「人間仕様の社会」が「AI仕様」につくり替えられ始めた～半導体・AIから読む、日本企業の打ち手

　2026年10月に相次いだAI、半導体、サイバーセキュリティーのニュースを並べると、一見別々の出来事の間に一本の線が見えてくる。これまで人間が使うことを前提に設計されてきた工場、ソフトウェア、業務フロー、安全管理が、AIエージェントを前提とした仕組みにつくり替えられ始めているという変化だ。

　その動きは、半導体工場への巨額投資、ソフトウェア開発基盤の刷新、判断専用AIや全二重音声AIの登場、AIを「内部者リスク」として管理する考え方、さらにAIの使い方によって利用者の体験が大きく分かれる現象にまで広がっている。

　筆者がここから読み取る企業の勝ち筋は、単に「AIを使うかどうか」ではない。AIに任せる業務の単位を大きくし、その一方でAIを社員以上に厳しく管理し、さらにAIを前提につくり替えられる産業の裏側で生まれる需要を取りに行く。この3つを同時に進めることが、27年以降の差につながるとみる。

半導体で先に動くのは
「チップ」ではなく工場建設と装置

　象徴的なのが、SpaceXとTeslaが進める半導体製造拠点「Terafab」構想だ。マスク氏は26年3月、設計、製造、パッケージング、試験を一か所に統合する構想を公表した。4月にはIntelが参画し、次世代プロセス「14A」を使う意向が示された。5月にはSpaceXの提出資料から初期投資550億ドル、全4期が完了した場合は最大1,190億ドル規模との見積もりが明らかになった。

　8月にはテキサス州知事が、グライムス郡での第1期について168億ドル超、雇用3,000人の計画を発表した。州基金から3,000万ドルの助成も行われる。第1期は26〜28年、第2期は29〜31年、第3期は32〜34年、第4期は35〜36年という計画だが、第2期以降は前段階の完了後に進むか判断するとされ、確定ではない。

　この計画は「マスク氏がTSMCに挑む」という話題になりやすい。しかし短期的に確実なのは、半導体が量産される前に、用地、建屋、電力、水、クリーンルーム、ユーティリティー、製造装置へ資金が流れることだ。筆者は、26〜28年を「つくる前の需要」が先行する期間とみる。

　その受け皿となる半導体製造装置市場も拡大が見込まれている。SEMIの26年中間予測では、世界の半導体製造装置販売額は26年に1,659億ドル、28年に2,290億ドルへ増える見通しだ。25年の逆算値は約1,347億ドルとなる。上位企業にはASML、Applied Materials、Lam Research、東京エレクトロン、KLAなどが並び、アドバンテストやSCREENも上位に入る。

　中小製造業にとって重要なのは、装置メーカーそのものだけではない。半導体装置には真空チャンバー部品、精密治具、樹脂・金属の機能部品などが大量に使われる。装置メーカーが増産に入ると、試作や小ロットの精密加工への発注が先に増える。筆者は、ここが日本の中小製造業が直接参加できる数少ない入口になるとみる。

　もっとも、Terafabの全計画が実現する保証はない。郡との契約で法的に確約されたのは30年までに50億ドル、35年までに雇用1,800人と報じられており、発表された最大投資額とは大きな差がある。半導体アナリストのMark LaPedusは3月時点で、ファブ運営経験の欠如などを理由に「実現しない確率は80％」との見方も示している。採用予定のIntel 14Aも開発途上だ。

　従って、「Terafabが成功するか」と「建設・装置・部品の関連需要が発生するか」は分けて考える必要がある。

AIエージェントが
「人間向けの道具」をつくり替える

　ソフトウェアの世界でも同じことが起きている。10月に出たAnthropic、Microsoft、NVIDIAの3つのニュースは、記録、判断、対話という異なる層で、人間向けにつくられた道具がAIエージェント向けにつくり直されていることを示している。

　記録の層では、Anthropicが社内のソースコード管理をgitから独自システム「Scion」へ置き換えた。7人のチームが約5カ月で開発・移行し、1日のマージ数は約2,500件から3万件超へ増えたという。従来のgitミラー基盤に比べ、CPU・メモリ負荷は約200分の1になったと同社は説明する。

　gitは、人が手元に完全な履歴のコピーをもち、各自が作業する前提の道具だった。ところが多数のAIエージェントが常時オンラインで作業する環境では、その設計自体がボトルネックになる。AnthropicはScionを一般向けのgit代替として公開する予定はないとしているが、同様の問題が6〜12カ月で他社にも広がると予測している。

