AI導入の主戦場は、精度から権限へ移った
富士通が示した2035年までの中長期ビジョンは、AIブームへの追随ではなく、企業AIをどこまで中枢業務へ入れられるかという宣言に近い。今後10年間で3兆円規模の投資枠を設け、Physical AI、Intelligent Society、Sovereign Platformという新規事業領域で、2035年度に売上3兆円規模を狙う。
ここで重要なのは、AIを単体の便利機能として売るのではなく、企業の業務、データ、計算基盤、セキュリティ、運用責任まで束ねて売る構図だ。モデルの賢さだけなら他社も競える。差が出るのは、そのモデルを人事、金融、公共、製造のような失敗できない現場に置けるかどうかである。
トラスコ中山との人事異動支援アプリは、その縮図になっている。分散した人事データを基盤上に集約し、数理最適化モデルで異動案を作り、AIチャットで人事担当者の確認を支える。約100人規模の異動で膨大な組み合わせを扱い、案作成の工数を約98％削減したという事実は、AIが単なる文書作成から、企業内の権限設計へ入ってきたことを示している。
詰まる変数は、速さよりも四つの制約にある
第一の変数は権限だ。AIが異動案、与信案、保全計画、調達案を出す時、誰が最終承認し、どの条件なら差し戻し、どの記録を残すのかが決まっていなければ、導入は止まる。人事異動のように個人のキャリアへ影響する業務では、効率化の前に説明と異議申立ての設計が必要になる。
第二の変数はデータと知財である。企業の強みは、公開情報ではなく、顧客、製造、物流、人事、保守に蓄積された非公開データにある。外部モデルへ何を渡せるのか、業務ルールや判断軸そのものが誰の知財になるのか、学習やログの扱いをどう切り分けるのかが導入範囲を決める。
第三の変数は運用コストだ。AIの価格は利用単価だけではなく、データ整備、権限管理、監査、セキュリティ、例外処理、現場教育まで含めた総コストで決まる。富士通が掲げるソブリン基盤やオンプレミス、エッジへの展開は、この総コストと安心感をどう釣り合わせるかという問題でもある。
第四の変数は配布範囲だ。クラウドで横展開できる業務と、顧客環境内で閉じるべき業務は違う。AIが速くても、使える場所が限定されれば事業規模は伸びない。反対に、業種ごとの権限と監査を標準部品として持てれば、企業導入は一気に広がる。
人事異動アプリが示した伝わり方
企業AIは、現場の一工程だけを置き換えるより、業務の流れを変える時に効く。人事異動支援では、まず散在する人事データやExcelを集約し、次に定量条件を制約として入力し、数理最適化で候補案を作る。そのうえで、AIとの対話により、定量データだけでは拾いにくい配置影響や本人の志向を確認する。
この流れは、企業AIの伝播経路をよく表している。データ基盤が整うと、モデルが選択肢を出せる。モデルが選択肢を出すと、人間は全件を手作業で組む役割から、条件設定、例外判断、説明責任へ移る。すると、導入効果は作業時間の削減だけでなく、意思決定プロセスそのものの再設計になる。
開発者への影響も大きい。求められるのは、生成AIを呼び出す実装だけではない。制約式をどう設計するか、業務データをどう正規化するか、権限ごとに何を見せるか、AIの提案と人間の判断をどうログに残すかが中核になる。企業向けAI開発は、モデル接続から運用設計へ重心が移っている。
それぞれのアクターが抱える制約
富士通にとっての制約は、投資規模ではなく再現性だ。3兆円規模の投資枠を掲げても、個別顧客ごとに人手で作り込むだけなら利益率は伸びにくい。業種特化AIエージェント、AIプラットフォーム、ソブリン基盤、Forward Deployed Engineerの知見を、どこまで繰り返し使える型にできるかが問われる。
導入企業にとっての制約は、社内ルールの未整備である。AIを入れる前に、データの所在、利用目的、職務権限、承認フロー、説明責任を棚卸ししなければならない。特に人事や公共、医療、金融では、効率化の成果が大きいほど、判断の正当性を問われる場面も増える。
利用者にとっての制約は、納得できるかどうかだ。AIが提示した異動案、評価案、審査案が不透明なら、たとえ精度が高くても現場には根づかない。企業AIが受け入れられる条件は、AIが人間を置き換えることではなく、人間が判断の根拠を確認し、必要なら修正できる形で組み込まれることにある。
競争軸はモデル単体から、配布と統制の束へ移る
富士通は自社の業務特化型LLMやAIプラットフォームに加え、外部の先端AI企業とも連携を広げている。これは一つのモデルで勝つ戦いではなく、顧客の要件に応じてモデル、データ、計算基盤、セキュリティを組み替える戦いだ。
競争軸は五つに分かれる。モデルの性能、顧客データへの近さ、クラウドからオンプレミスまでの配布力、AIを動かすインフラ、そして誰が何を許可できるかという権限制御である。企業導入では、この五つを別々に売っても進まない。まとめて責任を持てる企業が強くなる。
この意味で、量子や次世代CPUへの投資もAIとは別筋の話ではない。AI利用が増えれば、電力、機密計算、国内製造、データ主権が経営課題になる。モデル競争の外側で、AIを安全に配るためのインフラ競争が始まっている。
次に見るべきシグナル
最初のシグナルは、3兆円規模の投資枠の使い道だ。研究開発、人材獲得、資本業務提携、M&Aのどれに厚く配分されるかで、富士通が技術内製を重視するのか、業種別ソリューションの獲得を急ぐのかが見える。
第二のシグナルは、導入事例の横展開である。人事異動支援のような案件が、開発、製造、金融、公共、医療、防衛へ広がり、同じ権限管理や監査の型で展開できるなら、AIサービスは単発の効率化から事業モデル転換へ進む。
第三のシグナルは、利益率だ。AI-drivenを掲げるサービスが本当に再利用可能な部品になれば、売上成長だけでなく、開発やデリバリの生産性にも反映されるはずだ。反対に、顧客ごとの例外処理が増え続ければ、AI導入は速く見えても収益構造は重いままになる。
この見方を変える条件は、顧客が重要データの利用を避けること、知財や個人情報の扱いで制限が強まること、またはAI案が監査に耐えず、意思決定の補助資料に押し戻されることだ。企業AIの勝敗は、派手なデモではなく、権限と責任を持つ業務に入った後の定着率で決まる。