2026年7月、前デジタル大臣・平将明氏の講演を聴講する機会がありました。AIが便利な道具から「安全保障の主戦場」へ変わりつつあるという現状認識と、そのうえで語られた日本の勝ち筋——フィジカルAIとバーティカルAI。国の話のようでいて、実は製造・物流の現場に直結する論点ばかりでした。講演で示された視点を、現場でAI実装に携わる立場から再構成してお届けします。
2026年7月末、都内で開催された講演会「AI、サイバーセキュリティ、国家安全保障」を聴講しました。講師は前デジタル大臣で衆議院議員の平将明氏。日本のAI政策とサイバーセキュリティ法制を実際に設計してきた当事者の話を、中小企業経営者が多く集まる場で直接聞ける機会でした。
「国家安全保障」と聞くと、自社とは縁遠いテーマに感じるかもしれません。しかし講演の内容は、むしろ中堅・中小の製造業・物流業にこそ関係するものでした。攻撃の入口はサプライチェーンの末端に移っており、一方でAIの次の主戦場は「現場のデータ」——つまり、日本の中小企業が持っているものだからです。
平氏自身、政界に入る前は市場の仲卸という中小企業の経営者で、バブル崩壊後の資金繰りに苦労した経験から「政策の時間軸」を語る場面が印象的でした。国は年単位で動けるが、中小企業は資金が詰まればその瞬間に終わる——この時間軸の感覚は、AIやセキュリティへの向き合い方にもそのまま当てはまります。変化が起きてから対応を始めたのでは間に合わない、という前提で以下を読んでいただければと思います。
※本記事は講演を聴講した筆者による論点の再構成です。講演内容の紹介は筆者の理解に基づくもので、個別の発言の正確な引用ではありません。解釈や現場への示唆はNsightの見解です。
講演の前半で最も衝撃的だったのは、この数ヶ月で起きたことの時系列でした。2026年春、米国の最先端AIモデルが「人間の専門家が発見できていなかった脆弱性」を見つけ出し、攻撃にも応用しうる能力を示した。これを受けて開発元は一般提供を止め、限定的なプレビュー提供に切り替えた——という経緯が紹介されました。AIが脆弱性を「探す道具」から「人間を超えて見つけてしまう存在」に変わった転換点です。
米国の対応は速く、財務長官をヘッドに金融機関・クラウド事業者・セキュリティ企業を集めた官民プロジェクトを組成し、その最先端AI自身を使って金融システムの脆弱性を診断し、攻撃される前にパッチを当てていく取り組みを始めたそうです。攻撃側に回りうるAIを、先に防御側で使い切る——という発想です。
日本も追随します。講演によれば、金融庁をヘッドに、国家サイバー統括室（NCO）とAIセーフティ・インスティテュート（AISI）が支援につく体制が即座に組まれ、重要インフラまで対象を広げた日本版の取り組みには「プロジェクト八咫シールド」という名前が付きました。三種の神器・八咫鏡が由来だそうです。また平氏は「特定のAI企業一社に依存する構図は避け、主要な開発企業すべてと本気で付き合う」方針を強調していました。この種の「最先端AIが想定外の能力を持ってしまう」事態は今後も繰り返し起きる、という認識です。開発企業にとって新モデルの能力公表はマーケティングでもあるが、受け取る側にとっては危機管理そのものである——という非対称性の指摘も印象的でした。なお金融分野の対応は中央銀行や取引所といった中核機関から始まっており、地方銀行・信用金庫など地域金融機関への展開はこれからの課題、という段階感も語られていました。
もう一つ付け加えられていたのは、日本の立ち位置です。日本はサイバーセキュリティの情報共有同盟（いわゆるファイブアイズ）にもNATOにも入っていないにもかかわらず、最先端AIへのアクセスと脅威情報の共有で優先度の高い扱いを受けられている——「日本は遅れていない」というのが講演での評価でした。政策決定側がAI開発企業と直接対話できる関係を維持していることが、その土台になっているようです。
