーバーが含まれます。このような構成にすることで、トレーニングから推論までの AI ライフサイクル全体を特定の管轄内に維持できます。 

Red Hat AI の詳細

AI が私たちの日常生活や管理用システムに組み込まれるようになるにつれて、AI の運用方法について、および AI を誰が制御するのかに関する議論の重要性が増しています。 

ソブリン AI システムを構築する最大の動機は、リスクの排除にあると言っていいでしょう。ソブリン AI は、所有者だけがルールを作り出力を制御する法的安全圏内に貴重なデータを保つために必要なアーキテクチャを提供します。その他にも以下のような理由があります。

• プライバシー： データを他国のクラウドに送信すると、自国のプライバシー法に違反する場合があり、情報が漏洩したり収集されたりする可能性があります。これを防ぐために、一部の政府機関は AI によるデータ処理を国内で行うことを求めています。ソブリン AI はデータをローカルに保つので、プライバシー保護に役立ちます。

• 技術的独立性：独自のソブリン AI インフラストラクチャを持っていれば、地政学的な変化やサービス条件の変更があった場合でもテクノロジーを稼働させ続けることができます。これは、国がテクノロジーを消費する立場から作成する立場へ、さらには輸出する存在へと移行するのに役立ちます。 

• 経済成長：ソブリン AI は、各国が雇用と利益をその地域内に維持するのに役立ちます。国家が「AI ファクトリー」(データセンター) とモデルを所有している場合、AI に費やされる資金は地域経済内に滞留します。

• 国家安全保障： 軍事システムでの AI の使用が進んでおり、政府は国家の安全保障が外国のテクノロジーに依存しないようにしたいと考えています。ソブリン AI システムを構築する国は、より安全かつプライベートなデータアクセスを実現できるので、国家の安全保障を危険にさらすことを防げます。

• 文化的アイデンティティ：最も一般的な AI モデルのいくつかは、米国の企業によって開発されています。つまり、米国をベースとするモデルは西洋のコンテンツや価値観でトレーニングされており、他の文化ではバイアスや誤解が生じることがあります。ソブリン AI により、各国は自国の言語や文化、状況に基づいたトレーニングデータを使用できるようになります。 

ソブリン AI の構築と維持は、決まったチェックリストに従って行うようなものではありません。変動する要素を数多く含む動的なシステムだからです。そのため、実験からプロダクションに至るまで、あらゆる要素を制御し、理解する必要があります。ソブリン AI システムの個々の要素はスポンジケーキの台のようなものであり、層を積み重ねるごとにシステムの自律性や主権の度合いが強化されます。AI スタック (つまり、積み重ね) とも呼ばれるこれらのレイヤーは、以下の要素によってさまざまな形をとります。

• ハードウェア：チップとデータセンターの所有者は誰か。

• データ： AI のトレーニングと改良に使用されるデータを所有、提供するのは誰か。

• モデル： AI が使用するアルゴリズムを所有しているのは誰か。

• アプリケーション： ユーザーインタフェースおよびそこから取得されるデータを作成するのは誰か、それらにアクセスできるのは誰か。

• エネルギー (ボーナスレイヤー)：国家または組織は所有する AI に電力を供給できるか。

   

ソブリン AI システムを構築する場合、次のような点も考慮する必要もあります。

• 誰がモデルを構築するのか。
• モデルは何に基づいてトレーニングされるのか。
• モデルにはどのような価値システムがあるのか。
• どのような言語や方言を使用するのか。
• 問題が発生した場合、誰が責任を負うのか。

ソブリンシステムを構築するのであれば、まずインフラストラクチャ、つまり AI ファクトリーが必要です。そのようなデータセンターは、大量のデータを迅速に処理、分析、生成できる必要があります。

vLLM や llm-d などの最適化ソフトウェアを使用すると、ユーザークエリとライブデータストリームはローカルで処理され、公開されているアプリケーション・プログラミング・インタフェース (API) にアクセスすることはありません。これらのテクノロジーは PagedAttention を介して GPU メモリーの使用を最適化し、大規模な基盤モデルを複数のより小規模な GPU 間で共有できるようにします。分散推論と呼ばれるこのプロセスにより、企業は財政面でも技術面でも、高性能の生成 AI を自社の既存インフラストラクチャでホストすることが可能になります。このようにすると、主権のない高価なクラウド API をレンタルする必要がなくなります。

