あなたの会社が使うAIのデータは、今この瞬間も海外サーバーに送られている。円安が続くなか、ドル建てAPIコストは静かに膨らみ続け、個人情報保護法の改正が海外移転に新たな制約を加えようとしている。楽天が「自社LLMとAnthropicを同時に使う」という一見矛盾した戦略で開発期間を79%短縮した事実は、国産LLM時代の正しい乗り方を教えてくれる。
楽天AI 3.0とは何か——「内製」と「外部調達」を意図的に分ける戦略
楽天がClaude Codeを導入し、開発期間を24日から5日へと劇的に短縮した。これだけ聞けば「やはり海外モデルが最強」と結論づけたくなる。しかし同時に楽天は、自社LLM「楽天AI 3.0」の開発を続けている。矛盾だろうか。違う。これは成熟したAI戦略の証拠だ。
理解の鍵は、日本のAI動向を三つのレイヤーに分けることにある。
- 基盤モデル開発（訓練）：SoftBank・NEC・Sony・Honda合弁による兆パラメータPhysical AIモデル——5年計画の長期勝負
- 推論インフラ整備（デプロイ）：IDC予測では2027年に推論支出が訓練を逆転、国内AI基盤市場は2030年に1兆円規模へ
- アプリケーション活用（利用）：楽天のClaude Code導入——これは今この瞬間に起きていること
楽天AI 3.0が担うのは、EC購買履歴・旅行予約・金融取引・モバイル通信という楽天エコシステム固有のデータを学習した特化モデルとしての役割だ。外部のどんな汎用モデルも、楽天の1億超ユーザーの行動データを学習することはできない。一方でvLLM（1,250万行のコードベース）への実装作業を7時間で完遂したのはClaude Code経由だ。コーディング支援という汎用タスクに、わざわざ自社モデルを使う理由はない。
「モデルの内製化」と「ツールの外部調達」を用途で切り分ける——この設計思想こそが、楽天AI 3.0が示す本質的なメッセージだ。
海外クラウドLLM依存の「隠れコスト」——為替・レイテンシー・規制リスクを試算する
GPT-4oのAPIコストは入力$2.50/1Mトークン、出力$10/1Mトークン。これが1ドル=150円水準で円換算されると、2年前の1ドル=110円時代と比べて実質36%以上のコスト増になる。しかもこの為替リスクは予算計画に織り込みにくい。
コスト問題はAPI単価だけではない。製造ライン制御やリアルタイム応答が求められる用途では、海外サーバーへの往復遅延が50〜100ms発生する。人間には気にならない数字でも、機械制御では致命的な遅延だ。国内サーバーへの移行でこの遅延を丸ごと削減できる。
さらに深刻なのが規制リスクだ。現在、海外LLMを使う日本企業が直面しうるリスクは以下の通り。
- 個人情報保護法改正（2025年施行）：要配慮個人情報の海外移転に追加制約が加わり、同意取得・記録保持の負担が増大
- 経済安全保障推進法：電力・金融・通信など重要インフラ事業者への外国製AIシステム審査強化の可能性が現実味を帯びている
- FISC安全対策基準・医療情報ガイドライン：金融機関・医療機関は国内データ保持要件を実質的に課されており、海外LLMへのデータ送信は法的グレーゾーンに踏み込む
「うちは中小企業だから規制は関係ない」という判断は危険だ。金融機関や医療機関と取引するサプライチェーン上の企業にも、データ管理要件は連鎖的に及ぶ。GENIACプログラムの背景にある政府の「AIデータ主権」への政策的意志は、今後さらに具体的な規制として形になる。
中小企業が取れる3つの実装パターン——国産LLM移行ロードマップ
「国産LLMへ全面移行すべきか」という問いの立て方が、そもそも間違っている。現実解は「戦略的分離」だ。自社の業務を三つの軸でマッピングし、モデルを使い分けるアーキテクチャを設計する。
軸1：データ機密度
顧客の個人情報・医療データ・製造ノウハウを含む処理は、海外サーバーへの送信リスクを避ける必要がある。この領域こそ国産モデルまたはセルフホストの優先領域だ。
軸2：レイテンシー要件
リアルタイム応答が必要な用途（チャットサポート・製造ライン監視・決済判定）では、往復50〜100msの遅延差が直接ユーザー体験やシステム安定性に影響する。国内サーバーの優位性が最も発揮される領域だ。
軸3：コスト感度
大量のドキュメント処理・定型レポート生成など、精度よりもコストが重要な用途では、Swallowなど国産オープンモデルのセルフホストが有力な選択肢になる。クラウドAPIへの依存をなくし、固定コスト化できる。
2026年の日本LLM競合マップを整理すると、中小企業が現実的に使えるモデルの棲み分けは明確だ。
- 高精度・汎用タスク：GPT-4o / Claude 3.5 Sonnet——依然として最高性能、コーディング・複雑な推論はここ
- コスト重視・高速処理：Gemini Flash / Claude Haiku、または国産オープンモデル（Swallow等）のセルフホスト
- 日本語特化・EC/金融：楽天AI 3.0、NEC cotomi——日本語と業種固有データで差別化
