SPEAKER SCRIPT
AIを「チャットツール」ではなく、会社・現実世界・産業インフラを変える力として捉え直してもらう。
今日は、AIツールの使い方講座ではありません。経営者としてAIをどう捉えるべきかを話します。多くの人は、まだAIを「文章を書いてくれるもの」「質問に答えてくれるもの」と見ています。しかし世界の最前線では、AIはすでにチャット画面の中を出ています。コードを書く。アプリを作る。動画を作る。世界をシミュレーションする。ロボットに入り、工場に入り、現実世界のデータを集める。つまり、AI競争はツールの話ではなく、会社と産業構造を作り替える話になっています。今日のゴールは、AIを便利ツールとしてではなく、経営システムとして捉え直すことです。
外部資料はありません。
このセミナー全体の結論を先に提示し、参加者の視点をモデル性能比較から経営システムへ移す。
今日の結論を先に言います。AI競争は、どのチャットボットが一番賢いか、という話では終わりません。もちろんモデル性能は重要です。GPTが強い、Claudeが強い、Geminiが強い、中国モデルが追い上げている。これは大事です。しかし経営者が見るべき本質は、その知能をどれだけ速くアプリにできるか、業務に入れられるか、現場で使えるか、ロボットや製品に埋め込めるか、そして安全に守れるかです。AIで作る会社は、AIで守る会社にもなります。そして現場データ、チップ、電力まで含めて見ないと、これからの競争構造は見えません。
外部資料はありません。
経営者に最も自分ごと化しやすい「ソフトウェア実装速度の崩壊」から入る。
最初のAIコーディングは、エンジニアが黒い画面で使う補助ツールでした。コードの一部を書かせる、エラーを見てもらう、補完させる。その段階から、すでに大きく変わっています。CodexやClaude Codeは、コードを書く補助ではなく、コードベースを読み、ファイルを編集し、テストを実行し、PRを作る開発エージェントになっています。さらにApp BuilderやAIアプリビルダーの流れでは、非エンジニアが自然言語で欲しい業務アプリを説明し、AIが動く形にする世界に近づいています。ここで重要なのは、エンジニアが少し楽になる話ではないということです。会社の中で作りたいものを形にする速度の上限が外れ始めています。これからは、人月勝負ではなく、AIエージェントを束ねる実装システム勝負になります。
AIで開発が速くなるほど、防衛もAI前提になるという経営リスクを提示する。
AIがコードを書くなら、AIはコードの弱点も探せます。AIがシステムを作るなら、AIは脆弱性を探し、攻撃にも防御にも使われます。ここで象徴的なのが、AnthropicのClaude Mythos Previewです。これは高度なセキュリティタスクに特化したモデルとして発表され、ゼロデイ脆弱性の発見や高度な検証能力が話題になりました。一方でCisco Cloud Controlのように、AIエージェントをAIで守る方向も出てきています。つまり、これからのソフトウェアは、人間が作り、人間が守る世界ではなくなっていきます。AIが作る。AIが攻める。AIが守る。開発速度を上げる会社は、同時にAI防衛体制も持たなければなりません。これはIT部門だけの話ではなく、経営課題です。
AIが「生成物を出す」段階から「シミュレーションできる世界を作る」段階へ進むことを示す。
ここから視野を広げます。AIはコードだけではありません。動画生成も、単発の生成ボタンから、演技・照明・カメラワークまで制御する映画監督型の実行環境へ進んでいます。GoogleのGemini Omniは、会話しながら動画を作り、編集する方向です。ByteDanceのSeedance 2.0は、映像生成の性能面で強い衝撃を与えています。しかしさらに奥にあるのが、ワールドモデルです。Google GenieやProject Genie、Waymo World Modelは、AIが中で試行錯誤できる世界を作る方向を示しています。これは広告動画だけの話ではありません。物流、店舗、工場、ロボット導入、自動運転などを、現実で失敗する前にAIの中で試す世界につながります。
