2026年05月13日
【後編】なぜPoC地獄は終わらないのか——NEC野口氏と語る、AIを産業にインストールする方法
- NEC
野口 圭 - シニアエバンジェリスト
前編では、NEC シニアエバンジェリストの野口圭氏に、ここ数年の大企業の AI 活用の現状を聞いた。単なるツールとしての導入だけでは ROI の期待は薄い。一方、日本企業の「ワークフローの美しさ」が AI 時代の隠れた競争力になり得ることを聞いた。
後編では、その強みを実際の産業にどう実装するのか。従来の SI モデルではない、新たな選択肢として浮上したユーザー企業とともに作る伴走型ビジネスの全体像と、日本の AI エコシステムが目指す姿に迫る。
目次
「納品して終わり」の時代は終わる
日本の IT 業界は長く、「顧客が課題を出し、SI で解決策を納品し、保守サポートで収益を得る」というモデルで回ってきた。しかし AI の性質は従来のシステムと根本的に異なる。
——AI の時代にビジネスモデルはどう変わるのか
野口：従来は、お客様の課題に対して IT ソリューションを提供して完了。サービスモデルとしては保守サポートで収益を上げてきました。しかし AI と従来型システムの大きな違いは、導入後に成長させなければならないという点です。最初から精度が高いとか、すぐに業務にフィットするということはまずありません。
——具体的にどう変わろうとしているのか
野口：運用そのものを我々が担っていくビジネスモデルが、今後は重要になると考えています。誰もが使える汎用モデルで世界を制覇したいわけではなく、産業の現場で本当に使い物になるように、データ層と運用層をきちんと整備し、そこにサービスを展開していきたいです。
米 Palantir が編み出した フォワード・デプロイ・エンジニア（FDE）のモデルは生成 AI 時代にフィットしたモデルとしてお手本になりつつある。単なる常駐型の BPO ではなく、AI 基盤と組み合わせた開発支援モデルは、使えば使うほど AI 基盤が導入企業にフィットすることで離れがたい存在になっていく。
一回の納品で完結するフロー型のビジネスから、顧客の業務運用に入り込み、AI の精度を継続的に改善しながら対価を得るストック型のビジネスへ。モデル・データ・運用の三層をワンストップで提供できることが、新たな差別化になるという構想だ。
前編で野口氏が語った「コンサルティングが評価されている」という現実は、この文脈で理解できる。
AI の導入以前に業務プロセスを再設計し、データを AI レディな状態に整え、導入後も運用に伴走する。プラットフォームは器に過ぎず、その前後のコンサルティングと運用こそが価値の本体になっていく。
なぜ PoC 地獄は終わらないのか
FDE の話をさらに掘り下げると、野口氏の視点はモデルや方法論ではなく「責任」に向かった。AI システムを業務に実装する際、最も困難な問題は技術ではなく、誰がそのアウトプットに責任を持つのかという点だという。以下は私見としつつ、様々な現場をみている野口氏が語ってくれた。
——生成 AI の検証から先に進めない企業が多い
野口：そもそもなんですが、AI というものを本当の業務システムに適用するということを、誰もやったことがないわけです。AI システムの品質をどう担保するかというエンジニアリングを、誰も確立できていません。だからアウトプットの責任を誰が取るのかという課題が、ものすごく難しい問題として湧き上がっています。
——確かに最近では AI コーディングツールで誰でもエンジニア「っぽい」ことができるようになってしまった
野口：本当に何でも作れますよね。素人でもシステムが作れる。ただ、こうしたもので生成したコードは、大体7割くらいの品質です。通常のエンジニアリングでは、7割のものをテストしながら8割、9割と固めていく。
——素人の AI コーディングだけではその最後の詰めができない
野口：クラス設計をしてテストして、うまくいかない部分を直させると、クラス構造そのものが変わってしまう、なんてことがあるわけです。品質を積み上げられない。一発で70点を出す力はとんでもないが、業務システムとして品質を段階的に上げていくプロセスには向いていないのです。
——責任が曖昧だからプロダクションにいけない
野口：みんな PoC 地獄にしたくてしているわけではない。 本番システムに入れるということは、フェーズ移行のチェックテストがあり、リリース判定があり、誰が承認するのかという話になる。でも承認する側も、何をもって根拠として承認すればいいのか、誰も定式化できていない。AI システムを本番システムにもっていくというのは一筋縄ではいかないのです。
——前回、FDE のような伴走型のモデルがひとつの道筋になると話していた。それが最適解になるのか
野口：FDE についてよくある論調は、エンジニアが業務側に入り込んで一緒に作ることが大事だというもの。それはあくまで方法論の話です。
本質的には、業務側で責任が取れない状況でも使い続けなければならないのです。 だから微調整とチューニングを大前提にした AI システムを、メーカー側もユーザー側も一緒に運用するしかない。
——新たなグレーゾーンが生まれている
野口：責任分界点がものすごく曖昧になるリスクを、どう分担して新しいビジネスのスキームを作るか。その過渡期に FDE というあり方があると思いますね。
我々も AI が作ったものに「責任を取ります」とは言えない。かといってユーザー側にすべてを負わせるのは無責任です。だから我々が FDE 的に常駐し、業務を一緒に回しながらフレキシブルに成長させていく。これは内製化とも少し違う形になると思います。