ただし、移行は無料ではない。OpenAI APIからの切り替えにはプロンプト再設計に20〜40時間、API統合コード修正に10〜20時間、精度検証に30〜50時間——合計60〜110時間、エンジニア単価換算で60〜110万円の初期コストが現実的な見積もりだ。「全部いっぺんに移行」ではなく、機密度が高く、レイテンシー要件が厳しい業務を1つ選んで試験導入するアプローチが現実解だ。
「兆パラメータ合弁」に踊らされるな——国産LLM戦略の冷静な読み方
SoftBank・NEC・Sony・Hondaが1兆円規模のPhysical AI合弁を立ち上げた。メディアは「日本のAI反攻」と報じる。しかし中小企業の経営者が今この瞬間に下すべき意思決定に、この合弁は直接関係しない。
Physical AIが本格参入するのは2028年以降だ。自動運転・工場ロボットの商業展開は安全認証・規制整備の問題で時間がかかる。5年計画の合弁の動向を見ながら「様子見」していたら、その間にも海外LLM依存のコストと規制リスクは積み上がる。
さらに根本的な問題が三つある。
- 「兆パラメータ」という目標設定の時代遅れ：DeepSeekはより少ないパラメータで同等性能を実現した。パラメータ数を競う発想自体が、2026年時点で既に旧世代の指標である可能性が高い
- コンソーシアムのガバナンスリスク：SoftBank・NEC・Sony・Hondaは事業領域も企業文化も意思決定速度も大きく異なる。TRONや次世代スーパーコンピュータなど、日本の大企業コンソーシアムが技術的成果よりも政治的調整に時間を取られてきた歴史は繰り返す可能性がある
- 投資回収の不確実性：1兆円の投資回収にはPhysical AIの商業展開が前提だが、規制・安全認証のタイムラインは誰にも正確に予測できない
合弁が持つ意義を否定はしない。製造業データ・ロボット工学・自動車制御という日本の比較優位を活かすPhysical AI特化の戦略は論理的に正確だ。SoftBankの北海道4,000GPU H200クラスター、NECのcotomiモデルの多言語実績、SonyのイメージセンサーとHondaの自動運転データ——これらの組み合わせは確かに強い。しかしそれは2028年以降の話だ。今の意思決定とは時間軸を分けて考える必要がある。
ハナの所見
楽天の事例が示す本質は「国産か海外か」という二項対立の終わりだ。真に問うべきは「このデータ・この用途・このレイテンシー要件に対して、どのモデルが最適か」という設計思想の転換にある。
ただしハナには三つの懸念がある。
まず具体的な問題として、国産LLMへの移行が「国産ベンダーへのロックイン」を生むという逆説がある。OpenAI互換APIを採用しない国産LLMに移行した場合、将来の乗り換えコストは海外モデルからの移行と同等以上になりうる。「データ主権のために国産へ」と移行した結果、特定の国内ベンダーに縛られる構造は、問題を解決したのではなく移し替えただけだ。移行先の国産LLMがOpenAI互換APIを採用しているかどうかを、必ず確認すること。
次に日本特有の障壁として、「使いこなせる人材がいない」問題がある。Public First調査は日本の公共部門が「熱意（Enthusiasm）は高いが実装（Embedding）で遅れている」ことを示しているが、これは民間中小企業でも同じ構図だ。国産LLMのAPIが提供されても、プロンプト設計・精度検証・MLOpsを担える人材が社内にいなければ、移行コスト60〜110万円は「かけたけど成果が出なかった費用」になる。技術選定より先に、社内の実装体制を1人でも確保することが優先課題だ。
そして時期を明示した予測として、ハナは以下を断言する。2026年末までに、金融・医療・重要インフラ分野では海外LLMへのデータ送信に関する具体的なガイドラインが整備される。対応が遅れた企業は「知らなかった」では済まない状況になる。2027年には推論支出が訓練支出を逆転し、国内AI基盤市場が本格拡大フェーズに入る。このタイミングで国産モデルの選択肢が一気に広がる。そして2028年に、今日「戦略的分離」の設計を始めた企業と先送りした企業の差が、取り返しのつかない格差として可視化される。
中小企業が今すぐ取るべきアクションは、高価な国産LLMへの全面移行ではない。自社業務を「機密度×速度要件×コスト感度」の3軸でマッピングし、国産モデルが優位な領域を1つだけ特定することだ。その1つを動かした経験が、2028年に向けた組織的な学習の起点になる。
今すぐ始める「戦略的分離」の第一歩
楽天がやったことは、巨大な組織が持つ全リソースを使ったものだ。しかし設計思想は規模に関係なく適用できる。「国産か海外か」ではなく「この業務に最適なモデルはどれか」という問いを立てる——それだけで、あなたの会社のAI戦略は一段階成熟する。
まず30分、自社の業務リストを開いて「機密度×速度×コスト」で分類してみよう。そこから全てが始まる。
あなたの会社の業務を「機密度×速度×コスト」の3軸で棚卸しするチェックリストを無料配布中。国産LLM移行の第一歩を、今日の30分から始めよう。
