3行でいうと

  • 政府は特化型AIを「バーティカルAI」と呼び、データ・モデル・アプリを垂直に組んだ、領域特化の仕組みと位置づけている。
  • 人工知能基本計画（第Ⅱ期）は2026年7月14日に閣議決定。現場のデータを生かす領域特化型とフィジカルAIに重点を置く。
  • 古川デジタル相の「データが勝負」発言は、本文が会員限定で、見出しと冒頭しか確認できていない。
  • 課題として、機密情報の国外流出や、個人情報の保護との両立が計画に書かれている。

2026年10月2日、古川デジタル相が特化型AIの開発推進について「データが勝負」と述べた、と報じられました。この記事では、「特化型AI」が何を指すのか、政府や経産省、AISIが実際に何を出しているのかを、確認できた範囲で書きます。

まず結論と、確認できなかった点

先に、確かめられたことと、できなかったことを書いておきます。

「特化型」と「汎用」は、何が違うのか

汎用の大規模モデルは、質問応答、翻訳、文章作成、コード生成など、幅広い仕事を1つのモデルでこなすように作られています。ChatGPTやClaudeのようなモデルが、これにあたります。

特化型は、ある業界や、ある仕事に絞ったAIです。野村総合研究所（NRI）は、小規模なベースモデルに専門知識を追加で学習させて作るもの、と説明しています。汎用モデルは、業界の専門知識や社内の用語、業界特有の規制には限界がある、というのがNRIの見方です。少ないパラメータ数で精度と運用費の両立を狙える、ともしています。これはNRIの説明で、数字による検証は読めていません。

汎用の大規模モデル 特化型（バーティカル）AI
得意なこと 幅広い質問への対応 決まった業界・業務での精度
作り方の例 大量の一般データで学習 小さめのモデルに専門データを追加学習
強みの源 モデルの大きさ、計算資源 その分野のデータ
弱み 業界固有の知識・ルールに弱いことがある 範囲の外では使えない

「バーティカル」は「垂直」という意味です。特定の縦割りの領域（医療、製造など）に深く入るAIだから、そう呼ばれます。

政府の定義は「モデル」だけではない

政府の人工知能基本計画（第Ⅱ期）は、バーティカルAIを「データ、モデル、アプリを垂直統合した領域特化型システム」と位置づけています（要約です）。モデルの話だけではなく、データから画面までをひとまとまりで作る、という書き方です。

政府・経産省・AISIが、実際に出したもの

確認できた事実を、日付順に並べます。

日付 出したところ 内容 確認の度合い
2026年5月14日 AISI 「データ品質マネジメントガイドブック」の版1.02（初版は2025年3月31日） AISIの公式ページ
2026年7月7日 AISI 「AIセーフティに関する評価観点ガイド」第1.20版 AISIのトップページの掲載
2026年7月14日 内閣府 「人工知能基本計画（第Ⅱ期）」を閣議決定 内閣府の公式ページ
2026年7月23日 AISI 「AIロボティクスに関するセーフティ評価観点ガイド」 AISIのトップページの掲載
2026年8月5日 経産省 組織の改正。ロボットとAI・情報処理の担当を一つの課に 報道（政令の原文は読めていません）
2026年9月18日 デジタル庁 古川デジタル相の就任会見 報道
2026年10月2日 日刊薬業 古川デジタル相のインタビュー 見出しと冒頭のみ

AI基本計画（第Ⅱ期）

AI法（AI推進法）にもとづく計画の第Ⅰ期は2025年12月に決まり、第Ⅱ期は2026年7月14日に閣議決定されました（決定日は内閣府のページ、第Ⅰ期の日付は報道記事によります）。計画の本文から、今回のテーマに関わる点を拾います。いずれも要約です。

  • 日本の「勝ち筋」として、現場の経験や、言葉にしにくい「暗黙知」をデータとして集める領域特化型のバーティカルAIと、現実の機器を動かす「フィジカルAI」に重点を置く、とあります。
  • 医療、教育、農林水産業、建設などの準公共分野と、産業・研究分野にある質の高いデータを、勝ち筋として生かす方針です。営業秘密の流出リスクに備えながら、データ連携基盤を作るとしています。
  • 製造業の素材産業や造船のような、暗黙知の多い現場への導入を進める、とあります。
  • 政府機関が持つデータを、機械が読める形に整える、という項目もあります。

