人工知能基本計画第II期を読む 日本はなぜAIエージェントを重視するのか

人工知能基本計画第II期を読むと、日本がAIエージェントを重視する理由は、もっと賢いチャットAIを作りたいからだけではありません。第II期は、AIが質問への回答や文書作成を超え、目標に応じて計画し、実行し、結果を確認して修正する「エージェント型AI」が広がることを前提にしています。AIが仕事の実行まで担うほど、成果はモデルの性能だけでなく、どのデータを読めるのか、どのシステムへ接続できるのか、何を操作してよいのか、誰が承認・監督し、異常時に誰が止めるのかに左右されます。

そこで第II期では、モデル開発だけでなく、計算資源、電力、人材、データ、統制、制度・政策までを含む社会全体の「AI実装能力」を重視します。その中で、政府が自ら利用するガバメントAI、特定分野のデータと業務に深く入るバーティカルAI、現実空間で機械を動かすフィジカルAI、特定国や企業への過度な依存を避けながらAIを選択・運用し続ける開かれたAI主権が結び付けられています。

また、2026年9月17日時点で、この政策体系の成果が確定したとは言えません。ガバメントAI「源内」は全府省庁への大規模実証の途中で、2026年5月29日時点では約10万人が利用可能となり、年度内に約18万人へ広げる計画です。国産基盤モデルの比較実証も進行中で、8月のデジタル庁資料では9～11月にA/Bテストを行う予定とされていました。利用環境の拡大と、業務全体の品質・費用・市民への効果は別に確認する必要があります。

本記事の中心仮説は、「第II期は、AIの能力向上を社会の成果へ変えるために、仕事を任せられる条件を整える実装政策として読める」というものです。ただし、これは全面的な政策転換ではありません。第I期にもAIエージェント、フィジカルAI、政府の先導利用、国家主権・安全保障、計算資源や電力への言及がありました。第II期は、それらをエージェント型AIの時代に合わせて再配置・重点化したもの、と読む方が原文に忠実です。 

人工知能基本計画第II期は、第I期から何が変わったのか

人工知能基本計画は、「人工知能関連技術の研究開発及び活用の推進に関する法律」第18条に基づく国の基本計画です。最初の計画は2025年12月23日に閣議決定され、第II期は約7か月後の2026年7月14日に閣議決定されました。法律自体は2025年6月4日に公布され、人工知能戦略本部に関する規定を含め2025年9月1日に全面施行されています。

第II期でも、第I期の「AIを使う」「AIを創る」「AIの信頼性を高める」「AIと協働する」という4つの基本方針は維持されています。したがって、政策の土台を総入れ替えした計画ではありません。変わったのは、技術環境の認識と、社会実装を説明する重心です。

比較項目第I期第II期判定
計画の位置付け2025年12月23日閣議決定の最初の基本計画2026年7月14日閣議決定。AI法18条に基づく次期計画更新。法的枠組みは継続
AIエージェント新技術としてすでに言及「目標に向け計画・実行・検証・修正を繰り返す」エージェント型AIを社会変化の中心に置く大幅な重点化。第II期で初登場ではない
政府利用政府が先導し、職員の利用環境、データ活用などを進める源内を全府省庁へ展開し、政府利用を社会実装・需要形成の起点としてより具体化継続＋具体化
バーティカルAI同じ名称を政策の中心概念としては置いていない産業・行政の領域固有データ、暗黙知、業務を使う重点分野として明示明示的な重点化
フィジカルAIすでに言及。ロボットなど現実空間での活用も扱うバーティカルAIと並ぶ日本の重点方向として位置付け、AIロボティクス戦略とも接続継続＋重点化
主権・自律性国家主権、安全保障、自律的運用、基盤整備を重視「開かれたAI主権」を明示し、特定国・企業への過度な依存、国際分業、相互運用性、継続運用まで整理概念の明確化・体系化
安全・責任信頼できるAI、安全性、ガバナンスを重視エージェント型AIによる責任境界、サイバー、雇用等の複雑化を明示し、人による監督形態も整理継続＋新しい実行リスクへの重点化

