作者：宇航猿；出典：極客公園
7月1日、PalantirのCEO Alex KarpがCNBCのスタジオに入ると、ほとんど暴走に近い口調で爆弾を投げ込んだ。
彼はAI業界を「effing insane」（狂ってる）と言い、米国企業のCEOたちはOpenAIとAnthropicに「livid」（激怒）していると言い、企業がとんでもないことをしているとも言った――一方でトークンに狂ったようにお金を払いながら、他方で自社の最核心の運営データをモデル供給業者に差し出しているのだ。そして引き換えに得られる商業価値は、ほとんど測りようがない。
司会者は、それは「責任の押し付け」なのかと聞いた。Karpはこう返した。「いいえ、ただ事実を述べているだけです。」
当日、Palantirの株価は9%上昇した。この数字そのものが一種の投票だ――市場は、彼が多くの人の言いたいことを代わりに言ったのだと見ている。
これは一人の感情のはけ口ではない。時価総額が1,000億ドルを超える企業のトップが、全国中継の場で大規模言語モデル業界全体に向けて砲撃し、しかも市場が実弾（リアルマネー）で肯定的な反応を示した。これは、集団の感情が臨界点に達していることを意味する。
過去2年、みんなが大規模言語モデルをどう受け入れるかの話をしていた。だが今、新しい問題が浮上している――企業は大規模言語モデルに近づきすぎると、それに引き裂かれてしまうのでは？
2024年初頭を振り返れば、企業の大規模言語モデルに対する態度は「まず使ってみよう」という4文字で要約できる。
ROIがROIであるかどうか、データがどこへ流れていくかは気にしない、とにかく遅れを取ってはいけない。当時の主流の語りは「AI革命が来た。抱き入れないと淘汰される」。各業界のCIOやCTOたちは大きなプレッシャーを背負い、AIをあらゆる入れられる業務の場面に突っ込んでいった。これは典型的な「技術恐慌」に駆動された意思決定だった。
2025年になると、「全面展開」が合言葉になった。企業は大規模言語モデルを中核の業務プロセスに真剣に組み込み始め、デモを作るだけ、社内ハッカソンをやるだけではなくなった。カスタマーサポートからコード生成まで、マーケット分析からプロダクト設計まで、AIの浸透の深さと広さは指数関数的に拡大した。
しかし2026年に入ると、微妙な感情の転換が起きている。
Salesforceの調査によれば、自社のデータ基盤がAIの成功実装を支えられると自信を持つITリーダーは半数しかいない。NTT DATAが今年5月に公表した調査レポートは、直接「壁にぶつかっている」という言葉を使った――企業のAIは、データのプライバシーや主権要求によって引き起こされるアーキテクチャ上のボトルネックに直面しているのだ。Gartnerは、2027年には35%の国家が地域分散型のAIプラットフォームに依存すると予測しているが、現在はその数字は5%にとどまる。
Karpはこの転換をより率直に語った。彼によれば、企業は「無脳にトークンを消費する」tokenmaxxingから、投資回収率を本当に問い直す方向へ向かっている。「基本的な観点は、もうトークンに時間を浪費するな、ということです。」
これは大規模言語モデルを否定する話ではない。業界全体が「上のノリ」から「無邪気さの終わり」へ進んでいるのだ。 熱狂が過ぎた後、企業はより冷静な目で根本的な問題を見直し始める――私が差し出したものと、私が受け取るもの。この帳尻は合うのか？
Karpの批判はまだビジネスモデルのレベルにとどまっている。だが本当に背筋が寒くなるのは、別の、より直接的な脅威だ――あなたのAIサービス事業者が、あなたが提供したデータやシーン理解を使って、あなたの製品を置き換えるものを作っている可能性がある、ということ。
2026年4月に起きた出来事が、この懸念を理論から現実へ引き上げた。
今年2月、FigmaとAnthropicは共同で「Code to Canvas」という機能を開発していた。Claudeが生成したコードをFigmaのデザインプロセスにシームレスに統合するものだ。2社は親密なパートナーに見えていた。
4月14日、AnthropicのチーフプロダクトオフィサーMike Kriegerが、こっそりFigmaの取締役会メンバーを辞任した。
