AIの話になると、どうしても「どのモデルが一番強いのか」という話になりやすい。GPTが強いのか。Claudeが強いのか。Geminiが強いのか。DeepSeekが来るのか。あるいは、これからは国産LLMなのか。ベンチマークの数字が並び、推論能力、コーディング性能、マルチモーダル対応、コンテキスト長、エージェント性能が比較される。

だが、Sakana AIのDavid Ha氏の話を読んでいると、少し違う風景が見えてくる。価値は、最強のAIそのものにあるのではない。むしろ、これから価値を持つのは、どのAIに、どの仕事を、どの条件で任せるかという判断の層である。AIの中心は、モデルからルーティングへ移り始めている。そしてその変化は、日本企業のAI実装と、意外なほど相性がいい。

日本は遅れている、という見方の裏切り

Sakana AIの話で面白いのは、日本がAI導入で遅れているという単純な見方を裏切っているところだ。日本企業は、AIについて大きな発表をあまりしない。「AIで何千人分の仕事を置き換えた」とか、「全社をAIネイティブ化した」といった派手な言葉も少ない。だから外から見ると、日本はAIで遅れているように見える。

しかしDavid Ha氏によれば、日本の大企業、とくにメガバンクでは、AIはすでにPoCを超えて、実際の業務導入フェーズに進んでいる。融資審査、信用メモ、M&A資料作成、社内文書生成など、かなり重い業務領域でAIが使われ始めている。ただし、その入り方がアメリカ的ではない。

アメリカ型のAI導入は、しばしば「置き換え」として語られる。人間の仕事をAIに代替させる。コストを下げる。人数を減らす。市場に対して大胆な変革を示す。一方で、Sakana AIが語る日本型のAI導入は、もっと慎重で、地味で、しかし本質的だ。

AIは判断を奪わない。AIは責任を持たない。AIは、判断の前段にある膨大な調査、整理、要約、文書作成、根拠提示を支援する。たとえば融資審査では、AIが「貸す／貸さない」を決めるのではない。AIは申請書類を読み、信用メモの下書きを作り、判断に必要な論点を整理する。しかし最終判断は、人間の信用担当者が行う。

ここに、日本型AI実装の重要な特徴がある。AIを「自動決定装置」としてではなく、責任ある人間の判断を支える補助層として実装することだ。一見、保守的に見える。しかし、実はかなり重要な設計思想である。AIが社会の中に深く入っていくほど、本当に問題になるのは「AIが賢いか」ではなく、その判断を誰が引き受けるのかだからだ。

知能は配布できる。しかし、責任は簡単には配布できない。だから、AI導入の本質は、知能の導入ではなく、責任の再配置である。

Fuguと、モデルを選ぶ層

この視点から見ると、Sakana AIのFuguという発想は非常に面白い。Fuguは、単に「日本語に強いAI」ではない。複数のAIモデルを組み合わせ、必要に応じて使い分けるためのモデルである。

ある仕事にはGPTが向いている。ある仕事にはClaudeが向いている。ある仕事にはGeminiが向いている。ある仕事にはオープンソースモデルで十分かもしれない。ある仕事は、社外のAPIに出してはいけないかもしれない。

つまり、問題は「どのAIが一番強いか」ではない。問題は設計に移っていく。

この仕事を、どのAIに渡すべきか。 どの情報は外に出してよいか。 どこから先はローカルで処理すべきか。 どの場面で高価なfrontier modelを使うべきか。 どの場面では安価な小型モデルで十分か。 どこで人間が確認すべきか。

ここで価値を持つのは、AIそのものではなく、AIを選ぶ層である。それは、モデルの上にある判断層だ。あるいは、Decision Stackである。

万能AIではなく、振り分ける仕組み

これまでAIの競争は、主にモデルの競争として語られてきた。より大きなモデル。より多いパラメータ。より長いコンテキスト。より高いベンチマーク。より自然な会話。より強い推論。しかし企業の現場では、必ずしも最強のモデルが毎回必要なわけではない。簡単な要約に、最高級のモデルを使う必要はない。社内文書の整形に、最も高価な推論モデルを使う必要もない。

逆に、法務、金融、医療、経営判断、研究開発のような領域では、安価なモデルに任せるには危険な場面がある。これからの企業AIに必要なのは、単一の万能AIではない。業務、コスト、リスク、データ主権、文化、責任に応じてAIを振り分ける仕組みである。

これは、クラウド時代のロードバランサーに少し似ている。しかし、単なる技術的な負荷分散ではない。ここで分散されるのは、計算資源だけではない。意味、責任、文化、判断、リスクが分散される。だからこれは、インフラでありながら、思想でもある。

Sovereign AIは、依存を管理する技術

Sakana AIの話でもう一つ重要なのは、Sovereign AIの捉え方である。Sovereign AIという言葉は、ともすると「国産AIを作る」という話に閉じてしまう。日本なら日本製LLM。ヨーロッパならヨーロッパ製LLM。中国なら中国製LLM。アメリカならアメリカ製LLM。もちろん、自国でモデルを開発し、運用できる能力は重要だ。

しかしDavid Ha氏は、Sovereign AIをそれだけの話としては語っていない。AIは、完全に一国で閉じることができない。GPU、クラウド、学習データ、モデル、API、半導体、電力、研究者、アプリケーション。そのすべてが、グローバルな供給網の中にある。