興味深かったのは日本固有の構造問題です。米国では政府や重要インフラの多くが大手クラウド上にあり、クラウド事業者側の対策で自動的に守られる部分が大きい。一方、日本の重要インフラや自治体のシステムは国産ベンダーによる個別構築が多く、「自動でパッチが当たらない領域」が広く残る。ここをどう守るかが日本独自の宿題として語られました。後述しますが、この構図は中小企業のIT環境にもそっくり当てはまります。
もう一つ、講演で強く印象に残った論点が「AIは止められる」という事実です。講演では、米国政府が輸出規制の枠組みを使って、最先端AIサービスの提供を一時停止した事例が紹介されました。輸出規制といえば半導体を思い浮かべますが、同じ枠組みがクラウド経由のAIサービスにも適用されうる、ということです。
平氏の例えが分かりやすいものでした。原油は輸入が止まっても備蓄で数ヶ月しのげる。しかしクラウドのAIサービスは、止まればその瞬間に止まる。備蓄という概念がない。だからこそ「海外のAIにどこまで依存するのか」を国として真剣に考えなければならない、と。
これは国家の話であると同時に、AIを業務に組み込み始めた企業すべてに通じる論点です。特定のAIサービスが止まったとき、自社の業務はどうなるか。単一サービスへの過度な依存を避ける、重要データは自社の管理下に置く、止まっても業務が継続できる設計にしておく——といった考え方は、規模を問わず必要になります。工場データをどこに置くかという観点はクラウドとデータ主権の考え方でも整理していますので、併せてご覧ください。
セキュリティパートの中心は、攻撃対象の変化でした。攻撃者が狙うのは守りの固い大企業の本丸ではなく、そこにつながる取引先——2次・3次・4次のサプライヤーです。国内でも、大手自動車メーカーが取引先システムへの攻撃を起点に国内全工場を停止した事例が公表されていますし、2025年には飲料・通販・食品など生活に身近な企業への攻撃が相次ぎました。
講演で紹介された名古屋港の事例は象徴的です。コンテナターミナルのシステムがランサムウェアに感染し、数日間停止した事案（2023年公表）は、当初「身代金目的の犯罪」として扱われました。しかし講演では、国家主体が有事に備えて重要インフラの脆弱性を試した側面があるという見立てが示されました。身代金目的の犯罪と、将来の有事に向けた「予行演習」の境界は、外形からはもう区別できなくなっています。
また、被害企業が攻撃を公表したがらない構造や、水面下で身代金が支払われている実態への言及もありました。背景には、サービスが止まるなどの実害が出るまでは所管官庁への報告義務がない場合が多いという制度の構造があります。しかも講演によれば、ある企業が攻撃を受けているとき、同業他社も同じ時期に攻撃されているのが実態だといいます。つまり一社が被害を抱え込むほど、業界全体が同じ手口に無防備なまま晒され続けることになります。
これに対し国は、セキュリティクリアランス制度（適性評価を受けた民間人に国の機密情報を共有できる仕組み）と官民協議会を整備し、政府が同盟国から得た脅威情報を民間と共有できる体制を作った——被害情報を「隠す」インセンティブを「共有する」方向に変えようとしている、という説明でした。
法制度の話で最も具体的だったのが、ウクライナの事例です。ロシアは侵攻前にウクライナ鉄道のシステムに侵入し、痕跡を消して潜伏させ、侵攻と同時に鉄道を止める算段だった。それを米英のチームが事前に発見して無害化したため、侵攻当日も鉄道は動き、市民は避難できた——。日本でも同様の対応を可能にするため、通信の秘密に配慮した第三者委員会の枠組みのもとで攻撃通信の分析と攻撃元サーバーの無害化を可能にする法律（サイバー対処能力強化法）が整備された、という解説がありました。講演では運用の中身にも踏み込んでいました。分析するのはメールやメッセージの中身ではなく、乗っ取りの指示に使われるコマンドの文字列・IPアドレス・ソフトウェア情報に限られ、目的外利用は第三者委員会が監督する。また攻撃は発信国から直接ではなく、乗っ取った第三国のサーバーを経由して偽装されてくるため、悪性サーバーが世界のどこにあっても対処できる建て付けにした——という説明です。国のレベルでは「攻撃されてから対応する」から「攻撃される前に無害化する」への転換が始まっています。