その3日後、AnthropicはClaude Designをリリースした。自然言語で対話型プロトタイプ、PPT、マーケティング素材を直接生成できるAIデザインツールで、Figmaの中核事業を正確に狙い撃ちしている。
その日のFigmaの株価は約8%下落した。
Fast Companyのその後の記事に、興味深い細部がある。FigmaとAdobe、CanvaなどはAnthropicと長年の協業関係にあったが、Claude Designのリリース前に誰も通知されていなかった。皆が、目の前で自分のAI協業パートナーが競合に変わっていたことに、手痛いほど気づかされたのだ。
この話が深く考える価値があるのは、大規模言語モデルの時代に、それまで以上に危険な構造的問題――あなたがAI企業と深く協業するなら、単に市場への入口を渡すだけでなく、自分自身の核心的なシーン理解とユーザーのニーズデータまで渡していることが露呈したからだ。
AnthropicがClaude Designを作れたのは、大きな部分で、デザインツール企業との協業の中で、デザイナーの作業プロセスと痛点を深く理解していたからだ。
だが視野を広げれば、これはテクノロジー史における新しい筋書きではない。
AmazonはECプラットフォームから自社ブランドを作り、プラットフォームのデータで最も儲かるカテゴリを正確に特定して、自社製品で第三者の出品者を食い尽くした。MicrosoftはOSを起点に、ブラウザ、オフィスソフト、コミュニケーションツールを一つずつ取り込んだ――Netscapeは殺され、Slackは売り渡しを余儀なくされた。Googleは検索エンジンから拡張し、検索結果ページでユーザーの質問に直接答えるようにしたことで、Yelpや大量の垂直情報サービス事業者が周縁化された。
テクノロジー業界の鉄則は変わらない――プラットフォームが十分なデータとユーザー理解を手に入れた瞬間、上流へ侵食していく。
大規模言語モデルの時代には、この鉄則はさらに凶悪になる。従来の侵食は理解を積み上げるまでに時間が必要だったが、大規模言語モデルは元から「理解の加速装置」だ。あなたの各API呼び出し、各業務データの入力が、モデル供給業者の理解をより速く、より深く助けている。
天文学には「ロッシュ限界」という概念がある。大質量の天体にあまりにも近づくと、潮汐力が自らの重力を上回り、天体は引き裂かれてしまう。
この比喩で、今日の企業と大規模言語モデルの関係を説明するのは、不安になるほど的確だ。
大規模言語モデルは、大質量の天体そのもの。どの企業も、その重力によって加速したい――生産性の向上、コスト削減、イノベーション。だが問題は、近づきすぎると「自分の物質」が削ぎ落とされ始めることだ。データ、know-how、ユーザーのニーズ理解――これらは協業の過程で重力の中心へ流れていく。
では、企業はどうやって「AIと共に舞い」つつ、最後には飲み込まれない境界線をどこに引けばいいのか？
この問題は米国ではすでに机上に載っている。だが、それが中国企業にとっては遠い話だと思うなら、それは錯覚かもしれない。
中米の企業には、AI活用のテンポに違いがある。米国企業はすでに大規模かつ深い業務へのAI導入段階に入っている。一方、中国企業全体はまだ試験導入からスケール化へ移る途中だ。聯想が今年3月に公表した調査によれば、中国国内で72%の企業がすでにエージェントの試点を終え、正式に運用を開始している。平均して3.5のシーンでAIを展開している。だが挑戦の重点はすでに「計算資源不足、データ不足」から、「期待する効果が出ないこと」や「ROIが不明であること」へ移っている。
つまり、中国企業は米国企業と似た「AIの冷静期」に入っている。
極客公園は最近、多くの起業家や従来型の事業を持つ企業と話す中で、興味深い現象を見つけた。これらの問題について考えるきっかけは、多くの場合、「AIモデル会社に仕事を奪われるのでは」といった直接的な危機感からではなく、AIを本当に業務に組み込んだ後、自然に「AI時代、私のコア価値は結局何なのか」を再定義し始めることにあるのだ。
この再定義は、最終的に2つの重要な能力に落ち着く。
1つ目で、最も現実的なのはKarpの主張と一致している――あなたのデータと業務ロジックは、いったい誰の地基の上で動いているのか？