次に必要なのは人材です。ルールを設定し、システムを作成し、出力を監査する専任のチームが必要になります。これには、エンジニア、データサイエンティスト、法務コンサルタント、研究者などが含まれます。また、政府機関の職員と協力して規制フレームワークを設定することも必要です。規制フレームワークとはつまり、説明可能性、透明性、データ保護、サイバーセキュリティなどの問題に焦点を当てたベストプラクティスを取り入れた、AI の開発とデプロイメントのためのガイドラインです。 

最終的に主権の確立を目指す場合でも、最初はおそらくサポートが必要になるでしょう。そのため、他の国の機関と連携して、リソースと専門知識をプールすることを検討する必要があります。このようなパートナーシップは、AI の使用における世界標準の設定や、国境を越えたデータフローの促進にも役立ちます。 

機密推論とは 

機密推論は、主権を実用的なものにするテクノロジーです。これにより、国家や組織は、データが安全であることを期待するのではなく、データが安全であると確信できます。 

機密推論には、AI による分析時にデータの暗号化に使用する、ハードウェアレベルのセキュリティが必要です。これにより、データのプライバシーを守ることができ、クラウドプロバイダーはデータを見ることができません。このプロセスの間、つまりデータがネットワーク内を移動する間、そしてサーバーに到達するまで、データは暗号化された (判読できない) 状態になります。 

中央処理装置 (CPU) または GPU に到達したデータは一時的に復号されますが、高信頼実行環境 (TEE) と呼ばれるハードウェアの物理部分 (CPU または GPU) に取り込まれるため、プライバシーは守られます。チップ内部にあるこの TEE 領域は、回路の一部を区分けしてコンピュータの他の部分からアクセスできないようにするので、物理的なプライバシー保護障壁となります。

推論フェーズでデータは復号されますが、引き続き保護されます。クラウドサーバーを通過するときに再度暗号化され、組織のデバイスに到達したときにもう一度復号されます。

外国のインフラストラクチャに依存する段階を超えて、主権のある状態に移行するには、組織は AI スタックの 4 つの主要コンポーネントを管理する必要があります。

• データ主権：データ主権とは、データ規制を順守するためにデータの収集、分類、処理、保存方法の制御を維持することです。機密データは、自国の法律のみが適用されるよう、物理的に主権境界内に配置されたストレージに格納する必要があります。 

  ソブリン AI のコンテキストでは、データ主権はトレーニング、推論、重み付けに影響します。つまり、AI のトレーニングにはその実行者が所有するデータを使用するということです。ユーザーが質問すると、そのデータは海外のデータセンターに送られるのではなく、ローカルで処理されます。ソブリン AI の領域におけるデータ主権とは、AI がどのように「考える」かを決定する取扱説明書は組織が所有してカスタマイズできるということを意味します。

• 技術的主権：技術的主権とは、AI スタックの青写真を所有する (そして検証できる) ことを意味します。AI は単なるソフトウェアではなく、多数の「材料」からなるレシピのようなものです。AI スタックの構築には、さまざまなベンダーの材料を使用します。技術的主権には、AI システムを構成する各要素を説明する、透明性のある証拠保全が必要です。このような文書による記録という概念は、ソフトウェア部品表 (SBOM) や AI 部品表 (AIBOM) としても知られています。その記録は、使用しているテクノロジーの完全なインベントリーとして機能し、システムを監査してその正常性を確保するのに役立ちます。 

  次のような状況を想像してみてください。あなたはビジネスオーナーであり、財務記録をアウトソーシングすることにしました。サードパーティ企業に財務記録を引き継ぎ、その企業を信頼して任せます。1 年後、あなたの会社は監査を受けます。すると、税務記録の担当者はレシートを保持しておらず、帳簿の数字が合わないことが判明します。 

  技術的主権とは、財務処理を社内で行うことを決めるようなものと言えます。自社のコンピュータで独自のソフトウェアを使用して、すべての入力に対してデジタルレシートが発行されるようにします。そうすれば、監査人が来たときにはすべてのレシートと、それらのファイルにアクセスしたすべての人のログが含まれたタイムスタンプ付きのフォルダーを渡すことができます。 

