このページはJavaScriptを使用しています。JavaScriptを有効にして、または対応ブラウザでご覧下さい。

AIネイティブ時代に競争力を高める企業戦略

AIネイティブ時代に競争力を高める企業戦略

生成AIの急速進化により、企業のAI活用は新たな段階へと入りつつある。単なる業務支援ツールとしての利用にとどまらず、ビジネスプロセスそのものを変革する存在として、AIが現実的選択肢になり始めている。こうした変化の中で、企業はAIをどのように活用し、競争力につなげていくべきなのか。KDDIが開催したイベント「KDDI Business AI Fes 2026」では、「AIが引き起こすパラダイムシフト -AIとデータ競争力を高める-」をテーマ対談形式セッションが行われた。本記事では、AI活用最前線からデータ整備ガバナンス、そしてAIネイティブ時代におけるビジネスのあり方について交わされた議論内容レポートする。

  • ※ 記事内の部署名、役職は取材当時のものです。


研究と実務、それぞれの立場から見たAIの現在地

藤井 彰人と村上 明子 氏の写真

セッションでは、SOMPOホールディングス 執行役員常務 グループChief data Officerの村上 明子 氏と、KDDI 執行役員 先端技術総括本部長藤井 彰人登壇研究開発実務、それぞれの立場からAI活用現状課題について意見が交わされた。

藤井冒頭、「現在研究開発 (R&D) と社内システム開発両面からAIにフォーカスしています」と自身の立ち位置説明。AI社会実装見据え、大阪・堺に整備されたAIデータセンター活用した基盤整備や、生成AIの活用に向けた Google との協業を含む取り組みについて触れ、企業内でAIが研究テーマであると同時事業を支える実装技術に変わりつつある前提が示された。

一方、AI研究者としてのバックグラウンドを持つ村上氏は、保険会社でのDX推進を通じて、実務におけるAI活用の難しさを経験してきた。現在はAIセーフティ・インスティテュートの初代所長兼任し、ガバナンスルール設計重要性指摘する立場にある。

加えて村上氏は、損保ジャパンルーツとして、複数会社合併によって現在損保ジャパンが成り立っており、その一つが日本ではじめての火災保険会社である東京火災であることに触れた。お客さまの資産を守るため、かつては自社私設消防団 (ヒケシ部隊) を持っていた歴史があり、そうした「防災減災」という火消しの精神を受け継ぐ取り組みが「HIKESHI」プロジェクトだという。
プロジェクトでは、産官学連携し、データ活用したレジリエンス追求を進めており、村上氏は、AI活用が単なる業務効率化にとどまらず、社会課題解決にもつながり得ることを示した。


AIは「どのモデルか」より「どう使うか」が問われる時代へ

藤井は、生成AIモデル進化について、「2年ほど前はモデルごとの差があると感じていました。しかし、現在は、フロンティアモデル間の争いが高度化し、実際に使う分には大きな違いを感じにくくなってきています」と語る。

村上氏も、「モデルごとに特徴得意領域はあるけれど、AIのモデル自体コモディティ化の域に入ってきたと思います」と述べた。モデル性能差よりも、AIをどのように業務活用するかが重要になりつつあるという。

その変化顕著に表れているのが、ソフトウェア開発現場である。
藤井は、KDDIでも最近ソフトウェア開発現場中心にAI活用急速に広がっていると説明する。
アジャイル開発やGitHub (注1)、Jira (注2) といったツールプロセス共通化されているため、AIを組み込みやすく効果も出やすいという。
具体例として、IoT分野担当する技術本部での取り組みが紹介された。設備メンテナンス状況障害発生状況可視化する分析画面開発において、要件入力すると、AIが過去チケット (注3)ソースコード参照し、詳細チケット作成から、見積もり、タスク分解までを自動で行う。さらに、そのまま実装テスト、受け入れまでを一連の流れとして進めることも可能だという。

  • 注1) GitHub:ソフトウェア開発プラットフォーム
  • 注2) Jira:プロジェクト管理ツール
  • 注3) チケット進捗履歴一元管理するもの

AIをどこに使い、人は何を担うのか? 保険業務で見える「人とAI」の役割分担

村上氏は、保険会社使命を「皆さまの生活を支えること」としたうえで、業務効率化し、持続的サービス提供していくことの重要性を語る。
その際、AIは人をアシストするだけでなく、人ができない領域補完する存在であり、大規模データ処理データ分析傾向把握に強いと主張する。

一方で、AIを導入すればすべてが置換されるわけではないという。村上氏は、「保険金支払いの局面では、事故怪我によってお客さまがつらい状況にあります。そういうときにきちんと寄り添うことができるのは、人の力なんだと思います」と語る。

重要なのは、まず人が担う役割を定め、そのうえでAIの役割を考えるという視点である。
村上氏は、保険引受判断支払い・営業という三つの領域において、単純にAIを業務一部に当てはめるだけではなく、業務全体の中で人とAIの役割分担最適化することで、サービス品質向上につなげようとしている。


AIと人の二重チェックで実現する業務効率化

村上氏はAIの具体的実装例として、約款 (保険契約細則) に関する問い合わせ対応をAIで支援する取り組みを挙げた。約款は量が膨大で、商品ごとに内容も異なるため、マニュアルに沿って回答するにはかなりの労力がかかるという。こうした業務にAIを活用することで、約款参照容易になる。システム名称は「教えて!SOMPO (略して「おしそん」)」で、現時点では社員および代理店使用している。「教えて!SOMPO」は、お客さまからの問い合わせに対して、約款をもとにAIが回答生成し、提示された参照元人間の目で最終的にファクトチェックする仕組みである。AIと人による二重チェックにより、効率化誤回答リスク抑制同時実現している。


