ベクトルDBに学習データを溜めた事業のDD
「3年分の業界データを全部ベクトル化して溜めてあります。これがうちのRAGの精度を支えていて、簡単には真似できません」── AIを活用するSaaSのM&Aで、ベクトルDB（Pinecone、Qdrant、Weaviate、Milvus、pgvector等）に蓄積された埋め込みデータが、事業の差別化資産として語られることが増えた。確かにそれは資産になり得る。しかし同時に、その同じベクトルデータが、見えない負債として事業価値を蝕んでいることもある。資産か負債かを分けるのは、データの「出自」と「再生成可能性」だ。
ベクトルDBに蓄積された埋め込みは、独自データという堀（#51で扱ったデータ資産）の具体的な実体だ。だが、その埋め込みは特定の埋め込みモデルに紐づき、元データの権利関係を引きずり、個人情報を符号化している可能性がある。これらの性質を検証せずに「データ資産」として評価すれば、買い手は資産だと思って負債を買うことになる。
本稿では、ベクトルDBの蓄積データがなぜ資産になり、なぜ負債にもなるのか、埋め込みモデル依存と元データの保全という二つの分水嶺、権利・プライバシーのリスク、そしてベクトル資産をDDでどう評価するかを、現場目線で整理する。
1. ベクトルDBの蓄積データはなぜ「資産」になり得るのか
1-1. 独自データの堀としてのベクトル
汎用LLMは誰でも使えるが、その上に乗せる独自データは事業固有の資産だ。業界特化のドキュメント、自社の業務ナレッジ、顧客とのやり取り、専門的なコーパス ── これらを埋め込みに変換してベクトルDBに蓄積し、検索拡張生成（RAG）で活用すれば、汎用モデルだけでは出せない品質と専門性を実現できる。この蓄積が、競合には容易に複製できない堀を形成する。
さらに、利用が増えるほどデータが蓄積し、検索精度や回答品質が向上する好循環が働けば、先行優位が時間とともに拡大する。ベクトルDBに溜まったデータは、汎用AI時代において事業が築ける数少ない持続的な差別化資産の一つだ。ここまでは、売り手の主張は正しい。
1-2. 「量」ではなく「質と固有性」が価値を決める
ただし、ベクトルデータの価値は単純な量では測れない。重要なのは、そのデータが事業に固有で、他で入手できないものかだ。公開情報を埋め込んだだけのベクトルは、誰でも同じものを作れるため堀にならない。自社でしか得られないデータ、独自にラベル付けや構造化を施したデータこそが、複製困難な価値を持つ。
DDでは、ベクトル化されているデータの出自と固有性を見る。「3年分のデータ」という量の主張ではなく、「そのデータが他社に再現不能か」という固有性が、資産としての価値を決める。量の誇示と固有性の実体を、評価では切り分ける。
2. 分水嶺その1 ── 埋め込みモデルへの依存
2-1. ベクトルは特定モデルのベクトル空間に縛られる
ベクトルDBに格納された埋め込みは、それを生成した埋め込みモデルのベクトル空間に固有のものだ。あるモデルで生成したベクトルは、別のモデルのベクトルと互換性がない。つまり、埋め込みモデルを変えれば、蓄積した全ベクトルは無意味になり、元データから全て再生成（再埋め込み）しなければならない。
これは本連載のLLM依存回（#41）で触れた、埋め込みのプロバイダーロックそのものだ。埋め込みモデルが商用APIで提供されている場合、そのモデルが廃止されれば、あるいは価格が大きく変われば、蓄積したベクトル資産の維持コストと再生成リスクが直撃する。ベクトルDBの中身は、埋め込みモデルというもう一つの依存先に縛られている。
2-2. 再埋め込みコストとモデル廃止エクスポージャー
DDでは、使用している埋め込みモデルと、それを別モデルに切り替える場合の再埋め込みコスト（計算コスト、API料金、所要時間）を見積もる。データ量が膨大であれば、再埋め込みは無視できない費用と時間を要する。さらに、モデルを変えればRAGの品質特性も変わるため、検索精度の再チューニングと評価も必要になる。
埋め込みモデルが廃止される、あるいは大幅に値上げされるシナリオへのエクスポージャーは、ベクトル資産の持続可能性に直結する。再生成が容易で、複数の埋め込みモデルに対応できる事業は資産性が高く、特定の廃止予定モデルにロックインされた事業は、その資産が時限的なものになる。
3. 分水嶺その2 ── 元データの保全
3-1. ベクトルしか残っていないという最悪のケース
ベクトル資産を再生成するには、元データが手元に保全されている必要がある。ところが、実務では「元データを埋め込んでベクトルDBに入れた後、元データを保持していない」という事態が起きる。この場合、埋め込みモデルを変えたくても、再埋め込みする元データがない。蓄積したベクトルは、現在のモデルが使える限りにおいてのみ価値を持つ、回復不能な状態になる。