ここから分かるのは、第II期を「生成AI政策からAIエージェント政策へ完全転換した」と表現するのも、「第I期の言い換えにすぎない」とするのも、どちらも単純すぎることです。技術・政策要素には強い連続性があります。一方、第II期は、AIの能力を社会の仕事へつなぐ際の接続先、現場データ、実行手段、運用継続能力に焦点を移しています。 

なぜAIエージェントが政策の焦点になるのか

第II期がいうエージェント型AIは、単に長い文章を上手に生成するAIではありません。目標を与えられると、計画し、実行し、結果を見て修正する一連のプロセスを繰り返すシステムを想定しています。また、AI事業者ガイドラインの定義を引用する政府の生成AIガイドラインでは、AIエージェントを「特定の目標を達成するために、環境を感知し自律的に行動するAIシステム」と整理し、「自律」は高度な完全自律だけを意味しないとされています。

従来の固定手順の自動化と違うのは、すべての処理手順を人があらかじめ決めなくても、AI自身が状況に応じて次の操作を選べる範囲が広がることです。ただし、固定手順の自動化が古くて劣っているわけではありません。税計算、定型チェック、決められた承認フローなど、変化が少なく正確な再現性が重要な仕事では、自由度を絞った自動化の方が適する場合があります。

政策上の重要な変化は、AIの「答え」が間違うリスクから、AIの「行動」が間違うリスクへ対象が広がる点です。文書案を間違えるだけなら、人が採用しなければ済む場合があります。しかしAIが別システムを読み、データを書き込み、メールを送信し、発注し、機械を作動させるなら、同じ誤りでも影響が大きくなります。AISIが第1.20版で、AIエージェント向けに「観測と制御」を加え、自律的挙動と外部環境との相互作用を評価対象にしたのは、この違いを反映したものです。

だからこそ、エージェントの性能を上げるだけでは政策になりません。AIが何を読めるかというデータ、どこへ接続するかというシステム、何を実行できるかという権限、失敗を誰が検知するかという監督、止めた後どう復旧するかという運用が必要です。第II期がモデル開発以外の計算資源、電力、人材、データ、統制、制度をまとめて「AI実装能力」の文脈で扱うのは、そのためと読むことができます。

人手不足や産業競争力は政府文書が挙げる重要な背景です。しかし、それだけではなぜデータ整備や政府調達、責任分担、AI主権まで必要なのかを十分に説明できません。エージェント型AIでは、仕事を任せるほど、モデル外部の条件が価値とリスクの両方を決めるようになる。この点に、第II期の複数施策を一つの政策体系として読む鍵があります。 

政府AI・バーティカルAI・フィジカルAI・AI主権をつなぐ

最も避けたい誤解は、この4つを次世代AIの4種類として並べることです。分類する軸がそれぞれ違います。

概念分類する軸政策で担う役割他概念との接続条件原文・資料上の根拠
AIエージェント／エージェント型AIAIがどう行動するか計画・実行・検証を含む仕事の委任範囲を広げる外部機能、データ、適切な権限、監督が必要第II期本文、政府生成AIガイドライン
ガバメントAI誰が、どの公共業務・基盤で使うか政府自身の利用、共通環境、評価、調達、需要形成業務データの利用許可、調達、責任分界、安全な環境第II期、デジタル庁「源内」
バーティカルAIどの領域のデータ・業務に特化するか製造、行政、医療など領域固有の知識・業務へAIを組み込むデータ整備、権利、標準化、業務設計、評価第II期、領域別戦略中間とりまとめ
フィジカルAIどこで作用するかロボットや装置などを通じ現実空間へ作用するセンサー、制御、機械安全、停止・復旧、現場データ第II期、AIロボティクス戦略、安全性資料
AI主権誰が選択・運用継続能力を持つか過度な依存を避け、切替・継続運用・交渉の余地を確保計算資源、データ、モデル、アプリ、契約、人材、相互運用性第II期「開かれたAI主権」

