行政AIが「国内完結」へ踏み出す
デジタル庁が、政府職員向けのAI基盤「源内」で、国産AIモデルを国産クラウド上で動かす実証実験を進めます。対象となるのは、NTTデータグループの「tsuzumi 2」、富士通の「Takane 32B」、Preferred Networksの「PLaMo 2.0 Prime」です。
稼働環境には、さくらインターネットの「さくらのクラウド」が使われます。つまり、AIモデルもクラウド基盤も国内企業による構成になるわけです。
これは単なる技術検証ではありません。行政が生成AIを使う時代に、日本語、行政文書、機密情報、データ主権をどう守るかというテーマに真正面から向き合う取り組みです。
ITmediaは、今回の発表について「政府職員が利用するAI基盤『源内』の実証実験の一環として、国産AIモデルを国産クラウドで稼働させる」と報じています。詳細はITmediaの記事でも確認できます。
政府職員向けAI基盤「源内」とは何か
「源内」は、デジタル庁が内製した政府職員向けの生成AI利用基盤です。行政文書の作成支援、要約、調査、アイデア出し、問い合わせ対応の下書きなど、日々の業務を効率化するための共通基盤として位置づけられています。
すでに全府省庁の職員約18万人規模での実証が進められており、政府全体で生成AIをどう安全に使うかを検証する段階に入っています。単に「便利だから使う」のではなく、行政実務に耐えられる品質やセキュリティを確認することが重要です。
デジタル庁の公式ページでも、Government AI「GENAI」として源内の取り組みが紹介されています。公式情報はデジタル庁のページを参照できます。
行政でAIを使う場合、民間企業以上に慎重さが求められます。法令、制度、予算、国会対応、住民サービスなど、誤った出力が大きな影響を及ぼす領域が多いからです。
そのため源内では、使いやすさだけでなく、正確性、説明可能性、情報管理、監査性といった観点が欠かせません。今回の国産AI導入は、その評価軸をより実務に近づける一手といえます。
今回試される3つの国産AIモデル
今回、さくらのクラウド上で稼働させるモデルは3つです。いずれも日本企業が開発に関わる大規模言語モデルで、日本語処理や国内業務への適合が期待されています。
- tsuzumi 2：NTTデータグループのモデル。日本語処理や業務利用を意識した国産LLMとして注目されています。
- Takane 32B：富士通のモデル。企業・公共領域での利用を見据えた高性能な基盤モデルです。
- PLaMo 2.0 Prime：Preferred Networksのモデル。日本発のAI研究開発力を背景にしたモデルとして存在感があります。
デジタル庁は以前、源内で試用する国産LLMとして複数モデルを選定していました。その後、契約や提供形態などを踏まえ、今回の国産クラウド上での実証ではこの3モデルが対象になったと報じられています。
ここでポイントになるのは、単純なベンチマークの点数だけではありません。行政文書のニュアンスを読めるか、曖昧な依頼を適切に補えるか、日本語の敬語や制度用語を崩さず扱えるか。こうした地味な能力こそ、実務では差になります。
海外の最先端モデルは非常に強力です。一方で、日本の行政実務における「言い回し」「前例」「法令との整合性」「公文書らしさ」まで含めると、国産モデルに期待される領域は明確にあります。
なぜ「さくらのクラウド」なのか
今回のもう一つの主役が、さくらインターネットの「さくらのクラウド」です。ガバメントクラウドに採択された国産クラウドとして、行政システムの基盤に関わる存在感を高めています。
国産クラウドを使う意味は、単に「日本企業だから安心」という話ではありません。データの保管場所、契約、運用、障害対応、価格体系、為替影響、法制度への対応など、クラウドにはさまざまな論点があります。
特に政府システムでは、データ主権が大きなテーマになります。どの国の法律が適用されるのか、重要なデータがどこで処理されるのか、緊急時に国内でコントロールできるのか。こうした視点は、AI時代にはさらに重要になります。
EnterpriseZineも、今回の取り組みを「ガバメントクラウドでさくらのクラウドが初めて本格利用される事例」として紹介しています。詳しくはEnterpriseZineの記事が参考になります。
生成AIは、質問文や参照データ、出力結果が業務情報と深く結びつきます。だからこそ、モデルだけでなく、それを動かすクラウド基盤まで含めて設計する必要があります。
実証実験では何を比べるのか
報道によると、デジタル庁は8月までに環境を構築し、9月から11月にかけて複数回のテストを行う予定です。源内のチャット機能を通じて、従来モデルと今回の国産モデルの出力を利用者に提示し、どちらが好ましいかを選んでもらう形式が想定されています。
この評価方法はとても現実的です。AIの性能は、数値ベンチマークだけでは測り切れません。実際の職員が見て「こちらの方が使いやすい」「こちらの方が行政文書として自然」と判断することが、導入可否を左右します。