• 運用主権：運用主権は、誰がシステムを運用するかということです。運用主権には、管理を完全に制御すること、(国内の人材による) 自己完結、「キルスイッチ」による防御機能が必要です。つまり、海外の企業が AI 設定をリモートで無効化したり変更したりするのを心配する必要がなくなるということです。簡単に言うと、運用主権とは、テクノロジーを独立して運用することを意味します。 

  次のような状況を想像してみてください。あるインドの銀行が、米国をベースとする AI システムを使用しています。この AI システムに対してソフトウェア・アップデートがロールアウトされ、これが AI のデータ処理および運用にドリフトを引き起こします。ユーザーに問題が発生し始め、しまいには突然、ユーザーが自分のアカウントにアクセスできなくなります。ローカルのエンジニアを使ってその問題を解決することはできないため、その銀行はカスタマーサービスに電話して運用サポートを依頼しなければなりません。 

• 保証主権：保証主権とは、デジタルシステムおよびプロセスの整合性、セキュリティ、信頼性を独立して検証し、保証することです。つまり、AI が宣言どおりのアクションを実行するようにするということです。保証主権は、製造業者やプロバイダーが作成した測定値ではなく、自社の測定値を使用して継続的なシステム監査と独立した検証を行うことに重点を置いています。

  保証主権がなければ、システムを自社で所有および運用していても、ハルシネーションが発生したり想定どおりに動作しなかったりといった問題を抱えることになります。保証主権により、システムのロジックが自社の基準と期待を確実に満たすようにすることができます。正常に動作していない場合は、システムの中を見て問題を診断できます。 

  保証主権により、AI の動作に関する「監査対応可能な」証拠を作成することも可能になります。これは規制の順守のために重要となる場合があります。Feast などのオープンソースツールは、さまざまなソースから単一の整理されたシステムにデータをプルし、レシートを提供します。つまり、たとえば規制当局から「あなたの AI はなぜ融資を拒否したのか」と尋ねられた場合、あなたはその決定に使用されたデータの正確なバージョンを示すことができます。
  
  Feast についての詳細を読む

オープンソースは、ソブリン AI の作成に必要な青写真とツールを提供します。オープンソースモデルがなければ、AI を開発できるのは豊かな資産を持つごく一部の企業だけとなり、それ以外の企業はすべて、自社で構築するのではなくレンタルせざるを得ないでしょう。 

結局のところ、ソブリン AI の構築における最大の障壁の 1 つは、モデルとシステムをゼロからトレーニングするコストです。オープンソースソフトウェアとオープンウェイトモデルにより、企業や国家は基盤モデルをもとに、自社のデータを使用してニーズに合わせてファインチューニングすることができます。また、オープンソースのコードライブラリ (vLLM など) を使用してコストを削減することもできます。 

ソブリン AI とは、AI システムを制御する権利を持つことです。 説明可能な AI が、その権利の実行を可能にします。マシンがどのように機能するか、なぜその出力を生成するのかを理解していなければ、マシンに対する主権 (または権限) を持っているとは言えません。説明可能性がなければ、ソブリン AI は隠れたバイアスを持つ可能性のある単なるブラックボックスでしかありません。

説明可能な AI の詳細

質問に答えるツールでしかなかった AI はコンテキストを理解するシステムへと進化しており、セマンティックレイヤーとモデルコンテキストプロトコル (MCP) ゲートウェイを作成して AI エージェントがエンタープライズ・データ資産全体を安全に使用して処理できるようにすることが必要になっています。 

コンテキストを提供するために AI に多くの情報へのアクセスを許可する場合、その情報を保護することは理にかなっています。特にそれらが機密情報の場合はなおさらです。 

ソブリン AI システム内でエージェント型 AI を運用するには、エージェントのトレーニングと認定、ナレッジグラフ、およびバックエンドシステムを、そのエージェントの物理的な管轄区域内に置く必要があります。そうすることで、ユースケースに必要な (機密性の高い) 知識へのアクセスを AI に与え、そのデータに基づいてトレーニングを行うことが可能になります。この近接性により、レイテンシー (遅延) も短縮されます。