例えば、ある製造会社の設備保全AIが領域固有データを使えばバーティカルAIの性格を持ちます。そのAIが設備を直接制御すればフィジカルAIにもなり、目標から作業計画を組み替えるならエージェント型にもなり得ます。しかし、バーティカルAIだから必ずフィジカルAIになるわけでも、フィジカルAIだから必ず高度なエージェントであるわけでもありません。

政府AIも同じです。「源内」が存在するから、政府のすべての仕事がエージェント化するわけではありません。源内は、政府職員がAIを安全・安心に使う共通環境を整え、その上で汎用的な生成機能、行政向けアプリ、知識ベースやデータなどを展開する基盤です。

第II期がこれらを一緒に扱う意味は、社会実装の流れを作ろうとしている点にあります。政府が利用・評価する、各領域のデータや業務を整える、AIの判断を現実の処理や機械へつなぐ、そして特定の供給者が使えなくなっても運用を続けられる能力を確保する。この関係の一部は計画に明記されていますが、政府データが自動的に民間モデルへ流れ、産業全体で循環するといった仕組みが実現済みという意味ではありません。データ共有には権限、契約、セキュリティ、目的、権利処理が必要です。 

政府AI「源内」は、行政の実装をどう広げるのか

ガバメントAI「源内」は、第II期の「政府自ら使う」という考え方が最も具体化している施策です。デジタル庁は、ガバメントAIを政府職員が安全・安心にAIを利用できる基盤と位置付け、その第一歩として源内を各府省庁へ展開しています。2026年度には全府省庁約18万人を対象とした大規模実証を計画しています。

ただし、2026年5月29日に約10万人が利用可能になったと公表されましたが、利用可能者数と実際に使った職員数、継続利用者数、業務成果は別の数字です。デジタル庁内で先行運用した2025年5～7月の資料では、「期間中に少なくとも1回AIを実行した利用者」をアプリ別に数え、チャット717人、文書作成378人などとしています。アプリ間で同じ人が重複し得るため、これを全体の実利用者数として足すこともできません。

この区別は政策評価で重要です。「10万人へ配布した」は利用環境の規模を示します。「月に何回、何の業務に使ったか」は利用状況です。「確認・修正も含めた業務時間が減った」「品質が上がった」「利用者への回答が改善した」は成果です。3つを同じ実績として扱うと、導入の勢いを効果と取り違えます。

政府が調達者になることには産業政策上の意味もあります。2026年3月、デジタル庁は国産基盤モデルの試用に向けた公募で7モデルを選定し、政府業務での試用・評価と開発側へのフィードバック、将来の政府調達の可能性を示しました。これは、「政府利用→評価→改善」という経路を制度として作ろうとする動きです。

一方、8月の発表では、大規模実証で5社の国産基盤モデルを試す予定とされ、その一部3モデルを「さくらのクラウド」上で動かし、既存モデルとのA/Bテストを9～11月に複数回実施するとされています。3月の7モデル選定と8月の5モデル試用は実施段階・時点が異なりますが、今回確認した資料だけから残り2モデルが不採択になったとは判断できません。

さらに重要なのは、源内が海外モデルを排除していないことです。8月公表資料では、既存環境にAmazon NovaやAnthropic Claude系モデルが示され、そこへ国産モデルを比較試用する構成になっています。これは第II期のAI主権を国産AIだけを使うことと解釈できない具体例です。複数の選択肢を持ち、用途・安全性・性能・費用を評価しながら運用する能力の方が、計画の開かれたAI主権に近い読み方です。

予算も成果と分ける必要があります。2025年度補正予算の源内関連資料には44.0億円の政府AI整備事業が示されていますが、これは事業の予算措置であり、44億円分の効果が確認されたという意味ではありません。

では、市民にとって何が変わるのでしょうか。源内そのものは政府職員向け環境で、一般市民が直接ログインして使うサービスとして説明されていません。デジタル庁は国会答弁支援、厚生労働分野の業務、バックオフィスなど行政特化型アプリの試作・開発を進めていますが、今回確認した資料は、行政処分そのものをAIへ自律的に決定させる運用を実証しているわけではありません。

