行政AIが国産LLMに舵を切る──現場が変わるとき、必ず先に「基準」が変わる

松本デジタル相が2026年7月、政府の生成AI基盤「源内」に国産LLMを導入する方針を公表した。トヨタに24年いたぼくの感覚でいうと、これは「行政がAIの調達基準を変えた」というニュースです。そして調達基準が変わるとき、現場は必ずついてくる。

これまで日本の行政機関は、OpenAIのGPT系やGoogleのGeminiといった海外製モデルに依存してきた。でも今回の決定で、行政データを扱う基幹システムから海外クラウドへのデータ流出リスクを、大幅に減らせるようになる。

「データ主権」って、難しそうな言葉ですよね。でも中身はシンプルで、「自分の国のデータは、自分の国で管理する」ということです。工場でいうなら、設計図を外の会社のサーバーに置いておくのか、自社の金庫に入れておくのか、という話。行政がこの判断を示すことで、民間企業も「うちのAI選定、そろそろ見直さないと」という空気になってくる。

この記事では、源内の国産LLM導入がもたらす3つの影響を整理して、あなたの会社が今すぐ確認すべきことを伝えます。

「源内」とは──各省庁が「借り出せる」政府共通のAI部品倉庫

源内は、内閣府が主導する政府共通のAI基盤です。工場の「部品倉庫」にたとえるなら、各省庁がそこから必要なAI能力を借り出す仕組みです。

これまで各省庁は個別にAIツールを導入していました。その結果、セキュリティ監査、コスト管理、モデル更新の負担がバラバラになって、かえって非効率になっていた。源内は、この分散状態を一元管理することで、統一されたセキュリティポリシーと一貫した信頼性を実現しようとしています。

2026年中の本格稼働を目指し、現在パイロット運用が進められています。約50の省庁・自治体がテスト参加を予定しています。

NTTデータ・富士通・PFNが組む理由──これは「国家プロジェクト化」のサインです

源内に国産LLMを採用する方針のもとで、NTTデータ、富士通、Preferred Networks（PFN）の3社が主要開発パートナーとして参画します。

NTTデータは日本最大級のシステムインテグレーターで、行政システムとの接続実績が豊富。富士通は日本企業向けAIソリューションの経験が深い。PFNは機械学習の専門集団として、独自の日本語処理能力を持っています。

この3社の組み合わせは、偶然じゃないんです。グローバルなAI企業に対抗する「日本産LLMの国家プロジェクト化」を意味しています。かつて大型スーパーコンピュータ開発で複数企業が団結したのと同じ戦略です。

民間企業の目線でいうと、「国産LLMが国のお墨付きをもらいながら、急速に育っていく」という流れが、ここからはっきり見えてきます。

データ主権──「設計図を他社のサーバーに置いていいか」という問いと同じです

行政がAIモデルを選ぶとき、最優先する要件はセキュリティとデータ主権です。税務情報、社会保障データ、公共施設の運用情報など、国家に関わるセンシティブなデータを、海外のクラウドに置くわけにはいかない。

海外製LLMの場合、利用ログやファインチューニングデータが米国やシンガポールなど、日本国外のサーバーに保存される可能性があります。GDPR（欧州一般データ保護規則）のような厳格なルールがない日本では、こうしたリスクへの法的な歯止めがまだ弱い状態です。

国産LLMなら、データは国内に留まります。ライセンスも日本企業が管理できて、政府の政策変更に即座に対応できる。こうした現実的な理由から、松本大臣は国産LLM導入を決定しました。

「Made in Japan」のブランドイメージの話じゃなくて、国家機能を守るための実務的な選択です。これ、製造業の「内製か外注か」の判断とまったく同じ構造だと思っています。

官公庁が基準を上げると、サプライチェーン全体に伝わってくる

行政がセキュリティ基準を厳しくすると、その基準は民間企業にも波及してきます。なぜかというと、あなたの会社のサプライチェーンに政府機関が含まれているから。

たとえば、官公庁と取引している会社なら、「データ保護ポリシーはどうなっていますか」「使用しているLLMのモデルはどこで管理されていますか」と聞かれる場面が、これから確実に増えてきます。

2026年後半から、官公庁の調達基準が「国産LLM導入企業を優遇」する傾向が強まっていくと見ています。建設業の許可証みたいな強制力じゃなくて、「優先採用」というソフトな圧力ですが、長期的には市場を大きく変えます。トヨタで仕入先管理をやっていた経験からいっても、「一次サプライヤーが基準を変えると、二次・三次にも必ず来る」んです。

確認ポイント①：あなたが使っているAIモデルの「所有者」と「管理者」は誰ですか

いま、ChatGPTやClaudeなどの海外製LLMを使っているなら、その契約書を引っ張り出して確認してください。

見ておきたいのはこの3点です。

・モデルは誰が所有しているか（OpenAI、Google、Anthropic等）
・データがどの国のサーバーに保存されるか
・企業が蓄積したファインチューニングデータは、後で取り戻せるか

