こんにちは、IT・DX教育サービスの株式会社サートプロ 近森満です。今日は少し変わった名前から入ります。「フグ」です。魚の話をするのかと思われるかもしれませんが、もちろんDX推進と生成AIの話です。Sakana AIが発表した新しいサービス「フグ」をきっかけに、AIモデルの使い方、競争、そして日本企業のリスクヘッジについて考えてみたいと思います。

Sakana AIは、日本発の生成AIスタートアップとして注目されてきた会社です。社名からして少し遊び心がありますし、今回の「フグ」という名前も、正直に言えば最初は「本気なのかな」と感じるくらい印象に残ります。ただ、名前の軽さとは反対に、中身はかなり重要なテーマを含んでいます。

今回のポイントは、単に「また新しいAIモデルが出ました」という話ではありません。複数のAIを束ねて性能を高める、という考え方です。Anthropic、Google、OpenAIなど、各社の強いモデルを組み合わせながら、用途に応じて力を引き出す。これは、生成AI活用が一段階進んだことを示していると私は見ています。

読者の皆さんはどうでしょうか。いま社内で使っている生成AIは、単一のモデルに依存していないでしょうか。ChatGPTだけ、Claudeだけ、Geminiだけ、あるいは社内契約している一つのAIだけ。もちろん入口としてはそれでよいのですが、AIが業務インフラになればなるほど、一つに寄せすぎる怖さも出てきます。

Sakana AIのフグが注目された理由の一つは、複数の大規模言語モデルを組み合わせ、ベンチマーク上で高い性能を示したことです。ここで大事なのは、「自社で全部を一から作っていないなら簡単なのでは」と見ないことです。私はむしろ、複数モデルをどう束ねるかこそ、今後のAI活用の大きなスキルセットになると考えています。

生成AIには、それぞれ得意不得意があります。コード生成が強いもの、文章の自然さが強いもの、推論が強いもの、長文読解が強いもの、画像や音声を扱うマルチモーダルが強いもの。すべてを一つのモデルに任せるより、処理の種類ごとに適したモデルへ振り分けた方が成果が出る場面はあります。

これは人間のチームにも似ています。営業が得意な人、開発が得意な人、資料作成が得意な人、顧客の本音を拾うのが得意な人。全員を同じように使うのではなく、役割に応じて組み合わせることで、チーム全体の成果が高まります。AIエージェントも同じ方向へ進んでいます。

ただし、ここで「いいとこ取りだから楽」と考えると危険です。モデルごとの出力品質、コスト、速度、権利関係、セキュリティ、ログの扱い、ハルシネーションの癖を見なければなりません。AIを束ねるということは、ただAPIを横につなぐだけではなく、業務上の責任分界点を設計することでもあります。

何が起きたか。現場で生成AIを導入すると、最初は「とりあえずこのAIに聞けばよい」という使い方になりがちです。企画書、議事録、プログラム、研修資料、採用文面、FAQまで、全部を一つのモデルに投げる。便利ですし、最初の成功体験としては悪くありません。

何に気づいたか。ところが、業務が少し複雑になると、同じモデルでも得意な仕事と苦手な仕事が見えてきます。コードはよいが文章が硬い。文章は自然だが根拠確認が甘い。要約は速いが、専門分野の細部で間違える。ここを見ないまま「AIが言ったから」で進めると、最終責任だけ人間に戻ってきます。

読者が応用できる行動は、業務ごとに「使うAI」「確認する人」「許容できる誤り」「外部送信してよい情報」を決めることです。複数AIを束ねる前に、まずは業務分類と責任設計を行ってください。

今回の話で私が強く引っかかったのは、Fable5のような高性能モデルが短期間だけ使え、その後に使えなくなったという文脈です。私は使える権利があったのに、少しもったいぶっているうちに使えなくなってしまいました。ここは少し自虐を込めて言いますが、やはり触れる時に触っておくべきでした。

ただ、この出来事は個人的な「使い損ねた」という話で終わりません。最先端モデルは、急に出て、急に止まることがあります。セキュリティホール、政府判断、提供地域、契約条件、価格、負荷、競争環境。理由はさまざまですが、利用者側から見ると「昨日まで使えたものが今日から使えない」という形で現れます。

これは生成AIを業務インフラとして使う企業にとって大きな問題です。社内の業務フロー、研修、開発、顧客対応、採用、マーケティングを一つのモデル前提で組んでいた場合、そのモデルが止まると仕事も止まります。最先端を使うほど、止まった時の影響も大きくなります。

読者の皆さんの会社では、AIが使えなくなった時の代替手順を決めていますか。月額3,000円のAIが突然10万円になったら、社員全員にそのまま配れますか。特定国には最新モデルを提供するが、それ以外には旧モデルだけ、という状況になったらどうしますか。こうした問いは、もう空想ではありません。