AIが行政サービスの内部で使われるほど、職員の便利さだけでなく、結果に疑問がある市民が説明や訂正を求められる設計が重要になります。政府ガイドラインは、トレーサビリティ、責任者の明示、関係者間の責任分配、ステークホルダーへの対応、説明可能性などを求めています。最後に職員が見るという一言だけではなく、その職員に確認時間、必要な情報、訂正する権限があるかまで見る必要があります。 

バーティカルAIとフィジカルAIは、現場の強みを生かせるか

第II期は、日本が重点を置く方向としてバーティカルAIとフィジカルAIを挙げています。2026年7月10日の人工知能戦略本部では、「バーティカルAI領域別戦略 中間とりまとめ」が示され、市場性、公共性、戦略性という観点から、製造、物流、医療、行政、エネルギー、防災・安全保障など多様な領域を整理しました。

バーティカルAIの核心は、汎用モデルを単に業界へ売ることではありません。領域固有のデータ、暗黙知、業務フロー、ルールとAIを組み合わせることです。第II期は、現場に蓄積された経験や暗黙知をデータとして蓄積・活用することに期待を置きます。

ただし、「日本企業には現場力がある。だからAIでも勝てる」という結論には一段階足りません。熟練者の動きを記録しても、それだけでAIが安全に使えるデータにはなりません。どの状況でその判断が有効だったのか、例外は何か、誰がデータの利用を許可できるのか、異なる設備や企業間で形式が揃っているかを整える必要があります。暗黙知を記録する作業自体が熟練者の追加負担になることもあります。

フィジカルAIは、AIの判断をロボット、車両、機械、装置などを通じて現実空間の動作に結び付けます。政府は2026年3月26日付のAIロボティクス戦略を策定し、5月27日の関係府省連絡会議では同戦略を踏まえた主要政策パッケージを扱っています。第II期もAIロボティクス戦略との接続を明示しています。

ここで注意したいのは、「バーティカルAIで現場データを蓄積し、次にフィジカルAIへ進化する」という一本の階段にしないことです。領域特化した意思決定支援だけで価値が出る業務もあります。反対に、ロボットの制御でも、すべてに高度な言語モデルやエージェントが必要とは限りません。固定制御や従来型の機械学習の方が安全性・再現性に適する処理もあります。

また今回の調査では、製造・物流・インフラ分野について、第II期との政策上の接続、AIに任せた具体的操作、継続運用、成果までを一つの公開一次資料で追跡できる個別企業事例を、無理に成功事例として採用しませんでした。戦略に用途が書かれていること、公募で採択されたこと、デモが成功したこと、現場で継続的に成果が出たことは別の段階だからです。

ここで役立つのが、生産性研究の「補完的な無形資産投資」という考え方です。Brynjolfsson、Rock、Syversonは、汎用技術の価値を引き出すためには、技術購入とは別に、組織・業務プロセス・人材などへの無形の投資が必要であり、その投資が導入期の測定生産性を押し下げて見せる可能性を論じています。

AIに置き換えると、モデル利用料やGPUだけが投資ではありません。データを整理する、業務手順を書き換える、どの作業をAIへ渡すか決める、例外処理を作る、職員・従業員を教育する、監査方法を整える。こうした仕事も導入費用です。

ただし、生産性Jカーブは今忙しいなら将来必ず成功するという理論ではありません。組織投資が的外れなら効果は出ませんし、測定された生産性と、働く人が感じる忙しさも同じ指標ではありません。この研究は、第II期が成功する証拠ではなく、モデル以外への投資を政策評価から消してはいけない理由を考える分析枠組みです。 

AI主権を、選び運用し続けられる条件から読む

第II期が掲げるのは、閉じた自給自足ではなく開かれたAI主権です。特定の国や企業への過度な依存を回避し、自律性と交渉力を高める一方、同志国との協力、国際分業、相互運用性も重視しています。さらに、日本が国際的に欠かせない技術・能力を持つ戦略的不可欠性も組み合わせています。