次のような状況を想像してみてください。ドイツの法律を専門とし、政策の決定を支援する AI エージェントを利用しているとします。ソブリン AI システムがなければ、次のような複数の問題が生じる可能性があります。

• グローバルデータや米国の法体系のデータセットを使用してトレーニングされている場合、出力にバイアスが生じたり、ドイツのコンテキスト内では完全に正確ではなかったりするリスクがあります。
• これらのエージェントが (ソブリンクラウドではなく) 外国のクラウド上に存在している場合、プロバイダーはデータ、メモリー、ロジックを参照したり、その接続をさらなる収益機会として利用しようとしたりする可能性があります。
• エージェントが誤りを犯した場合、過失責任に関するどの法律が適用されるかについて、国内機関と国際的な機関の間で意見が分かれる可能性があります。
• 国際的な紛争が発生した場合、海外プロバイダーが API キーを無効化することでエージェントが使えなくなる可能性があります。 

ソブリン AI は、エージェントが管轄区域内の制約や範囲内で適切に扱われることを保証します。先ほどの例でソブリン AI を使用していた場合、ドイツの法律に基づくドイツのエージェントが、ドイツのサーバー上のアーカイブデータにアクセスします。そして、そのエージェントはドイツ文化の機微を理解しています。また、ドイツの法務分野の資格に必要なトレーニングと認定を受けることができます。そして、ドイツに物理的に保存されているドイツの裁定事例のナレッジグラフを使用します。 

ソブリン AI を使わない場合、ドイツの政策立案者が使用する AI はドイツと他国の間でデータを送受信する可能性があります。世界中の法的情報を含むナレッジグラフを使用する場合もあるでしょう。訴訟を有利に進めるのに役立つ可能性のあるドイツ裁判所の判決にアクセスできないかもしれません。エージェントのトレーニングが、ドイツの法律家が法制度やポリシーに期待するものとは文化的に異なるものになる可能性があります。 

エージェント型 AI についてさらに詳しく

ソブリン AI の使用が広がると、専門的かつ地域化された AI エコシステムのネットワークが形成され、次のようなメリットがもたらされます。

• セキュリティとデータ保護：ソブリン AI は、医療、金融、行政など、厳しい規制が適用される業界で特に重要です。これはサイバーセキュリティにも役立ち、プロプライエタリーなデータや知的財産を保護します。また、監査可能なソフトウェア・サプライチェーンの形成にも役立ちます。vLLM や llm-d などのツールを使用すると、機密データにアクセスさせる前に、ソフトウェアのあらゆる部分を検証できます。これにより、セキュリティが受け身の防御から能動的な検証へと変革します。

• 外国の AI プロバイダーからの独立：自国開発の AI システムを構築して使用することで、政府や組織は破壊的な外部要因に直面しても制御を維持し、業務を継続することができます。そうした外部要因には、貿易問題、規制の変更、地政学的な問題、外部電源の停止などがあります。

• 競争上の優位性：AI インフラストラクチャとモデルを制御することで、システムをファインチューニングし、出力をカスタマイズして、AI に文化的コンテキストやビジネスニーズに即した動作をさせることができます。 

• ユーザーからの信頼の向上：データが外国に渡ることがないと分かっていれば、ユーザーや顧客はより安心できます。

• 持続可能性とリソース制御：ワークロードをどこでどのように実行するかを制御できれば、そのワークロードを処理するための電力をどう供給するかは組織が決められます。その場合、再生可能なエネルギー源を使用して、地域での環境への取り組みと事業を連携させることも視野に入ってきます。最終的に、ソブリン AI は組織や国家を、依存的な状態から力を持って自立した状態へと移行させます。 

ソブリン AI は戦略的に進めていくべきプロセスであり、長期的な投資が必要です。カスタマイズされたソブリンスタックを運用するということは、利便性と引き換えに責任を引き受けることを意味します。しかしこの移行には次のようないくつかの課題があります。

• 法的な曖昧さ：管轄が異なれば、法律の取り扱いも異なります。組織は、そうした法的フレームワークの違いを乗り越えて、AI の行動規範について適切な決定を下す必要があります。これには法的な専門知識が必要になる場合があります。

