AI動向レポート 2026年2月版

2026年2月時点で、AI業界では7つの構造変化が並行して進行中

配布チャネル（開発者API vs 製品埋め込み）とモデル公開度（プロプライエタリ vs オープンソース）の2軸で各社を配置。プロプライエタリ＝自社独自の非公開モデル、オープンソース＝ソースコードを公開し誰でも利用可能なモデル

11ヶ月で起きた最大の変化：(1)全社がエージェント化に舵を切った（OpenAI Agent、MS Agent Framework） (2)資金調達が巨大化（Anthropic $43B累計、xAI $20B） (3)米中対立が蒸留問題で新局面に（2026/2告発） (4)業界再編が加速（SpaceX-xAI合併$1.25兆）

最大の変化は「生成（Copilot）」から「実行（Agent）」への重心移動。モデル性能の差は縮小し（MMLU差0.3pt）、価値のボトルネックは「統合・運用・ガバナンス」に移った。以下の5つはこのボトルネック上の事業機会

7つの構造変化の中心にいるOpenAIから、各社の戦略を見ていく

規模は圧倒的だが本番稼働率31%が課題

OpenAIの「規模で勝つ」戦略に対し、Anthropicは異なるアプローチを取る

テクノロジー企業史上最速の成長を達成

Anthropicの「安全x成長」路線とは対照的に、Googleは垂直統合で勝負する

インフラ~モデル~プロダクトの垂直統合で「到達規模」を武器にする

プロプライエタリモデルを自社開発する各社とは異なり、Microsoftは配布力で勝負する

既存のOffice/Azure/GitHub/Windowsの圧倒的配布基盤でエージェントOSへ転換

プロプライエタリ vs オープンソースの対比で、Metaは後者の最大勢力として存在する

オープンソースで「AIのAndroid」を狙い、広告エコシステムで間接的に収益化

既存のクラウド企業とは全く異なる路線を取るのがMuskエコシステムのxAIだ

SpaceX合併で宇宙インフラを取り込み、「軌道」をAI基盤に追加

クラウドインフラの覇者であるAmazon/AWSは、全方位展開でAI基盤を提供する

自社モデル+マルチモデルマーケットプレイスの両面展開。投資先との利益相反が課題

独自モデル開発を進める各社とは逆の戦略を取るのがAppleだ

LLMはコモディティ化するという逆張り。20億台のデバイスが最大の武器

中国AI企業は全社がMoE（Mixture of Experts：必要な部分だけ計算する効率的なモデル構造）に収斂し、API料金を米国の1/6〜1/10に抑えることで「低コスト×高速普及」モデルを確立した

プロプライエタリ（自社非公開）モデルとOSS（オープンソース）モデルの性能差が0.3ptまで縮小し、モデル選択の基準が「性能」から「コスト・プライバシー・カスタマイズ性」に構造的に移行

グローバルプレイヤーの動きを踏まえ、日本市場特有の機会と課題を見る

効果創出ギャップと人材不足が最大の構造的課題

7軸で比較すると、3つの共通傾向が見える ── 全社がエージェントを戦略の中核に据え、MCPが接続標準として収斂し、原子力PPAが計算資源確保の共通解になりつつある

ヒートマップの差分は偶然ではなく、規制環境・収益モデル・知的財産の3つの構造的要因が各社の戦略方向を規定している

米国と中国の8軸比較: 非対称的な競争構造

AI半導体は「米国設計のフロンティア性能」「ハイパースケーラーの自社ASIC」「中国の国産量産」の三層構造に分化し、各層が異なる競争軸で覇権を争う

米国企業のAPI公開が、プロキシネットワーク経由の大規模蒸留（知識抽出）を可能にし、低コスト高品質モデルの構築→グローバルサウスでの影響力拡大という経路が形成された

米中AI競争には3つの逆説的フィードバックループがあり、制裁が効率化を促し、産業界が規制緩和を求め、API開放が知識流出を招く ── いずれも意図と逆の結果を生む構造