この概念は国産LLMを持っているかだけでは測れません。少なくとも次の層を分けた方が実態をつかみやすくなります。

層「主権」を考えるときの確認点
電力・通信・計算資源必要な計算能力を確保できるか。障害・供給制約時に代替できるか
データ誰がアクセスを許可し、利用目的・保存・移転を管理できるか
モデル国内開発能力があるか。複数モデルを比較・交換できるか
アプリ・接続仕様モデルを交換しても業務システム全体を作り直さずに済むか
契約・運用価格改定、終了、障害時の条件を把握し、移行・復旧できるか
人材特定ベンダーだけが仕組みを理解している状態になっていないか

第II期自身も、エージェント型AIの時代にはモデルだけでなく計算資源、電力、人材、データ、統制・管理が重要になると説明しています。AI主権は国内企業から買えば達成と判定できる単純な条件ではありません。

源内は、この難しさを具体的に示します。海外の有力モデルを利用しながら国産モデルも試し、国内クラウド上で動かす選択肢を検証しています。性能の高い海外モデルを排除すれば自律性が高まるとは限りませんし、国産モデルを一つだけ固定的に使えば乗換え可能性が下がることもあります。どの依存を許容し、どこに代替手段を持つかが重要です。

同様に、「国内にサーバーがある」「オープンな技術である」という条件だけで安全性や主権が保証されるわけではありません。安全性はアクセス制御、データ利用、脆弱性、監査、運用など別の条件でも決まります。AI主権とAI安全性は関連しますが、同じ概念ではありません。

国家のAI主権と、働く人や市民の裁量も同じではありません。国家としてモデル選択肢が増えても、一人の職員がAIの判断を修正できなければ、現場レベルの主体性が高まったとは言えません。第II期の開かれたAI主権を評価する際には、国家・組織の継続運用能力と、人間の判断・異議・訂正の余地を別々に確認する必要があります。

仕事を任せるために必要な権限・責任・安全性

AIエージェントを考えるとき、自律性が高いほど優れていると考えない方が安全です。重要なのは、仕事のリスクに対して適切な権限だけを与えることです。

資料を読むだけのAI、文書案を作るAI、外部システムへ書き込むAI、メールや注文を送るAI、機械を動かすAIでは、同じ誤りでも結果が違います。物理環境へ作用するAIについては、AISI・IPAが2026年7月に公表したAIロボティクス向け安全評価資料も、物理的、心理的、社会的なリスクを分けて評価しています。

政府の生成AIガイドライン第2.0版は、AI統括責任者（CAIO）、企画者、開発者、提供者、利用者と役割を分けています。府省庁をまたぐ共通機能では、責任分界を明確にした上で関係者が連携してリスク対応する必要があるとも記しています。つまり、AIを使った職員が全部責任を負えばよいという設計ではありません。

セキュリティ面では、外部データに埋め込まれた不正な指示などによってAIが意図しない動作をする危険もあります。政府ガイドラインは、プロンプトインジェクションなどへの技術的対策について、単独の対策で要因を完全に排除することが困難な場合を前提に、複数の対策を組み合わせるよう求めています。具体的な攻撃手順より重要なのは、入力・外部参照データの検証、権限管理、監視、停止手段といった防御側の設計です。

AISIの第1.20版がAIエージェント向けに「観測と制御」を追加したことも、この考えに沿います。AIが何をしようとしているのか観測できなければ、人が監督することはできません。また、異常を見つけても停止・取り消しができなければ、「人が見ている」だけでは安全機構になりません。

第II期は人間の関与について、Human in the Loop、Human on the Loop、Human in the Leadという複数の形を整理しています。重要なのは人間が形式的に最後のボタンを押すことではなく、人が介入するタイミング、必要な情報、判断能力、停止権限、引き継ぎ先を設計することです。

責任についても、AIを政策文書上「主体」のように表現することと、AIへ法的な責任能力を与えることは別問題です。第II期自身、エージェント型AIが進展した場合の損害について責任境界を引き続き検討するとしています。一方、現時点の政府ガイドラインは、責任者や組織・事業者間の責任分配を人間・組織側で明確にする構成です。