KarpがCNBCで繰り返し強調している中核論点はまさにそこだ。企業にとって最もセンシティブな運営データは、第三者のモデル供給業者のブラックボックスへ流れるべきではない。彼はPalantirを、「主権AI」を提供するアプリケーション層として位置付けている――モデルは他社のものを使ってもよいが、データは自社の囲いの中に置かなければならず、デプロイは自分でコントロールできるインフラの上で行うべきだ。
これは偏執ではない。中国の企業が体感している空気感は、実際かなり同じだ。金山オフィスWPS 365の研究開発・生産担当責任者、黄偉杰が最近とても的確な一言を言った――「今日企業に欠けているのはハードやモデルではなく、安全なAIのアプリケーション層です。」
IDCのデータもこの流れを裏付けている。企業のAI計算資源のデプロイにおいて、公有クラウドの比率は下がっている。プライベートクラウドとオンプレミスの総比率は54%から69%へ上がった。 「データを域外に出さない」は、コンプライアンス上のスローガンから、CTOが機種選定をするときの最初のふるい条件へと変わりつつある。
Karpはこれを「商品化された認知（commodity cognition）」と呼んだ。彼の判断はこうだ――モデルそのものの品質は収斂しつつあり、本当の差別化価値はモデル層ではなく、モデルの能力を企業固有のシーンに結び付けるアプリケーション層にある。PalantirがNVIDIAと協業して打ち出した「主権AIエンジン」は、このロジックをプロダクト化したものだ――オープンソースのモデルに加えて、Palantir独自の存在論層とガバナンスの枠組みを組み合わせ、完全にコントロールできる環境でAIを動かし、データは1バイトも外へ出さない。Palantirの2026年Q1の売上は16.3億米ドルで、前年同期比85%増。ある意味では、市場がこの道筋に投票した結果でもある。
ここで注目すべきシグナルがある――今後、企業が「自分の地基」の上でAIを動かすのを助ける会社やソリューションは、さらに人気を集めるだろう。 国内では「AIのプライベート化した脳」がすでに現実のレールになっており、多くのスタートアップがこの方向でプロダクトを作っている。これは技術的な潔癖さではなく、企業が考え抜いた後に下した理性的な選択だ。
2つ目の能力は、定量化しにくい。だが極客公園として企業とやり取りする中で、その実感はますます強くなっている――AIがますます多くの実行（実務）プロセスを置き換えられるようになると、組織には結局どんな「人」が必要なのか？
先に走りすぎた企業は、すでにこの落とし穴を踏んだところがある。
AIが特定の場面で人より明らかに効率的になったとき、自然な発想は「人を切る」だ。だが組織が薄くなった後、見えにくい問題が浮上する――AIが回している仕組みは、本質的に、過去にそうした人たちが旧環境の中で凝縮して作り上げた「ベストプラクティス」だ。 環境が変わり、市場が変わり、ユーザーが変わっても、AIはその古いロジックを忠実に実行し続ける。一方で、組織にはそれらの変化を察知し、業務を前へ進化させるのに十分な人がいない。
言い換えると、AIで満たされているのに、人が抜けてしまった組織は、過去を効率よく繰り返しているだけの可能性が高い。
これは、AIで実行を置き換えてはいけないと言っているのではない。AIがより多くの実行層を引き継ぐなら、企業はむしろ別の種類の人を必要とする。従来の意味で、具体的な作業をこなす人ではない。AIを「指揮」できる人が必要なのだ。この役割には、業務の全体像を理解し、AIの出力が変化する現実にまだ適用可能かを判断できること、AIが提示する「最適解」の外に新しい可能性を見いだせることが求められる。
先行する企業の中には、すでにこの問題を真剣に考え始めている。彼らはこう気づいた――AIが入った後、本当の競争力は「何人分の仕事をAIで置き換えたか」ではなく、「人がAIを使いこなして、以前はできなかったことを実現できるか」にある。 もしAIを、過去のデータの中で自動化し続け、循環させ続けるだけなら、あなたは本質的に、どこかのスナップショットに閉じ込められているだけだ。
この認識の反転の重要性は、データ主権と同等かもしれない。AIが技術的な壁を平らにすると、「人の判断力」や「組織の進化能力」こそが、最も複製しにくいものになる。 すでに理解している会社もあれば、まだの会社もある。しかしこの分岐点は、今後1〜2年で非常にはっきりしてくる可能性が高い。
過去2年、業界全体を支配していた暗黙の前提がある――AI時代の価値は、最終的にモデル企業の手に集中する。 モデルにより近いほど価値が高い。
