デジタル主権時代、データとモデルの持ち方は企業が主体的に定める

「インプレス AI Days 2026」より、カナダCohere日本法人カントリーマネージャーの趙顕周氏

6:25

米中二強に対抗する“第三極”の選択肢を目指す

Cohereは、カナダ・トロントに本社を置く2019年設立のAIスタートアップであり、LLM(Large Language Model：大規模言語モデル)を自社開発する数少ない企業の1社だ。共同創業者でCEO(最高経営責任者)のエイダン・ゴメス(Aidan Gomez)氏は、現在の生成AI技術の基礎となった「Transformer(トランスフォーマー)アーキテクチャー」を提唱した論文の共同執筆者の1人である。

同社が事業の軸に据えるのは、国家や企業が巨大テック企業に依存せずに独立したAIを運用する「ソブリンAI」の普及だ(図1)。2026年4月には、AI開発を手掛ける独Aleph Alpha(アレフ・アルファ)との事業統合を発表し、現在、契約締結に向けて最終調整に入っている。米中二強体制が強まる生成AI市場に対し「“第三極”の選択肢となるAI基盤の確立を狙う」(趙氏)

パートナーやAIエコシステムとの連携に加え、ユーザー企業に主権を委ねる観点から、Apache 2.0ライセンスでのモデル公開など、オープンソース化も進める。趙氏は「機密データを自社インフラ上に置いたまま、企業が安心かつ安全にAI技術を活用する環境の提供を目指している」と説明する。

自社で管理する範囲を線引きする

世界的にソブリンAIへの関心が高まる中、趙氏は日本国内におけるAI利用の課題を次の6つに整理する(図2)。

課題1＝統制：業務部門によるシャドーAIの発生や独自エージェントの乱立
課題2＝接続：業務データや自社システムの情報がAIにつながらず、検索対象もテキストに限られる状況
課題3＝信頼：AIエージェントの回答精度が実用水準に届かず、回答の情報源や思考過程が欠如
課題4＝展開：AI利用が個人単位にとどまり、組織全体へ横展開しない状況
課題5＝コスト：トークン費用の膨張や、利用者任せのモデル選択による高性能モデルの浪費
課題6＝セキュリティ：OSS(オープンソースソフトウェア)モデルの脆弱性対応がサポート対象外など安全性への懸念

これらの課題に対し、趙氏は「何を自社の管理下に置き、何を外部に委ねるかを意図的に選べる状態こそが、ソブリンAIの本質だ」と説く。その線引きの対象は、関連する2つの要素を組に(1)データとアクセス、(2)業務とモデル、(3)運用と継続性、の3つの領域に分かれる。

データとアクセスは、データの所在と誰がそれに触れるかを一体で管理する。業務とモデルは、どの業務にどのモデルやツールを使うかを対応付ける。運用と継続性は、AIを継続して運用するために証跡を確保し管理機能を備える。

扱うデータや処理方式、採用するモデルなど論点は多岐にわたる。だが最終的に問われるのは「それらをどこまで自社の責任範囲としてコントロールするかだ」と趙氏は強調する。

配備先やモデルまでを企業自らが選択可能にする

責任の線引きを実装するため、CohereはAIエージェント開発基盤「North」を提供している(図3)。インフラからガバナンス、RAG(Retrieval-Augmented Generation：検索拡張生成)、モデル、アプリケーションまでの5層を、1つの基盤で管理する構成だ。

インフラ層は、パブリッククラウドのVPC(Virtual Private Cloud：仮想プライベートクラウド)内に加え、オンプレミスのデータセンターや、インターネットから物理的に切り離したエアギャップ環境への配備に対応する。

ガバナンス層は、各種認証基盤と連携し、RBAC(Role-Based Access Control：ロールベースアクセス制御)によって社内システムやフォルダの閲覧権限を役職や役割ごとに割り当てる。AIの挙動は、監査ログで記録し、可視化する。趙氏は「ガバナンスを確保しながら組織内での利用を広げられる」と話す。

RAG層は、利用者の問い合わせを起点に、社内文書や画像、音声などから関連情報を探し出すマルチモーダル検索に対応する。見つかった候補は重要度順に並べ直し(リランク)、回答の生成に用いる。

モデル層は、同社独自の生成モデルや検索モデルのほか、音声認識やコード生成に特化したモデル、米OpenAIや米Anthropicの商用モデルも呼び出しの対象とする。趙氏は、「特定のモデルにロックインされない柔軟性を確保している」と強調する。

アプリケーション層は、対話型のチャット画面に加え、定型業務をワークフロー化して自動実行する仕組みをノーコードで構築する機能を備える。利用者が自然言語でプロンプト(指示文)を入力すると「処理に用いるAIエージェントやモデルを、自動で選ぶ」(趙氏)という。

大手製造業は自社データセンターの閉域環境に導入

実際の運用では、高価なGPU(Graphics Processing Unit：画像処理半導体)を効率よく使うため、モデル層は部門間で共用し、データやツールは部門ごとに保有・管理する(図4)。Web検索や外部LLMの利用可否も部門ごとに切り替えられるとともに「管理者画面からは部門内でさらに細かく設定可能」(趙氏)にしている。