これは、本連載で扱った署名鍵の喪失（#40）やファインチューニングの学習データ消失（#41）と同種の、「再生成の素材を失った資産」の問題だ。元データが保全されていないベクトル資産は、埋め込みモデルの寿命に運命を縛られた、脆い資産だ。DDでは、元データの保全状況を必ず確認する。
3-2. データの鮮度とメンテナンス
ベクトル資産は、一度作れば終わりではない。元データが更新されれば、対応するベクトルも更新しなければ陳腐化する。古い情報の埋め込みが残り続ければ、RAGが古い・誤った情報を返し、品質が劣化する。ベクトルDBの更新パイプライン ── 新規データの埋め込み、古いデータの削除・更新 ── が運用されているかが、資産の鮮度を保つ。
DDでは、ベクトルの更新運用が確立されているか、データの鮮度がどう管理されているかを確認する。メンテナンスされていないベクトルDBは、蓄積量が多くても品質が劣化しており、資産価値が見かけより低い。本連載のCron回（#42）で扱った定期処理が、ここでも品質を支えている。
4. 権利とプライバシーという潜在負債
4-1. 元データの権利関係と学習・利用の正当性
ベクトル化された元データの権利関係は、見落とされやすい潜在負債だ。ベクトル化したデータが、適法に取得され、その用途（埋め込み・検索・AI回答生成）に使う権利があるものかを確認する必要がある。第三者の著作物、ライセンス条件のあるデータ、許諾範囲を超えたスクレイピングデータが含まれていれば、それは権利侵害のリスクをベクトルDBに溜め込んでいることになる。
買い手は、データの権利侵害リスクを引き継ぐことになるため、DDで元データの取得経路とライセンスを確認する。「データを溜めた」という事実は、その取得が適法でなければ、資産ではなく訴訟リスクの蓄積になる。
4-2. 個人情報を符号化したベクトル
埋め込みは元データの情報を符号化しており、元データに個人情報が含まれていれば、ベクトルもまた個人情報を内包し得る。ベクトルから元の内容を一定程度復元できる可能性も指摘されており、ベクトルDBが個人情報の保管庫になっているケースがある。これは個人情報保護法制への対応 ── 取得時の同意、削除要求への対応、越境移転 ── を要する。
顧客から削除を求められたデータが、ベクトルDBにベクトルとして残り続けていれば、それはコンプライアンス上の問題になる。ベクトルDBは、個人情報の所在として棚卸しの対象に含めるべきデータストアであり、その管理状態はプライバシーDDの評価項目だ。
5. ベクトル資産の評価とチェックリスト
5-1. 資産性と負債性を分けて評価する
ベクトルDBの評価は、資産としての価値と、負債としてのリスクを分けて行う。資産性は、データの固有性・複製困難性・事業への寄与で測る。負債性は、埋め込みモデルへのロックイン、元データの保全状況、権利関係、個人情報の含有で測る。両者を統合して、ネットの評価を出す。
固有性が高く、元データが保全され、複数モデルに対応でき、権利がクリアで、個人情報が適切に管理されているベクトルDBは、強い資産だ。逆に、公開データの埋め込みに過ぎず、元データを失い、廃止予定モデルにロックインされ、権利が不明で、個人情報が無管理なベクトルDBは、資産の見かけをした負債だ。「データを溜めてある」という主張は、この両面の検証を経て初めて評価できる。
5-2. 買い手・売り手のチェックリスト
買い手は、①ベクトル化データの出自と固有性、②使用埋め込みモデルと再埋め込みコスト・廃止エクスポージャー、③元データの保全状況、④更新運用とデータ鮮度、⑤元データの権利関係とライセンス、⑥個人情報の含有と管理、⑦ベクトルDB（マネージドサービス）の契約・アカウント移管、を確認する。
売り手は、元データを保全し、複数の埋め込みモデルへの対応余地を確保し、データの権利関係を整理し、個人情報の管理を適切化し、更新運用を文書化しておく。「再生成可能で、権利がクリアで、固有性の高いベクトル資産」を実証できる売り手は、データの堀を正当な資産として評価させられる。ベクトルDBのDDは、データの堀の実体を、資産と負債の両面から検証する作業だ。
結論：ベクトルは「溜めた量」ではなく「再生成できる固有性」で資産になる
ベクトルDBに蓄積された埋め込みは、汎用AI時代に事業が築ける数少ない持続的な差別化資産になり得る。しかし、その埋め込みは特定モデルのベクトル空間に縛られ、元データの保全を前提とし、権利関係とプライバシーを引きずる。これらを検証せずに「データ資産」と評価すれば、資産だと思って負債を ── ロックインと再生成不能性と訴訟リスクを ── 買うことになる。
買い手にとっては、資産性と負債性を分けて評価することが、データの堀の実体を見極める手段になる。売り手にとっては、再生成可能性・権利のクリアさ・固有性を実証することが、ベクトル資産を正当に評価させる道になる。技術的DDの本質は、「データを溜めてある」という量の主張を、「再生成でき、権利がクリアで、複製困難か」という質の検証へと深めることにある。ベクトルDBは、データが資産にも負債にもなる、その分水嶺が最も鮮明に現れる場所だ。
