「すし職人をAI開発の輪に入れろ」──オードリー・タンが示した、日本が米中AI競争に勝てる理由
「勝つために、究極のAIを作る必要はない。すし職人を開発の輪に入れろ」
この言葉を、元台湾デジタル担当大臣のオードリー・タン氏が語った。ITmediaビジネスオンラインのインタビューに応じたもので、発言のインパクトより先に「意味を正確に取ること」が重要だと思う。これは比喩的な励ましではなく、AI開発の設計原則についての具体的な主張だ。
オードリー・タンが言った「勝ち筋」を整理する
タン氏の主張の骨格はシンプルだ。
米国のOpenAIやGoogle、中国のDeepSeekが莫大な資金とエネルギーを巨大モデルの性能向上に注ぐ中、日本がその土俵で戦う必要はない、と言っている。競争の軸は「巨大モデルの性能」ではなく、「どれだけ早くそれぞれの領域に入り込めるか」だというのがタン氏の見立てだ。
具体的に提示されたのがエッジAIの活用だ。「翻訳や通訳、要約や業務支援のような、毎日機能するが膨大なエネルギーを必要としないAIを、できるだけユーザーに近いエッジ側のコンピュータで演算させる」。そうすればサーバにデータを送る必要がなくなり、監視やプライバシーの問題も回避できる、という論理だ。
タン氏はこれを「電気が社会に普及する瞬間」にたとえた。電気は送電網がなければ届かないが、一度埋め込まれれば全ての車やデバイスを動かせる。AIも同様に、社会のあらゆる現場に組み込まれてはじめて機能する、という考え方だ。日本はいまその「電気が普及する瞬間」を迎えていると彼は言う。
2030年に19兆円とされる「フィジカルAI」市場の意味
背景として押さえておきたいのは、競争の戦場がすでに移動しつつある、という点だ。
AIの主戦場はクラウド上の巨大モデルから、ロボットやデバイスが動く「物理世界（フィジカル）」へとシフトしつつある。この「フィジカルAI」領域は、2030年に約19兆円規模に達すると予測されている。
ここで日本の立ち位置が変わる。クラウド基盤のモデル競争では資本力に劣る日本だが、世界屈指の製造ノウハウと現場力は、フィジカルAIにおける競争資源になりうる。センサー技術、精密加工、現場オペレーションの知識——これらはデータセンターの外側で価値を持つ。
「シリコンバレー主導の巨大モデルの競争から脱却して勝利をつかむための真の勝ち筋」という表現は、戦略論として一定の説得力がある。少なくとも「巨大モデルを作れない日本は負け」という見方を疑う根拠を与えてくれる。
「すし職人をループに入れる」の本当の意味
ここが今回のインタビューで最も実務的に重要な部分だ。
タン氏は「現場に近い人たちのためにAIをデザインするのではなく、その人たちと一緒にAIを作らなければならない」と言っている。漁師やすし職人のために一方的にAIを作ると、「これを使え」と強制する形になってしまう、というのが彼の懸念だ。
そして、こう続ける。「AIを人のループの中に入れるべきだ。実際の人間がニーズを定義し、AIはその補助的な役割を担う形でなければならない」。
「AIの処理ループに人間を組み込む」のではなく、「人間のループにAIを組み込む」——この順序の違いが、持続可能性を左右する、というのがタン氏の設計原則だ。
2025年に開催された「Sushi Hackathon 2025」は、スタンフォード大学と日本のECサイト支援企業GDXが共催したイベントで、優勝賞金は3万米ドル。東京・銀座の「鮨 あらい」の寿司を会場で振る舞った、という話は一種の象徴として機能している。漁業・食文化の現場をAI開発の文脈に接続しようとする試みであり、タン氏はそこに参加している。
AIおじさんとしての見方：これは精神論ではなく設計原則の話だ
ここからは解釈の話になる。
「現場をAI開発に巻き込む」という主張は、日本のDX文脈でも繰り返し語られてきた。が、タン氏の説明はそれとは少し違う角度から来ている。
タン氏が「上からの強制DX」を批判するとき、その根拠は文化論ではなく設計論だ。「AIの処理ループは非常に高速で、一度動き出すと方向を変えるのが難しい。もし元のソリューションに固定化されてしまうと、ある時点でそのソリューション自体から新たな問題が発生し、持続可能性を保てなくなる」——これは開発側が現場の声を反映できない構造的問題を指している。