ここまでは国の話ですが、講演では「目の前で何をすべきか」も率直に語られました。そしてその内容は拍子抜けするほど基本的です——多くの現場の実態は「OSのバージョンアップをしていない」「サポート切れのソフトを使い続けている」というレベルの問題から始まる、と。高度なAI防御の前に、まず基本の衛生管理です。
なお講演では、個社の努力とは別のレイヤーとして、データセンター自体の防御強化、仮にデータが抜かれても単体では意味を成さない秘密分散管理、バックアップの保全など、「クラウド側・業界全体で講じる守り」を国として厚くしていく方向性にも触れられていました。個社でやるべき基本と、乗る基盤側に任せる部分——この二層で考えるのが現実的です。
講演では近未来像として、AIエージェントが自社の通信を常時監視し、危険度の低い脆弱性は自動でパッチを当て、危険度の高いものは対処の選択肢を添えて経営者や担当者に確認を取る——という運用が「もう目の前に来ている」と語られました。守りの主体も人からAIに移っていきます。自社の生成AI利用ルールをこれから整える段階の方は、生成AI利用のセキュリティチェックリストと工場の閉域ネットワークとAI導入の考え方も参考にしてください。
攻撃側の変化も具体的でした。講演では、外国勢力がSNSを使って社会の分断や世論誘導を仕掛ける「認知戦」の実例——米国大統領選挙へのSNS工作や、欧州で選挙自体が無効と判断された事例——に触れたうえで、国内の選挙を分析したときの変化が紹介されました。かつての工作には、投稿時刻に6〜7時間の「時差」——つまり工作員が働いている国の勤務時間——が現れていたそうです。ところが直近の分析では、その時差が消えた。人間ではなくAIエージェントが自律的に工作を実行するようになった、ということです。海外のハッカー集団が公開されているAIモデルを「蒸留」と呼ばれる手法で複製し、安全装置（ガードレール）を外して自律的な攻撃に転用していた事例への言及もありました。防御側だけでなく攻撃側もAI化し、「AI対AI」の攻防が現実になっています。
さらに、AIそのものを汚染する動きも紹介されました。生成AIが学習・参照することを見越して、SNSに大量の投稿を流し込み、AIに質問したときの回答を特定の方向に誘導しようとする——検索エンジンではなくAIの「頭の中」を狙う情報戦です。
この話は、裏返すとそのまま企業のマーケティングと信用の話になります。講演でも「これからはGoogle検索で上位に出るかではなく、AIに尋ねたときに推薦されるかがビジネスを左右する。AIが読める形でデータを整備しておかなければならない」という趣旨の指摘がありました。講演での例えは身近なものでした——出先で「この辺にうまい焼き鳥屋はないか」を、私たちはもう検索エンジンではなくAIに聞く。そこで推薦されるかどうかで店の売上が変わる。BtoBでも同じことが起き始めており、自社の技術や製品情報がAIに正しく理解される形で公開されているか——いわゆるAIO（AI最適化）——は、今後の取引の入口を左右する実務課題になると考えます。これは弊社自身が自社サイトで検証を続けているテーマでもあります。
講演の後半は「では日本はどう戦うのか」。前提として平氏は、巨大な汎用モデル（フロンティアAI）の開発競争では投資額・人材の規模から米中に勝てない、と明言していました。そのうえで挙げられた勝ち筋が、フィジカルAIとバーティカルAIの二つです。
一つ目はフィジカルAI——ロボットや装置など、物理世界で動くAIです。サイバー空間で閉じたAIは米中の独壇場でも、物理世界に出た瞬間、ものづくりの蓄積・部品供給網・現場のすり合わせ技術が必要になり、ここは日本に厚みがある。ロボットを動かすための基盤モデル開発には、講演によれば政府が兆円規模の支援を投じる構えで、通信・電機・AIスタートアップなど国内の主要プレイヤーが参画し、この分野では珍しく日米が組んで進める構図になりつつある、という説明でした。倉庫・物流分野での具体像は倉庫のフィジカルAIロードマップやNsightのフィジカルAIへの取り組みでも整理しています。
