AIはモデルではなく「一式」で売られる——AMD・Meta・OpenAI競争が迫る調達再設計

企業がAIを選ぶとき、モデル名だけを比較する時代が終わり始めています。2026年9月28日、AMDは空間知能を開発するWorld Labsを約82億ドルの全額株式交換で買収する最終合意を発表しました。同じ日、Metaは自社モデル、常駐型エージェント、顧客対応、API、コーディング支援をまとめた企業向け事業を始めると発表しました。

二つの動きに共通するのは、優れたモデルを単独で提供するより、計算資源、モデル、データ接続、本人確認、操作、監視を一式にした方が、導入を速めやすいという判断です。さらにThe Vergeは、OpenAIが常時稼働する消費者向けエージェントで競合を追う立場にあり、未発表の新サービスを巡る観測が広がっていると報じました。報道段階の名称や機能は確定事項ではありませんが、競争軸が回答品質から「日常のサービスへ何個つながり、何を終えられるか」へ移ったことは読み取れます。

日本企業にとって問題は、一社へまとめること自体ではありません。一式にすれば、接続や運用の立ち上げは速くなります。しかし、モデル、クラウド、顧客データ、権限、業務手順、評価方法まで同じ供給者へ結び付けると、成果が出ないと分かった後に一部だけを交換しにくくなります。本稿では、AIの調達単位がどう変わったのかを整理し、「速く始める」と「後から選び直す」を両立する七欄の調達票へ落とし込みます。

AMDの82億ドルは、モデルを買うより計算機の未来を先に知る投資です

AMDが買収で最終合意したWorld Labsは、ImageNetの構築で知られるフェイフェイ・リー博士らが2024年に設立した企業です。テキスト、画像、動画から操作できる三次元環境を生成し、再構成し、シミュレーションする空間知能を研究しています。ITmedia NEWSによると、同社は2026年9月、少数の画像から三次元空間を再構成する「Atlas」を発表しました。

買収額は約82億ドルで、取引は規制当局の承認などを条件に2026年末までの完了が見込まれています。ここで重要なのは、AMDが人気の生成サービスを一つ増やすためだけに買収するのではない点です。AMDは、推論、ロボティクス、フィジカルAIへ用途が広がると、計算基盤に求められる条件も変わると説明しています。モデルを設計する研究者を社内へ迎え、次世代モデルがどのメモリー、通信、演算、開発環境を必要とするかを、半導体のロードマップへ早く戻そうとしているのです。

リー博士は買収後、AMDの上級副社長兼チーフサイエンティストに就く予定です。World Labsのチームはモデル研究を続け、AMDはハードウェア、ソフトウェア、システム、モデルを覆うオープンなAIエコシステムを目指すとしています。もっとも、「オープン」という表現だけでは、モデルのライセンス、学習用データ、実行環境、他社GPUへの対応、出力の持ち出しやすさまで分かりません。買収発表は方向性を示しますが、利用企業が得る可搬性を保証するものではありません。

この買収は、AIの供給者が上下の層を近づける理由をよく示します。モデル側は専用に調整された計算基盤を得られ、半導体側は将来の負荷を早く理解できます。利用企業も、動作確認済みの組み合わせを一括で選べるため、初期の統合作業を減らせます。その代わり、性能の改善がモデル、コンパイラー、GPU、ドライバーのどこから生まれたかを分けて測らなければ、別構成へ移す判断が難しくなります。

Metaはモデル、エージェント、顧客接点を一つの企業向け商品へ束ねます

Metaが発表した「Meta Enterprise Platform」は、パーソナルAIエージェントのMuse、顧客対応向けのMeta Business Agent、Muse API、コーディング支援のMuse Codeなど、同社の技術スタックを企業や開発者へ提供する構想です。Metaはこれを次の主要事業の柱と位置付け、責任者にはMongoDBの社長兼CEOを務めていたチランタン・デサイ氏を迎えました。

発表時点では、料金、提供地域、開始時期、日本での展開は明らかにされていません。企業向け製品のセキュリティとプライバシーも、最初から組み込むという方針は示されましたが、個別の仕組みは未公表です。そのため、日本企業が今できるのは採用を決めることではなく、自社が何を質問するかを準備することです。

既存のMuseでは、利用者ごとの専用仮想マシン、エージェント本体から認証情報を隠す保管方法、外部操作や通信を別のエージェントが判断する仕組みが説明されています。会話や仮想マシン内のデータは広告システムと共有しない一方、主要な個人識別情報を取り除いた会話データを学習に使い、利用者が設定で拒否できるとされています。また、運用上必要な場合にMeta自身がデータへアクセスできる余地があり、それを減らす機密仮想マシンを年内に提供する計画も示されています。