AI規制は米国（産業振興・最小規制）、EU（権利保護・最大7%罰則）、中国（国家管理・核心価値観整合）、日本（推進法・罰則なしソフトロー）の四極に分裂し、グローバル企業は全てに同時対応を迫られる

企業分析から全体像に視点を引き上げると、技術の普及段階と課題の構造が見えてくる。

普及技術を3層スタックで整理。色の濃さが普及段階を示す。

技術スタックが揃っても、エージェントの信頼性が運用の最大障壁になっている。

各ステップ95%の信頼性でも、複数ステップの全体成功率は急速に低下する。

エージェントの接続基盤として、MCPが事実上の標準を確立しつつある。

エコシステムの急成長とセキュリティリスクが同時に拡大。

MCPによる接続が標準化される一方、推論コストの急落がAI経済の構造を根本から変えている。

GPT-3.5相当性能の価格が$20から$0.07/Mtokへ。年率10〜200倍ペースで低下継続。

推論コスト低下でAI利用が爆発的に拡大する中、セキュリティリスクも指数的に増大している。

OWASP Top 10 for LLM 2025を3層に再分類。各層で攻撃が高度化。

3レイヤーの脅威が同時に進行する中、攻撃と防御の速度格差が決定的に拡大している。

AI支援の攻撃側 vs 従来型プロセスの防御側。ギャップは数百〜数千倍。

セキュリティリスクだけでなく、投資と成果の間にも構造的な断絶が存在する。

AI投資は92%が拡大する一方、P&L（損益）への迅速なインパクトは5%のみ。「投資する」と「価値を出す」の間に歩留まりの急激な低下がある。

投資ファネルが示す歩留まりの低さの背景には、見えないコスト構造がある。

テクノロジーコストの急落に対し、組織的コストは構造的に残存する。

コスト構造の氷山を踏まえた上で、AIが業務の各タスクにどう影響するかを見ていく。

8部門の「減りやすい業務」と「増えやすい業務」を対比。完全な職種消滅ではなくタスク配分の変化。

業務別影響を踏まえると、個人と組織で効果の出方が大きく異なる「パラドックス」が浮かぶ。

ソフトウェア開発で最も鮮明に現れる、個人 vs 組織 vs マクロの乖離。

生産性パラドックスの帰結として、AI代替による人員削減の失敗事例が積み上がっている。

Klarna事例に象徴されるAI解雇の「期待と現実」。

AI解雇の実態を含め、現在の課題構造を踏まえると、将来は4つのシナリオに分岐する。

短期・中期・長期・逆風の4シナリオと、それぞれの観測ポイント・企業の勝ち筋。

将来シナリオの中で、日本固有の機会と課題を5テーマで整理する。

効果実感「期待を大きく上回る」日本10% vs 米国45%のギャップ。

ここまでの分析から見えてきた事業機会を、構造的に整理する。

MECE（漏れなくダブりなく）に7層を定義し、下から上に積み上げ。各層に代表プレイヤーと市場規模を表示。

7層フレームワークの上位2つの事業機会を深掘りする。

AgentOps層と文脈レイヤ層が、エージェント運用の必須インフラとして急成長。

7層フレームワークの中間3層にも、規模の大きい事業機会が存在する。

機会3〜5: 規制対応の省力化、推論コスト革命、防御側の市場。

7層フレームワークの最下層に位置する2つの機会は、特に日本が強みを発揮できる領域。

ロボティクスの蓄積 x AI、そしてスキル3段階進化モデル。

事業機会を踏まえ、まず最初の0〜3ヶ月で何をすべきかを具体化する。

パイロットの95%が失敗する世界では、スコープ限定とガバナンス先行が最も合理的。

短期5手を実行した上で、3ヶ月以降の中期・長期アクションへ接続する。

中期（3-12ヶ月）は基盤化とKPI化、長期（1-3年）は職務再設計と規制の商品化。

最後に、各仮説が当たったと言えるかの判断基準を18指標で定義する。

企業動向・規制・技術・市場の4カテゴリで監視ポイントを一覧化。