AI活用の鍵を握る「データ整備」

セッション中核として語られたのが、データ整備ガバナンス重要性だ。村上氏は、AI活用本質モデルではなくデータにあると繰り返し強調する。
これまではRAG (検索拡張生成) による外部知識補完中心だったが、特化型AIの開発やAIエージェント化が進むなかで、「すべてはデータが命」と村上氏はいう。保険分野では、一般的保険知識学習させたAIであっても、「この保険商品がこの事象カバーできるかどうか」といった判断には答えられないという。業務固有判断可能にするには、その前提となる専門データ不可欠だ。

しかし、データがあればすぐにAI活用が進むわけではない。村上氏は「教えてSOMPO」の開発を始めた際、「正しい約款がどこにあるのか」を調べるところから着手したと述べる。部門ごとに管理分担されている状態では、AI活用以前に人がデータを探すこと自体課題になる。そこで重要になるのが、AIが読み取り、検索し、参照できる「AI-Ready」なデータ整備だ。どのデータが正で、どこにあり、どの業務で使われるのかを明確にしなければ、AIは正しく機能しない。村上氏は、データガバナンスを机の整理に例え、必要書類がすぐに見つからない状態では仕事が進まないのと同様に、データ整理されていなければAIも正しく機能しないと指摘する。

ガバナンスは単なる法令遵守のための仕組みではない。AIを正しく、安心して使い続けるための土台であり、AI活用が進むほど、その重要性はむしろ高まっていく。


AI実装が進むほど問われるガバナンス

村上氏は、保険金支払いの自動化夢物語ではなくなってきたと述べつつ、だからこそガバナンス運用課題になると語る。POC/POV段階正解率担保してリリースできても、精度維持されている点をモニタリングできているかが問われると語る。
さらに、不当バイアスにより本来保険金支払うべきお客さまに支払いが行われていない可能性がないか、データバイアスをどうチェックするかが、AIガバナンス論点である。

こうした問題企業内部にとどまるものではない。村上氏は、自治体でもAIの利用が進み、補助金申請など社会生活影響する領域にまで広がっていると指摘する。そうした状況において、消費者には「どのようなAIが使われ、どのような判断が下されたのか」を知る権利があると述べる。

またAIの失敗例として、採用AIが過去データの偏りに引きずられ、性別だけを理由候補者不利に扱ってしまうケースを挙げた。さらに、購買レコメンド仕組みによって個人情報意図せず露呈してしまう例にも触れ、プライバシー侵害につながるおそれがあると指摘する。AI活用が広がるほど、透明性説明責任をどう確保するかが重要課題になる。


AI時代のリスク管理とコントロールの重要性

藤井は、地政学的変化背景に、AI活用においてもソブリンシー (主権) が議論されるようになったと述べ、データやAIを主権的コントロールすることについて触れた。村上氏は、「モデルコモディティ化する局面でこそ、データ自分たちで守れるかが重要であり、それがデータ主権であると考えています」と述べる。また、LLMがブラックボックス化する中で「どこにAIが使われているのか」「同じ入力に対して継続的に同じ品質結果が得られるのか」といった制御可能性重要観点として挙げられた。AIが生成する内容の質だけでなく、それをどこまでコントロールできるかも重要になるという指摘である。

この制御可能性は、システムやAIを安定的運用し続けるという観点から、BCP (事業継続) の議論にもつながっていく。
村上氏は、「システムが止まったらビジネスが止まるような状態責任範囲問題になる」と述べ、特定技術基盤過度依存しない設計重要性指摘した。
藤井も、「AIを外部委託のように捉えて、どこまで任せてよいか、どこは内製化すべきかを整理する必要があると考えています」と語った。その具体例として藤井は、KDDIの取り組みに言及した。KDDIでは、シャープ跡地工場活用してGPU基盤構築し、データセンター内の閉じた環境フロンティアモデルを扱える体制を整えている。Gemini などの先端モデルを、自社イントラネット環境内利用できるようにすることで、用途リスクに応じた柔軟なAI活用可能になってきているという。

村上氏も、「フルスタックすべてを日本製で揃えることにこだわるのではなく、主権を見るべき点を見極めて、どこに最も優れた技術を使うのかをバランスよく考えることが重要です」と語った。

AIソブリンシーとは?自国 (または自組織) が、自らのAI・データ・計算資源・運用などを主権的にコントロールできる状態

AIが企業の競争力を左右する新たな時代へ

結びとして村上氏は、時代が「AI-Ready」から「AIネイティブ」へ移行しつつあるという見立てを示した。これまでのように、AIを業務補助として使う段階から、ビジネスプロセスそのものをAI前提設計する段階へと進むにつれ、人の役割も大きく変わっていく。
そうした世界では、単にAIを導入していること自体差別化にはならず、データ整備ガバナンスソブリンシー、そして基盤設計まで含めたAIネイティブビジネスデザイン実現できるかどうかが企業競争力左右する要素になると指摘した。

同時村上氏は、リスクをおそれてAIを使わないことこそが最大リスクになり得ると強調一方で、AIの規定ガバナンスには明確ゴールがあるわけではなく、変化の激しいAI時代においては継続的更新していく「リビングドキュメント」として運用する必要があると述べた。

最後藤井は、現在革命期にあり、複数のAIエージェント活用する新しい業務の進め方が広がる可能性言及し、「AIを活用してさまざまな開発サービス企画を行っていますが、ぜひ皆さまと共に作り上げていきたい。この新たな時代に、AIを活用して互いの競争力をどんどん高めていきたい」と呼びかけ、対談を締めくくった。