評価される可能性が高い観点は、次のようなものです。
- 日本語として自然で読みやすいか
- 行政文書のトーンに合っているか
- 法令や制度に関する回答で慎重さがあるか
- 要約や整理が実務で使える品質か
- 回答速度や安定性に問題がないか
- コストに見合う効果があるか
日本経済新聞は、松本尚デジタル相が「国産クラウド、国産基盤モデルの有用性、信頼性、経済性を検証したい」と述べたと報じています。関連報道は日本経済新聞の記事で確認できます。
「国産クラウド、国産基盤モデルの有用性、信頼性、経済性を検証したい」
出典：日本経済新聞
日本のAI自律性という大きなテーマ
今回のニュースで最も重要なのは、「国産AIを使う」という表面的な話ではなく、AIに関する日本の自律性をどう確保するかというテーマです。
生成AIの基盤モデルは、今後の行政、教育、医療、防災、産業政策にまで関わる重要インフラになっていきます。そこを海外モデルと海外クラウドに大きく依存し続ける場合、性能面では便利でも、政策上の選択肢が狭まるリスクがあります。
もちろん、海外モデルを排除すべきという話ではありません。むしろ、世界最高水準のAIを適切に活用することは必要です。ただし、重要領域では国内で選べる選択肢を持つことが大切です。
たとえば、次のような場面では国産AIの価値が高まります。
- 機密性の高い行政情報を扱う業務
- 日本語の微妙な表現や制度理解が必要な業務
- 国内法や行政手続きに密接に関わる業務
- 長期的に安定した調達が求められる基盤システム
AIはソフトウェアであると同時に、社会の判断を支える基盤になりつつあります。その意味で、今回の実証は「技術導入」ではなく「国家のデジタル基盤づくり」として見るべきです。
企業や自治体が学ぶべきこと
この取り組みは政府だけの話ではありません。企業や自治体にとっても、生成AI導入の設計思想を考えるヒントになります。
多くの組織では、まず有名なAIサービスを試し、便利さを確認するところから始まります。それ自体は自然な流れです。しかし、業務に深く組み込む段階では、モデルの性能だけでなく、データの扱い、クラウド環境、契約条件、運用責任まで見直す必要があります。
特に自治体や金融、医療、製造業のように機密情報を扱う組織では、次の観点を早めに整理しておくとよいでしょう。
- 入力データ：個人情報や機密情報をAIに入れてよい範囲はどこか
- 保存と学習：入力内容が学習やログに使われない契約になっているか
- クラウド：データ処理の場所や法的管轄を説明できるか
- モデル選定：海外モデル、国産モデル、オープンモデルをどう使い分けるか
- 評価：自社業務に合う品質をどう測るか
政府の源内実証は、こうした論点を先行して整理する実験場でもあります。今後、公共分野での評価結果が共有されれば、民間のAI導入にも影響を与えるはずです。
期待だけでなく、課題もある
国産AIと国産クラウドの組み合わせには期待が集まりますが、課題も少なくありません。まず、海外の巨大AI企業と比べると、学習データ、計算資源、研究開発投資の規模には差があります。
また、行政で使うには回答の正確性だけでなく、安定運用が欠かせません。アクセスが集中しても落ちないこと、レスポンスが遅すぎないこと、コストが予算内に収まること。これらは地味ですが、実運用では非常に重要です。
さらに、国産であること自体が品質を保証するわけではありません。利用者が納得する出力を出せるか、誤りを減らせるか、更新を続けられるか。最終的には、実務で評価される必要があります。
ただ、課題があるからこそ実証の意味があります。政府がまとまった需要をつくり、国内モデルを実務の中で鍛えることで、AI産業全体の底上げにつながる可能性があります。
生成AIは、使われるほど改善の方向性が見えやすくなります。行政現場のフィードバックが国産モデルの進化に反映されれば、日本語AIの競争力は着実に高まるでしょう。
まとめ：国産AIの勝負はここから始まる
デジタル庁が「源内」で国産AIモデルを国産クラウド上で稼働させる実証は、日本のAI活用にとって大きな節目です。tsuzumi 2、Takane 32B、PLaMo 2.0 Primeを、さくらのクラウド上で試すことで、技術、運用、コスト、信頼性を総合的に検証していきます。
この動きは、海外AIへの依存を減らすためだけのものではありません。日本語と日本の行政実務に合ったAIを育て、重要なデータを国内で扱える選択肢を確保するための取り組みです。
今後の注目点は、実証でどのモデルが高く評価されるのか、どの程度のコストで安定運用できるのか、そして2027年度以降の政府調達にどうつながるのかです。
国産AIは、まだ完成形ではありません。しかし、政府という大きな現場で試されることで、実用のための改善が一気に進む可能性があります。今回の実証は、日本の生成AIが「研究開発」から「社会インフラ」へ進むための重要な一歩です。
コメント