• 変化に時間がかかる：一般的に言って、コンプライアンスおよび規制機関は動きが鈍いものです。意思決定はすぐには行われないため、プロジェクトは戦略的に管理する必要があります。

• コスト：AI を処理するためのコンピューティング能力とインフラストラクチャへの投資に加え、目指す技術ソリューションを実装できる有能なエキスパートを見つけなければなりません。また、ユーザーにメリットをもたらし役に立つサービスを作成するために研究開発に投資する必要もあります。 

• 技術的な複雑さ：ソブリン AI スタックの構築を目指す場合、IT インフラストラクチャ全体に変更を加える必要が生じる可能性があります。具体的には、新しいコードの作成と既存のデータの移行などです。Model-as-a-Service (MaaS) のようなプラグアンドプレイのオプションを使用しない場合、これを自社で管理するのは困難です。

ソブリン AI を追求するための戦略は、どれだけのリソースを利用できるかによって異なります。さまざまな国がソブリン AI の領域にどのように取り組んでいるかについて、いくつかの例を以下に示します。

• 設計段階からの包括的な主権：中国は現在、ほぼ完全なソブリン AI の最も代表的な例となっています。中国政府は、データの制御 (厳格な法律、および民間企業のデータへのアクセスにより実現)、アプリケーションの制御 (完全な国内のエコシステム)、モデルの制御 (国内ラボを使用) を実施しています。中国は国内でのチップ開発に投資していますが、ハードウェアに関しては (まだ) 完全な自給を達成できていません。国営のインターネット監視システムであるグレート・ファイアウォールにより、中国は他のどの国よりもデジタル主権に近いところにあります。 

• 民間企業の優位性： 米国では、民間企業が政府からの直接的な支援をほとんど受けずに卓越した AI システムを構築しています。そのため、グローバルな AI 開発を主導している Google、マイクロソフト、OpenAI、Anthropic はそれら自体が主権の一形態となっています。 

• 規制主権： 主権に対する EU のアプローチは、インフラストラクチャではなくガバナンスを重視しています。EU AI 法は、AI をリスクに応じて分類し、EU 内で運用されるシステムが満たすべき基準を設定しています。EU は、米国や中国などの国家のインフラストラクチャやコンピューティング予算に比肩しようとするのではなく、Mistral などのローカルプロジェクトに投資し、業界を導くための明確な規制を策定しています。

• 主権を可能な限りシンプルに保つ： 小規模国家は海外製基盤モデルへの依存を受け入れていますが、ローカルの言語に合わせたファインチューニング、国内ガバナンス・フレームワークの構築、自国で生成されたデータの国内保管に、時間と投資を集中させています。これはつまり、OpenAI の ChatGPT のような AI を自国で作ることを目指すのではなく、国内の研究者に投資するということです。シンガポールの SEA-LION プロジェクトは、人々が地域の人材を組織して、東南アジアのコミュニティに焦点を当てた LLM を構築している例です。 

これらは同じ意味で使用されることがあり、混同されやすい用語です。その違いについて説明しましょう。

ソブリン AI とは、国家または団体が独自の条件で AI システムを導入できるようにする製品、技術スタック、ツールを指します。その主眼は、AI の運用方法を決定する能力を持つことにあります。重視するのは、容量、能力、手段です。 

AI 主権はより哲学的なものであり、AI ポリシーを決定する力を誰が持つのかが主題になります。つまり、AI が自分たちの生活や将来に与える影響について、多様な市民とコミュニティが意見を言い、それが受け入れられる素地を作ることです。AI 主権は、AI の使用範囲を広げ、人権、民主主義、同意、文化の保護、価値観に関する議論を含めることを意味します。 

たとえば、国家が自国民の AI 主権を損なう方法でソブリン AI を追求することは可能です。つまり、他国に一切依存することなく運用できる高度な AI ツールを持ち、国民に対して公平または平等ではない方法で使用することもあり得るということです。 

ただし、ソブリン AI と AI 主権には大きく重なる部分もあります。ソブリン AI システムを構築する際には価値、権限、説明責任、表現について考える必要があり、これらは AI 主権に関する検討事項です。

