今朝、日経を開いたらAI関連の記事が5本並んでいた。
FTからの転載でオープンソースAIの台頭、ぐるなびのグルメAI、文科省の学習向けAI整備、清泉女子大学教授の「AI時代に代替されない人材」インタビュー、そして「やさしい経済学」連載でAIが職場にもたらす影響を扱った回。バラバラに見えたが、並べて読むと同じ話をしていた。
AIが4つの層を同時に横並び化している。
モデル、データ、思考、スキル。この4つの層で差が縮み、これまで差別化になっていたものがコモディティに落ちていく。5記事は、その4層のそれぞれで何が起きているかを別々の角度から報告していた。
本稿ではその4層を1枚の地図に整理し、そのうえで「横並び化の中で、代替されないものはどこに残るのか」を考える。
1. モデル層——先端2社の"性能プレミアム"が消えていく
1本目はFT米ウエストコースト・エディター、リチャード・ウォーターズ氏の寄稿「AIにオープンソース台頭」。
中国のDeepSeekが2025年初に「R1」を公開して業界を凍らせ、続いて中国の智譜AI（GLM 5.2）、日本のSakana AI（Fugu Ultra）と、先端モデルと同等の性能を出すオープンソースが立て続けに公開された。ベンチマーク上、いま最も広く使われる指標では、これらオープンソースモデルは米国の商用先端モデルと同等の水準に達している。
かつてマイクロソフトの元CEOが「オープンソースはがんだ」と発言したのは有名な話だ。商用ソフトが持つ知的財産の価値が、無料で配布される代替品によって毀損されるからだ。同じ構図が、いまAIの世界で反復している。
記事の核心はここだ。Anthropicらが用意する次世代の「フェイブル5」のような、従来モデルの倍の価格を取るプレミアム帯は、性能同等のオープンソースが選べる以上、顧客に説明しにくくなる。米企業は「用途特化」「エージェント機能」「ブランド」で差別化する方向に舵を切りつつある。
つまり、モデルの生地そのものは横並びに近づく。差はその上のレイヤーに移る。
これはAIビジネスに投資する側から見れば、先端モデルを持っていることそのものは差別化ではなくなるという警告だ。使い勝手、統合、業務接続、責任問題の扱い方——モデル層より上の「実装の工夫」に価値が上がる。
2. データ層——検索経路がAIエージェントに奪われる
2本目は「グルメAI」が飲食店提案という記事。ぐるなび、リクルート、食べログの各社が、ChatGPTやGoogleのAIモード検索に予約需要を奪われる危機感からAIエージェント連携を急いでいる。
ぐるなびは8月にAIエージェント連携アプリ「UMAMI（うまみー）」を開始する。ユーザーAとBがそれぞれ好みを持つAIエージェントを持ち、両者のエージェントが相互に交渉して「魚好き」と「肉の気分」を折衷して「割烹はどうかな」と提案する。SFのような話が業務化しつつある。
リクルートは「ホットペッパーグルメ」で予約歴・注文歴・位置情報を活用したAI提案の精度を上げる。食べログはリクエスト予約対象店を拡大し、AIが自動で店に電話をかけて用件を伝える半自動フローを整備する。
グラフィックには**「AIの参照する情報が異なる」**というひと目でわかる図が添えられていた。ChatGPT／Google AIモードはホームページ・チャット履歴・ネット書き込みを参照する。一方、グルメサイトは個人利用履歴・加盟店の実在情報を参照する。
つまり各社が守るのは、自社にしか蓄積されていない予約履歴と加盟店情報という排他的データだ。汎用AIが「Web上の書き込み」しか読めない限り、個人の予約履歴×リアルタイムの実在情報という2軸だけは奪えない。ここに差を残す設計を、既存プラットフォーマーは急いでいる。
Hakuhodo DY ONEの2025年11月調査によれば、AI検索を利用する人の比率は20代から40代まで3割を超える。この流量が既存の検索フローを迂回して直接AIに向かい始めた瞬間、既存プラットフォーム側は「AIに読まれる側」に落ちるか、「AIと組む側」に立つかの選択を迫られる。
これは飲食に限らない。AI検索経由の流入シェアが上がるあらゆる業界で、自社の排他的データを"AIに直接連携できる形"に整える動きが同時多発的に始まっている。
3. 教育・思考層——"答え"は届くが"考える経験"が消える
3本目は文科省が学習向けAIを整備する記事、4本目は清泉女子大学の安斎徹教授の「代替されない人材」インタビュー。この2本は同じ日、同じ紙面で、同じ問題の表裏を扱っていた。
文科省は2027年度の搭載を目指し、学習指導要領と教科書DB、研究資料DBを参照する専用学習アプリを整備する。基盤にはGPTやGeminiなど汎用AIを使う。設計思想は明確だ。「学年の水準に合わせて教える」「安易に答えを示さず考えさせる」——"まずヒント"で思考を促す設計になっている。