この前提が揺らぎ始めている。
KarpはCNBCで、実は一つのことをはっきり指摘している。モデル自体が、商品化された認知になりつつあるのだ。各社の大規模言語モデルの能力差がますます縮まるにつれ、本当の差別化はモデル層ではなくなる。モデル企業が独占するような産業構造は、企業にとっても健全ではないし、AI産業全体の発展速度を制約するものでもある。
企業が必要としているのは、より強いモデルではない。必要なのは、エコシステム一式だ。データ主権への不安に応え、競争の防壁が「吸い上げ（虹吸）」で奪われないよう守り、しかもAIを業務に本当に組み込みながら制御を失わない状態を作る――こうしたニーズは、「トークンを売る」よりもはるかに複雑な市場を生み出している。
いくつかの方向性には、すでに明確なシグナルがある。
「主権AIの基盤インフラ」が、現実の、まとまった資金を集めるレースになりつつある。 これは単なる概念ではない。2026年上半期だけでも、ヨーロッパには主権AI基盤インフラを作る会社が3社（Nebius、nScale、AtlasEsge）あり、合計で118億ドル超を調達している。つい数日前、ロンドンのValarianがAラウンドで5000万ドルを獲得した。やっていることはかなり具体的で、AIシステムとセンシティブデータの間に「主権コントロール層」を追加し、どのAIがどのデータに触れてよいか、どんな条件の下で触れてよいかを決める。こうしたものは2年前には需要がまったくなかったのに、今は政府や大企業が列を作っている。
「AIゲートウェイ」と編成（オーケストレーション）の中間層が、企業のAIアーキテクチャに不可欠な一部になりつつある。 企業がOpenAI、Anthropic、オープンソースのモデル、さらに自社で微調整した専用モデルを同時に使うとき、統一ルーティング、コスト管理、権限ガバナンス、監査を誰が担うのか？ この位置づけは従来のソフトウェア時代ではミドルウェア、AI時代ではゲートウェイや編成層と呼ばれる。派手ではないが、企業が「AIを使う」から「AIをうまく管理する」へ進むための重要インフラだ。Palantirが本質的にやっているのもこの層だが、最も重いバージョンを達成している。より軽量で、さまざまな規模の企業向けのソリューションなら、余地は非常に大きい。
アプリケーション層でも、垂直業界向けのAIソリューションは「かぶせもの」から「深い実装」へ移行している。 以前の多くの所謂AIアプリは、要するにGPTの皮を一枚かぶせただけだった。だが今、筋の通った形で立ち上がっているのは、特定業界のknow-howを深く理解し、AIの能力と業界ロジックを密に結び付けたプロダクトだ。この手の会社の価値の錨はモデルではなく、業界理解にある。これはまさに大規模言語モデル企業が学習だけで得るのが難しいものだ。
人の層でも、新しいサービス市場が生まれつつある。より多くの企業が、自分たちに必要なのはAIツールそのものではなく、「AIを指揮」できる人と、それに付随する組織の方法論だと認識し始めると、AI時代の組織変革に関するコンサル、育成、人材開発、プロセス再設計へのニーズも急速に立ち上がっている。
要するに、「モデル層」だけの産業は脆い。AI産業をより速く、より健全に走らせるのは、より立体的なエコシステムだ。 このエコシステムには、モデルを作る人もいれば、主権基盤を作る人もいる。ゲートウェイとガバナンスを担う人もいれば、垂直業界の深いアプリケーションを作る人もいる。企業の組織能力を作り直す支援をする人もいる。各層が、企業が「抱き入れる」から「使いこなす」へ移る過程における、実際のニーズに応えている。
これらのニーズは、この1年で、曖昧さからどんどん明確さへ変わってきた。次に、これらのニーズから生まれる新世代のソリューションやサービス事業者、プロダクトは、はっきりした爆発期を迎えるかもしれない。
ロッシュ限界の比喩に戻ろう。安全な軌道を見つけるのは、決して企業一社の仕事ではない。エコシステム全体がモデル以外の力を育て始めたとき、企業は初めて引き裂かれないだけの確かな土台を手に入れる。
129.96K 人気度
194.14K 人気度
72.53K 人気度
180.69K 人気度
1.11M 人気度
ついにAIを使う会社が、大規模言語モデルの会社に業務を奪われていることに気づいた
作者：宇航猿；出典：極客公園