二つ目が、本記事の主題であるバーティカルAI——医療・介護・製造といった専門分野に特化した垂直統合型のAIです。講演での説明は明快でした。汎用の大規模モデルはウェブ上のデータを学習し尽くしつつある。だから次の価値の源泉は「ネットに載っていないデータ」、つまり現場のデータに移る。そして、そのデータを持っているのは日本の産業現場である、と。
もう一つ重要な指摘は、バーティカルAIには汎用AIほどの最高スペックは要らないという点です。多少スペックが落ちても、その分野で安心・安全・確実に動くことのほうが価値になる。この優先順位は、検査や帳票処理のような「間違えてはいけない業務」にAIを入れてきた私たちの実感と完全に一致します。
背景として、日本のAI法制の設計思想も紹介されました。EU型の包括的なハードロー（厳格な事前規制）を採らず、本当に危険な領域だけを法律で縛り、残りはガイドラインで機動的に対応する。学習に対して比較的自由で、実装しやすい。この「AIフレンドリー」な設計は海外からも評価され、これからAI法制を作る国々が日本をモデルにする動きもある、とのことでした。背景にあるのは法体系そのものへの分析です。日本の法体系は「やってよいこと」を明文で定める大陸法型のため、法律が想定していない新技術は自動的にグレーゾーンに落ち、コンプライアンス優先で誰も動けなくなる——この構造がこの30年のデジタル化の出遅れを招いたという反省を、AIでは繰り返さないという意図だそうです。運用も「法律で縛るより技術で解決させる」方向で、動画生成AIから日本の人気キャラクターがそのまま出力されてしまう著作権問題に対しては、規制強化ではなく、開発企業側にプロンプト段階での拒否・出力の自動チェック・アプリ内の通報窓口という技術対応を取らせたエピソードが紹介されました。規制環境も、日本で現場AIを実装する追い風になっています。
人材面でも興味深い見立てが語られました。講演によれば、AIで成果が大きく伸びるのは天才層と初心者層で、中間層の仕事が最も影響を受けやすい。その雇用不安から米国ではAIへの反発と社会の分断が進み、トップクラスのAIエンジニアが国外に目を向け始めたとき、規制の厳しいEUでも安全保障上の懸念がある中国でもなく、日本が受け皿の有力候補になる——というものです。加えて日本は深刻な人手不足であるため、AIが仕事を代替することへの社会的摩擦を吸収しやすい。労働力への影響という観点は人材支援×AIエージェントでも扱っているテーマですが、「AIフレンドリーな制度」と「人手不足ゆえの受容性」の組み合わせが日本の独自ポジションだという整理は、示唆に富むものでした。
最後に、講演を聴いて私たちが持ち帰った示唆を、製造・物流の現場目線でまとめます。
第一に、バーティカルAIの「現場データ」を持っているのは、ほかならぬ皆さんの会社だということです。外観検査の画像、不良品の判定基準、手書き伝票、作業手順、ベテランの目——これらはウェブのどこにも存在しません。汎用AIがどれだけ賢くなっても、このデータなしに皆さんの現場の仕事はできません。逆に言えば、現場データを「AIが学習・活用できる形」に整備した企業から順に、AIの恩恵を独占的に受け取ることになります。紙のまま、属人的な暗黙知のままでは、燃料はあっても燃やせません。
第二に、バックオフィスのAI化では差がつかないという講演の指摘です。書類作成や情報整理のAI活用はやるべきですが、全員がやるので競争優位にはならない。講演の表現を借りれば、パソコンの前で完結する仕事はAIエージェントで1人が10人分になり、そのエージェントがさらにエージェントを使えば100人分になる——だが全員がやるので、やらない会社が脱落するだけで、やった会社が抜きん出るわけではない。差がつくのは「本業でAIがどう付加価値を生むか」——製造業なら検査・加工・段取り、物流なら入出荷・検品・在庫の現場そのものです。私たちがVLM（視覚言語モデル）による外観検査や物流帳票のOCRに特化しているのは、まさにこの「本業の現場」こそバーティカルAIの本丸だと考えているからです。詳しくはバーティカルAI×セキュリティとVLM-OCRソリューションで紹介しています。
