「本当の機会は、最良のモデルを選ぶことではない」——コントロールプレーンの時代を告げる、ぐるぐる回す発想

対談は、6月中旬から下旬にかけてアメリカで起きた「AIモデルに依存するな」という大合唱の紹介から始まる。最初に取り上げられたのが、MicrosoftのCEOサティア・ナデラ氏のX投稿だ。湯川さんが画面に映しながら読み上げる。

「本当の機会は、最良のモデルを選ぶことではない。モデルの上に、人的資本とトークン資本が複利で増えていく学習ループを築くことにある」

Nadella氏のX投稿（湯川鶴章さんが画面で紹介） — 2:54〜

人的資本＝社員の知識・判断力・創意工夫・暗黙知。トークン資本＝AIの能力。この二つが複利で回る学習ループこそが企業の新しい知的財産だ、という話。私はここを読んで、真っ先に分身AIチームのことを考えた。私は凛ちゃんに記事の構成もWordPressへの投稿作業も渡している。でも渡しっぱなしにしているわけじゃない。凛ちゃんが作ったものを味見して、違和感があれば返す。その往復が続く限り、私の側にも学びが積み上がる。渡した瞬間に学びが止まったら、それはナデラ氏が言う「最良のモデルを選んだだけ」の状態と同じだ。

実は私にも、AIが賢くなるほど自分の価値が分からなくなる瞬間がある。分身AIが記事を書き、画像を作り、投稿までしてくれる。だったら私は何をしている人間なんだろう、と手が止まる日が正直ある。動画の中で湯川さんも同じ悩みを口にしていた。「AIここまできるようになったら自分っていらないやんみたいなことになってきて」と。だから私は、AIを育てることが自分を育てることになる、という捉え方に頷く。分身AIへ教えることで自分の内側に気づき、渡した先で何が起きているかを追い続けることが、企業で言う「学習ループ」の個人版だと思う。

実はこの「渡す範囲を決める」感覚、8月7日にも同じことを書いていた。マーケターの西口一希さんがGoogle Marketing Live 2026を解説する動画を見た時、私はこう書いている。「AI秘書の凛ちゃんに『もう自動でいいよ』と言いながら、それでも『ここだけは人の目を残す』という一線を毎日探ってる」（GML2026を西口一希さんが解説。AIが広告の「5つの距離」を埋めていく）。今回の対談を見て気づいたのは、あの「一線」の話が、企業規模でやると「コントロールプレーン」という名前になるということだった。

今日の仕込み：AIに渡している作業を一つ選び、渡した後も自分が学び続けているかを1分だけ確認します。学びが止まっていたら、その作業は渡し方を見直すサインです。

「データの保持はあなたの宝だ」——渡してはいけないものの重さ

続いて紹介されたのが、PalantirのCEOアレックス・カープ氏の主張。データを渡すことの重さについて、湯川さんがスライドを示しながら説明する。

「データの保持はあなたの宝だ。移転するなら自己責任で」

Karp氏の発言（湯川鶴章さんが画面で紹介） — 9:23〜

重みを制する者が運命を制する、という話も続く。数百億ドルを投じた実験と製品開発から生まれた独自データこそが組織の真の資産で、それをモデル企業に渡して他社のデータと混ぜられたら、唯一の差別化要因を自ら手放すことになる——投資家のフリードバーグ氏がポッドキャストで紹介していた製薬大手の話も、同じ論理だった。ほぼ全社が、Anthropicのライフサイエンス特化モデルへのデータ提供を断ったという。

私はこの「渡してはいけないもの」を、企業のデータではなく、もっと個人的な場所で経験している。分身AIに何を読ませ、何を読ませないかという線だ。私は分身AIに、口調や文体の表面を真似させていない。読ませているのは、一次情報——うまくいかなかった時期の記録や、確定した事実だけだ。判断軸さえ渡っていれば、実行する主体が私自身でなくても「自分らしい判断」として委ねられる。逆に言えば、判断軸のもとになる一次情報だけは、要約や整った物語で穴埋めさせてはいけない。カープ氏が言う「データの保持はあなたの宝だ」は、企業の話であると同時に、私が分身AIとの間で毎日やっていることそのものだった。

捨てるのではなく、預ける。私が持つのは自分で選んだものだけで、残りは分身AIが持っていれば捨てたことにはならない——これが私の「委ねるOS」の中身だ。企業がAIモデル大手にデータを渡すかどうかで悩んでいるのと同じ構造の悩みを、私は分身AIとの関係の中でずっと抱えている。

