ソブリン AI とは、特定の国や企業に過度に依存せず、信頼できる AI を必要なときに主体的に選び、運用できる状態を保とうとする考え方のことです。日本の国の計画では「AI 主権」(AI Sovereignty)と呼ばれています(内閣府「人工知能基本計画」2026年7月14日閣議決定)。
この記事では、企業が自社のデータと AI を動かす環境を自らの管理下に置き、1社のモデルや1つのクラウドに縛られずに AI を使い続けられる状態も、企業にとってのソブリン AI として扱います。国の政策と企業の AI 導入とでは、対象の範囲と守りたいものが変わります。
日本政府は「開かれた AI 主権」として国の計画に書いている
日本では、ソブリン AI の考え方が「AI 主権」という言葉で国の計画に入っています。
政府は2025年12月23日に、人工知能関連技術の研究開発及び活用の推進に関する法律の第18条第1項に基づく初の「人工知能基本計画」を閣議決定しました。根拠になった法律の中身は、AI 推進法の用語ページで解説しています。
この計画は2026年7月14日に改定され、副題は「日本AX、より強く、より豊かに」です。改定後の計画の第1章は、「信頼できる AI」を必要なときに主体的に選び、運用できるよう、特定の国や企業への過度な依存を避けなければならないとしたうえで、開かれた「AI 主権」(AI Sovereignty)を確立すると書いています(内閣府「人工知能基本計画」2026年7月14日閣議決定)。
とくに行政・防衛・重要インフラなどの戦略領域では、計算資源・データプラットフォーム・モデル・アプリなどの自律性を強め、外部から遮断されても動き続ける力(耐遮断性)と運用能力を確保するとしています。
「開かれた」と付いているのは、すべてを国内で作ることを目指していないからです。同じ章は、同志国などとの連携・分業や相互運用性の確保を行いながら、鉱物からソフトウェアまでエコシステム全体の自律性を確保すると書いています。計画が目指しているのは、国産のもので固めることより、頼る先を自分で選べる状態を保つことだと読めます。
国のソブリン AI と企業のソブリン AI は、対象の範囲が違う
国が自律性を確保しようとするのは鉱物からソフトウェアまでの AI に関わる仕組み全体です。一方、この記事で扱う企業のソブリン AI で管理下に置くのは、主に自社のデータと、AI を動かす環境です。同じ言葉でも、主語が国か企業かで中身が変わるので、社内で使うときはどちらの意味かをそろえておく必要があります。
| 観点 | 国のレベル | 企業のレベル |
|---|---|---|
| 自律性を保つ対象 | 鉱物からソフトウェアまでの AI に関わる仕組み全体(戦略領域では計算資源・データプラットフォーム・モデル・アプリなど) | 自社の業務データ、AI を動かす環境、利用の記録 |
| 守りたいもの | 日本の言語・文化・習慣に合う AI、有事でも止まらない運用 | 機密情報と個人情報、監査に答えられること、提供元の都合で業務が止まらないこと |
| 避けたい依存 | 特定の国や企業への過度な依存 | 1社のモデルや1つのクラウドから離れられない状態(ベンダーロックイン) |
| 主な打ち手 | データセンターの国内配置、計算資源の確保、日本語データの整備、基盤モデルの開発 | 自社のクラウド環境での構築、データを学習に使わせない契約、モデルを切り替えられる設計 |
| 決める人 | 内閣府・経済産業省・総務省・文部科学省などの関係府省 | 経営企画、AI 推進室、情報システム部門、法務 |
国のレベルの打ち手は、計画の第3章第2節「AI 開発力の戦略的強化」に具体的な取り組みとして並んでいます。経済産業省が担当する取り組みの例は、国内で開発・製造される AI インフラの各層(データ、クラウド環境、データセンター、計算基盤、半導体)の生産能力と供給能力の拡大と、データセンターの戦略的な国内配置です。
言語と文化の面では、日本の文化・習慣などを踏まえた信頼できる AI の開発・評価を進め、質の高い日本語データを整備・拡充するとしています。オープンソースやオープンウェイト(学習済みの重みが公開された状態)の AI モデルを含めて、信頼性の高い AI の基盤を国内に作る取り組みも、同じ節の項目の1つです。
企業にとって参考になるのは、同じ節の「複数モデルを統御しながら利用する等、継続的な運用が可能となるようにする」という一文です。国が依存を避ける手段として挙げているのは、1つの国産モデルに乗り換えることではなく、複数のモデルを使い分けて運用を続けられる状態を作ることでした。自社の AI 導入の方針を考えるときも、この発想がそのまま使えます。
データ主権・国産 LLM・オンプレミスとの違い
ソブリン AI は、データ主権・国産 LLM・オンプレミスのどれとも一部が重なる、より広い考え方です。違いを押さえておくと、社内の議論で手段と目的が入れ替わるのを防げます。
- データ主権: データがどこに置かれ、誰の法律のもとで、誰が扱いを決めるかという権限の話です。ソブリン AI はデータに加えて、AI を動かす計算基盤とモデルまでを管理の対象に含めます。社内でデータの扱いを決める仕組みは、データガバナンスの用語ページで説明しています
- 国産 LLM: 国内の企業や研究機関が開発した大規模言語モデルです。国の計画は国内での開発を進める一方、開かれた AI 主権として同志国との連携も掲げています。国産のモデルを使うことは、ソブリン AI を実現する手段の1つという位置づけです