いま強いAIモデルの多くは、アメリカ企業から出ています。OpenAI、Anthropic、Google、Microsoft、Meta。もちろん、それぞれ素晴らしい技術を出していますし、私も日々使っています。しかし、日本企業がDX推進や生成AI活用を考える時、海外モデルに完全依存する構造は冷静に見ておく必要があります。

極端なたとえをすれば、アメリカ企業だけが最新の飛行機に乗れて、それ以外の国は船で行ってくださいと言われるようなものです。船が悪いわけではありません。問題は、到達時間の差です。AIの世界では、半日、数日、数週間の遅れが、そのまま事業スピードや研究開発スピードの差になります。

株式投資でも、みんなが安い時に買えるのに、自分だけ半日遅れて高値で買うことになれば不利です。生成AIも同じです。新しいモデルを早く触り、早く検証し、早く業務へ組み込む権利は、それだけで競争力になります。だからこそ、使える国、使える企業、使える人が限定されることは、単なるツール選定以上の問題です。

私はここで、海外モデルを使うなと言いたいわけではありません。むしろ、使えるものは徹底的に使うべきです。大事なのは、依存と活用を分けることです。活用はする。しかし、止まった時に何もできなくなる状態にはしない。この発想が、AI時代の超知性リテラシーだと考えています。

何が起きたか。生成AI研修を設計する時、社員全員が同じAIを同じ価格で使える前提にしてしまうことがあります。月額数千円なら全員に配れる。演習もそれに合わせて作れる。採用、人事、営業、開発のワークショップも組みやすい。これは現場では自然な判断です。

何に気づいたか。ところが、価格が大きく上がる、利用条件が変わる、特定機能が日本から使えなくなる、ということが起きると、研修そのものが崩れます。教材はあるのに、受講者が同じ環境を再現できない。講師は説明できるのに、現場では試せない。これでは人材育成・教育支援として機能しません。

読者が応用できる行動は、研修講座・eラーニングを複数モデル前提で設計することです。ChatGPTで演習し、Claudeで比較し、Geminiで代替し、ローカルAIや社内LLMでも最低限の動作を確認する。こうした設計が、AI活用のBCPになります。

Sakana AIのフグが示している方向性は、日本企業にとって重要です。自社ですべてのLLMを持つことは難しい。けれど、複数のモデルを組み合わせ、用途ごとに選び、止まった時に別のルートへ切り替える設計はできます。これは大企業だけでなく、中堅・中小企業にも関係する話です。

たとえば、社内文書の要約はAモデル、コードレビューはBモデル、画像や動画の下準備はCモデル、機密性の高い情報はローカルAI、外部公開文章は人間レビュー必須。こうした使い分けを作るだけでも、単一モデル依存はかなり下げられます。

さらに、ローカルマシンでAIを回す選択肢も現実味を帯びています。私自身もMacBook Airを使っていますが、軽量モデルやローカルLLMの選択肢は広がっています。もちろん、最先端クラウドモデルと同等の性能をいつでも出せるわけではありません。それでも「完全に止まる」よりは強い。非常時に最低限の業務を回す道具として意味があります。

ここでDX推進担当者が考えるべきことは、単に最新AIの名前を追うことではありません。自社の業務を棚卸しし、どの業務は最高性能が必要で、どの業務はローカルや旧モデルでもよく、どの業務は人間が必ず判断するのかを分けることです。生成AIの導入は、ITツール導入ではなく、業務設計そのものです。

AIエージェントの時代になると、単体のチャット画面で質問して答えをもらうだけでは終わりません。複数のエージェントが調査し、コードを書き、検証し、修正し、資料化し、報告する。そこで必要になるのは、どのモデルを使うかだけでなく、どう組み合わせ、どう監視し、どう止めるかです。

私はここに、FDEのような現場に入り込む人材の価値があると見ています。Forward Deployed Engineer的な人材は、単にAIを操作する人ではありません。顧客の業務を理解し、現場の制約を見て、AIエージェントの役割を設計し、出力を検証し、成果につなげる人です。

生成AIの進化は速いです。以前はドッグイヤと言いましたが、いまはもうビートルイヤ、つまりカブトムシの時間感覚くらい速いと感じています。昨日の最先端が、明日には普通になる。その中で、モデル名だけを覚えてもすぐ古くなります。残るのは、AIを組み合わせて価値に変える設計力です。

読者の皆さんは、AIエージェントを「便利な自動化ツール」としてだけ見ていないでしょうか。私は、それだけではもったいないと思います。AIエージェントは、業務プロセス、権限、責任、教育、評価を変える存在です。だからこそ、人事や人材開発の方にも深く関わってほしいのです。