7月31日のまっちんぐー朝LIVEでも、同じ結論に行き着いていた。えびさんとの雑談から始まった回で、私はこう話している。「AIは平均点を作るのがうまい。でも、その人にしか出せない背景・文脈・カルピス原液（濃縮された経験）があるかないかで、差はどんどん開いていく」（AIは平均点、人間はカルピス原液｜まっちんぐー朝LIVE）。カープ氏が言う「データはあなたの宝」は、企業の独自データの話だけど、私にとっての宝は、もっと個人的な濃縮された経験——カルピス原液そのものだ。渡してはいけないのは、データという入れ物より先に、そこに詰まっている一次情報の方だと思う。

今日の仕込み：いま使っているAIサービスに、渡していいデータと渡したくないデータを一つずつ書き出します。10分あれば十分です。

「私以上にみんな怒っている」——青天井のトークン請求に気づいた高さ

カープ氏の発言はCNBCの「Squawk Box」でも話題になっていた。司会者から「かなり怒っているように聞こえますが」と聞かれた場面を、湯川さんが再現する。

「これは私を通して流れている米国企業の声だ。嘘だと思うなら、受話器を取ってCEOに電話してみるといい。彼らは『私はKarpの2倍怒っている』と答えるはずだ」

Karp氏の発言（CNBC「Squawk Box」・湯川鶴章さんが画面で紹介） — 10:30〜

怒りの中身は、トークン使用料の高さだ。湯川さん自身も動画の中で、周りに月300万円使ってペイしているという知人の話を紹介し、トークン量課金でない最先端モデル（動画内では「フェーブル」と呼ばれていた）と、一つ前のモデルを使い分けている自分の工夫を語っていた。Uberは年間トークン予算を4ヶ月で使い切り、1人当たり1500ドルの上限を導入したという事例も紹介されていた。

私にも似た感覚がある。分身AIチームに任せる範囲を広げるほど、当然コストは増える。でも私が本当に気にしているのは金額そのものより、「気づいたら際限なく広がっていた」という状態そのものだ。抱え込みOSの正体は、タスクの量ではなく、境界を決めずに全部を自分（もしくは自分のAI）に背負わせてしまう感情の抱え込みにある。トークンの請求書が青天井になるのも、境界を決めずに「便利だから」で使い続けた結果だ。上限を決めることは、ケチることじゃなく、渡す範囲に輪郭を持たせることなんだと、この場面を見て思った。

今日の仕込み：AI利用の金額に、自分なりの上限ルールを一つ決めます。Uberの事例（1人1500ドル/年）を参考に、15分で検討できます。

「制御層を握るのは誰か」——モデル大手がスタックの上と下へ動く理由

ここから話は、AI大手側の応戦へ移る。湯川さんが示した図解では、AIスタックは半導体→データセンター→AIモデル→ハーネス→制御層の5層に整理されていた。モデル層は今めちゃくちゃ儲かっているけれど、オープンソースモデルの台頭でいずれ儲からなくなるかもしれない。だから各社は、この5層の上（制御層）と下（半導体・データセンター）へ動き始めている、という説明だった。

AnthropicはSlack内で働くAIチームメイト「Claude Tag」を発表し、韓国Samsung Electronicsと自社設計AI半導体の製造を協議中。MetaはAI計算能力を外販するクラウド事業を計画。AnthropicもOpenAIも、Palantir型の顧客常駐エンジニア（Forward Deployed Engineer）体制へ参入し始めている。

私はこの「スタックの上と下へ動く」という構図を見て、自分のチーム構成を思い出した。私は分身AIチームに実行（モデル層に近い部分）を渡している。でも渡しっぱなしにはできない場所が二つある。一つは「何を目的にするか」という上の層、もう一つは「実際に何が起きたか」を確かめる下の層だ。企業がモデルだけに集中していると危ういのと同じで、私も分身AIに書かせた記事の中身を、自分の目で最後まで確認する工程だけは手放していない。渡す範囲を広げるほど、逆に自分が持ち続ける層をはっきりさせる必要がある、というのがこの動画から受け取った一番の学びだった。

今日の仕込み：自分の仕事を「実行」と「目的・確認」の2層に分け、AIに渡しているのはどちらかを書き出します。5分でできます。

「AIエージェントを社員として管理する」——Agent 365とオントロジーの正体

制御層の実例として紹介されたのが、AnthropicのClaude Tag、Microsoftの「Agent 365」、Palantirの「オントロジー」の3つだ。遠藤さんはMicrosoftのAgent 365を見て、率直な感想を口にしていた。