たとえば、GPT-4を使ってカスタマイズしたモデルを構築している場合、その訓練データはOpenAIのサーバーに「学習済みパラメータ」として組み込まれます。その後、OpenAIが利用ポリシーを変更したら、あなたの会社はそのモデルの使用権を失う可能性すらある。

工場でいうなら、金型を他社に預けて使わせてもらっている状態です。相手の会社の都合で、ある日突然「返却できません」と言われかねない。AI時代のリスク管理として、ここは今すぐ確認しておくべきところです。

確認ポイント②：法律が変わったとき、あなたのAIベンダーは何週間で対応できますか

国産LLMの強みのひとつが、日本の法制度が変わったときにすぐ対応できることです。

たとえば、「AI利用企業には情報開示義務を課す」という新しい政令が出たとします。海外製LLM企業が対応するまで、数カ月かかることがある。一方、国産企業なら数週間で動けます。

コンプライアンス対応のスピードは、法務リスクに直結します。これまで「便利さ優先」でLLMを選んでいた会社も、これからは「規制への対応速度」を選定基準に入れる必要があります。

実際、金融機関や医療業界では、この観点から国産LLMへの関心が急速に高まっています。ぼくが製造業のお客様と話していても、同じ声をよく聞くようになってきました。

確認ポイント③：10年後にやめるとき、あなたの会社に「知識資産」は残りますか

国産LLMの大きな利点は、企業が「自分たちのルール」で改造・カスタマイズできることです。

たとえば、業界特有の用語や知識を大量に持っている会社なら、国産LLMにその知識をファインチューニングで組み込んで、社内専用のAIモデルを作れます。その改造データは全部、会社の資産として持ち続けられる。

一方、海外製LLMは利用規約に「訓練データの商用利用制限」などの条件があることが多く、改造したモデルの所有権が曖昧なまま提供企業に依存する形になりがちです。

つまり、10年後にそのLLMをやめるとき、積み上げてきた知識が自社に残るかどうかの話です。設備投資と同じで、「リース品か、自社所有か」という判断です。ここは経営判断として、早めに整理しておくといいと思っています。

行政AIの国産化が変える、実務の風景3つ

源内の導入がもたらす変化を、具体的な場面で見てみましょう。

1つ目は「税務申告書の自動判定」です。いま、税務署の職員は膨大な手書き申告書を目でチェックしています。国産LLMで訓練したモデルなら、日本語の複雑な記入ルールを正確に読み取って、8割以上の申告書を自動判定できるようになります。

年間1,500万件の税務申告処理の効率が、2倍以上に上がると試算されています。

2つ目は「福祉窓口の相談支援」です。各市町村の福祉課では、生活保護・児童手当・介護保険などの複雑な制度説明にたくさんの時間を使っています。国産LLMで訓練したAIなら、各自治体の条例や運用ルールを学習した上で、市民の質問に正確に答えられます。

3つ目は「公開情報の統合検索」です。いま、国民が政府機関のデータを調べるには複数のサイトを巡回する必要があります。国産LLMで構築した統合検索なら、「うちの地域の公共施設の予算とイベント情報」を一度の質問で取得できるようになります。

2026年後半以降、企業AIモデル市場はどう動くか

松本大臣の発表直後、国内のAI関連企業の株価は軒並み上昇しました。NTTデータ、富士通、PFNはもちろん、AI関連のスタートアップにも注目が集まっています。

一方、海外AI企業の日本代理店やコンサル企業は、ビジネスモデルの見直しを迫られています。「顧客企業がGPTから国産LLMへ乗り換える」という流れに対応する必要があるからです。

ぼくの見立てでは、2027年末までに日本国内のLLM利用者の約3割が国産モデルに切り替えます。2010年前後にスマートフォン市場でAndroidが急速にシェアを伸ばした動きと、構造がよく似ています。

企業の目線でいうと、今後1年が「モデル選定の戦略を変えるタイミング」です。

課題も正直に言います──国産LLMが乗り越えるべき2つの壁

全部うまくいく、とは言いません。国産LLM推進には、乗り越えるべき課題があります。

1つ目は「規模の経済」です。ChatGPTやGeminiは世界中で使われているため、開発コストを膨大なユーザーで分散できます。国産LLMは当初、日本国内ユーザーが中心になるので、開発コストが割高になる可能性があります。

ここを解決するため、政府は2026年度の予算で約100億円を国産LLM開発に配分する予定です。技術開発の加速と人材育成を同時に進めていく方針です。

2つ目は「多言語対応」です。グローバル企業は英語・中国語・スペイン語など複数言語で顧客と接しています。国産LLMが日本語特化のままでは、これらの企業は海外製モデルとの併用を迫られます。