Fable5やMythosのような話題が出ると、AGI（Artificial General Intelligence）が来たのではないか、ASI（Artificial Super Intelligence）に近づいたのではないか、という議論が盛り上がります。私も処理能力としては、どんどん近づいている感覚があります。

ただ、現実の仕事で大事なのは「AGIが来たかどうか」だけではありません。今のAIをどう使うのか。使えなくなった時にどうするのか。誤った出力をどう検証するのか。価格が変わった時にどう運用するのか。こうした足元の設計がなければ、どれだけ高性能なモデルが来ても現場は混乱します。

AIが強くなるほど、マインドセットも変える必要があります。AIを万能の神様のように見るのではなく、得意不得意のある強力な仲間として扱う。マインドシフト、マインドチェンジ、そしてマインド・トランスフォーメーションが必要です。デジタル3兄弟とマインド3姉妹という言い方をするなら、技術だけでなく、心構えの変化も同時に進めなければなりません。

特に人材育成の現場では、AIを使えば学ばなくてよい、という誤解を避けたいところです。AIを使うほど、基礎知識、問いの立て方、検証力、倫理観、セキュリティ意識が必要になります。AIが出した答えを見て「なるほど」と言うだけでは、DX推進人材にはなれません。

Sakana AIのような日本発の挑戦には、私は期待しています。海外モデルが強い現状の中で、日本発の会社が複数AIを束ね、高性能化へ挑むことは意味があります。国産だから無条件に正しい、という話ではありません。しかし、選択肢が増えることは、日本企業にとって大きな価値です。

一方で、国産AIだから安心、海外AIだから危険、という単純な整理も避けたいです。国産であっても、内部で海外モデルを組み合わせているなら、その依存関係は見なければなりません。海外AIであっても、契約、データ保護、運用設計がしっかりしていれば有効に使えます。大事なのはラベルではなく、構造です。

今回のフグの話は、生成AI時代の「モデルを作る会社」と「モデルを束ねる会社」と「モデルを業務に入れる会社」の役割分担を考えるきっかけになります。すべてを自社で作る必要はありません。けれど、何に依存しているのかを知らないまま使うのは危険です。

参考：Sakana AIの新サービスについては、エピソード説明欄でも日本経済新聞の記事が紹介されています。こうした外部情報を読みながら、自社にとっての意味を考えることが大切です。ニュースを追うだけでなく、「自社ならどの業務に関係するか」まで落とし込んでください。

Sakana AIのフグから見えてくるのは、生成AIが一つの最強モデルを選ぶ時代から、複数AIをどう束ねるかの時代へ進んでいるということです。もちろん、単体モデルの性能競争は続きます。OpenAI、Anthropic、Google、Metaなどの競争は、これからも激しくなるでしょう。

しかし、企業の現場で重要なのは、ベンチマークの1位を当てることではありません。自社の業務で成果を出すことです。どのAIをどの業務に使うのか。どこで人間が判断するのか。止まった時にどう切り替えるのか。価格が変わった時にどう継続するのか。ここまで含めて、生成AI戦略です。

私は、AI時代のDX推進は「便利なツールを導入すること」ではなく、「変化に強い組織を作ること」だと考えています。複数AIを使い分ける力、AIエージェントを設計する力、リスクを読み解く力、そして人を育て続ける力。これらが、これからのデジタル人材に必要なスキルセットです。

読者の皆さんは、明日からどのAIを使い分けますか。止まった時の代替策はありますか。最先端を追いかけながら、同時に足元の備えを作る。これが、生成AIと付き合う現実的な方法です。

近森満（ちかもり みつる） 株式会社サートプロ 代表取締役CEO ／ DXコンサルタント／IT人材育成／検定事業化 IT技術者の教育支援と人材育成を専門とする事業化コンサルタントとして、2006年に株式会社サートプロを創業し、IoT検定・+DX認定・アジャイル検定などの資格制度を創出。独自の技術者向け教育研修の開発に定評があり、実践的なスキル向上を支援。経済産業省DX推進ラボおよびIoT推進ラボのメンターとして自治体や中小企業のDX推進を支援。近年は超知性ASIスキル可視化にも取り組み、次世代技術の普及に注力している。 ・IoT検定制度委員会 事務局長（IoT検定・＋DX認定・超知性ASI検定） ・一般社団法人 IT職業能力支援機構 理事長（Android資格） ・経済産業省 地方版IoT推進ラボ／地域DX推進ラボ ビジネス創出事業メンター ・デジタル庁 デジタル推進委員（デジタル化支援） ・アジャイル開発技術者検定試験コンソーシアム 事務局長（Agile検定）

X (Twitter)

Facebook

YouTube

note