一式の利点は分かりやすいです。顧客との会話、社内作業、コーディング、API接続を同じ本人情報と運用画面で管理できれば、企業は製品ごとに認証や監査を作り直さずに済みます。しかし、同じ統合は、会話履歴、顧客接点、実行権限、評価ログを一社の方式へ寄せます。利用開始時には便利でも、終了時にどの形式で取り出せるか、学習利用の設定が既存データへどう反映されるか、接続先の権限を一括で失効できるかが調達条件になります。

先日のAIをモデルの外側で止める三つの安全弁で整理したように、モデルの賢さと実行権限は別に管理する必要があります。今回さらに加わるのは、その安全弁を誰の製品で持つかという問いです。実行するエージェントと監視する仕組みが同じ企業の一式に含まれていても、利用企業側には別の監査記録と停止権限が必要です。

OpenAIを巡る競争は、強いモデルだけでは常駐エージェントに足りないと示します

The Vergeは、OpenAIが生成AIチャットを普及させた一方、常時稼働する消費者向けエージェントではMeta、Google、オープンソース系の競合を追う立場にあると分析しました。旅行予約、買い物、予定調整、書類作成、支払いといった仕事は、回答を生成するだけでは終わりません。外部サービスへ接続し、本人の状態を保持し、適切な時点で承認を求め、失敗から回復する必要があります。

同記事はOpenAIの次期エージェントに関する観測を扱っていますが、正式発表前の名称や提供内容はうわさとして区別する必要があります。確実に言えるのは、常駐エージェントの価値が、基盤モデルの能力だけで決まらないことです。使える外部サービス、設定の容易さ、利用料金、会話の入口、安全性、失敗後の復旧が組み合わさって初めて、一件の用事を終えられます。

これは企業向け調達にもそのまま当てはまります。「最新モデルを利用できる」という比較表だけでは、実運用の差を説明できません。同じモデルでも、社内文書を探す時間、認証を更新する手間、権限承認の回数、処理失敗後に人が直す時間が違えば、一件当たりの費用と完了率は変わります。逆に、モデル単体の得点が少し低くても、業務データの定義と接続が整い、戻し方が明確なら、実務では安定する場合があります。

前回のAI内製化を目的・状態・権限・完了条件の所有として捉える記事では、モデルを自作しなくても、仕事の途中状態を自社で保持できれば選び直せると整理しました。フルスタック化が進むほど、この原則は重要になります。全てを自社開発する必要はありませんが、供給者の画面がなくても、現在地、未処理、承認、成果物を読み出せる形にしておく必要があります。

人気のAI機能と投資成果が一致しないなら、調達票の主語を製品から仕事へ変えます

Gartnerのグローバル調査を紹介したITmedia エンタープライズの記事によると、AIを複数部門へ本格展開した組織、またはAIファーストの方法を採用した組織は22％でした。一方、部門リーダーの85％は2026年にAI支出を増やす予定と答え、2025年には部門予算の平均12％をAIへ充てていました。支出の増加と本格展開の間に、まだ大きな距離があります。

調査では、導入率が高い用途と、良い投資効果が報告された用途も一致しませんでした。経営層が推進する用途では、サイバーセキュリティの脅威検知・対応とITサービスデスク自動化がそれぞれ54％で上位でした。投資効果が高い用途では、IT資産・コスト最適化が40％で首位でした。両方の上位三つに入ったのは、コード生成とリファクタリング自動化だけです。

この調査は2026年1月から4月に、年間売上高5000万ドル以上の企業に所属する1303人を対象にしたもので、全ての日本企業へそのまま当てはめられるものではありません。それでも、人気の用途を買うことと、自社の成果が出る用途を見つけることが別だという警告には使えます。さらに、2025年のAI支出額を全く把握していない組織が約11％あったという結果は、一式の契約が増えるほど費用の内訳を見失いやすいことを示します。

MONOistの編集後記も、「AIを使っている」という表示だけで製品の魅力になるのかを問いかけました。AIは短時間で多くの案を出せますが、価値はAIを採用した事実ではなく、従来の発想を離れ、製品化できる案へつなげた工程にあります。企業向けAIも同じです。モデル名やエージェント数ではなく、誰のどの仕事が、どの条件で、以前より良く終わったかを示さなければなりません。

一式を導入する前に、調達票の行を「Meta」「OpenAI」「AMD」のような企業名にせず、「問い合わせを解決する」「見積もりを承認する」「設計案を比較する」という仕事にします。列には次の七項目を置きます。

欄	導入前に固定する内容	一式へ任せても自社に残す記録
完了	何が終われば一件か	成果物、受入条件、未完理由
計算・モデル	必要な性能と応答時間	利用モデル版、処理時間、切替結果
データ	読んでよい情報と鮮度	出典、更新時刻、削除期限
身元・権限	誰の代理で何をできるか	委任者、承認、失効履歴
実行	外部へ行える操作	操作先、上限、取消方法
測定	改善を何で判断するか	基準線、完了率、手直し、総費用
退出	契約終了時に何を戻すか	データ形式、状態、ログ、移行期限