AIの次の価値源泉が、ウェブ上の情報ではなく現場ノウハウ・身体動作・一人称視点に移ることを示す。
AIがロボットや現場に入ると、次に必要になるのは実世界データです。文章AIならウェブ上のテキストから学べます。画像AIなら画像から学べます。しかしロボットに掃除、片付け、搬送、検品をさせるには、人間が物をどう持つか、どれくらいの力でこするか、散らかった部屋で何を触ってよいか、といった無意識の判断を学ぶ必要があります。ニューヨークのShiftは、無料で家を掃除する代わりに、清掃員の一人称映像をロボット学習データにする取り組みで話題になりました。またAIメガネやウェアラブルは、人間の目と耳をAIのセンサーに変えます。経営者にとって重要なのは、自社の現場ノウハウそのものが次の競争資産になるということです。
中国系LLMのオープンモデル戦略を、OSS善意ではなく製造業と結びついた産業戦略として説明する。
中国系LLMの重要性は、単にQwenやDeepSeekが高性能という話だけではありません。中国がオープンモデル、正確にはオープンウェイトを強く進めていることに意味があります。巨大クラウド上で最強の頭脳を作るだけなら、閉じたAPIでもいい。しかし工場、ロボット、車載、家電、エッジデバイスにAIを入れるなら、安く、小さく、調整可能で、現場ごとに載せられる知能部品が必要になります。米国型は巨大クラウド上の最強の頭脳です。一方、中国型はオープンモデルを小型化・蒸留して、物理世界にばら撒く戦略です。これは善意のOSSではなく、製造業と結びついた産業戦略として見るべきです。
ヒューマノイドが未来のデモではなく、限定用途ながら市販・出荷・現場投入に入ったことを示す。
中国の話で一番インパクトがあるのが、ヒューマノイドです。ここは煽りすぎてはいけません。ヒューマノイドが明日から人間の仕事を全部奪うわけではありません。しかし重要なのは、すでに市販・実出荷・現場投入の段階に入っていることです。Unitreeは2025年に5,500台超、AGIBOTは5,168台のヒューマノイドを出荷したとされています。AGIBOTは2026年3月に1万台目のラインオフも発表しています。現時点では、研究、案内、展示、限定的な工場支援が中心です。器用な手、成功率、現場判断はまだ発展途上です。それでも、現場にロボットが置かれ始めると、失敗も含めてデータが返ってきます。重要なのは完成したことではなく、現場に置かれ始めたことです。
AI企業がモデル企業からインフラ企業へ変わっていること、計算資源の地政学を示す。
ここからはAIの裏側です。AIはクラウドの中にあるように見えますが、実際にはGPU、データセンター、電力、土地、冷却、送電網、半導体の上で動いています。OpenAIはStargateで1GW級のデータセンターキャンパスを建てにいっています。xAIはColossusを爆速で建て、計算資源の建設速度そのものを武器にしています。Anthropicは少し違います。自前で巨大インフラを建てるというより、AWS、Google TPU、Microsoft、さらにxAI/SpaceXのColossus 1まで束ねる「持たざるインフラ企業」と見ると分かりやすいです。モデル層では競合でも、インフラ層では取引相手になる。AIのコスト構造は、もはやソフトウェアだけではありません。
参加者が自社で考えるべき経営アクションに落とし込む。
最後に、経営者として問うべきことを整理します。AIを使っていますか、という問いはもう古いです。重要なのは、AIによって会社の実装速度が上がっているかです。AIで作るなら、AIで守る体制があるか。自社の現場ノウハウをデータ資産として扱えているか。AIを業務だけでなく商品・サービス・現場に埋め込めるか。チップ、クラウド、電力を経営リスクとして見ているか。AIの最前線とは、モデル性能表ではありません。知能を現実に変換する産業システムそのものです。AIを便利なツールとして使うだけでは足りません。AIで会社の実装速度と学習速度を作り替えることが、これからの経営課題です。