背景には、東京都の児童生徒でAI利用率が2024年時点で38％に達しているという事実がある。米国では11〜19歳の家庭学習でAI利用が広く進む。一方、フランスとノルウェーは9〜13歳での利用を原則禁止し、認知発達段階を踏まえた慎重論を守っている。AIを渡すか、止めるか。両極の実験が同時に走っている局面だ。
日本が採ろうとしているのは「渡すが、答えは直接返さない」という中間解である。この設計思想の根っこは、AIが"答え"を届ける効率と、人間が"考える経験"を残す設計は、そのままでは両立しないという認識にある。
同じ日の4本目、清泉女子大学の安斎教授インタビューは、大学教育の側からこの問題に答えていた。
安斎氏は一橋大学法学部卒、三菱信託銀行に28年勤め、51歳で大学教員に転じた博士だ。社会人経験の重さと学びの再設計を両方知っている人だから語れる言葉が並んでいた。清泉女子大学は2025年に「地球市民学部」を新設した。安斎氏は座学のインプット、フィールドワークでの五感を使った体験、卒業論文としてのアウトプットを一体で回すカリキュラムを設計している。
彼が繰り返し使った言葉は「泥臭さ」「五感」「試行錯誤の積み重ね」「失敗は若者の特権」だった。**AIに任せられるのは"整った情報の処理"であり、任せられないのは"現場で崩れる経験"**だという整理だ。
文科省の学習AIと、大学のフィールドワーク重視は、同じ問題への表と裏の答えだった。答えを効率よく届けることではなく、考える経験と失敗する経験を意識的に残すことが、教育の設計課題として明確に浮かび上がりつつある。
4. スキル層——できる人とできない人の差が縮む
5本目は「やさしい経済学」連載第8回、専修大学の森田公之准教授による「AIの活用が与える影響」。
横浜国立大学の澤田直樹准教授らの研究が紹介されていた。タクシー運転手にAIによる客探しサポートを導入すると、全体の生産性が上がっただけでなく、特に低スキル層の運転手の伸びが大きかったという結果だ。結果として、高スキル運転手と低スキル運転手のあいだの差が縮んだ。連載では「圧縮効果」と呼んでいる。
同じ回では、香港大学の伊藤秀哲氏の研究も紹介されている。AIが導入された組織では、上司から部下への権限委譲が進み、部下の裁量が増える。AIが判断の下地を作ってくれるので、上司が細かく指示しなくても現場が動けるようになる、という構造だ。
一方で、記事は負の側面も併記していた。生成AIを使う企業では、成果を出しやすくなる分、労働者が"低報酬の悪い仕事"を選びやすくなる傾向がある。AIが下駄を履かせる分、労働の単価は下がる方向に圧力がかかる、というレイヤーの警告だ。
この記事が突きつけているのは、個人が抱える「私はできる／私にはできない」というスキル差の物語が、AIによって下から急速に縮められているということだ。5年前まで「その仕事はあなたにしかできない」と言われていたスキルが、AIを併用した新人によって6割の質で再現されるようになる。"できる人"の相対価値が下がる構造が、労働経済学の実証データで見え始めている。
5. 4層はひとつの現象を別の角度から見ている
ここまで整理した4層は、無関係の話題ではない。
| 層 | AIが圧縮するもの | 記事 | |---|---|---| | モデル層 | 先端モデル性能／プレミアム価格の正当化 | ①FT寄稿・OSS台頭 | | データ層 | 検索経路／プラットフォーマーの流入シェア | ②グルメAI | | 教育・思考層 | 答えに至る時間／考える経験の総量 | ③文科省学習AI／④清泉女子大インタビュー | | スキル層 | できる人／できない人の差 | ⑤やさしい経済学⑧ |
4層すべてで、「これまで差だったものが、差でなくなっていく」。
モデル業界では性能差が薄まり、検索業界では自社データの排他性が消えていき、教育では思考プロセスがショートカットされ、労働現場ではスキル格差が圧縮される。
そして各記事に共通するのは、AIそのものを止められない前提で、"差を新しく作り直す設計"を始めているということだ。用途特化、排他的データ、まずヒント設計、フィールドワーク、権限委譲——語彙は違うが、いずれも「AIに預けた分、別の場所に人の関与を意識的に残す」という同じ思想でつながっている。
6. 共通する反撃パターン——「AIに任せた分、人が現場に立つ」
私はこの5記事から、AI時代の設計原則を1行で取り出せる気がしている。
AIに任せた分、人が現場に立つ。
- モデル層では、モデルの生地は任せて、用途と業務接続の工夫に人が立つ
- データ層では、Web検索は任せて、**顧客との実在接点（予約履歴・現場データ）**に人が立つ
- 教育・思考層では、答えの生成は任せて、問いの設計と経験のデザインに人が立つ
- スキル層では、実作業の一部を任せて、判断・責任・関係性の維持に人が立つ
「AIに任せる」と「人が立つ」は矛盾しない。任せるからこそ、人はもう1階段上の場所に立てる。逆に「任せない」と、人は下の階段に取り残される。
AIが横並びを作る速さと、人が上の階段に登り直す速さのレースが始まっている、というのが、この5記事の総論だと私は読んだ。
7. 4ペルソナで、この構造にどう立つか