- オンプレミス: 自社の建物やデータセンターに設備を置いて動かす方式です。データとモデルを手元に置ける反面、設備の用意と運用を自社で担います。自社の環境でモデルを動かすかどうかの判断は、生成 AI をオンプレミスで動かす記事で詳しく扱っています
外部の API を使いながらデータの保存を止める方法もあります。提供元に入力データを残させない契約の考え方は、ゼロデータリテンションの用語ページを参照してください。
企業がソブリン AI の考え方で決める4つのこと
企業がソブリン AI の考え方を導入に取り入れるときは、全部を自社で持つかどうかから考えず、データの区分ごとに置き場所と頼る先を決めていきます。決める順番は次の4つです。
- データの区分と、社外に出してよい範囲: 社内のデータを「公開してよい」「社内限り」「個人情報や機密を含む」のように分け、区分ごとに外部の AI サービスへ渡してよいかを決めます。区分を先に決めるのは、決まっていないとどの業務を外部の API で動かしてよいかの判断が業務ごとに止まるからです。漏えいの経路と対策は、生成 AI の情報漏えいの記事が整理しています
- AI を動かす場所: 外部の API、自社のクラウド環境、社内のサーバーや端末のどこで動かすかを、データの区分ごとに決めます。機密の区分だけを自社の環境に置き、それ以外は外部の API を使う組み合わせも選択肢です。社内のサーバーで動かしやすい小さなモデルは、小規模言語モデル(SLM)の用語ページで説明しています
- モデルを切り替えられる設計: 1つの提供元のモデルだけに合わせて作り込むと、料金や提供条件が変わったときに乗り換えが難しくなるので、業務のアプリとモデルの間に問い合わせを振り分ける層を置き、モデルを差し替えても業務が止まらない形にしておきます。この層の役割と構成は、LLM ゲートウェイの用語ページを見ると分かります
- 記録と、契約が終わったときの扱い: 誰がどのデータを AI に渡し、何が返ったかの記録(監査ログ)を自社に残すか、外部に作ってもらった仕組みや学習済みのモデルが契約終了後に誰のものになるかを、発注の前に決めておきます。ここが曖昧なまま始めると、運用を続けるほど離れにくくなる点に注意が必要です
4つを決める前提は、社内のデータがどこに何があるかの把握です。データ整備の進め方は、AI 導入のためのデータ整備の記事が参考になります。
自社の環境に AI を置いて動かすまでの進め方
ソブリン AI を自社で形にするには、方針を書くことより、データを自社の環境に置いたまま業務で動く AI を1つ作り、運用できる体制に引き継ぐことが近道です。
株式会社overflow の Offers AX は、課題調査とユースケースの選定から、業務に特化した AI エージェントの設計、プロトタイプでの実業務の検証、効果を確かめてからの本実装、社内への引き継ぎまでを一体で進めるサービスです。合意は要件定義書ではなく動くものをもとに行うので、どのデータを自社の環境に置き、どこまで外部のモデルを使うかも、実際の業務で試した結果を見て決められます。
構築は GCP・Azure・AWS のお客様の環境で行うのが原則で、その理由はデータ主権、監査のしやすさ、ベンダーロックインの回避の3つです。当社の環境に顧客データを保持せず、契約が終わった後も、作った資産はお客様の環境に残る設計です。クラウドの LLM が実質使えない高機密の人事案件では、貸与 PC の中で処理を完結させ、テレメトリを含む外部通信の無効化、端末内の暗号化、アクセス制御、監査ログまでを設計に含めた構成で実装した実績があります。
支援の中身は Offers AX のサービスページにまとめています。自社のどのデータを手元に置き、どの業務から AI を動かすかを相談したい場合は、無料相談を申し込むからご連絡ください。
すべてを自社で持つ必要はない
ソブリン AI で企業に求められるのは、頼る先を選べる状態を保つことです。国の計画も同志国との連携を前提にしているように、すべての AI を自社の設備で動かすところまで目指す必要はありません。
自社の環境にモデルを置くと、データを外に出さずに済む一方で、設備の用意、モデルの更新、障害への対応を自社で担うことになります。外部の API で使える性能の高いモデルを、同じ時期に自社の環境で再現できるとは限りません。
そのため、多くの業務では次のような振り分けが現実的です。
- 個人情報や機密を含むデータを扱う業務は、自社のクラウド環境や社内の設備で動かす
- 公開情報や社内限りの一般的な文書を扱う業務は、データを保存させない契約を結んだうえで外部の API を使う
- どちらの業務も、モデルを差し替えられる設計にしておき、提供元の条件が変わったら見直す
どの業務をどちらに振り分けるかは、社内のルールとして文書に残しておくと、新しい AI サービスを試すたびに一から議論せずに済みます。社内ルールの作り方は、AI ガバナンスの用語ページを参考にしてください。
関連する用語
- AI 推進法: 人工知能基本計画の根拠となる法律。国の AI 政策の土台になっている
- データガバナンス: 社内のデータを誰がどう扱うかを決めて守る仕組み。企業のソブリン AI の前提になる
- ゼロデータリテンション: 外部の AI サービスに入力データを保存させない契約や設定。外部の API を使いながらデータを手元に残す手段
- LLM ゲートウェイ: 複数のモデルへの問い合わせを1か所で振り分け、記録する仕組み。モデルを切り替えられる設計に使う
- 小規模言語モデル(SLM): 少ない計算資源で動く言語モデル。社内の設備で AI を動かすときの選択肢になる
全社の AI 導入の方針の立て方は、AX 戦略のカテゴリの記事にまとめています。