だから本当の主権とは、「全部を自国で持つこと」ではない。むしろ、どこかの企業や国に依存しすぎず、必要に応じて切り替えられることだ。あるモデルが使えなくなっても、別のモデルに切り替えられる。あるAPIが止まっても、業務が止まらない。機密データは国外に出さない。必要な場合はローカルモデルで処理する。文化的・歴史的な偏りがあるモデルは、補正して使う。用途によって、外部モデル、自社モデル、オープンモデル、ローカルモデルを組み合わせる。

この意味で、Sovereign AIの本質は、ナショナリズムではない。それは、依存を管理する技術である。あるいは、切り替え可能性を保持する設計である。ここでもやはり、価値はモデルそのものではなく、モデル間を接続し、選択し、制御する層にある。

慎重さは、安全装置にもなる

この話は、日本企業の文化とも深く関係している。日本企業は、しばしば意思決定が遅いと言われる。慎重すぎる。合意形成に時間がかかる。責任の所在が曖昧。新しい技術に飛びつかない。たしかに、その通りの面はある。

しかしAI実装においては、その慎重さが別の価値を持つ可能性がある。AIは、速く導入すればよいものではない。AIは、強いモデルを入れればよいものでもない。AIは、現場の仕事、責任、判断、顧客への影響、社内文化、法務、監査、説明責任と結びついて初めて使えるものになる。

その意味で、日本企業の「すぐに任せきらない」態度は、弱点であると同時に、AI時代には一つの安全装置にもなる。Sakana AIがメガバンクで行っていることは、まさにその中間にある。

AIに任せる。しかし任せきらない。 人間に戻す。しかし人間だけで抱え込ませない。 作業はAIに渡す。責任は人間に残す。 判断の材料はAIが整える。判断の主体は人間が持つ。

これは単なる業務効率化ではない。AI時代の責任設計である。

Decision Stack

ここで重要になるのが、Decision Stackという考え方だ。これまでの企業システムは、データを蓄積し、処理し、可視化することに力点を置いてきた。Data Layer。Application Layer。Workflow Layer。Dashboard Layer。しかしAIが入ると、その上に新しい層が必要になる。それが、Decision Layerである。

Decision Layerは、単に意思決定を自動化する層ではない。むしろ、意思決定の前後にある複数の問いを扱う層である。

何をAIに任せるのか。 どのAIに任せるのか。 どのデータを渡すのか。 どこまで生成させるのか。 どこで人間が確認するのか。 判断の根拠をどう残すのか。 失敗したとき、誰が責任を持つのか。 組織文化と矛盾しないか。 顧客や社会に説明できるか。

この層がないままAIを導入すると、企業はAIを使っているように見えて、実際には責任の空洞を作ってしまう。AIが出したから。システムがそう判断したから。モデルがそう推奨したから。そう言い始めた瞬間、判断は消える。しかし、影響だけは残る。

だからAI時代に必要なのは、AIの導入ではなく、判断の再設計である。

地味な構図の中に、未来がある

Sakana AIの面白さは、ここにある。それは、日本発のAIスタートアップが世界で評価されている、という話だけではない。海外VCから資金調達した。日本の大企業からも投資を受けた。KKでも大型調達できた。そうしたスタートアップ・エコシステム上の意味も大きい。

しかし、もっと本質的なのは、Sakana AIが示しているAIの方向性である。それは、巨大な単一モデルがすべてを支配する未来ではない。むしろ、複数のモデルが存在し、それぞれの強みと弱みを持ち、用途に応じて呼び出され、人間の判断や組織の責任と組み合わされる未来である。

そこでは、AIは一つの神のような知能ではない。AIは、複数の知能の群れになる。そして、その群れをどう呼び、どう配置し、どう止め、どう確認し、どう責任に接続するかが価値になる。これは、AIの時代というより、AIをめぐる判断設計の時代である。

日本は、AIで遅れているのだろうか。たしかに、消費者向けサービスや派手なプロダクトでは、アメリカや中国の方が目立つ。日本からChatGPTのような世界的サービスが出ているわけでもない。巨大なfrontier model競争で、日本が主役になっているとも言いにくい。

しかし、AIの社会実装という観点で見ると、別の可能性がある。日本は、AIを「人間を置き換える装置」としてではなく、人間の責任を残したまま、判断の前工程を変える装置として実装していくかもしれない。それは派手ではない。市場に対するアピールもしにくい。ニュースにもなりにくい。しかし、企業の深い場所に入っていくAIは、むしろそのような形でしか定着しないのではないか。

AIは、いきなり社長の横に座るのではない。まずは信用メモを書く。資料を整える。論点を並べる。根拠を探す。複数の可能性を提示する。人間が見落とした観点を差し出す。そして人間は、それを見て、判断する。この地味な構図の中に、AI実装の未来がある。

最強のAIを持つことが価値だった時代は、まだ続くだろう。しかし、それだけでは足りなくなる。これから本当に問われるのは、どのAIを使うのか。なぜそのAIなのか。どこまで任せるのか。どこで止めるのか。誰が確認するのか。誰が責任を持つのか。つまり、価値はモデルから判断へ移る。

Sakana AIが示しているのは、日本のAIが遅れているという話ではない。日本が、別の入り口からAIに入っているという話である。それは、最強のAIを作る競争ではない。どのAIに任せるかを設計する競争である。そしてその競争の中心にあるのは、モデルではない。Decision Stackである。

© SHIRO & Co.

First published: 2026-06-29