ただ、NTTデータと富士通は既に多言語対応の研究開発を進めていて、2027年中には主要言語10以上に対応したモデルが登場する見通しです。一歩ずつですが、確実に前に進んでいます。

2026年中にやっておきたいこと──シンプルに3つです

じゃあ、あなたの会社は今から何をするか。やることは3つです。

第1に、いまのAI導入状況を棚卸しする。「どのシステムで何のLLMを使っているか」「年間ライセンス費用はいくらか」「契約書にはどんな制限条項があるか」を一覧にします。これ、やってみると「こんなにバラバラだったのか」と驚くことが多いんです。

第2に、国産LLMのパイロット導入を試してみる。NTTデータや富士通は既に企業向けの評価版を提供しています。2〜3ヶ月のトライアルで、海外製モデルとの性能比較やコスト試算ができます。使ってみないとわからないことが、必ずあります。

第3に、法務・コンプライアンス部門と話し合いの場を作る。「データ保護ポリシー」「知的財産の帰属」「規制対応のスピード」などの観点から、AI選定基準を社内で統一しておく。これ、後回しにすると必ずどこかでトラブルになります。

特に官公庁と取引がある会社は、来年度からの調達条件で「国産LLM対応」が求められる可能性が高い。早めに動き始めた会社が、ちょっとだけ有利になります。

国産LLMが日本の競争力を変える日

松本大臣の発表は、表面的には「行政向けAIの内製化」というニュースです。でもぼくは、日本が「AI時代のデジタル主権を取り戻す」という選択を明確にした、という意味で受け取っています。

これまで日本企業は、世界最先端のアメリカ産技術に依存することで開発スピードを優先してきました。それは正しい戦略でした。でも、AIが国家機能や企業の知的資産と直結した時代には、依存だけでは足りなくなってきた。

国産LLMの成熟は、日本企業が「自分たちの技術で自分たちのビジネスを守る」という道を歩き始めたサインです。

2026年後半から2027年にかけて、日本のAI市場は大きく動きます。ワクワクする変化だと、ぼくは思っています。一歩ずつ準備を始めた人が、その変化を楽しめます。

まとめ ─ これだけ覚えておけばいい

源内の国産LLM導入から、企業が学ぶべきことを3つに絞りました。

• ポイント1──データは「金型」と同じ、自社で持つか外に預けるか: 海外製LLMのデータ流出リスクは、官公庁との取引でハンディキャップになります。2026年中にライセンス契約を見直して、国産モデルの導入可能性を確認しておきましょう。
• ポイント2──法律が変わったとき、対応できるベンダーを選んでいますか: 日本の法制度が急速に変わる時代、規制への対応が速い国産LLMはコンプライアンスリスクを減らす実用的な武器になります。
• ポイント3──10年後も「自社の知識」として残るかどうか: ファインチューニングで積み上げた企業固有の知識資産は、国産LLMなら完全に自社のものにできます。設備投資と同じ目線で考えてほしいポイントです。

源内の国産化は、日本企業に「AI選定基準を根本から見直す」というチャンスを与えてくれました。面倒だと思わずに、ぜひこの機会に一歩踏み出してみてください。

出典・参考情報

• 松本デジタル相記者会見（2026年7月29日）「政府生成AI基盤『源内』国産LLM導入方針について」
• NTTデータ ニュースリリース「政府AIプロジェクト『源内』への参画について」（2026年7月）
• 富士通 技術情報「日本語特化型LLMモデルの性能評価」（2026年）
• Preferred Networks（PFN）「行政AI導入における機械学習の応用事例」（2026年）
• 内閣府デジタル庁 「AI戦略2026」公式資料
• 日本経済新聞「国産LLM、官民連携で急速成熟へ」（2026年7月30日）

用語集

• 生成AI基盤（Foundation Model）: 複数のAI機能を提供するための中核となるAIモデル。源内はこれに該当し、各省庁がそこから必要な機能を「借り出す」仕組みです。
• LLM（Large Language Model）: 数十億以上のパラメータを持つ大規模言語モデル。ChatGPTやGeminiなど、テキスト生成に使われます。
• ファインチューニング: 既存の学習済みモデルに、特定のタスクやドメイン知識を追加で学習させるプロセス。企業固有の知識を組み込むときに使います。
• データ主権: 自国内で生成・管理されたデータに対する管理権・所有権のこと。セキュリティと国家戦略の両面で大切な概念です。
• GDPR（一般データ保護規則）: 欧州連合（EU）が2018年に施行した個人データ保護の厳格なルール。日本には同等の法制度がまだ存在しません。
• サプライチェーン: 製造業や流通業における「部品調達→製造→販売」の一連の流れ。官公庁と取引がある企業は、その調達基準の影響を受けます。