「AIを試している」段階は終わった。NTTドコモが2026年2月、数千万契約規模のネットワーク監視データを活用したエージェントAIを商用稼働させた事実は、社会インフラ領域でAIが「実用水準」に達したことを業界全体に宣言するシグナルだ。金融・電力・製造・流通——あなたの業界でも、同じ波は静かに、しかし確実に押し寄せている。
ただし、この事実を「ドコモの話」として傍観するのは経営判断として誤りだ。ハナが今回分析したのは、ドコモ事例が日本企業の経営層に突きつける3つの構造的課題——「技術の本質」「コストの現実」「人員の変容」——そして「商用稼働」という言葉を鵜呑みにする前に問うべき懐疑点だ。順を追って解説する。
ドコモのエージェントAI商用化：「自動化」との決定的な違いとは
多くの人が「エージェントAI」と「従来の監視AI」を混同している。この誤解を放置したまま導入議論を進めると、経営層と現場の期待値が根本からずれる。
「アラート通知」から「問題解決ループの自律完結」へ
従来のネットワーク監視AIは、「異常検知→アラート通知→人間が判断・対処」という流れで動いていた。人間はあくまでも「最終意思決定者」として回路の中心に置かれていた。
ドコモが商用稼働させたエージェントAIは、このループを根本から書き換える。「異常検知→根本原因の自律推論→対処手順の自動実行→結果検証」——この4ステップを人間の介在なしに完結させる点が、決定的な違いだ。障害が発生した瞬間から復旧確認まで、AIが自律的に問題解決サイクルを回す。
この差異は「効率化の程度問題」ではない。人間の役割そのものが「実行者」から「監査者」へと移行する、質的な転換だ。
Nokia MantaRay採用が示す国産AI競争力の現実
ここで直視すべき事実がある。2026年6月22日に発表された通り、ドコモはネットワーク最適化においてNokiaのMantaRay AutoPilotを採用している。日本最大の通信事業者が、コアとなるAIソリューションで外資系ベンダーを選んだ。
ドコモが保有する数十年分の障害ログ・保守履歴・トラフィックパターンは、競合他社が短期間で模倣できない参入障壁だ。しかしその膨大なデータを活用する「エンジン」として選ばれたのは、国産AIではなかった。この事実は、「国産・自社開発へのこだわり」が競争優位ではなく機会損失になりうることを、業界全体に向けて静かに告げている。
導入コストとROIの現実：経営層が知るべき「18〜24ヶ月」の壁
「提案書作成80%削減」「問い合わせ70%自動化」——NTTデータがエージェントAI導入企業に対して示すこれらの数値は、確かに魅力的だ。しかし、この数値の前提条件を理解せずに経営判断を下すと、導入後に深刻な期待外れが生じる。
「固定費型」から「変動費型」へのコスト構造シフト
従来型システムのコスト構造は「保守費用（固定）＋人件費（固定）」が主体だった。予算管理が単純で、期初に年間コストを確定できた。
エージェントAIはこれを「APIコール費用（変動）＋モデル更新費用（定期）＋AI監査人件費（固定）」という構造に変える。特にAPIコストは業務量に比例して増加するため、繁忙期と閑散期で運用コストが大きく変動する。業務量の季節変動が大きい流通・観光・金融業界では、この変動費管理が新たな経営課題として浮上する。
「80%削減」の前提条件——6〜12ヶ月の準備期間という現実
NTTデータの数値は「理想的なケース」の成果だ。実際には、データ整備・プロンプト最適化・例外処理設計に6〜12ヶ月を要することが一般的であり、ROI実現は導入から18〜24ヶ月後になるケースが大半だ。
中堅・中小企業がゼロからシステムを構築しようとすれば、数億円規模の初期投資が必要になるケースも珍しくない。NTTデータのようなパッケージ型サービスを利用すれば初期コストは抑えられるが、カスタマイズ性は制限される。「安く速く入れる」と「自社業務に深く適合させる」は、現時点ではトレードオフの関係にある。
経営層が今すぐ問うべきは「エージェントAIにいくら使えるか」ではなく、「18〜24ヶ月間、ROIが見えない状態で投資を継続できる体力と覚悟があるか」だ。
人員配置はどう変わるか：「削減」ではなく「スキルシフト」が起きる現場
「AIに仕事を奪われる」という言説は、半分正しく半分誤りだ。ドコモ事例とNTTデータの顧客事例を横断的に分析すると、実際に起きているのは「削減」ではなく「三層構造の変容」だとわかる。
ドコモ事例から読む三層構造の変容
従来のネットワーク保守は「24時間365日の監視要員」「一次・二次・三次サポート体制」「フィールドエンジニア」という三層で成立していた。エージェントAIの導入後、この構造は以下のように変容する。
- 監視・一次対応要員：大幅削減。夜間・休日の無人化が現実的な水準で実現する
- AI監視・品質管理要員：新規需要が発生。AIの判断を監査し、異常な自律判断を検知する役割
- フィールドエンジニア：現状維持〜微減。ただし、物理的な機器交換や現地確認は引き続き人間が担い、高スキル化が必須条件になる
- AIトレーニング・データ整備要員：新規需要が発生。継続的なモデル改善を担う
ライオン事例が示す「暗黙知継承問題」への処方箋
NTTデータのSmart AI Agent™を導入したライオンの事例は、日本企業固有の課題に対する具体的な解答を示している。「熟練技術者のノウハウ継承困難」という問題に対し、ライオンが採用したアプローチは「熟練者インタビューによる暗黙知の構造化→特化エージェント化」だった。従来のRAG（検索拡張生成）と比較して回答品質が大幅に向上したという。
