がAIの影響を受ける可能性。生産性向上の機会と、需要減少のリスクが同時に来る。
出典：IMF経営者・経営陣のための現状整理レポート ／ 2026年9月版
AIは「便利な道具」ではない。 会社の速度そのものを変える。
同じ人数、同じ時間でも、AIを業務へ組み込んだ会社は意思決定・提案・開発・顧客対応を何倍もの速度で回し始めます。これはIT部門の話ではありません。人、コスト、競争力、事業モデルを決める経営課題です。
経営への問いAIを使うか、ではない。
AI前提で会社をどう作り直すか。
目次を見る
AI前提で会社をどう作り直すか。
結論を先に
読む前に、要点だけ。
読む前に、要点だけ。
詳しくは以下で。
このページは13章ありますが、経営判断として必要な結論は4つだけです。詳しい根拠や数字は、各項目から該当章にジャンプできます。
- 1
- 2
- 3
- 4
この4点で判断がつく場合は、ここで読み終えても構いません。背景や事例まで確認したい場合は、下の目次から気になる章へどうぞ。
目次
この資料の流れ
クリックすると、その章にジャンプします。プレゼン中も見たい所へすぐ移動できます。
- 01数字で見るAIのインパクト雇用・経営・コストの変化
- 02映像で見る「もう起きている未来」公式デモ4選
- 03AIの現在地主要4社の勢力図をひと目で
- 04オープンモデルの台頭自社で持てるAI
- 05AI主権と供給リスクトークン・電力・水・停止
- 06社員がAIを使いたくなる会社成果還元と現場主導
- 07ローカル と クラウド、2つの違い30秒で本質を
- 08必要なPCスペックと費用感規模別の目安
- 09日本企業での活用事例どんな現場で効くか
- 10メリット・デメリット正直な比較
- 11自社はどっち？ 判断フロー3つの問い
- 12経営として、次に打つ一手3ステップ
- 13AGIと、変化に強い経営変えるもの・変えないもの
01 / IMPACT
小さくない変化が、
小さくない変化が、
経営の前提に及び始めている。
AIは一部の仕事を効率化するだけではなく、仕事の分解、採用人数、管理職の役割、製品開発の速度まで同時に変えます。
の企業がAI・情報処理技術によって事業が変わると予測。様子見もまた、ひとつの経営判断になる。
出典：World Economic Forum低下。高価な先端技術が、急速に誰でも使える経営資源へ変わっている。
出典：Stanford AI Index 2025これまで 人がソフトを操作する → これから 人が目的を示し、AIが仕事を実行する
試行回数が多い会社ほど、AIの使い方が上達していきます。
差がつくのは「能力」より、学習速度です。
02 / REALITY
言葉より、映像で見る。
言葉より、映像で見る。
これはすでに動いている。
各社の公式デモです。再生するとYouTubeから動画が読み込まれます。
※ 映像は可能性を示すデモです。実運用では精度、安全性、権限管理、費用対効果の検証が必要です。
03
まず、AIの現在地
世界のAIは、いま4つの大手が数か月ごとに新モデルを出して競い合っています。それぞれ「らしさ」が分かれます。
C
ClaudeAnthropic
丁寧で信頼できる相棒
文章・コーディング・長時間の自律作業が得意。安全性への配慮が厚く、企業導入で選ばれやすい。
G
GPTOpenAI
なんでもこなす優等生
Microsoft 365（Word/Excel/PowerPoint）に標準搭載。知名度とエコシステムの広さが武器。
✦
GeminiGoogle
爆速更新＋検索連携
数週間おきに新版を出すハイペース。Gmail・カレンダー・Chromeなど普段使いのツールと直結。
✕
GrokxAI
いまこの瞬間に強い
X（旧Twitter）のリアルタイム情報に強く、率直でくだけた回答スタイルが特徴。
首位は数週間〜数か月で入れ替わります。2026年9月上旬だけでも、Anthropic「Fable 5.1」（9/1）とOpenAI「GPT-6 Astra」（9/3）が連続発表。「今の一番」を追うより、自社の用途に合うものを選ぶのが賢い向き合い方です。
04