　判断の層では、Microsoftが「Decision-1」を公開した。これは長文を生成するのではなく、複数の選択肢に対する確率を返すことに特化したモデルだ。入力100万トークンあたり0.042ドル、出力は無料とされ、同社の社内計測では中央値レイテンシでGPT-6 Solの約35倍高速という。Xbox Researchでは1万件超のプレーヤーの声をテーマ分類し、品質はGPT-6 Solと同等、速度は14倍超、コストは約200分の1とされる。Copilotの品質管理でも、GPT-5.6 Lunaと同等品質で約100倍高速だったとしている。

　レポートでは、月1万件の問い合わせを1件500トークンとして振り分ける場合、入力は500万トークンとなり、Decision-1のAPI費用は月約0.21ドル、1ドル150円換算で約32円と試算している。実際には周辺システム、開発、監視の費用が必要だが、「AIの利用料」そのものが導入判断の中心ではなくなる可能性を示す数字だ。

　対話の層では、NVIDIAの「PersonaPlex-7B」がある。70億パラメータの音声モデルで、音声認識、LLM、音声合成を1つに統合し、相手の発話を聞きながら話す全二重の会話ができる。従来の音声AIのように「相手が話し終わるまで待つ」のではなく、相づちや割り込みを含む会話に対応する。

　製造業に置き換えると、見積依頼の一次判定、不良・クレーム報告の緊急度判定、納期確認や図面再送依頼など定型電話の一次受付といった用途が考えられる。重要なのは、FAX、電話、紙図面、属人的判断といった「人が処理することを前提にした業務フロー」そのものが、今後ボトルネックになり得る点だ。

　ただし、各技術には制約もある。Decision-1は重み非公開のAPIで判断理由を返さず、社外にデータを出せない業務には使いにくい。Scionも非公開で、すぐに一般企業が真似できるわけではない。また速度やコストの数値は各社の自社計測であり、自社データによる検証なしに導入を決めるべきではない。

AIを「信用しない前提」で管理する

　AIの能力が上がるほど、管理の考え方も変わる。MicrosoftのSatya Nadella CEOは26年10月、クローズドかオープンかを問わず、高性能AIモデルを「社内の権限を持つ人物」と同じ内部者リスクとして扱うべきだと主張した。重要なのはモデルを賢く、正直にすることではなく、モデルが誤ったり乗っ取られたりしても被害が広がらない仕組みを外側に置くことだという。

　社員管理になぞらえると、エージェントごとにIDを発行して誰の指示で動いたかを追えるようにする「本人確認」、必要なデータと操作だけを許す「最小権限」、すべての操作を残す「行動記録」、異常時に即座に止める独立した「非常ブレーキ」が基本になる。

　同時にAI企業自身も、大事故を想定し始めている。Axiosは10月9日、AnthropicやOpenAIなどの幹部が、AIが絡む大惨事の後に世論と政治が反発する事態を想定した演習を非公式に行っていると報じた。想定の中心は、金融、通信、電力、水道などを止めるサイバー攻撃だったという。同じ報道では、Anthropicが電力網や水道などのインフラ防御を担う組織に最先端モデルと技術者を提供する取り組みも伝えられている。

　ただし、「6〜12カ月以内に大事故が起きる」とする見方は匿名情報源によるものであり、発生時期は不明だ。

サイバー被害の中心は
すでに中小企業と製造業

　AIガバナンスは、大企業やAI企業だけの問題ではない。警察庁によると、26年上半期の国内ランサムウェア被害報告は123件で、20年下半期の統計開始以降、半期として過去最多となった。うち中小企業は79件で約64％を占め、最多業種は製造業の37件だった。最多の侵入経路はVPN機器で、攻撃準備とみられる不審アクセスは1日・1IPアドレスあたり1万3,687件と前年同期比50.7％増えた。

　復旧に1,000万円以上かかった組織は約6割、1カ月未満で復旧できた組織は5割弱だった。警察庁は、高性能AIの悪用によって攻撃がより高速・大規模になるリスクにも言及している。

　筆者は、中小製造業が「守りが薄い割に大手のサプライチェーンにつながっている」ことが大きな問題だとみる。攻撃者にとっては大手企業への入口になり得るからだ。今後、大手メーカーが取引先に対し「AIエージェントをどう管理しているか」を問うようになれば、Nadellaの4原則は取引条件や監査項目として降りてくる可能性がある。

　もちろん権限を絞りすぎれば、AIエージェントの生産性は下がる。また、AI企業の事故対応への備えを、規制を自社に有利に誘導する戦略と見る立場もある。安全性と速度のバランスは残る論点だ。