電波デジタルの報道によると、重点支援の領域は19あり、市場性・公共性・戦略性の観点で選ばれ、製造、創薬、教育、警察などが入っています。改定案は7月10日の人工知能戦略本部で決まったと報じられています。

経産省の新しい課

ここは、名前が揺れています。

  • Innovatopiaの記事によると、2026年8月5日の組織令の改正で、「情報処理システム開発・ロボット課」が新設されました。ロボット関連の事務が製造産業局から商務情報政策局に移り、情報処理技術の研究開発事務と合わさった、という説明です。
  • 経産省が対外的に「AI産業課」を通称として併記している、とも書かれています。
  • 別の解説記事は、通称を「AI産業戦略課」とし、8月7日付で経産省が名称を正した、と書いています。

つまり、「AI産業戦略課」という名前は、僕らが確かめられた範囲では、一次の資料に見つかりませんでした。経産省の発表や政令の原文は、今回は読めていません。名前は正式名称で確認するのが安全です。「AIとロボットの担当が一本化された」という点は、2つの記事で一致しています。

AISIの出しているもの

AISI（AIセーフティ・インスティテュート）は、安全で信頼できるAIの実現に向けて、評価の方法や基準を検討する組織です。出しているものは、ガイドや手引きです。

特化型AIとの関係で目を引くのは、データ品質マネジメントガイドブックです。ガイドブックには「データはAIの土台で、質の高いデータで学習したときに適切な出力が得られる」という趣旨が書かれています。「データが勝負」と通じる内容ですが、古川デジタル相の発言と結びつけたのは僕らで、AISIがそう言っているわけではありません。

「データが勝負」の意味

古川デジタル相の発言について、確認できた事実は少ないです。

この範囲からは、「汎用の大規模モデルで米中と正面から競うのではなく、日本の現場のデータを生かせる分野で勝負する」という方向が読み取れます。ただし、これは基本計画の書き方と見出しからの読み取りで、大臣本人の説明の全文は確認できていません。

課題として書かれていること

基本計画の本文には、データの課題も書かれています。

個人情報については、計画に、統計作成などのAI開発に限って本人の同意を不要にする特例制度を作る、という項目があります。この制度が実際に法律として成立しているかは、確認できませんでした。

医療は、とくに慎重さが要る分野です。厚生労働省の2024年12月19日付の事務連絡は、医療データの活用について、機微性が高く、個人が特定されると権利侵害につながるおそれがあることと、医学の発展に役立つ資源であることの両立が課題だ、という趣旨を述べています。そのうえで、診療データから仮名加工情報を作る場合の考え方を示しています。

個人や小さな会社が「特化」を試すなら

ここからは事実ではなく、見立てです。この記事は、実際に使って確かめた記録ではありません。

政府の言う特化型AIは、国家規模の投資の話です。ただ、「自分たちのデータで、狭い仕事に絞る」という考え方は、小さな規模にも当てはめられます。

  1. まずデータを整える。 議事録、見積書、問い合わせの履歴、手順書など、自分の仕事のデータを、読める形で集めます。AISIのデータ品質ガイドブックは、チェックの観点を探すときの参考になりそうです。
  2. 最初は追加学習でなく、検索から。 手元の文書を検索して、モデルに渡す方法（RAG）のほうが、準備が軽く済みます。ローカルでのやり方は、別の回で書いています。
  3. 追加学習をするなら、LoRA。 LoRAは、元のモデルの重みを固定し、小さな追加部分だけを学習する方法です。Hugging Faceの解説では、全部を更新する方法より、学習するパラメータ数とメモリが大きく減る、とされています。同じ元モデルから、用途別の軽い追加部分を複数作れる点も利点です。
  4. 狭い仕事に絞る。 「請求書から項目を抜き出す」「社内用語で問い合わせを分類する」のように、答えを確認しやすい仕事が向いていそうです。
  5. データはローカルに置く。 顧客の個人情報や社外秘を扱うなら、外に出さずに済む点が、ローカルで動かす理由になります。

注意点もあります。

見立てのまとめ

一方で、政策の評価は、僕らにはできません。計画は始まったばかりで、成果が出るかどうかは、これからの公開資料を見ていく必要があります。

出典

更新履歴