供給ショックが明らかにするのは希少性ではない。自社のどの能力が借り物だったかである。今日のAIロードマップは数層下れば必ず他者の政策に行き着く。置き換えを生き延びる企業とは、較正の資産を持ち運べる形で保ってきた企業である。
This article was translated from the English original. Translations are machine-assisted and reviewed on a rolling basis.
2023年7月、中国はガリウムとゲルマニウムに輸出許可制を課した。いずれも中国が世界の一次ガリウム供給の98%と精製ゲルマニウムの大半を握る材料である。翌月、両者の輸出はゼロに落ちた。在庫を持っていた企業が抱えたのはコストの問題だった。継続的な供給に依存していた企業が抱えたのは存続の問題だった。
この区別こそが役に立つ。今日のAIロードマップはどれも、数層下れば他者の政策に行き着く依存関係のグラフを持っているからだ。通商当局、価格委員会、提供終了のスケジュール。ショックが明らかにするのは、決して希少性ではない。自社のどの能力が借り物だったかである。
所有する在庫への規制はコストの問題、借りているアクセスへの規制は存続の問題
在庫を持っている部材が規制されれば、価格が上がり、計画の練り直しを迫られる。借りている能力が規制されれば、契約が消えたその瞬間に消え、副産物のすべてを道連れにする。それが生んだデータ、その周りに組み上げた業務の流れ、チームに染み込んだ期待値のすべてである。
今日の企業のAI能力の大半は、まさにこの水準で借りられている。リースの対象はモデルだけではない。ベンダーのプラットフォームに組み込まれた判断の層、スコアリング、ルーティング、そして自社の業務が静かに依存している要約の品質までが含まれる。消滅のシナリオに値段をつける者はいない。購入した日には、それはサービスの可用性の問題に見えるからだ。本当は、資産がどこにあるかの問題であるのに。
モデルの提供終了は、誰もが受け取るリハーサルである
この実験に貿易戦争は要らない。ホスト型モデルのバージョンは公開されたスケジュールで退役し、退役のたびに同じ訓練が繰り返される。モデルそのものは置き換え可能であり、たいていはより良いものに置き換わる。壊れるのは、旧い挙動に合わせて較正されていたすべてである。
十八か月かけて磨いたプロンプトのライブラリ。経験的に閾値を定めた評価スイート。ある一つのモデル特有の失敗の型に対して書かれたガードレール。良い出力とはどういうものかという社内の感覚。強制的な移行の最中に企業は気づく。本物の資産を積み上げていながら、それを一社のベンダーとしか噛み合わない形で保管していたのだと。
その気づきには値段がつき、しかも最も交渉力のない瞬間に支払わされる。挙動の回帰テスト群は、まさにこの移行を発掘作業ではなく差分にするために存在する。
自社がどの層に価値を積んでいるかを知る
対比が教えてくれる。NASAのローマン望遠鏡は、そのために予算がついたわけではない小惑星の発見を生み出すだろう。NASAが観測装置も、掃天観測の周期も、データも所有しているからだ。もし「サービスとしてのダークエネルギー計測」を買っていたなら、小惑星はベンダーのものになっていた。
ここでの主張は自前でモデルを作れということではない。自社のスタックのどの層に価値が積み上がるのかを正確に知り、その層を自分たちが握っている状態にせよ、ということだ。評価、プロンプトの資産、ルーティングの論理、データのスキーマ、業務の知見は、いずれも供給者に依存しない形で置いておける。そこに積んだ価値は、今後乗り換えるどのモデルの上でも複利で効く。借りている層に積んだ価値は、置き換えのたびにゼロに戻る──自らの上振れを壊してしまう事業計画と、層が違うだけの同じ罠である。
依存関係の地図
この作業は二週間で終わり、調達の振る舞いを恒久的に変える。AIに依存するそれぞれの能力について、問いは一つでよい。これは他者が握るAPI越しに使っているのか、それとも自社が所有するデータとインターフェースの上に載っているのか。
借りている場合： 十八か月以内に取り上げられるか値上げされうると想定し、その周囲の層──評価、プロンプト、ルーティング、スキーマ──に、置き換えを生き延びる形で投資する。
所有している場合： モデル選定の最適化はやめ、保持期間を延ばし、スキーマを整え、システムをプログラムから触れるようにすることを始める。副産物が生まれるのはそこだからだ。
どちらとも言えない場合： その曖昧さこそが発見である。次のモデル契約が更新される前に地図を作らせること。更新の後ではない。
すでに払っている席こそ、借り方として正しい層である
295,000社を対象とするエージェント推進の只中にあるドバイの企業にとって、この見取り図は一つの実務規則に収束する。自社がすでに支払っているClaude、ChatGPT、Copilotのサブスクリプションは借りている層であり、そこを借りるのは正しい。モデルは他人の資本で良くなっていくからだ。
所有する層とは、それらの席を何につなぐかである。業務の定義、評価の習慣、記録された判断、そして設計をチームが理解している動くエージェント。そこに価値を積めば、ベンダーの乗り換えは設定変更になる。ベンダー独自の壁の内側に価値を積めば、更新のたびに人質交渉が始まる。
最も早く元が取れるところから地図を描き始めること。5段階のコンサルティング手法は、自社のAI能力のどれが借り物でどれが所有物か、そして次の更新までに何をどちらへ移すべきかを棚卸しする。そしてClaude認定プログラムは、評価とエージェント構築の技能を自社のチームの中に据える。どのベンダーにも提供終了にできない、唯一の層である。
Frequently asked questions
What happens to AI assets when a hosted model is deprecated?+
The model itself is replaceable; there is usually a better one. What breaks is everything calibrated against the old behaviour: the prompt library tuned over eighteen months, evaluation thresholds set empirically, guardrails written against specific failure modes. Firms discover mid-migration that they accumulated a real asset and stored it in a form that only worked with one supplier.
Which AI layer should an enterprise own rather than rent?+
The calibration layer: evaluations, prompt assets, routing logic, data schemas, and process knowledge, kept in a form that survives supplier substitution. The model can stay rented. Value accumulated in the rented layer disappears with the contract; value accumulated in the owned layer compounds across every model you ever switch to.
How do you assess AI dependency risk?+
Commission a dependency map before the next model contract renews. For each capability, answer one question: is it accessed through an API someone else controls, or does it sit on data and interfaces you own? If the answer is unclear, that ambiguity is itself the finding.