AIの未来予測と社会実装

生成AIは「導入した企業」より「使い切った企業」が勝つ

2024年、生成AIはPoC（実証実験）の段階を超え、本格的な企業活用フェーズへと移行した。
業務効率化、新規事業創出、顧客体験の高度化など、具体的な成果を出す企業が現れる一方で、同じように導入したにもかかわらず成果につながらない企業も少なくない。

2024年の生成AI市場と企業活用の現在地

市場は「急拡大」、だが活用レベルには大きな差がある。
国内生成AI市場は2024年に1,000億円規模へ到達し、今後も高い成長が見込まれている。企業での利用率も7割を超え、「使っていない企業」の方が少数派になった。

一方で注目すべきは、「使っている」企業のうち、「使いこなせている」と自認する企業は2割強にとどまるという現実である。
このギャップこそが、2024年に明確化した分岐点である。

活用目的は「守り」から「攻め」へ

生成AI活用は、

• 議事録作成

• 文書要約

• 問い合わせ対応

といった単純な効率化から、

• 新規サービスの創出

• 顧客体験（CX）の向上

• 意思決定の高度化

といった競争力に直結する領域へと移行している。

この変化に適応できたかどうかが、成果の差を生む。

成功企業に共通する3つの要因

目的が「業務」ではなく「経営成果」に紐づいている

成功企業は「AIを入れること」を目的にしていない。代わりに、

広告制作のスピードと量をどう変えるか

• ユーザー体験の摩擦をどう減らすか

• 人材不足をどう構造的に補うか

といった経営課題から逆算している。

サイバーエージェントやメルカリの事例が示す通り、生成AIは「コスト削減ツール」ではなく、事業成長を加速させる装置として位置づけられている。

データと業務プロセスを整えてから使っている

成果が出ない企業の多くは、「とりあえずAIに投げてみる」という使い方に留まっている。
一方、成功企業は

• データの品質

• 業務フロー

• 判断ポイント

を明確にし、AIが力を発揮できる前提条件を整えている。

組織として使い続ける仕組みを作っている

成果を出している企業は、

• 教育・リスキリング

• 活用事例の共有

• 現場主導の改善

をセットで進めている。

単発の導入ではなく、「学習する組織」になれたかどうかが分かれ道でである。

2025年に押さえるべき生成AIトレンド（実務視点）

AIエージェントによる自律的業務支援

2025年は、生成AIが「聞かれたことに答える存在」から「業務を前に進める存在」へ進化する。

• スケジュール調整

• レポート作成

• データ収集と要約

を横断的にこなすAIエージェントは、ホワイトカラー業務の構造を変える存在になる。

特化型AI／小規模言語モデル（SLM）

• 業務特化

• 日本語・業界特化

• オンプレミス対応

といった用途最適化AIが、ROIの観点で主流になる。

ROI
投資に対してどれだけ利益を生み出せたかを示す指標

SLM（Small Language Model）

SLM（Small Language Model）とは、日本語で「小規模言語モデル」と訳される言語モデルである。
2024年頃から本格的に登場し始めた比較的新しい概念であり、LLM（大規模言語モデル）と対になる存在だ。

SLMは数億〜数十億パラメータ程度の比較的コンパクトなモデルサイズを持ち、特定の分野やタスクに特化して学習されることが多い。
そのため、汎用性は限定される一方で、低コスト・高速・高い運用柔軟性を実現できる。