そして、「オープンモデル」の台頭
ここが本題への入口です。無料でダウンロードして自社の中で動かせる高性能モデルが、中国勢を中心に急増。これがローカルAIを一気に現実的にしました。
🇨🇳
DeepSeekV4
DeepSeek（中国）
2026年4月公開の最新版は、一部テストで海外の最上位クローズドモデルを上回るスコアも記録。無料で使える（MITライセンス）ため世界で急速に普及。コスパの象徴的存在。
🇨🇳
QwenAlibaba
アリババ（中国）
スマホ級の小型から超大型まで、サイズの選択肢が非常に豊富。多言語・日本語にも強い。小さいモデルは一般的な業務PCでも動かせるのが実務での利点。
🇨🇳
KimiK2
Moonshot AI（中国）
コーディングや「AIに作業を任せる」エージェント用途に強い。開発・IT系の実務に向く。オープンウェイトで自社導入も可能。
🌐
Llama / Gemma米国系
Meta / Google
ローカルAIの定番。実績と情報が豊富で、日本企業の導入事例も多い。「まず試すなら」の安心枠。中国系モデルに抵抗がある場合の有力候補。
データの主権（どこの国のルールか）にも一言。中国系モデルを自社サーバー内（ローカル）で動かす場合、通信は社外に出ないため情報漏洩リスクは大きく下がります。一方、中国企業のクラウドAPI経由で使う場合は、どの国の法律・データ保管ルールが適用されるかを確認する必要があります。「モデルの出身国」と「動かす場所」は分けて考えるのがポイントです。
05 / SOVEREIGNTY
AIが使えることと、
AIが使えることと、
AIを自社で支配できることは違う。
AI主権とは、データを守るだけではありません。モデル、計算資源、利用枠、価格、障害時の復旧を、どこまで自社で選び、切り替え、継続できるかという経営上の支配力です。
INPUT業務データ
→
FUELトークン
→
ENGINEGPU・計算資源
→
INFRA電力・冷却水
トークンは「燃料」
AIは入力と出力をトークン単位で処理し、そのたびに計算資源を消費します。トークンそのものが天然資源なのではなく、処理するGPU・電力・供給能力が有限です。高度な推論や長文、AIエージェントほど消費量は増えます。
利用枠は固定資産ではない
クラウドAPIには、1分あたりのリクエスト数やトークン数などの上限があります。契約階層、混雑、モデル変更、事業者の運用方針により、使える量・速度・価格が変動します。
OpenAI Rate limits ／ Anthropic Rate limitsAIは大量の電力と冷却を必要とする
データセンターの電力消費は、IEAの基本シナリオで2024年の約415TWhから2030年に約945TWhへ倍増する見通しです。冷却方式や立地によっては水も必要になります。AIの供給は、電力網・半導体・水資源にも依存しています。
出典：IEA「Energy and AI」AI停止＝業務停止になる
提案書、問い合わせ対応、開発、社内検索を1社のクラウドAIだけに依存すると、障害・上限到達・仕様変更・契約停止がそのまま業務停止へ波及します。便利になるほど、止まった時の影響は大きくなると考える必要があります。
OpenAI Status ／ Anthropic Status
DEPENDENCY RISK
クラウドAI停止
→自動処理が停止
→社員が代替できない
→業務停止経営として持つべきもの
- 複数AIへ切り替えられる設計
- 人が戻れる代替手順
- 利用量・費用・上限の監視
- 重要データの自社保管
- 重要業務のローカルAI選択肢
06 / PEOPLE
AIの成果を会社だけが取れば、
AIの成果を会社だけが取れば、
現場は使うのをためらう。
AIで時間を短縮しても、空いた時間へ仕事を詰め込み、目標だけを上げれば定着しません。「AIを使うほど自分にも返ってくる」という設計が必要です。
AIで効率化
→仕事を追加
→人員削減の不安
→活用が広がらない
AGI時代の競争力
AI導入を外注するのではなく、社員がAIで自社を作り変えられる状態をつくる。
AIが汎用化するほど、価値が上がるのは「自社の仕事を知る人」