そのため現場の慎重さを使えば慣れるで処理するのは不十分です。監督責任を負うなら、何を確認すべきかが分かる記録、確認する時間、権限を止める手段、事故時の支援体制が必要です。便利さを期待することと、責任・裁量について慎重に確認することは矛盾しません。

成果は何で測るか――導入件数の先を確認する

2026年9月17日時点では、第II期の政策成果を総合的に評価するには早すぎます。第II期の閣議決定から約2か月で、源内の大規模実証は進行中、国産基盤モデルの比較実証も2026年秋の途中です。バーティカルAIについて今回確認できた政府資料は中間とりまとめ段階です。したがって、「日本のAI政策が成功した」「失敗した」と結論づけられる状況ではありません。

一方、まだ分からないで終える必要もありません。政策のどこまで進んだかは確認できます。

確認する指標性格分かることそれだけでは分からないこと確認先
利用可能者数公式に公表利用環境の展開規模実際に使ったか、成果が出たか源内公表資料
継続的な実利用・利用頻度一部公式／今後確認定着しているか業務品質や生産性源内利用ダッシュボード、実績資料
業務全体の時間・品質本記事が重視タスクではなく業務単位の改善因果効果。制度変更等の影響実証成果、行政事業レビュー
確認・修正・教育を含む総費用本記事の提案「AI処理時間」以外の移行負担長期便益事業評価、現場調査
実証後の継続契約・本調達公式資料で追跡可能一時的なデモから運用へ進んだか社会全体の生産性公募・契約・翌年度予算
事故・誤操作と是正本記事の提案リスク管理が機能したか公表されない軽微事象ガバナンス報告、AISI評価
モデル・ベンダー切替、復旧本記事の提案AI主権の運用面平常時の性能だけでは見えない源内調達・運用・BCP資料
行政サービス利用者への影響本記事の提案待ち時間、品質、説明・訂正など職員内部の効率だけサービス評価、利用者調査

とくに「1回の文書作成が30分から5分になった」といったタスク単位の短縮は、重要な証拠にはなりますが、それだけで業務全体の25分削減とは言えません。入力用データの準備、出力確認、修正、承認、事故時の対応が増えていないかまで見なければなりません。

源内の資料には、農林水産省の業務でAIを使い、約8,000件の回答作成について、従来約2か月としていた作業が約3日になったとする例も示されています。これは有望な行政側の事例ですが、政府資料に掲載された個別事例であり、すべての行政業務で同じ割合の時間削減が起こることを示すものではありません。

AI主権も国産モデルの採択数だけでは測れません。実際に主要サービスが使えなくなったとき別モデルへ切り替えられるか、データやログを持ち出せるか、契約・技術・人材面で復旧できるかを確認して初めて、継続運用能力を評価できます。

企業の企画担当者なら、導入発表を見るとき「何人に配ったか」より「どの業務プロセスを変えたか」「人の確認を含む総工数がどうなったか」を確認するとよいでしょう。行政の現場なら、「AIが正しいか確認せよ」と求められるだけでなく、確認材料・時間・訂正権限・エスカレーション先が用意されているかを見る必要があります。市民にとっては、AIを使っているか否かだけでなく、行政結果について説明を受け、誤りを訂正できる経路が維持されているかが重要です。

中心的な問いに戻ります。AIに仕事を任せる範囲が広がるほど、政府利用、現場データ、現実空間での実行、AIを選択・運用し続ける能力を一緒に設計する必要が生じるのは、AIの価値も失敗の影響も、モデル単体ではなく、接続先・権限・組織・インフラとの組み合わせで決まるからです。第II期は、その問題を「AI実装能力」「バーティカルAI」「フィジカルAI」「開かれたAI主権」といった言葉で政策化しようとしている、と読むことができます。