AI の独占または一元化とは、世界的なインテリジェンスの供給、つまりインフラストラクチャ、生データへのアクセス、社会を形成するテクノロジーが、数社のハイパースケーラーに掌握されるシナリオを指します。これにより、AI を所有していない国が外国の力に依存せざるを得ないという状況が生まれ、地政学的な対立が強まる可能性があります。ソブリン AI は多くの点で、このような事態の発生を防ぐ取り組みとなります。 

Model-as-a-Service (MaaS) とは、ChatGPT のようなモデルへのアクセスに対して料金を支払う仕組みを指します。MaaS では、プロバイダーがモデルを変更したり、アクセスを遮断したりしても、ユーザー側にできることはありません。ソブリン AI とは、他社サービスへの依存から脱却し、自社所有へ移行することです。 

ソブリン AI を追求するにあたり、自社の現在地と次にどこに進むべきかを理解するために、主権における成熟度を把握しておくことが重要です。

• ゼロ主権： ほとんどの企業はここからスタートして MaaS を使用します。モデルを十分に理解していないまま使用し、処理のために国外にデータを送信している段階です。このシナリオでは、ユーザーはあくまでテナントであり、プロバイダーがサービスを打ち切ると、AI も消滅します。

• 部分的主権：中間地点であるこの段階では、オープンウェイトモデルを使用し、リージョン内のインフラストラクチャ上でそれらをホストしています。ユーザーは、モデルの知識を形成する方法と、コードを所有する方法を理解しています。このシナリオでは、NVIDIA 製のチップや、海外拠点のクラウドプロバイダーを利用しているケースがほとんどです。つまり、外部ハードウェアに依存しています。

• 完全な主権：AI は国内の拠点に置かれ、自社所有のハードウェア上で動いています。ローカルデータで学習し、国内の電力で動作します。 

MaaS の詳細はこちら

AI は社会の形成にますます深くかかわるようになっています。ソブリン AI の概念は、そうした AI を国家が形成することはできるのかという疑問を投げかけます。これは、より広範なデジタル主権や技術的主権などを含む大きなパズルの、中心を占めるピースです。

デジタル主権とは、デジタル空間でのルール、権利、管轄に関することです。

技術的主権とは、基盤となるインフラストラクチャとテクノロジーの所有や制御に関することです。

ソブリン AI はこの 2 つを融合します。そして、国や会社のルールに準拠し、そのインフラストラクチャ上で構築され、そのデータでトレーニングされ、その価値観に沿う AI システムに焦点を当てます。 

ほとんどの国は、デジタル主権と技術主権のいずれかを達成しようとしている段階にあります。ソブリン AI を構築するという目標はあっても、それを実現するには技術ポリシーをさらに進展させる必要があります。 

今後数年で、特定の地域や国に根ざした AI システムが増加するでしょう。その根拠となるのは、EU で AI 法が推進されていることや Mistral のようなモデルへの投資が進んでいることです。これは欧州が、米国や中国が現在提供しているものとは異なる AI アイデンティティを求めていることを示しています。 

Red Hat® AI は、vLLM 搭載のサーバーを通じて、高速で柔軟かつ効率的な推論を行うように構築されています。モデルをデータと確実に接続し、専用エージェントのカスタマイズと開発を単一のプラットフォームで行うことができます。オープンソースを基盤として構築された当社の製品により、あらゆる規模で AI ワークフローをエンドツーエンドで完全に制御することができます。 

Red Hat はお客様がセキュリティ、データ、モデル、結果に対する制御性を維持しつつエアギャップされた (隔離された) AI ファクトリーを構築できるように支援し、それによってソブリン AI の基盤を提供します。

当社のエコシステムの力はそのオープン性にあります。ソブリン AI の課題を単独で解決できるベンダーはありません。Red Hat はさまざまなハードウェアやクラウドの統合を促進することで、お客様が地域の規制を順守し、海外ベンダーへのロックインを回避できるよう支援します。 

透明性、アップストリームへの貢献、オープンスタンダードに重点を置く Red Hat のアプローチにより、お客様はテクノロジースタック全体を独自に検証することが可能です。