AIの操作方法は急速に簡単になります。しかし、顧客が本当に困っていること、例外処理、現場の暗黙知、利益が出る工程は外部のAIコンサルより社員が知っています。
外部専門家
基盤構築・安全管理・教育を支援
自社の社員
課題発見・業務設計・改善の主役
社員へ
AI活用手当、成果賞与、チーム表彰として還元。
働き方へ
残業削減、休暇、集中時間、学習時間として返す。
成長投資へ
研修、新規事業、設備、AI利用料へ再投資。
会社へ
利益、価格競争力、事業継続の余力として確保。
※ 比率は一例です。重要なのは、成果の配分ルールを導入前に社員へ示すことです。
定着させる5つの約束
- 削減時間を返す一部を休暇・学習・改善活動へ
- 成果で評価する使用回数ではなく時間・品質・再利用性
- チームで報いるノウハウを隠さず共有できる制度へ
- すぐ削減しない導入初期の雇用不安を取り除く
- 余力の用途を決める顧客・商品・教育・働き方へ再配分
AIで何人減らせるかではない。
AIで生まれた余力を、誰に、どう再配分するか。
07
ローカル と クラウド、2つの違いを30秒で
「ローカルAI」とは、自社のパソコンやサーバーの中だけで動く生成AIのこと。データが外部に出ないのが最大の特徴です。
☁️
クラウドAI
ChatGPT / Claude / Gemini など
- データの流れ：入力した内容が社外のサーバーに送られて処理される
- 始め方：契約すればすぐ。設備投資ほぼゼロ
- 性能：常に最新・最高クラスが使える
- 費用：使った分だけ、月額・従量課金
🖥️
ローカルAI
DeepSeek / Qwen / Kimi / Llama など
- データの流れ：社内で完結。外部に一切出さないことが可能
- 始め方：高性能なPC・サーバーと初期構築が必要
- 性能：最上位クラウドに肉薄する無料モデルも登場
- 費用：初期投資は大きいが、使うほど1件あたりは安くなる
💡 経営視点でのひとこと：「機密データを扱うか」「毎日どれだけ使うか」――この2つで、どちらに寄せるべきかの大枠が決まります。
08
ローカルで動かすには、どんなPCが要る？
カギは GPU の VRAM（画像処理用メモリ）。モデルが大きいほど大量に必要です。用途規模ごとの目安を整理しました。
用途・規模
モデルの大きさ
必要なGPU / VRAM の目安
ざっくり費用感
お試し・個人利用簡単な文章・要約
小型（〜14B）
VRAM 12〜16GB
例：RTX 3060 / 4060 Ti
例：RTX 3060 / 4060 Ti
数万〜20万円台
部署・チーム利用社内文書の処理・相談窓口
中型（24〜32B）
VRAM 24GB前後
例：RTX 3090 / 4090
例：RTX 3090 / 4090
40万〜80万円程度
全社・本格運用高精度な業務システム
大型（70B級）
VRAM 48GB以上
高性能GPU複数枚 or 専用機
高性能GPU複数枚 or 専用機
100万円〜数百万円
最上位モデルクラウド最強クラスを自前で
超大型（数千億〜兆）
専用サーバー環境が必須
数百GB級のVRAM
数百GB級のVRAM
一般企業には非現実的
「量子化」で軽くできる
モデルを圧縮する技術（量子化）を使えば、必要メモリを約1/4に。品質はほぼ保ったまま、手頃なPCで動かせるようになります。
いきなり自前で買わなくてよい
まずはクラウド上のGPUを時間借りして検証 → 手応えがあれば自社購入、という段階的な進め方が失敗しにくいです。
09
日本企業での活用が進む領域
「機密性が高く、外部に出したくないデータ」を扱う現場ほど、ローカルAIの価値が出ます。2026年に総務省・経産省が示したAIガイドラインでも、データの適切な管理が求められています。
金融・保険
顧客情報を外に出さない相談対応
顧客データや取引情報を社内に留めたまま、問い合わせ対応や書類作成を効率化。
医療・介護
臨床・患者データの要約
カルテや記録の要約・下書きを、院内ネットワーク内で完結させる。
製造・技術
設計図・ノウハウの社内検索
門外不出の技術文書や過去トラブル事例を、AIに聞けば即答する社内ナレッジ化。
士業・法務