SUNAOでは、この構造にペルソナを分けて向き合っている。5記事を4ペルソナの視点で読み直すと、それぞれの現場で何を設計すべきかが浮かんでくる。
Kane（教育）——"考える経験"を残す学び方の翻訳者
文科省の学習AIは「まずヒント」で思考を促す設計だ。同じ思想を、AIネイティブ世代の学び方として、家庭・塾・高校の現場に翻訳する必要がある。
- AIが答えを返してくる前に、一度は自分の言葉で言語化するワンステップを組み込む
- 志望理由書・小論文・総合型選抜——現場での失敗経験を素材として残す設計を意識する
- 保護者向けには「AIを使わせない」ではなく「AIとの距離感を親子で設計する」に軸を移す
Sena（キャリア）——横並び時代の"逆算"を設計する翻訳者
「私にしかできない仕事」の物語がAIによって崩れつつある中で、キャリア迷子はますます増える。だからこそBackcastの逆算メソッドが刺さる状況になっている。
- スキル差ではなく**"経験の設計"で差を残す**という語り口の再構築
- 泥臭い現場経験・失敗経験を、キャリアの資産として言語化する支援
- AI併用が前提の未来から逆算した「今日1つ動く」の翻訳
Hiro（法人AI）——中小企業のための"任せる／立つ"の設計者
オープンソースAIの追い風、AIエージェントによる集客革命、スキル圧縮効果による組織設計の変化——中小企業経営者にとって、5記事すべてが提案書のAppendixになる。
- AIに任せる領域と、社員が現場に立つ領域を切り分けて設計する採用AI内製化
- 権限委譲を前提にした組織図の描き直し
- 「AIを入れたが誰も使い続けない」問題を、"任せる／立つ"の設計不足として言語化する
Jiyon（投資）——横並び時代のバリュエーションを読む観察者
FT記事はAI関連銘柄の投資判断そのものに直結する。モデル層のプレミアムが正当化しにくくなるという構造圧力は、Anthropic大型IPOや米AI2社の相対バリューを読むうえで欠かせない材料だ。
- モデル層と応用層のマルチプル差の広がりを追う
- グルメAI記事のような「排他的データを持つ既存プラットフォーマー」の防衛戦を評価する
- 労働生産性の圧縮効果が効く産業（物流・小売・介護・タクシー等）で、AI導入企業のROIC変化を読む
4ペルソナは別々の領域で発信しているが、"AIが横並びを作る中で、どこに立ち直すか"という同じ問いに、それぞれの言語で答えている。5記事はその問いを、日経が1日で束にして紙面に載せた形になっていた。
8. 結び：地図を起こす仕事が、人に残る
SUNAOの事業ミッションは、こう定義している。
変化が速すぎて、自分で地図を起こせなくなった人／組織を、自走できる状態に戻す。
5記事を貫いているのは、AIが地図の"移動手段"を横並びに配ってしまうという事実だ。誰でも同じ性能のモデルを触れる、同じ検索経路で情報を取れる、同じ勉強効率を得られる、同じ生産性を出せる。
そこで消えないのは、地図そのものを"起こす"仕事だ。
- どの用途にモデルを当てるかを決めるのは人
- どの顧客との接点を排他的データとして育てるかを決めるのは人
- どの経験をあえて子どもに残すかを決めるのは人
- どのスキルを"AIに任せて自分は次の階段に登る"かを決めるのは人
AIは地図の中を高速に移動するが、地図そのものは、地図を必要とする当人が起こす必要がある。移動が横並びになるほど、地図を起こす人の相対価値は上がる。
これが、5記事を並べたときに浮かび上がった、AI時代における「代替されない」の再定義である。
SUNAOの4ペルソナは、教育・キャリア・法人AI・投資の4領域で、それぞれの当人が自分の地図を起こし直す作業に伴走するために存在している。5記事はそれぞれ違う業界の話だったが、根っこの問いは1つだった——横並びになった移動手段の上で、どうやって自分の地図を起こすか。
明日以降、この4層で世の中を眺めてみると、AI関連のニュースが少し違って見えるはずだ。
出典
- 「AIにオープンソース台頭／高まる汎用化リスク 先端の米2社に試練」Financial Times（リチャード・ウォーターズ、米ウエストコースト・エディター）／日本経済新聞 電子版 2026年6月26日付
- 「『グルメAI』が飲食店提案／ぐるなびなど、チャットGPT台頭で新手法／加盟店や履歴情報を活用」日本経済新聞 2026年7月1日（グラフィックス：荒川恵美子）
- 「文科省、学習向けAI整備／指導要領を参照、授業・宿題で活用／『まずヒント』で思考促す」および「人材育成 69校に支援金」日本経済新聞 2026年7月1日
- 「AI時代のフィールドワーク／代替されない人材育む／挑戦し新たな価値創造」清泉女子大学教授 安斎徹氏インタビュー／日本経済新聞「大学のいま Teaching & Learning」欄 2026年7月1日
- 「AIの活用が与える影響」やさしい経済学『やる気』のマネジメント 第8回／専修大学准教授 森田公之／日本経済新聞 2026年7月1日