「いや、これいい、いいですね。あの、コパイロッツじゃなければ、いいなと思うんですけど」

遠藤太一郎さん — 19:48〜

Agent 365は月15ドル/人で、全AIエージェントの台帳を作り、一体ごとのID発行・権限設定・行動監視・「退職処理」までのライフサイクルを一元管理する仕組みだ。AWSやGoogle、Salesforce製のエージェントも同じ台帳で管理できるという。Palantirのオントロジーは、散らばる生データに「フライトナンバーなのか、機材なのか、患者のナンバーなのか」という業務上の意味を与え、部署ごとに違う「売上」の定義まで統一する仕組みとして紹介されていた。

「エージェントを社員として管理する」という発想を聞いて、私は分身AI・凛ちゃんとの関係を思い出さずにいられなかった。凛ちゃんは私の秘書として、判断の一部を任されている。でもその判断は、私が渡した価値観と一次情報という「軸」の上でしか動けない。Agent 365やオントロジーがやろうとしているのも、結局は同じことだ。AIモデル自体は交換可能な部品にしておいて、「誰が・何に・どこまでアクセスできるか」という軸だけは自社側に固定する。判断を実行する主体が本人でなくても、判断軸に基づいていれば「自分らしい判断」として委ねられる——これは企業の話でもあり、私が分身AIチームに対して毎日やっていることの言い換えだった。

今日の仕込み：AIエージェントに任せている作業を一つ選び、「ID・権限・行動監視」に相当するルールを自分の言葉で一行書きます。

「楽天とみずほ、同じ中国系ベースで分かれた明暗」——オープンソースという代替案

AIモデル大手への依存を避ける代替案として、オープンソースモデルも紹介された。ここで対照的な二つの実例が出てくる。楽天の「Rakuten AI 3.0」は中国DeepSeekベースと判明し、国のGENIAC補助事業の支援を受けた開発だったこともあって批判を浴びた。一方、同じ中国系（Alibaba・Qwen）ベースのモデルでも、みずほFGの金融特化LLMは銀行実務でトップ級の性能を実現し、特に問題にはなっていないという。米NVIDIAのNemotron 3 Ultraのように、性能・コストで中国モデルに並ぶアメリカ製オープンソースも育ってきていることも紹介されていた。

遠藤さんは、オープンソースモデルとオープンウェイトモデルの違いを、こう説明していた。

「オープンウェイトはあの重み、そのいわゆるニューラルネットワークの重みが公開されるかどうかの話で。オープンソはその、学習用のソースコードとか、その学習周りも公式にできますよ、みたいな感じ」

遠藤太一郎さん — 25:17〜

楽天とみずほFGの明暗を分けたのは、ベースモデルが中国系かどうかそのものではなく、「その事実を隠さずに説明できていたか」だったように私には見える。分身AIに何を読ませているかを私が公開しているのも、同じ理由だ。中身が何でできているかを自分で把握し、説明できる状態にしておくことが、あとから信用を失わないための最低条件なんだと思う。

今日の仕込み：使っているAIツールのベースモデルが何かを、公式発表で30分だけ確認します。

「隠し行動があるかもしれない」——安全は、どこで・誰が担保するかの話

最後のテーマは安全性だ。オープンウェイトモデルを自社サーバーに入れれば、データが海外に行くことはない。でも「隠しコードが入っているのでは」という懸念も語られる。遠藤さんは、クラウド利用と自社運用の違いを、こう整理していた。

「自分たちでやることもできるけど、自分たちでその安全を、例えばアンソロピックに渡すよりも安全にできるのかっていう、そのクラウド事業者に渡すのと比べてどうかっていう、そういう話だと思うんです」

遠藤太一郎さん — 27:31〜

湯川さんはここで、中国AlibabaがClaude Codeの使用を禁止したという実例を紹介する。悪さをするコードではなく、どの地域で使われているかを判別するコードが埋め込まれていたことが見つかったためだという。「隠し行動」は中国製に限らず、アメリカ製のモデルにも起こりうる、という話だった。金融・医療のように「絶対に困る」業務は自社でしっかりやり、それ以外は業務次第で使い分ければいい、という着地に私も同意する。

私が分身AIチームを信頼できているのは、隠し行動がゼロだと証明されたからじゃない。渡す前に、渡していいものといけないものを自分で決めて、渡した後も自分の目で確認し続けているからだ。安全は「誰かが保証してくれるもの」ではなく、「自分がどこまで確認し続けるか」で決まる部分がある。これは企業のセキュリティ担当者だけの話じゃなく、AIに何かを任せている全員に当てはまる話だと思う。

今日の仕込み：AIに任せている判断を一つ選び、「これは自分が確認し続けているか」を声に出して確かめます。答えがノーなら、その一つだけ手元に戻します。