現在はスタートアップ企業を中心に開発が進んでいるが、Apple、Google、Microsoftといった大手企業も参入しており、注目度は年々高まっている。

SLMとLLMの違い

SLMとLLMはいずれも自然言語処理を可能にするAIであるが、性質は大きく異なる。

• パラメータ数

LLM：数百億〜数兆パラメータ

SLM：数億〜数十億パラメータ

LLMは巨大なモデルサイズにより高い汎用性を持つが、その分リソース消費が激しい。

• 学習データの範囲

LLM：インターネット上の膨大で汎用的なデータ

SLM：特定分野・特定目的に絞った専門データ

SLMは学習範囲を限定することで、少ないデータと計算資源でも高精度を維持できる。

• コスト・リソース

LLMはGPU・メモリ・電力消費が大きく、開発・運用コストが高い。
一方、SLMは軽量なため、低コストでの開発・運用が可能である。

SLMが注目される背景
SLMが注目されている理由は主に以下の3点である。

• LLMのコスト問題
  高性能なLLMは費用対効果の面で導入が難しいケースが多い。

• 機密データの取り扱い
  医療・法律・金融などでは、クラウド利用に慎重にならざるを得ない。

• 用途特化型AIへの需要増加
  汎用性よりも「業務に最適化されたAI」が求められている。

SLMのメリット

• 開発・運用コストの削減

モデルサイズが小さいため、GPU性能や消費電力を抑えられる。
設備コストや人件費も低く済む。

• トレーニング時間の短縮

LLMが数十日〜数ヶ月かかるのに対し、SLMは数日程度で学習が完了する場合もある。

• スマホ・オフライン環境での利用

ローカル実行が可能なため、スマートフォンやエッジデバイス、オフライン環境でも動作する。

• ハルシネーションの抑制

学習範囲が限定されているため、事実と異なる情報を生成するリスクが比較的低い。

• セキュリティ・プライバシーの確保

自社環境内で完結でき、外部クラウドにデータを送らずに運用可能である。

SLMのデメリット

• 汎用性が低い

学習していない分野の質問には弱く、用途が限定される。

• データ収集・専門知識が必要

特化分野の高品質データ収集や学習設計には専門知識が求められる。

代表的なSLM

• Apple Intelligence（Apple）

• Phi-3（Microsoft）

• OpenELM（Apple）

• Gemini Nano / Gemma（Google）

• GPT-4o mini（OpenAI）

• Mistral AI

• Sakana AI（日本）

• Glaive-Coder-7b

いずれも「軽量・高性能・用途特化」を軸に設計されている。

AIガバナンスとセキュリティの標準化

2025年は「使えるか」ではなく**「安全に使い続けられるか」**が問われる。

• データ分類

• 利用ルール

• 出力検証プロセス

を前提としたAI活用が、企業競争力の一部になる。

失敗しないための生成AI導入ロードマップ

効果が測れる業務から着手する

最初に狙うべきは、

• 定型業務

• 頻度が高い業務

• 成果を数値化しやすい業務

「期待」ではなく測定可能なKPIを設定する。

KPI
目標達成に向けた進捗や成果を定量的に測るための重要指標

小さく試し、早く学ぶ

PoCは3ヶ月以内が目安。

PoC
新しいアイデアや技術、手法が「実現可能かどうか」を検証するための取り組み

• 技術検証

• 業務適合性

• 現場の受容性

を同時に確認し、「使われないAI」を作らないことが重要。

###人と組織に投資する

生成AI導入の本質は人材戦略である。

• 一般ユーザー

• 業務改善を担うパワーユーザー

• 運用・設計を担う専門層

この3層を意識した育成が、2025年以降の競争力を左右する。

自動運転

自動運転レベルは、誰が運転の主体かとどこまでシステムが責任を持つかによって区分される。

大きな分岐点は以下の2つだ。

• レベル2まで：運転主体は人（ADASの領域）

• レベル3以降：運転主体はシステム（自動運転の領域）

特にレベル2とレベル3の間は、技術・法制度・責任の所在が切り替わる決定的な境界線となる。

レベル0〜1：従来型の自動車と運転支援の始まり

レベル0：運転自動化なし

レベル0は「運転自動化なし」を指し、ドライバーがすべての運転タスクを担う。
衝突警告などの警報のみの安全機能は含まれても、車両制御を伴わないため自動運転には該当しない。

レベル1：運転支援

レベル1では、

• 縦方向（加減速）

• 横方向（操舵）

のいずれか一方のみを、限定条件下でシステムが支援する。
例としては、アダプティブクルーズコントロールやレーンキープアシストなどがある。

この段階では、運転の責任は完全に人にある。

レベル2：部分運転自動化（現在の主流）

レベル2は、縦方向・横方向の両方をシステムが同時に制御する「部分運転自動化」だ。
高速道路での追従走行や車線維持を自動で行えるため、体感的には「かなり自動運転」に近い。

ただし重要なのは、

• 周囲監視は人が行う

• システムは常に監督対象

という点であり、運転主体はあくまで人である。

近年ではこのレベル2が高度化し、条件付きでハンドルから手を離せる「ハンズオフ」機能も登場しているが、法的にはレベル2のままだ。

レベル3：条件付き運転自動化（大きな転換点）

レベル3は「条件付き運転自動化」と呼ばれ、限定条件下では運転主体がシステムに切り替わる。

具体的には、高速道路の渋滞時など特定条件下で、

• ハンドルから手を離す

• 前方から目を離す（アイズオフ）

ことが可能になる。

ただし、

• 条件が外れた場合

• システムが対応困難と判断した場合

には、ドライバーが即座に運転を引き継ぐ義務がある。

日本では法改正によりレベル3が制度上可能となり、かつてホンダ「レジェンド」が世界初の市販レベル3車として登場したが、現在は継続販売されていない。

レベル4：高度運転自動化（無人運転の始まり）

レベル4では、運行設計領域（ODD）内において完全に無人運転が可能となる。
万が一システムに問題が生じても、車両自らが安全に停止する責任を持つ。

2023年の道路交通法改正により、日本でも特定地域・特定用途に限ってレベル4の公道走行が解禁された。
現在は、過疎地域の自動運転バスや限定ルートのシャトルなど、サービス用途での社会実装が進んでいる。

ただし、一般消費者向けのレベル4市販車は、国内外ともにまだ存在しない。

レベル5：完全運転自動化（最終形）

レベル5は、

• ODDの制限なし

• 天候・道路状況を問わない

完全な自動運転を指す。
人間の介入を一切必要とせず、ハンドルやペダルすら不要となる世界だ。

現時点では、技術・法制度・社会受容のすべての面でハードルが高く、実現時期は明確に示されていない。
ただし、センサー・AI・シミュレーション技術の進化により、長期的な可能性は模索され続けている。

参考