7月1日、PalantirのCEO Alex KarpがCNBCのスタジオに入ると、ほとんど暴走に近い口調で爆弾を投げ込んだ。
彼はAI業界を「effing insane」（狂ってる）と言い、米国企業のCEOたちはOpenAIとAnthropicに「livid」（激怒）していると言い、企業がとんでもないことをしているとも言った――一方でトークンに狂ったようにお金を払いながら、他方で自社の最核心の運営データをモデル供給業者に差し出しているのだ。そして引き換えに得られる商業価値は、ほとんど測りようがない。
司会者は、それは「責任の押し付け」なのかと聞いた。Karpはこう返した。「いいえ、ただ事実を述べているだけです。」
当日、Palantirの株価は9%上昇した。この数字そのものが一種の投票だ――市場は、彼が多くの人の言いたいことを代わりに言ったのだと見ている。
これは一人の感情のはけ口ではない。時価総額が1,000億ドルを超える企業のトップが、全国中継の場で大規模言語モデル業界全体に向けて砲撃し、しかも市場が実弾（リアルマネー）で肯定的な反応を示した。これは、集団の感情が臨界点に達していることを意味する。
過去2年、みんなが大規模言語モデルをどう受け入れるかの話をしていた。だが今、新しい問題が浮上している――企業は大規模言語モデルに近づきすぎると、それに引き裂かれてしまうのでは？
**01 **「上のノリ」から「無邪気さの終わり」へ
2024年初頭を振り返れば、企業の大規模言語モデルに対する態度は「まず使ってみよう」という4文字で要約できる。
ROIがROIであるかどうか、データがどこへ流れていくかは気にしない、とにかく遅れを取ってはいけない。当時の主流の語りは「AI革命が来た。抱き入れないと淘汰される」。各業界のCIOやCTOたちは大きなプレッシャーを背負い、AIをあらゆる入れられる業務の場面に突っ込んでいった。これは典型的な「技術恐慌」に駆動された意思決定だった。
2025年になると、「全面展開」が合言葉になった。企業は大規模言語モデルを中核の業務プロセスに真剣に組み込み始め、デモを作るだけ、社内ハッカソンをやるだけではなくなった。カスタマーサポートからコード生成まで、マーケット分析からプロダクト設計まで、AIの浸透の深さと広さは指数関数的に拡大した。
しかし2026年に入ると、微妙な感情の転換が起きている。
Salesforceの調査によれば、自社のデータ基盤がAIの成功実装を支えられると自信を持つITリーダーは半数しかいない。NTT DATAが今年5月に公表した調査レポートは、直接「壁にぶつかっている」という言葉を使った――企業のAIは、データのプライバシーや主権要求によって引き起こされるアーキテクチャ上のボトルネックに直面しているのだ。Gartnerは、2027年には35%の国家が地域分散型のAIプラットフォームに依存すると予測しているが、現在はその数字は5%にとどまる。
Karpはこの転換をより率直に語った。彼によれば、企業は「無脳にトークンを消費する」tokenmaxxingから、投資回収率を本当に問い直す方向へ向かっている。「基本的な観点は、もうトークンに時間を浪費するな、ということです。」
これは大規模言語モデルを否定する話ではない。業界全体が「上のノリ」から「無邪気さの終わり」へ進んでいるのだ。 熱狂が過ぎた後、企業はより冷静な目で根本的な問題を見直し始める――私が差し出したものと、私が受け取るもの。この帳尻は合うのか？
**02 **パートナーが競合になるとき
Karpの批判はまだビジネスモデルのレベルにとどまっている。だが本当に背筋が寒くなるのは、別の、より直接的な脅威だ――あなたのAIサービス事業者が、あなたが提供したデータやシーン理解を使って、あなたの製品を置き換えるものを作っている可能性がある、ということ。
2026年4月に起きた出来事が、この懸念を理論から現実へ引き上げた。
今年2月、FigmaとAnthropicは共同で「Code to Canvas」という機能を開発していた。Claudeが生成したコードをFigmaのデザインプロセスにシームレスに統合するものだ。2社は親密なパートナーに見えていた。
4月14日、AnthropicのチーフプロダクトオフィサーMike Kriegerが、こっそりFigmaの取締役会メンバーを辞任した。
