ガバナンスは、モデルを選ぶところから始まる

新しいAIモデルが登場するたびに、「どのモデルが一番賢いのか」が話題になります。

推論性能、コーディング能力、長文処理、エージェント性能。数字だけを見れば、より高性能なモデルを使いたくなるのは自然です。

しかし、企業のAI活用で本当に必要なのは、常に最も高性能なAIを使うことでしょうか。

例えば、製造現場の日報を分類する仕事と、複雑な設備トラブルの原因を分析する仕事では、必要な能力が異なります。

文書から特定項目を抽出するAIと、複数のシステムを操作しながら自律的に業務を進めるAIでも、求めるCapabilityは同じではありません。

AIガバナンスというと、導入後に「何を禁止するか」「どの権限を制限するか」を考えるものと思われがちです。

しかし、その前に考えるべきことがあります。

そもそも、その業務にどの程度の能力を持つAIを当てるのか。

ガバナンスは、AIを導入した後の制限だけではありません。
業務に必要なCapabilityを定め、適切なモデルを選ぶところから始まります。

必要以上のCapabilityを持たせる必要はない

高性能なAIほど危険、という単純な話ではありません。

重要なのは、AIが持つCapabilityと、そのAIに与える環境を組み合わせて考えることです。

企業が見るべきなのは、

Capability × 権限 × アクセス範囲 × 自律性 × ツール

です。

例えば、高い推論能力を持つモデルでも、限られたデータを参照するだけの環境で利用する場合と、社内外のシステムへアクセスし、自らツールを選んで処理を実行する場合では、管理すべき範囲が異なります。

逆に、比較的小さなモデルでも、顧客データの更新や外部システムの操作まで許可すれば、それに応じた管理が必要になります。

つまり、「どのモデルを使うか」と「何をさせるか」は別々の判断ではありません。

必要な仕事に対して、必要なCapabilityと必要な権限をセットで設計する。

これがAIエージェント時代のモデル選定です。

OpenAIも、高度なサイバー能力を持つモデルについて、能力水準に応じてより強いSafeguardを組み合わせる考え方を示しています。

これは企業においても示唆的です。

能力の水準に応じて、任せ方や管理方法も変える。

モデル選定そのものが、ガバナンスの一部になるのです。

「必要十分なAI」を業務から逆算する

では、企業はどのようにモデルを選べばよいのでしょうか。

出発点は、モデルのランキングではなく業務です。

まず、

この業務でAIに何を判断させるのか。
どこまで複雑な推論が必要なのか。
どこまで自律的に行動させるのか。
どのデータやシステムへアクセスさせるのか。

を定義します。

そのうえで、その仕事を遂行するために必要なCapabilityを考えます。

例えばMicrosoftのPhi Silicaは、Windows PC上で動作するSmall Language Model（SLM）です。

すべての処理を巨大なクラウドモデルへ送るのではなく、用途に応じて端末上で処理することで、応答速度やデータの扱い方など異なる要件に対応する選択肢になります。

国内でも、リコーは日本語での業務利用を意識した独自AIモデルをAWS上で開発しています。

ここで重要なのは、SLMや独自モデルの方が優れているということではありません。

利用する業務、扱うデータ、必要な能力によって、適切なAIは変わるということです。

大規模モデルを使うべき仕事もあれば、より限定されたCapabilityで十分な仕事もあります。

OpenAIもエージェント構築のガイドで、高性能モデルで基準を確認したうえで、必要な精度を維持できる場合には、より小さなモデルへ置き換えるアプローチを紹介しています。

これは単なるコスト削減ではありません。

「その業務を遂行するために、本当に必要な能力はどこまでか」を見極める考え方です。

性能だけで選ばないことが、リスク設計につながる

AIモデルは今後も進化し続けます。

そのたびに「最新だから」「最も高性能だから」という理由だけでモデルを切り替えていては、企業側の判断基準がなくなってしまいます。

必要なのは、モデルを見る前に、業務側の要件を決めることです。

何を判断させるのか。
どこまで自律的に動かすのか。
何にアクセスさせるのか。
どの程度のCapabilityが必要なのか。

そのうえで、性能だけでなく、速度、コスト、データの扱い方、権限、リスクまで含めてモデルを選択する。

前回の記事では、AIエージェントに「誰の権限を、どこまで与えるのか」を取り上げました。

しかし、そのさらに手前には、

「その仕事に、そもそもどの程度の能力を持つAIを配置するのか」

という判断があります。

AIガバナンスは、導入したAIを後から制限することだけではありません。

業務から逆算し、必要十分なCapabilityを持つAIを選ぶところから始まります。

モデル選定は、単なる技術比較ではなく、
「どの能力をAIに持たせ、どの仕事を任せるか」という業務・ガバナンス設計なのです。

AIxができること

AIxは、AIを前提に企業の仕事・人材・組織のあり方を再設計し、実行まで支援する会社です。

独自のREWIREフレームワークを用いて、AI導入を単なるツール導入で終わらせず、業務プロセスや組織、人材まで含めて「AI時代にどう変えるべきか」を整理します。

人材領域では、企業やプロジェクトに必要なAI人材を定義し、適切な人材のマッチングやチーム組成まで支援しています。

AIモデルの選定においても、単純な性能比較ではなく、まずAIに任せる業務を定義し、必要なCapability、権限、アクセス範囲、自律性、コスト、リスクまで含めて、企業ごとに適したAI活用を設計します。

「どのモデルが一番優れているか」ではなく、「自社のこの業務には、どのAIが適しているか」から整理したい方は、ぜひAIxへご相談ください。

参考情報

OpenAI「A practical guide to building agents」 https://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/

OpenAI「Path to Astra: critical capabilities and frontier safeguards」 https://openai.com/ja-JP/index/path-to-astra/

Microsoft「Phi Silica Platform Card」 Microsoft公式

OpenAI「The builder’s guide to GPT-5.6」https://openai.com/ja-JP/index/builders-guide-to-gpt-5-6/

AWS「株式会社リコー 導入事例」https://aws.amazon.com/jp/solutions/case-studies/ricoh-case-study/