そして一つだけ問いを残すなら、こうなります。AIに任せられる仕事が増えたとき、人が説明を求め、判断を修正できる余地も増えているでしょうか。

よくある疑問Q&A

第I期から政策の内容は全面的に変わったのですか

いいえ。第I期にもAIエージェント、フィジカルAI、政府の先導利用、国家主権・安全保障、計算資源・電力などの論点がありました。第II期では、エージェント型AIを社会実装・AXの起点に置き、バーティカルAIと「開かれたAI主権」をより明確に組み込んだ点が重要です。全面転換より、技術変化に合わせた重点化・体系化と見る方が適切です。

AIエージェントと生成AIは別のものですか

完全に別の技術というより、重なります。生成AIモデルを使いながら、目標に応じて計画、ツール利用、実行、結果確認を繰り返すシステムがAIエージェントになる場合があります。一方、文章を一回生成するだけの利用は、通常それだけでエージェントとは呼びません。政府資料も「ある程度の自律性」を含む広い定義を採用しています。

政府AI「源内」は一般市民も使えるのですか

現在の源内は、中央政府の職員向け生成AI利用環境として展開されています。2026年度は全府省庁約18万人を対象とする大規模実証が計画されており、一般市民向けの汎用AIサービスとして公開されているものではありません。行政向けアプリが市民サービスに影響する可能性とは分けて考える必要があります。

バーティカルAIとフィジカルAIは重なりますか

重なる場合がありますが、同じ概念ではありません。バーティカルAIは領域・業務への特化、フィジカルAIは現実空間への作用という別の軸です。製造業に特化したAIがロボットを制御すれば両方の性格を持ちますが、バーティカルAIが必ずロボットへ進化するわけではありません。

AI主権は海外製AIを使わないという意味ですか

第II期の「開かれたAI主権」は、その意味ではありません。特定国・企業への過度な依存を避けながら、国際協力、国際分業、相互運用性を活用し、必要な自律性・継続運用能力・交渉力を持つことを重視しています。源内でも海外モデルと国産モデルを併用・比較する方向が確認できます。

AI導入への慎重さは、政策の方向に反するものですか

そうとは言えません。第II期自身がイノベーションとリスク対応を両方の課題として扱い、政府の生成AIガイドラインやAISIもリスク評価、監督、責任分配、制御を求めています。どの業務までAIへ任せるか慎重に確認することは、AIを使わないことと同義ではありません。

計画が決まれば、仕事の負担はすぐ減るのでしょうか

保証されません。AI導入には、データ整備、業務設計、教育、監督、例外処理といった補完投資が必要です。生産性Jカーブ研究は、汎用技術の導入初期にこうした無形資産投資が大きくなる可能性を説明しますが、日本の第II期や個々のAI導入が後に必ず成功することを証明する研究ではありません。 

参考

内閣府｜人工知能基本計画 掲載ページ｜2026年7月14日更新分を確認｜第II期・第I期の閣議決定日と正式資料への入口を確認。
URL：https://www8.cao.go.jp/cstp/ai/ai_plan/ai_plan.html

内閣府｜人工知能基本計画（第Ⅱ期）｜2026年7月14日｜エージェント型AI、AI実装能力、バーティカルAI、フィジカルAI、開かれたAI主権、基本方針、人の監督・責任論を確認。
URL：https://www8.cao.go.jp/cstp/ai/ai_plan/aiplan_20260714.pdf

内閣府｜人工知能基本計画｜2025年12月23日｜第I期におけるAIエージェント、フィジカルAI、政府先導利用、国家主権・安全保障、AI基盤整備を確認。
URL：https://www8.cao.go.jp/cstp/ai/ai_plan/aiplan_20251223.pdf

内閣府｜人工知能戦略本部（第5回）｜2026年7月10日｜第II期案と「バーティカルAI領域別戦略 中間とりまとめ」の策定段階を確認。
URL：https://www8.cao.go.jp/cstp/ai/ai_hq/5kai/5kai.html

e-Gov法令検索｜人工知能関連技術の研究開発及び活用の推進に関する法律（令和7年法律第53号）｜2026年9月17日現行条文確認｜基本計画の根拠となる第18条等を確認。
URL：https://laws.e-gov.go.jp/law/507AC0000000053