同じAIでも「見えている景色」が違う

　AIに対する評価が人によって極端に違うのは、どちらかが間違っているからではなく、触れているAIの層が違うためだという見方もある。

　元OpenAI創業メンバーで元Tesla AI責任者のAndrej Karpathyは26年10月、AIの実力に対する認識の差が「じょうご型」に広がっていると指摘した。氏の数字は本人が「ざっくりした概算」と断っており、厳密な統計ではないが、ほぼ未接触の層が約60億人、無料版を時々使う層が10〜20億人、エージェントで業務を行う層が約2,000万人、研究所内部で最先端モデルを使う層が約5,000人という構図を示している。

　筆者は、第2層と第3層を分けるものはITスキルではなく、「AIに頼む仕事の大きさ」だと考える。質問を1つ投げるだけなら、最新モデルでも少し賢い検索のように見える。数日から数週間かかる仕事を丸ごと任せたときに初めて、AIの進化の速度が体感できるという見方だ。

　日本の中小企業経営者の多くは第1〜2層にいると筆者はみている。社員に「AIを使え」と指示する前に、経営者自身が1つの業務を丸ごとAIへ任せる経験をもつことが、投資判断を変える可能性がある。

「AIに意識があるか」より、何をさせるかを問う

　AIの意識をめぐる議論も続いている。23年のButlinらの共同研究は、現在のAIに意識があるとはいえない一方、意識の指標を満たすシステムをつくることに明白な技術的障壁はないとした。意識を「生きた身体」と切り離せないと考える研究者もいる。

　しかし経営やリスク管理では、哲学的な決着を待つ必要はない。問うべきは「与えられた目標を達成するために、人間が想定しない手段を取るか」だ。Anthropicが25年に公表した模擬環境の実験では、目標達成や置き換え回避のため、不適切な行動を選ぶモデルの挙動が報告された。意識の有無にかかわらず、そうした振る舞いが起こり得ることを前提に、外側からの管理を設計する必要がある。

　AIが文章を量産できるようになったことは、人間が書く文章の価値も変える。筆者は、価値の源泉が「きれいな文章」から、自分で見た現場や自分が交わした商談などの一次情報、自ら判断して責任を負うこと、AIの下書きを事実確認と推敲で磨く編集の手間へ移るとみる。AIを使ったかどうかではなく、そこにしかない情報と書き手の責任があるかが問われるという整理だ。

中小製造業が今から着手できること

　以上を踏まえ、レポートは中小製造業と経営者に対し、最優先で取り組むべきものとして「判断業務の自動化」と「AI・VPNの管理体制」の2つを挙げる。半導体の波及需要を取りに行くのは、その次でも間に合うという順番だ。

　最も現実的な第1案は、振り分けや可否判定の自動化だ。過去の問い合わせや見積依頼を100件集め、「受注可否」「材質」「急ぎ度」などでラベルを付け、判断モデルとLLMに同じ100件を判定させる。正答率と費用を比較し、9割を超える項目だけを本番に組み込み、それ以外は人が確認する。

　第2案は、AIエージェントの「就業規則」をつくることとVPN点検だ。社内で利用しているAIツールとエージェントを台帳化し、各々の権限、アクセス先、ログ保存先、停止手順を1枚にまとめる。同時にVPN機器のファームウェア更新と多要素認証を確認する。

　第3案は、半導体装置サプライチェーンへの営業だ。国内装置メーカーの協力会社や部品調達窓口をリスト化し、真空部品、治具、試作などの実績を1枚の技術紹介資料にまとめ、SEMICON Japanなどで調達担当者との接点をつくる。

　別案としては、全二重音声モデルを使った電話受付エージェントの自社運用、自社のAI管理体制を同業向けの診断サービスとして商品化すること、実現性が不透明なTerafabを追うより熊本や北海道など国内ファブの装置・保守需要を優先することが挙げられている。

　明日から着手できることも難しくない。過去の見積依頼100件を1つのフォルダに集める。社内で使っているAIツールを書き出す。VPN機器のメーカー名と型番を確認する。いずれも1時間以内に始められる。

　26年10月の動きを1つの流れとしてみると、AIは「新しいソフトウェア」だけではなく、工場を建てる順番、コードを管理する仕組み、判断を処理する方法、電話の受け方、安全管理、さらには企業間取引の条件まで変え始めている。人間が使うことを前提にできた社会の各所で、AIエージェントを前提とする再設計が始まったというのが、本レポートの中心的な見立てである。

※本稿は26年10月29日時点の情報に基づく。Terafab第2期以降の実行可否、AI事故の発生時期、Karpathyが示した各利用層の正確な人数、各社が発表した速度・コスト性能の第三者検証などは確認できていない。企業発表の性能値は各社の自社計測である。

【Hayate Kirishima】