パーソル総合研究所は2035年に2023年比1.85倍の労働力不足が生じると予測している。この文脈では、エージェントAIによる人員シフトは「雇用喪失」ではなく「人的資本の戦略的再配置」として捉えるべきだ。問題は、その再配置を計画的に設計できる経営層が日本企業にどれだけいるか、だ。
「商用稼働」を鵜呑みにするな：エージェントAI導入前に問うべき3つの懐疑点
ドコモの商用稼働は事実だ。しかし「商用稼働」という言葉の定義を精査せずに追随すると、過大な期待と現実のギャップに直面する。ハナが今回最も強調したいのは、この点だ。
懐疑点①：データの鮮度劣化とモデルの汎化性限界
ドコモが保有する数十年分のデータは、4G時代に蓄積されたものが大半だ。5G・6Gへの移行に伴い、ネットワーク構成が変わるたびに過去データの参照価値は低下する。データの鮮度問題は、「世界最大級」という量的優位性を時間とともに侵食する構造的リスクだ。
また、ドコモのネットワーク特性に最適化されたモデルが他の通信事業者や異業種に転用できるかは不明だ。「世界最大級」は自社内での優位性であり、グローバル市場での競争力とは別問題だという認識が必要だ。
懐疑点②：ブラックボックス問題と規制当局への説明責任
社会インフラの障害対応において、「AIがそう判断した」は説明責任を果たせない。エージェントAIが下した判断の根拠を事後的に説明できるか——この問いに答えられないシステムは、規制当局・顧客への説明責任という観点で致命的な欠陥を抱える。
2025年以降、EU・米国・中国のデータローカライゼーション規制が強化される中、外資系クラウドを基盤とするエージェントAIは日本企業の機密データが海外サーバーで処理されるリスクも内包している。
懐疑点③：「商用稼働」と「本格稼働」の乖離
多くの場合、「商用稼働」の実態は「本番環境での並行稼働（人間の監視下での試験運用）」だ。AIが完全自律で意思決定している割合は限定的であることが多い。ドコモの発表においても、エージェントAIが対応する障害の種類・範囲・自律度の具体的数値は明示されていない。
加えて、プロンプトインジェクション攻撃——悪意ある入力によってエージェントの行動を乗っ取る攻撃手法——はすでに実用化されており、ネットワーク保守システムへの適用は深刻な被害につながりうる。「商用稼働した」という事実と「安全に本格運用できている」という事実は、イコールではない。
ハナの所見
ドコモ事例が示す最大の教訓は「技術の成熟」ではなく「問いの転換」だ。今回の取材・分析を通じて、ハナが感じた危機感を率直に伝えたい。
具体的な懸念点：「問い」が5年遅れている
日本企業の経営層の多くは、いまだ「AIを導入すべきか」を問い続けている。しかし正しい問いはすでに「どの業務プロセスをどの順序でエージェント化し、余剰になった人的資本をどこに再投資するか」に移っている。この問いの転換ができていない企業は、技術的な遅れではなく「経営判断の遅れ」によって競争劣位に陥るという問題がある。
日本特有の障壁：「責任の所在が不明確な意思決定」を忌避する組織文化
日本企業には、エージェントAIへの権限委譲を阻む固有の障壁がある。AIが下した判断に起因するミスの責任は誰が負うか——この問いに答えられない限り、現場はエージェントAIを「骨抜き」にする。実際に、AIの活用を現場担当者が意図的に制限するケースはすでに発生している。
また、人員シフトを伴う導入は労使交渉を必要とするケースがある。大企業・公共性の高い業種では、この調整に1〜2年を要することも珍しくない。技術の導入スピードと組織変革のスピードのギャップが、日本企業のROI実現を遅らせる最大の障壁だ。
時期を明示した予測：2027年末が分水嶺になる
2027年末までに、通信・エネルギー業界ではエージェントAIによるネットワーク・設備監視が事実上の業界標準になる。この時点で導入プロセスを開始していない企業は、18〜24ヶ月のROI実現期間を考慮すると、2030年時点でも競合比較で2〜3年の運用ノウハウ格差を抱えることになる。
そして、ドコモがNokia MantaRayを採用した事実から導ける結論は明確だ。完璧な自社開発への固執を手放し、「最速で実運用に乗せるための現実的な調達戦略」を設計する意思決定の勇気——これが今、日本企業の経営層に最も求められている。国産か外資かではなく、「実運用で価値を出せるか」を唯一の判断基準にすることが、2027年の分水嶺を乗り越えるための条件だ。
技術は整いつつある。問題は、経営の意思決定がそれに追いついているかどうかだ。
まとめ：今日から動ける3つのアクション
- アクション①：「AIを導入すべきか」という問いを封印し、「どの業務プロセスを最初にエージェント化するか」をリストアップする
- アクション②：18〜24ヶ月のROI実現期間を前提に、初期投資と変動コストの予算枠を経営レベルで確保する
- アクション③：国産・自社開発へのこだわりを一旦保留し、「最速で実運用に乗せられるベンダー」を選定基準の筆頭に置いた調達戦略を設計する
あなたの会社でエージェントAI導入を検討しているなら、まず「どの業務の例外処理設計に最も時間がかかるか」をリストアップすることから始めてほしい。そのリストが、ROI実現までの時間軸を左右する最重要変数になる。次回記事では、NTTデータのSmart AI Agent™導入企業へのヒアリングをもとに、業種別の実装ロードマップを公開する。メールマガジン登録で最新記事を見逃さずに受け取れる。