その3日後、AnthropicはClaude Designをリリースした。自然言語で対話型プロトタイプ、PPT、マーケティング素材を直接生成できるAIデザインツールで、Figmaの中核事業を正確に狙い撃ちしている。
その日のFigmaの株価は約8%下落した。
Fast Companyのその後の記事に、興味深い細部がある。FigmaとAdobe、CanvaなどはAnthropicと長年の協業関係にあったが、Claude Designのリリース前に誰も通知されていなかった。皆が、目の前で自分のAI協業パートナーが競合に変わっていたことに、手痛いほど気づかされたのだ。
この話が深く考える価値があるのは、大規模言語モデルの時代に、それまで以上に危険な構造的問題――あなたがAI企業と深く協業するなら、単に市場への入口を渡すだけでなく、自分自身の核心的なシーン理解とユーザーのニーズデータまで渡していることが露呈したからだ。
AnthropicがClaude Designを作れたのは、大きな部分で、デザインツール企業との協業の中で、デザイナーの作業プロセスと痛点を深く理解していたからだ。
だが視野を広げれば、これはテクノロジー史における新しい筋書きではない。
AmazonはECプラットフォームから自社ブランドを作り、プラットフォームのデータで最も儲かるカテゴリを正確に特定して、自社製品で第三者の出品者を食い尽くした。MicrosoftはOSを起点に、ブラウザ、オフィスソフト、コミュニケーションツールを一つずつ取り込んだ――Netscapeは殺され、Slackは売り渡しを余儀なくされた。Googleは検索エンジンから拡張し、検索結果ページでユーザーの質問に直接答えるようにしたことで、Yelpや大量の垂直情報サービス事業者が周縁化された。
テクノロジー業界の鉄則は変わらない――プラットフォームが十分なデータとユーザー理解を手に入れた瞬間、上流へ侵食していく。
大規模言語モデルの時代には、この鉄則はさらに凶悪になる。従来の侵食は理解を積み上げるまでに時間が必要だったが、大規模言語モデルは元から「理解の加速装置」だ。あなたの各API呼び出し、各業務データの入力が、モデル供給業者の理解をより速く、より深く助けている。
**03 **AI時代の「ロッシュ限界」
天文学には「ロッシュ限界」という概念がある。大質量の天体にあまりにも近づくと、潮汐力が自らの重力を上回り、天体は引き裂かれてしまう。
この比喩で、今日の企業と大規模言語モデルの関係を説明するのは、不安になるほど的確だ。
大規模言語モデルは、大質量の天体そのもの。どの企業も、その重力によって加速したい――生産性の向上、コスト削減、イノベーション。だが問題は、近づきすぎると「自分の物質」が削ぎ落とされ始めることだ。データ、know-how、ユーザーのニーズ理解――これらは協業の過程で重力の中心へ流れていく。
では、企業はどうやって「AIと共に舞い」つつ、最後には飲み込まれない境界線をどこに引けばいいのか？
この問題は米国ではすでに机上に載っている。だが、それが中国企業にとっては遠い話だと思うなら、それは錯覚かもしれない。
中米の企業には、AI活用のテンポに違いがある。米国企業はすでに大規模かつ深い業務へのAI導入段階に入っている。一方、中国企業全体はまだ試験導入からスケール化へ移る途中だ。聯想が今年3月に公表した調査によれば、中国国内で72%の企業がすでにエージェントの試点を終え、正式に運用を開始している。平均して3.5のシーンでAIを展開している。だが挑戦の重点はすでに「計算資源不足、データ不足」から、「期待する効果が出ないこと」や「ROIが不明であること」へ移っている。
つまり、中国企業は米国企業と似た「AIの冷静期」に入っている。
極客公園は最近、多くの起業家や従来型の事業を持つ企業と話す中で、興味深い現象を見つけた。これらの問題について考えるきっかけは、多くの場合、「AIモデル会社に仕事を奪われるのでは」といった直接的な危機感からではなく、AIを本当に業務に組み込んだ後、自然に「AI時代、私のコア価値は結局何なのか」を再定義し始めることにあるのだ。
この再定義は、最終的に2つの重要な能力に落ち着く。
**04 **「AIの地基」を握るのは誰？
1つ目で、最も現実的なのはKarpの主張と一致している――あなたのデータと業務ロジックは、いったい誰の地基の上で動いているのか？