要するに、現場のインプットを設計初期から入れておかないと、後から修正コストが爆発する、という話だ。DXプロジェクトが「現場で使われない」「定着しない」という形で失敗するメカニズムの説明として、これは相当に正確だと思う。
台湾でも日本でも「一元化されたソリューションは受け入れられない」という指摘も注目に値する。人々は会話の完全性やプライバシーを大切にしており、支払いデータを政府に全て把握されることへの抵抗がある、という。タン氏が言う「日本や台湾で通用しないやり方」とは、中国型の監視モデルや、シリコンバレー型のデータ集権モデルの両方を含意している可能性がある。
「Visit Japan Web」を例に出したのは面白い。スマホで完結し、インターネット接続がない状態でも表示でき、いつアプリを開いたかを政府が追跡できない設計——これがエッジAI的発想の実例として機能している。
実務に落とすと何が変わるか
製造業・農業・物流の企業がこの話から受け取れる実務的な示唆は、主に二つある。
一つ目は、現場担当者をAI開発の「ユーザー」ではなく「共同設計者」として位置づけること。
これは単なる「ヒアリングを丁寧にする」という話ではない。要件定義の段階から現場の熟練者が参加し、「何がおかしいか」「何が足りないか」を継続的にフィードバックできる仕組みを作ることを意味する。タン氏の言う「現場に近い人たちが常に継続的に関わり続けること」は、プロジェクト完了後の運用フェーズまで続く関与を想定している。
二つ目は、データポータビリティの設計を初期から入れること。
タン氏はWeb3の文脈でも語られる「データポータビリティの義務化」に触れ、米ユタ州や欧州では移植性を義務付ける法律が整備されていると述べている。「情報のスーパーハイウェイを作る際には、そこから降りるためのオフランプも用意しておかなければならない」という発想は、特定のAIベンダーやプラットフォームへのロックインを避けるリスク管理の話でもある。
AIツールの導入を検討する企業が見落としがちな論点は、「そのサービスをやめるときのデータはどうなるか」だ。タン氏の指摘は、それを設計上の前提として扱えということだ。
次に問われる論点
ただし、留保も必要だ。
「現場を巻き込んだ共創」という発想は正しいが、それ自体がコストだ。熟練の漁師やすし職人がAI開発プロジェクトに「継続的に関わる」ためには、時間と報酬と動機づけが必要になる。現場の人間がAI開発に時間を割くことで、本業にどんな影響が出るかも考慮しなければならない。
また、共創モデルのスケーラビリティは自明ではない。すし職人一人のインプットをAIに反映させることはできても、業界全体の多様な現場の声をどうアグリゲートするか、には別の設計が要る。個別最適と汎用性のトレードオフは、エッジAIの文脈では特に鋭くなる。
SNSの分断についてタン氏が触れた「日本型バランス感覚をAIに組み込む」という提言も示唆的だが、「多様な視点を考慮するトレーニングを施す」というのは現時点ではかなり抽象的な記述だ。社内AIエージェントの設計において何が具体的に変わるのか、この点の解像度が上がったときにはじめて実務として扱える話になる。
軽くまとめると
オードリー・タンの今回の主張は、「日本は諦めるな」という励ましではなく、「戦場の選び方を変えろ」という構造的な提言だ。フィジカルAI、エッジコンピューティング、現場との共創——これらはすでに動いている実際のトレンドであり、日本の現場力が競争資源になりうる領域でもある。
次にこの種のニュースを見るときに確認したい軸を一つ挙げるなら、「現場担当者がAI開発のどのフェーズに、どんな形で関与しているか」だ。「現場の声を聞きました」という実績報告と、「現場の人間が継続的に設計ループに入っています」という状態は、持続可能性の点で大きく異なる。その違いを見抜けるようになると、AIプロジェクトの成否を事前に読む精度が上がる。
参考元: 「すし職人をAI開発の輪に入れろ」──オードリー・タンに聞く、米中AI競争で日本が勝つ道（ITmedia ビジネスオンライン）