従来の SI モデルでは、納品物の品質に対してベンダーが責任を負い、運用は顧客が行うという責任分界が明確だった。しかし AI での生成物は「完成」という視点がとても曖昧だ。野口氏の指摘するソースコードの検証もしかり、そもそも、実際の運用で「AI が育つ」という不思議な工程もある。利用する側のリテラシーも重要なポイントだ。
運用しながら精度を上げていく。その過程で出力された誤りの責任を誰が取るのか。この問いに対する業界標準の答えは、まだ存在しない。
野口氏が語る FDE の本質は、エンジニアを顧客先に送り込むことではない。 AI の品質に対する責任を、メーカーとユーザーが共同で引き受ける新しい関係の模索だ 。
PoC 地獄の本当の原因は技術の未熟さではなく、この責任モデルが未整備であることにある。
数百万エージェントが産業を変える
LLM を企業はどう活用すべきか。そのひとつの答えとしての AI エージェントはもう間違いない未来となっていくだろう。
しかしここまで野口氏が指摘するように、責任の曖昧さや独特の「AI を育てる」という感覚はまだまだレガシー企業にとってハードルの高い話題だ。そしてもうひとつ、大きな壁になっているのがセキュリティだろう。
企業にとって重要な情報を危険に晒すだけでなく、グローバルサービスに重要なワークフローを握られてしまうという懸念もある。
ここでポイントになるのが AI を安全に運用するための「ソブリン」という概念と、その先にある産業の姿だ。
2026年3月、デジタル庁は「ガバメント AI で試用する国内大規模言語モデル」として、NEC が提供する cotomi v3 を含む7つの国産 LLM を選定した。2026年5月から全省庁39機関・約18万人の政府職員を対象に、大規模実証が始まる。
国産 LLM がソブリン環境で実務に使われる最初の大規模事例になる。
野口氏にこうした国産、ソブリン AI の論点を尋ねると、単なるデータの国内保管という話ではなく、AI の設計思想そのものに関わる視点が返ってきた。
——ソブリン AI をどう捉えているか
野口：これも私見ですが、ソブリンには二つの文脈があると思っています。一つはコアなデータを安全・安心に運用する という話。もう一つは、AI は汎用的にすればするほど特化しづらくなるという問題です。マザーコンピューターのように一つの巨大なソブリン AI を作るのはナンセンスで、様々な LLM を安全・安心に動かせる プラットフォームを作るべきだと考えています。
コアなデータを入れる目的は二つあって、業務に特化させることと、個性を持たせること。例えば日本人ならではのおもてなしの心をサービスに持たせる。業務としての専門性と、文化的な性格性。この二軸でソブリンを捉えることが大事です。
——スキルや特徴、会社ごとにそれぞれのエージェントが多数活躍する未来がみえる
野口：AI 活用が前提となる業務設計がされていくことが前提になりますが、経理部門の AI エージェントというように業務単位で AI エージェントができていく。 汎用 AGI で全部解決できるという方向もあるかもしれませんがそれは遠い未来かもしれません。我々は特化させていく、個性を持たせていくという方向で捉えています。
——オンプレミスの社内サーバーに国産の AI エージェントが多数稼働しているような世界観
野口：オンプレという考え方は結局、データをどういう境界で守るかということです。製造業ならサプライチェーン全体でやるのか、リテール業界で手を組むのか。そのソブリンの境界を誰が設計するのかが、今後最も大事な議論になるでしょうね。
——これまで以上に適材適所、かつ国内でセキュアな環境で仕事をしてもらうというニーズが間違いなくでてくる
野口：cotomi が向いていることと、他の国産モデルが向いていることは違うわけです。NEC はお客様の実現したい姿を見極め、合う形で提供していく。ユーザーはそこを意識せず に、プラットフォーム側でユースケースやトラフィックに応じて cotomi に流す、他に流すとディスパッチされる形になると思います。今は各社が個社ごとに売り込んでいますが、いずれその概念は変わっていくでしょう。
AI エージェントほど、使ったことがある、自分で開発したことがある人と、そうでない人の差が激しいものはないかもしれない。
業務に合わせた AI エージェントを開発していくことは、途方もなく見える。 しかし野口氏が語るように汎用モデルを一つ作るより、業務ごとに特化したエージェントを大量に走らせる方が、現実的かつ合理的になる。
そしてこの構想は、単一企業の中だけでは完結しない。サプライチェーン全体、業界全体といった産業単位でソブリンの境界を設計し、その中で複数の LLM がユースケースに応じてディスパッチされる。自社の AI エージェントが業界の AI エージェントと繋がり、新たな価値を創造する。野口氏との会話で膨らんだイメージだ。
インタビューの終盤、野口氏の話は AI のビジネス活用を超えて、より大きな問いへと向かった。テクノロジー先行で走り続けてきた世界は、その先に何を作ろうとしているのか。
——日本の AI 戦略に何が必要か
野口：各企業のアイデンティティは分かれていくべきです。競争は必要ですし、どこに優位性を置くかは重要です。ただ、日本全体として共通でやらなければならないことがある。それは人材と文化の育成だと思っています。
——文化というのは
野口：シリコンバレーがすごいのは、テクノロジーに情熱を持った人材が集まっているからです。では日本は何で勝ってきたか。製造業の時代に、愚直に品質を追求する国民性が産業にフィットした。生成 AI の時代にも、日本ならではのやり方で実力をつけながら、世の中に問いかけていく。そういうことをやりたいと思っています。
「ワークフローが美しい国」が AI をどう使うのか。その答えは、シリコンバレーのコピーではなく、日本の産業文化の延長線上にある。野口氏たちの3年間の試行錯誤は、そのことを示している。