KarpがCNBCで繰り返し強調している中核論点はまさにそこだ。企業にとって最もセンシティブな運営データは、第三者のモデル供給業者のブラックボックスへ流れるべきではない。彼はPalantirを、「主権AI」を提供するアプリケーション層として位置付けている――モデルは他社のものを使ってもよいが、データは自社の囲いの中に置かなければならず、デプロイは自分でコントロールできるインフラの上で行うべきだ。
これは偏執ではない。中国の企業が体感している空気感は、実際かなり同じだ。金山オフィスWPS 365の研究開発・生産担当責任者、黄偉杰が最近とても的確な一言を言った――「今日企業に欠けているのはハードやモデルではなく、安全なAIのアプリケーション層です。」
IDCのデータもこの流れを裏付けている。企業のAI計算資源のデプロイにおいて、公有クラウドの比率は下がっている。プライベートクラウドとオンプレミスの総比率は54%から69%へ上がった。 「データを域外に出さない」は、コンプライアンス上のスローガンから、CTOが機種選定をするときの最初のふるい条件へと変わりつつある。
Karpはこれを「商品化された認知（commodity cognition）」と呼んだ。彼の判断はこうだ――モデルそのものの品質は収斂しつつあり、本当の差別化価値はモデル層ではなく、モデルの能力を企業固有のシーンに結び付けるアプリケーション層にある。PalantirがNVIDIAと協業して打ち出した「主権AIエンジン」は、このロジックをプロダクト化したものだ――オープンソースのモデルに加えて、Palantir独自の存在論層とガバナンスの枠組みを組み合わせ、完全にコントロールできる環境でAIを動かし、データは1バイトも外へ出さない。Palantirの2026年Q1の売上は16.3億米ドルで、前年同期比85%増。ある意味では、市場がこの道筋に投票した結果でもある。
ここで注目すべきシグナルがある――今後、企業が「自分の地基」の上でAIを動かすのを助ける会社やソリューションは、さらに人気を集めるだろう。 国内では「AIのプライベート化した脳」がすでに現実のレールになっており、多くのスタートアップがこの方向でプロダクトを作っている。これは技術的な潔癖さではなく、企業が考え抜いた後に下した理性的な選択だ。
**05 **組織を「リピート機」にしない
2つ目の能力は、定量化しにくい。だが極客公園として企業とやり取りする中で、その実感はますます強くなっている――AIがますます多くの実行（実務）プロセスを置き換えられるようになると、組織には結局どんな「人」が必要なのか？
先に走りすぎた企業は、すでにこの落とし穴を踏んだところがある。
AIが特定の場面で人より明らかに効率的になったとき、自然な発想は「人を切る」だ。だが組織が薄くなった後、見えにくい問題が浮上する――AIが回している仕組みは、本質的に、過去にそうした人たちが旧環境の中で凝縮して作り上げた「ベストプラクティス」だ。 環境が変わり、市場が変わり、ユーザーが変わっても、AIはその古いロジックを忠実に実行し続ける。一方で、組織にはそれらの変化を察知し、業務を前へ進化させるのに十分な人がいない。
言い換えると、AIで満たされているのに、人が抜けてしまった組織は、過去を効率よく繰り返しているだけの可能性が高い。
これは、AIで実行を置き換えてはいけないと言っているのではない。AIがより多くの実行層を引き継ぐなら、企業はむしろ別の種類の人を必要とする。従来の意味で、具体的な作業をこなす人ではない。AIを「指揮」できる人が必要なのだ。この役割には、業務の全体像を理解し、AIの出力が変化する現実にまだ適用可能かを判断できること、AIが提示する「最適解」の外に新しい可能性を見いだせることが求められる。
先行する企業の中には、すでにこの問題を真剣に考え始めている。彼らはこう気づいた――AIが入った後、本当の競争力は「何人分の仕事をAIで置き換えたか」ではなく、「人がAIを使いこなして、以前はできなかったことを実現できるか」にある。 もしAIを、過去のデータの中で自動化し続け、循環させ続けるだけなら、あなたは本質的に、どこかのスナップショットに閉じ込められているだけだ。
この認識の反転の重要性は、データ主権と同等かもしれない。AIが技術的な壁を平らにすると、「人の判断力」や「組織の進化能力」こそが、最も複製しにくいものになる。 すでに理解している会社もあれば、まだの会社もある。しかしこの分岐点は、今後1〜2年で非常にはっきりしてくる可能性が高い。
