企業はAIスタックの何を自社で保有すべきか？

AI変革の次の段階で問われるのは、AIが下す一つひとつの判断から企業が何を学べるか、そしてその学びを誰が所有するかです

これまでAIをめぐる議論の中心にあったのは、「こうしたモデルには何ができるのか」という問いでした。モデルの性能が評価され、試験導入が行われ、その能力に驚嘆する声が上がりました。実験段階において、それは適切な問いでした。しかし、今の状況に即した問いではありません。

次の段階である「エージェント型企業」では、AIは単に質問に答えるのではなく、業務を遂行し、変化を監視し、成果物を準備し、重要な意思決定にも関与することで、事業を前進させています。この変化は加速しています。IBMの2026年CEO調査によると、CEOは、AIが担う業務上の意思決定の割合が2030年までにほぼ倍増し、48%に達すると予想しています。AIが仕事の内容を説明するだけでなく、実際に遂行するようになると、戦略上の問いは「このモデルには何ができるのか」から、「AIが判断を下すたびに、自社は何を学び、その学びを誰が所有するのか」へと変わります。

企業価値が一つひとつの意思決定を通じて積み上がるのだとすれば、AI時代における企業の最も重要な資産は、あらゆる意思決定から組織が学ぶための仕組みです。具体的には、判断の背景にある文脈、その判断につながった証拠、そこから生じた結果、そしてそれらを結び付けるパターンを学ぶ仕組みです。その仕組みを自社で保有すれば、一つひとつの判断によって、次の判断の精度が高まります。それを逃せば、優位性を蓄積しないまま、業務を自動化するだけに終わります。

問いの捉え方を変えるだけで、本格的な企業がAIをどのように設計すべきかについて、ほとんどすべてが変わります。

自社の将来を一つのモデルに賭ける過ち

これまでは、有力なモデルプロバイダーを選び、そのモデルに標準を統一し、その上にあらゆるものを構築するという形で、集約を図るのが一般的でした。しかし、それは間違いだと私は考えています。ただし、その理由は一般に指摘されるものとは異なります。

よくある懸念は、特定のプロバイダーへの囲い込みと、価格交渉力の偏りです。どちらも現実的な問題ですが、二次的なものにすぎません。より根本的な問題は、インセンティブと、自社の学びがどこに蓄積されるかにあります。モデルプロバイダーは、世界最高の汎用モデルを開発することを事業としており、そのために利用状況から学習しています。自社独自の意思決定、データ、ワークフローを一つのプロバイダーに集約すると、自社の最も差別化につながる資産、つまり自社がどのように考えるかを示す記録を、それを汎用化する動機を持つベンダーに渡すことになります。自社の強みが、競合他社も購入できる汎用品の材料になってしまうのです。

最先端の状況は変化が速く、特定のモデルが長期間にわたって最良であり続けることに賭けるのは得策ではありません。そうではなく、企業がタスクごとに、そのタスクに最適なモデルや専門エージェントへ振り分けられる一方で、事業の進め方や意思決定の方法を捉えるエージェント・ハーネスと学習ループを自社で保有できるアーキテクチャが望ましいでしょう。モデルは変わる可能性がありますが、独自の基盤は自社のものであり続け、時間とともにその価値を高めていきます。

この独自の基盤には、測定可能な戦略的価値もあるかもしれません。IBMの調査では、独自のデータや知的財産をカスタムAIモデルやエージェントに取り入れているCEOは、2030年の売上高に占める割合で、現在は提供していない製品やサービスから得る分が13%高くなると予想していることも明らかになりました。

すべてのエージェントを自社で構築することはできないし、そうすべきでもない

ハーネス、学習ループ、振り分けの仕組みを自社で保有するからといって、その上で動くすべてのエージェントを構築する必要があるわけではありません。組織全体、優先事項、自社独自のデータを理解する中核となる企業向けエージェントは、自社で構築し、保有するものです。しかし、企業活動は、営業、人事、法務、財務、市場インテリジェンスなど、一つのチームだけでは習熟できない領域にまたがっています。それぞれの領域では、その分野に特化したエージェントが最も優れた成果を発揮するでしょう。

あらゆる職能について、クラス最高のエージェントを社内で構築できる企業はありません。リソースを投入する競争で勝てるわけでもありません。成功につながるのは、専門サブエージェント群を統括する強力なリードエージェントを中心に据える形です。各サブエージェントは自社の要件に合わせてカスタマイズでき、明確なインターフェースを通じて自社のハーネスに接続されます。しかし、企業がこうしたアーキテクチャの構築に着手してからまだ日が浅く、デロイトの2026年調査によると、部門横断型のマルチエージェント活用を組織全体に拡大している企業はわずか15%です。

したがって、企業のリーダーが取り組むべきことは二つあります。目指すべき中核エージェントと、それが学習に用いるループを構築すること。そして、専門エージェントの中から有力なものを見極め、統合することです。価値が積み上がる領域は自社で保有し、そうでない領域ではパートナーと連携しましょう。

専門エージェントと単なるラッパーの違い

専門エージェントは、企業が容易に再現できない何かをもたらさなければなりません。持続的な優位性となるのは、独自データと、そのデータを取得して推論するために目的に合わせて構築されたハーネスです。エージェントの性能は、見つけられる情報と、見つけた情報をどれだけ適切に理解できるかによって決まります。

企業のリーダーは、何を自社で構築し、何をパートナーと進めるかを判断する際、この基準を用いるべきです。独自のコンテンツ、専門領域の知識、そして目的に合わせて構築されたインフラの長年にわたる蓄積が必要な機能については、社内で再構築しても優位性を生み出せる可能性は低いでしょう。そうしたリソースは、自社にしかない独自データ、意思決定のループ、オーケストレーション層に振り向けてください。

勝者が理解すること

エージェント型時代に勝ち残るのは、時間とともに自社ならではの知見を深めていく要素を軸に、アーキテクチャを設計する企業です。あらゆる意思決定から学習できるループを自社で保有し、すべてを単独で構築しようとするのではなく、その周囲に最適な専門特化型エージェントを配置します。

AIスタックのあらゆる要素を自社で保有することが目標ではありません。優位性が積み重なっていく要素は自社で保有し、それ以外はパートナーと連携することが目標です。つながっていることと、知能を備えていることは同じではありません。エージェント型企業において「知的」であるとは、優位性が積み重なる要素を自社で保有し、それ以外はパートナーと連携することを意味します。