第三に、AI活用とセキュリティは別の話ではないということです。現場データが価値の源泉になるということは、そのデータが狙われるということでもあります。データをどこに置き、誰がアクセスでき、外部AIに何を渡すのか——AI導入の設計とセキュリティの設計は、最初から一体で考える必要があります。そして出発点は、講演でも語られた通り、更新・権限・バックアップという基本の徹底です。
何ができて何ができないかは、対象物と現場の条件によって変わります。誇張された期待ではなく、現物・現場での小さな検証から始める——この進め方はエージェント型AIの論点整理でも一貫してお伝えしている通りです。自社の現場データをどうAIに活かすか、論点の棚卸しからで構いませんので、お気軽にご相談ください。
特定の業界・業務領域に特化して設計・学習させたAIの総称です。何でも答える汎用AIと異なり、医療・介護・製造・物流といった専門分野の、ウェブ上には存在しない現場データを強みにします。汎用モデルほどの最高スペックは必ずしも要らず、その分野で安心・安全・確実に動くことが価値になる、というのが講演でも語られた要点です。
バーティカルAIは「専門分野への特化」という軸、フィジカルAIは「物理世界（ロボット・装置）で動く」という軸で、切り口が異なります。両者は排他ではなく、たとえば製造現場のロボットに検査特化のAIを載せれば、フィジカルかつバーティカルなAIになります。講演では、どちらもものづくりの蓄積がある日本に向いた領域として挙げられていました。
ロボット・装置・車両など、物理世界で動作するAIの総称です。サイバー空間で完結するAIと異なり、実世界のセンサー情報の処理と機構の制御、そして安全性の担保が必要になるため、ものづくりの蓄積・部品供給網・現場のすり合わせ技術を持つ日本に強みがあるとされます。講演では、ロボットを動かすためのAI基盤モデルの開発に国内の主要企業が参画し、日米が連携して進める構図が紹介されていました。
汎用の大規模モデルはウェブ上のデータを学習し尽くしつつあり、次の価値の源泉は「ネットに載っていない現場データ」に移るとみられているためです。日本には製造・物流・医療・介護などの現場に、外部に出ていない質の高いデータと業務知見が蓄積しています。加えて、日本のAI関連法制が学習・実装をしやすい設計であることも追い風とされています。ただし、データが紙や属人的な運用のままでは活かせないため、AIが扱える形への整備が前提になります。
高度な対策の前に、OSやソフトウェアの更新、パスワードと権限の管理、バックアップの分離保管といった基本の徹底が第一歩です。公的支援としてはIPA（情報処理推進機構）の「サイバーセキュリティお助け隊サービス」のような中小企業向けの制度もあります。また、自社単独でサーバーやシステムを守り切るのは現実的に難しくなっており、業務を標準化して信頼できるクラウド基盤に載せる方向性が講演でも示されていました。
検索エンジン向けのSEOと同じように、生成AIが情報を読み取り、回答や推薦に反映しやすい形で自社の情報を整備する取り組みを指します。今後は「検索で上位に出るか」だけでなく「AIに尋ねたときに正しく答えてもらえるか」が集客や取引の入口を左右するとみられます。構造化されたデータ、根拠の明示、一貫した表記などが基本になりますが、分野ごとの最適解はまだ固まっておらず、検証しながら進める段階と考えます。
攻撃を受けてから対処するのではなく、攻撃の予兆となる通信を分析し、攻撃元のサーバーを事前に「無害化」するアプローチです。日本ではサイバー対処能力強化法により、通信の秘密に配慮した第三者委員会の監督のもと、メールなどの中身ではなく攻撃コマンドの文字列やIPアドレスに限定した分析と、悪用されているサーバーへの対処が可能になりました。講演では、侵攻前に鉄道システムへの侵入を無害化し、市民の避難を可能にしたウクライナの事例が紹介されていました。
検査画像・帳票・現場の判断基準——ウェブに載っていないその蓄積こそが、これからのAI活用の源泉です。元キーエンス画像処理事業部の現場知見を持つチームが、データの棚卸しと小さな検証から、セキュリティ設計まで一体でご一緒します。
バーティカルAIの活用について相談する