ASI の予言合戦に乗らない経営 ― 能力は買える、土台は買えない

「超知能（ASI）」という言葉を、この半年ほどでよく見かけるようになりました。2024 年まで業界の合言葉は AGI（人間並みの汎用 AI）でしたが、いまは主要な AI ラボが揃って「ゴールはその先の超知能だ」と語っています。ニュースとしては派手です。ただ経営の立場で読むとき、大事なのは「いつ来るか」ではありません。来ても来なくても効く手を、今のうちに打てているか。本稿はそこに絞ります。

ASI と AGI の定義、そして AGI からどう至るのかという 4 つの経路は、前回の記事AGI はゴールではない ― DeepMind が描く「超知能（ASI）」への道筋で整理しました。本稿はその続編として、なぜ今これほど話題なのか、事業にどう効くのか、今日から何を積むのかに絞ります。

なぜ今「ASI」が語彙になったのか

3 つの動きが重なっています。

• ラベルの引き上げ。OpenAI が照準を「AGI の先の超知能」へ移すと表明し、以後 Meta は「Superintelligence Labs」、Microsoft は「Humanist Superintelligence」と、組織名やミッションに超知能を掲げるようになりました（いずれも公式公表）。
• 資金と人材の桁。製品を出していない Safe Superintelligence が約 320 億ドル、Anthropic は 2026 年初に 1,830 億ドルから 3,800 億ドルへ（その後さらに上昇したと報じられています）、OpenAI は同年の調達で 8,520 億ドルと評価されました（いずれも報道ベース、一部は公式公表）。超知能は技術の目標であると同時に、資金と人材を集める旗印になりました。
• 反対の声も大きくなった。「安全性の科学的な合意が得られるまで超知能の開発を止めよ」という声明が 2025 年 10 月に公開され、署名は 7 万筆を超えました。署名者には AI 研究の第一人者も名を連ねています（公式公表）。賛成と反対の両側から、超知能が公共の議題になったということです。

「近い」も「バブル」も、同じ人が言っている

各ラボの首脳は「あと数年で多くの領域が人間を超える」と語ります。一方で同じ人物が、投資家の中には大やけどをする人も出るだろう、とバブルの可能性にも触れます。どちらも巨額の資金調達や上場準備の最中の発言です。だから断定として受け取らず、「そう述べた」という事実として読むのが安全です。

技術者側には慎重論もあります。現在の大規模言語モデルは、このまま規模を増やしても頭打ちになるという指摘。推論モデルの限界を示したとする Apple の論文と、それは評価方法の問題だとする反論。この応酬そのものが、AI の実力を測ることの難しさをよく表しています。

歴史も参考になります。「あと十数年から二十数年で汎用 AI が実現する」という見通しは、以前から繰り返し語られては外れてきました。来る／来ないの予言合戦に、限られた経営資源を賭けないことです。

巨大ラボですら、組織設計でつまずく

お金と人材さえあれば超知能に近づく、というわけでもなさそうです。潤沢な資源を持つ Meta でさえ、超知能の新組織を短い周期で再編し、人員の整理も報じられています（社内力学の解釈を含むため、ここは断定しません）。

企業側でも同じ絵が見えます。生成 AI の導入は広がった一方で、損益への効果まで結びついた例は限られます。ある調査では、企業の生成 AI パイロットの約 95% が測定可能な成果を出せていないと報告されました（この調査には方法論への批判もありますが、傾向は他の調査ともおおむね整合します）。技術そのものより、それを業務のどこに、どう埋め込むかの設計が成否を分けている。ここが次の話につながります。

経営者が握るべきは、予言ではなく土台

事業の観点で確度が高いのは、次の一点です。基盤となる AI モデルは、単価で見れば今後も安く、性能は強くなり続ける方向にあります（使う量が増えれば総額は別の話です）。各社の桁違いの設備投資が、それを支えています。つまりモデルの賢さそのものは、いずれ誰でも同じように買えるものに近づいていく。

そうなると差がつくのは、モデルではなくその周りです。自社にしかない業務データ。AI を実際の業務に接地させた仕組み。使うほど賢くなる運用のループ。「買えないのは自社のデータと業務接地だけ」と言われるのは、このためです。土台のある会社は新しい能力を安く載せ替えられ、土台のない会社は毎回ゼロから積み直す。能力が上がるほど、この差は自然に開いていきます。

規制も土台の一部です。EU の AI 規則は罰則を伴い、域外適用で日本企業も対象になり得ます。日本の枠組みは今のところ努力義務が中心ですが、取引先やサプライチェーンからの要求として、実質的に降りてきます。後で考える、では間に合わない領域です。

Nihonbashi AI Lab は、この土台づくりを 4 つの軸で支援しています。

• 業務設計。賢い AI が来てから考えるのではなく、今のうちに AI と人の役割分担と引き継ぎ点を業務フローとして描く。接地先が決まっていれば、能力は載せ替えるだけで済みます。
• データ構造・権限設計。組織の知恵と世の中のデータを、AI が読める形・人が使える形に整える。最も複利が効き、最も後回しにされがちな部分です。複数の AI が動く時代には、誰が何を参照できるかの線引きが、そのまま事業リスクの境界になります。
• AI 活用設計。最強の 1 体に賭けず、複数の AI を役割で束ね、モデルは差し替えられるようにしておく。特定のベンダーへの過度な依存を避け、外側の設計を自社に残します。
• 運用導線。使うほど賢くなるループをつくる。AI の判断・失敗・修正を組織の記憶として貯め、次に効かせる。能力の向上は、このループを速く回している組織で最も増幅されます。

今週できる、小さな一歩

大きな投資は要りません。4 つの軸それぞれに、今週の入口があります。

• 業務設計：AI に任せたい業務を一つだけ選び、人との引き継ぎ点を書き出す。
• データ構造・権限設計：その業務で使う情報が、いま誰の頭の中や、どのファイルにあるのかを棚卸しする。
• AI 活用設計：特定のモデルに固定していないか、差し替えられる作りかを確認する。
• 運用導線：うまくいった記録と、いかなかった記録を残す場所を、一つ決める。

ASI が来るかどうかを予想するより、来たときに自社が一番得をする状態を、今つくる。経営判断としては、こちらの方が確実に割が合います。どこから土台をつくるか迷ったら、御社の業務を一緒に棚卸しするところから始められます。ご相談はお問い合わせから承ります。