契約書のチェック補助
秘匿性の高い契約文書を外部送信せずに、確認・要約の下作業を任せる。
自治体・公共
住民対応・書類作成
個人情報を含む業務を、庁内で安全に効率化。
全業種共通
社内ヘルプデスク
就業規則・マニュアル・過去のQ&Aを学ばせ、社員の「これどうだっけ？」に即応。
10
メリットとデメリット、正直なところ
どちらも万能ではありません。それぞれの強みと弱みを並べます。
🖥️ローカルAI
メリット
- 機密データが社外に一切出ない（最大の安心）
- 使うほど1件あたりのコストが下がる（従量課金なし）
- ネット遮断環境でも動く／情報漏洩の経路を断てる
- 自社データで自社専用に育てられる
デメリット
- 初期投資と専門人材が必要（構築・保守）
- 最上位クラウドには性能でやや及ばないことが多い
- モデル更新・障害対応はすべて自社責任
☁️クラウドAI
メリット
- すぐ始められる／設備投資ほぼ不要
- 常に最新・最高性能を使える
- 保守・更新はベンダー任せで運用が楽
- 小さく始めて柔軟に増減できる
デメリット
- 入力データが社外に送られる（要規約確認）
- 使うほど費用がかさむ可能性
- ベンダーの仕様変更・値上げに左右される
- ネット必須・障害時は使えない
結論、「どちらか一方」ではなく「使い分け」が現実解です。機密性の高い業務はローカル、スピードと最高性能が欲しい業務はクラウド。両方を安全に併用する体制づくりが、これからの標準になります。
11
自社はどっち？ 3つの問い
3つ選ぶと、自社のタイプが表示されます。迷ったら、今の実感に近いほうを選んでください。
Q1
扱うデータに、外に出せない機密情報は？
Q2
毎日、どれくらいの量を使う？
Q3
社内に、任せられるIT人材はいる？
迷ったら、ハイブリッドが安全策。「機密でない業務はクラウドで即スタート」「機密業務は小さくローカル検証」を並行すると、リスクを抑えつつ早く成果が出せます。
12
経営として、次に打つ一手
- 1
「AI利用ルール」を先に決める
どのデータをクラウドに入れてよいか／ダメか。ツール選定より前に、社内ルールを一枚。
- 2
小さな業務で試す（PoC）
いきなり全社導入せず、1部署・1業務で効果とリスクを見極める。
- 3
効果が出たら投資判断
手応えを数字で確認してから、ローカル環境やライセンスへの投資を決める。
安全とスピードは、両立できる。
ローカルAIは「守り」、クラウドAIは「攻め」。
自社のデータと業務に合わせて賢く組み合わせることが、これからの経営に効いてきます。
13 / AGI
AGIは「何でも知っているAI」ではない。
AGIは「何でも知っているAI」ではない。
未知の仕事にも対応できる、汎用的な知能。
従来のAIが「決められた得意分野の道具」だとすれば、AGI（汎用人工知能）は、異なる分野の知識を組み合わせ、初めての課題を学び、計画し、実行できる知能を指します。
特化型AI
翻訳、画像認識、文章生成など、特定の仕事を支援する。
AIエージェント
複数の道具を使い、計画から実行まで長い仕事を進める。
AGI
幅広い知的業務を、人間と同等以上に自律して遂行する。
2026年9月時点
GPT-6 Astraを「AGI時代の始まり」と呼ぶ声はある。
GPT-6 Astraを「AGI時代の始まり」と呼ぶ声はある。
しかし、到達を判定する共通基準はまだない。
OpenAIのGreg Brockman氏やNVIDIAのJensen Huang氏は、AstraをAGIの到来と結び付けて評価しています。一方で、AGIの定義、再現性、失敗率、自律性、現実世界での信頼性については議論が続いています。したがって経営判断では、「AGIになったか」という名称より、実際に任せられる業務と監督方法を見ることが重要です。
数カ月単位で見直すもの
- 使うAIモデル・サービス
- 料金プランと利用上限
- プロンプトや自動化手順
- クラウドとローカルの配分
- 各業務をAIへ任せる範囲
会社の判断軸として守るもの
- 顧客へ届ける価値
- 最終責任は人が持つこと
- 機密情報と権利の保護
- 社員への成果還元
- 止まっても継続できる体制