**06 **業界には「新しいAI企業」が必要
過去2年、業界全体を支配していた暗黙の前提がある――AI時代の価値は、最終的にモデル企業の手に集中する。 モデルにより近いほど価値が高い。
この前提が揺らぎ始めている。
KarpはCNBCで、実は一つのことをはっきり指摘している。モデル自体が、商品化された認知になりつつあるのだ。各社の大規模言語モデルの能力差がますます縮まるにつれ、本当の差別化はモデル層ではなくなる。モデル企業が独占するような産業構造は、企業にとっても健全ではないし、AI産業全体の発展速度を制約するものでもある。
企業が必要としているのは、より強いモデルではない。必要なのは、エコシステム一式だ。データ主権への不安に応え、競争の防壁が「吸い上げ（虹吸）」で奪われないよう守り、しかもAIを業務に本当に組み込みながら制御を失わない状態を作る――こうしたニーズは、「トークンを売る」よりもはるかに複雑な市場を生み出している。
いくつかの方向性には、すでに明確なシグナルがある。
「主権AIの基盤インフラ」が、現実の、まとまった資金を集めるレースになりつつある。 これは単なる概念ではない。2026年上半期だけでも、ヨーロッパには主権AI基盤インフラを作る会社が3社（Nebius、nScale、AtlasEsge）あり、合計で118億ドル超を調達している。つい数日前、ロンドンのValarianがAラウンドで5000万ドルを獲得した。やっていることはかなり具体的で、AIシステムとセンシティブデータの間に「主権コントロール層」を追加し、どのAIがどのデータに触れてよいか、どんな条件の下で触れてよいかを決める。こうしたものは2年前には需要がまったくなかったのに、今は政府や大企業が列を作っている。
「AIゲートウェイ」と編成（オーケストレーション）の中間層が、企業のAIアーキテクチャに不可欠な一部になりつつある。 企業がOpenAI、Anthropic、オープンソースのモデル、さらに自社で微調整した専用モデルを同時に使うとき、統一ルーティング、コスト管理、権限ガバナンス、監査を誰が担うのか？ この位置づけは従来のソフトウェア時代ではミドルウェア、AI時代ではゲートウェイや編成層と呼ばれる。派手ではないが、企業が「AIを使う」から「AIをうまく管理する」へ進むための重要インフラだ。Palantirが本質的にやっているのもこの層だが、最も重いバージョンを達成している。より軽量で、さまざまな規模の企業向けのソリューションなら、余地は非常に大きい。
アプリケーション層でも、垂直業界向けのAIソリューションは「かぶせもの」から「深い実装」へ移行している。 以前の多くの所謂AIアプリは、要するにGPTの皮を一枚かぶせただけだった。だが今、筋の通った形で立ち上がっているのは、特定業界のknow-howを深く理解し、AIの能力と業界ロジックを密に結び付けたプロダクトだ。この手の会社の価値の錨はモデルではなく、業界理解にある。これはまさに大規模言語モデル企業が学習だけで得るのが難しいものだ。
人の層でも、新しいサービス市場が生まれつつある。より多くの企業が、自分たちに必要なのはAIツールそのものではなく、「AIを指揮」できる人と、それに付随する組織の方法論だと認識し始めると、AI時代の組織変革に関するコンサル、育成、人材開発、プロセス再設計へのニーズも急速に立ち上がっている。
要するに、「モデル層」だけの産業は脆い。AI産業をより速く、より健全に走らせるのは、より立体的なエコシステムだ。 このエコシステムには、モデルを作る人もいれば、主権基盤を作る人もいる。ゲートウェイとガバナンスを担う人もいれば、垂直業界の深いアプリケーションを作る人もいる。企業の組織能力を作り直す支援をする人もいる。各層が、企業が「抱き入れる」から「使いこなす」へ移る過程における、実際のニーズに応えている。
これらのニーズは、この1年で、曖昧さからどんどん明確さへ変わってきた。次に、これらのニーズから生まれる新世代のソリューションやサービス事業者、プロダクトは、はっきりした爆発期を迎えるかもしれない。
ロッシュ限界の比喩に戻ろう。安全な軌道を見つけるのは、決して企業一社の仕事ではない。エコシステム全体がモデル以外の力を育て始めたとき、企業は初めて引き裂かれないだけの確かな土台を手に入れる。