七欄を埋めると、一社の統合製品を使う場合でも、どこまでをサービスへ任せ、何を自社の資産として保持するかが見えます。反対に、空欄のまま「エージェントが全部やる」と書くと、導入後に測れない部分と外せない部分が重なります。

日本企業の現場では、AIを入れる前のファイルが既に一式化しています

＠ITが報じたNTTデータビジネスブレインズの調査では、営業事務経験が3年以上ある実務担当者221人のうち、誰が作ったか分からないマクロや複雑な関数の解読・修正に苦労した経験が「よくある」「たまにある」と答えた割合は64.2％でした。特定の担当者が休むと業務が回らないと感じる人も52.3％でした。

この調査は一社による221人のインターネット調査であり、日本の全職場を代表する値ではありません。ただし、AI導入で起きやすい順序の逆転を具体的に示します。業務の目的、入力規則、最新版、計算根拠が分からないまま、エージェントへファイル操作を任せても、属人化は解消しません。人しか分からなかった謎マクロが、供給者の画面の中で動く謎の自動処理へ変わるだけです。

だからといって、全てのExcelを廃止してからAIを始める必要はありません。一件だけを選び、どのセルを読み、何を出し、誰が承認し、失敗時にどの版へ戻るかを書き出します。そのうえでAIへ任せる範囲を限定すれば、古い業務を観察する道具として使えます。AIは属人化を魔法のように消すものではなく、曖昧さを発見して外へ出すための作業者として使う方が安全です。

30日で「一式を買う前の一件」を再現します

最初の一週間は、導入候補の製品比較を止め、対象業務を一件だけ選びます。問い合わせへの回答、月次集計、見積書の下書きなど、開始と終了が分かる仕事が向いています。現在の所要時間だけでなく、待ち時間、差し戻し、確認者、失敗時の復旧時間まで測ります。これがAI導入前の基準線です。

二週目は、七欄のうち完了、データ、身元・権限を先に埋めます。AIへ渡せる文書を増やす前に、読む必要のない情報を外します。外部サービスへの接続も一つに絞り、承認なしで実行できる操作の上限を決めます。フルスタック製品の機能を全て有効にするのではなく、仕事一件に必要な最小構成で始めます。

三週目は、同じ入力を別のモデル、手作業、または接続を切った状態でも処理します。目的は製品同士の総合順位を作ることではありません。モデルを交換できる部分、供給者固有の接続に依存する部分、自社データの不足で失敗する部分を分けることです。停止、権限拒否、古い文書、外部サービス障害も一回ずつ入れ、未完の状態を人へ戻せるか確かめます。

四週目は、完了率、正確さ、手直し時間、総費用、復旧時間を並べます。以前のAI価値課金を七欄の受入票で設計する記事で扱ったように、成果は利用回数ではなく、全条件を満たして終わった一件で数えます。同時に、契約を終了したと仮定して、履歴、途中状態、成果物、権限一覧を取り出します。出力できない項目があれば、値引き交渉より先に移行条件を契約へ加えます。

この30日試験で一式の価値が確認できたなら、統合を恐れる必要はありません。毎回の接続、監視、更新を供給者へ任せることは、限られた人員で成果を出す合理的な選択です。ただし、任せる範囲は七欄で見えるようにし、少なくとも完了条件、権限、測定、退出の記録は自社へ残します。

主な出典

• ITmedia NEWS「AMD、フェイフェイ・リー博士のWorld Labsを約82億ドルで買収へ」
• The Verge「AMD is acquiring AI company World Labs in a deal worth more than $8 billion」
• ITmedia NEWS「Meta、企業向けAI事業『Meta Enterprise Platform』を開始」
• The Verge「OpenAI’s AI agents need to catch up」
• ITmedia エンタープライズ「最も人気のAIユースケース、投資成果では“いまいち”だった」
• ＠IT「6割超が『前任者の謎マクロ・関数』に苦労」
• MONOist「『○○にAI使ってます』だけで、製品の魅力になるのか？」

結論——一社へまとめるなら、仕事の定義は自社へ残します

AIはモデル単体から、計算資源、データ、本人確認、外部操作、監視までを束ねた商品へ変わっています。一式で買えば導入は速くなります。それは避けるべき罠ではなく、統合作業を供給者へ任せる正当な価値です。ただし、その速さは、何が終わったかを測れ、途中状態を読み出せ、必要なら一部を交換できるときに初めて自社の力になります。

次のAI比較会議では、どのモデルが最も賢いかを尋ねる前に、「この一式を外した翌日も、一件の仕事を別の方法で再開できるか」と問いかけてみてはどうでしょうか。AIの調達で守るべきものは、特定の製品を使い続ける自由ではなく、成果を確かめながら次の組み合わせを選び直せる自由です。