内閣府｜人工知能関連技術の研究開発及び活用の推進に関する法律｜2025年6月4日公布｜公布、一部施行、2025年9月1日の全面施行を確認。
URL：https://www8.cao.go.jp/cstp/ai/ai_act/ai_act.html

デジタル庁｜ガバメントAI「源内」｜最終更新2026年8月31日｜源内の位置付け、約18万人規模の大規模実証、行政特化型アプリ、今後の展開を確認。
URL：https://www.digital.go.jp/policies/genai

デジタル庁｜ガバメントAI「源内」の全府省庁展開に関する公表｜2026年5月28日｜2026年5月29日時点で約10万人が利用可能となること、約18万人への拡大計画を確認。
URL：https://www.digital.go.jp/news/fc155eba-e83d-4ecf-9c6a-a3c855e2e7b3

デジタル庁｜「源内」先行利用実績の公表｜2025年8月29日｜デジタル庁内部の初期利用実績の公表を確認。
URL：https://www.digital.go.jp/news/08ded405-ca03-48c7-9b92-6b8878854a74

デジタル庁｜ガバメントAIの取組について｜2026年3月24日｜源内の構成、初期利用、国内基盤モデル実証、2025年度補正予算44.0億円、今後の工程を確認。
URL：https://www.digital.go.jp/assets/contents/node/basic_page/field_ref_resources/cef0122b-0598-47f8-8a48-dc2c57d407c1/7fc42afc/20260324_policies_gennai_outline_02.pdf

デジタル庁｜ガバメントAI「源内」で試用する国産基盤モデルの選定｜2026年3月6日｜15件の応募から7モデルを選定し、試用・評価、将来調達を検討する段階を確認。
URL：https://www.digital.go.jp/news/10d55c63-b3e1-42b9-9cc5-93a06943ae0e

デジタル庁｜ガバメントAI「源内」における国産クラウド上での国産基盤モデル実証｜2026年8月21日｜5社モデルの試用予定、さくらのクラウド上での一部モデル稼働、既存海外モデルとのA/Bテスト、9～11月の実証予定を確認。
URL：https://www.digital.go.jp/news/7eef939d-1c58-4229-b210-7b5adc9af590

デジタル庁｜行政の進化と革新のための生成AIの調達・利活用に係るガイドライン（第2.0版）｜2026年6月12日｜政府内の対象者、役割分担、調達、セキュリティ、トレーサビリティ、責任分配を確認。
URL：https://www.digital.go.jp/assets/contents/node/information/field_ref_resources/decb64eb-f26e-41cb-8d37-f3dd173108b8/59054b35/20260612_resources_standard_guidelines_guideline_01.pdf

AIセーフティ・インスティテュート｜AIセーフティに関する評価観点ガイド 第1.20版｜2026年7月7日｜AIエージェントの普及を受け、「観測と制御」、自律的挙動、外部環境との相互作用を追加したことを確認。
URL：https://aisi.go.jp/output/output_framework/guide_to_evaluation_perspective_on_ai_safety/

情報処理推進機構・AIセーフティ・インスティテュート｜AIロボティクスに関する安全性評価資料の公表｜2026年7月23日｜物理的・心理的・社会的リスクと評価観点を確認。
URL：https://www.ipa.go.jp/pressrelease/2026/press20260723.html

経済産業省｜AIロボティクス戦略検討会議｜2026年3月までの資料を確認｜AIロボティクス戦略、実装ロードマップの策定過程を確認。
URL：https://www.meti.go.jp/shingikai/mono_info_service/ai_robotics_strategy/index.html

American Economic Association｜Erik Brynjolfsson, Daniel Rock, Chad Syverson, “The Productivity J-Curve: How Intangibles Complement General Purpose Technologies”｜2021年｜汎用技術と補完的無形資産投資、生産性測定のJカーブ概念を確認。
URL：https://www.aeaweb.org/articles?id=10.1257/mac.20180386

コメント

タイトルとURLをコピーしました