オルタナティブ・ブログ > 『ビジネス2.0』の視点 >

ICT、クラウドコンピューティングをビジネスそして日本の力に!

11の戦略テーマにみる、2027年の企業IT予算と優先順位

»

企業のAI活用は、個人の作業を補助する段階を終え、AIに権限を委譲して業務や開発の中核を任せる段階へ移行しています。独立系調査会社の株式会社アイ・ティ・アール(以下、ITR)は2026年11月5日、2027年に企業が注視すべき11の戦略テーマをまとめた「ITR注目トレンド2027」を発表しました。

同レポートは「人とAIの協働に向けた変革」「システム開発・構造の再定義」「複雑化するリスクへの備え」の3つを柱としています。2025年以降に広がったAIエージェントの導入が一巡するなか、2027年は業務プロセスや基幹システム、SIerとの契約形態をAI前提で作り直す実務の年になります。

同時に、AI支出の膨張やAIを悪用したサイバー攻撃、2035年を見据えた耐量子計算機暗号への移行など、企業のコストとリスクの構造も変化します。今回はITRが提示した11の戦略テーマをもとに、日本企業の現場運用とIT産業の収益モデルにどのような変化が生じるのかについて、取り上げていきたいと思います。

AI前提で組み直す2027年IT予算.png

個人のAI利用から組織知の蓄積と権限委譲へ移る現場運営

第1の柱「人とAIの協働に向けた変革」の要諦は、生成AIの活用を個人の工夫から切り離し、組織の仕組みとして定着させることです。AIへ主要業務の権限を委譲するに伴い、人間には適切な指示と出力評価を行う「AIフルエンシー」や高度な監督能力が求められます。企業は役割や責任を定めた「AIオペレーティングモデル」を含む5つの能力(AIレディネス)を体系的に整える必要があります。

これまでAI導入が全社成果に直結しなかったのは、対話で得た仮説や判断根拠、試行錯誤の痕跡が個人に閉じていたためです。個人の暗黙知を表出・連結させ、SECIモデルのように再利用可能な資産として蓄える「ナレッジ循環」を高速で回すほど、組織知の累積度(コンパウンディング)が高まります。

業務固有の判断基準をコンテキストとしてAIへ継続的に取り込むには、外部への丸投げでは対応できません。AI人材の供給が限られるなか、事業会社が主導して外部専門人材と試作・改善を進め、社内に知識と実装能力を残す共創型推進体制への転換が急務となります。

意図駆動型開発の普及で請負型SIの多重下請け構造が終焉する

第2の柱「システム開発・構造の再定義」では、日本のIT産業を支えてきた受託開発の収益構造に根本的な見直しが迫られています。個別作業へのAI適用を超え、今後はソフトウェア開発ライフサイクル(SDLC)全体にAIを適用する動きが広がります。その発展形として、人間の意図を理解したAIが設計から実装までの全工程を主導する「意図駆動型AI主導開発(AIネイティブ開発)」へ移行します。

この変化は、エンジニアの稼働時間に単価を掛ける「人月商売」と、多重下請け構造の前提を根底から覆します。下流の実装工程をAIが自律処理するようになれば、多数の要員を動員して工数を積み上げる請負型SIビジネスは経済合理性を失い、立ち行かなくなります。二次請け・三次請けとして工数を提供してきた事業者ほど、受注減少の直撃を受ける構造にあります。

発注側のユーザー企業は開発へのAI活用戦略を自ら策定し、期間短縮とコスト削減の果実を直接取り込む体制を作る必要があります。一方のSIerは工数切り売りモデルから脱却し、顧客の業務知識をAIに実装する共創型・成果連動型へ事業を組み替えることが生存の条件となります。

従来のシステム区分を超えるSoBとデータ基盤の高度化

開発手法だけでなく、エンタープライズシステムそのものの設計思想も再定義の時期を迎えています。これまでは事実データを記録する基幹系(SoR)、顧客接点や協働を担う情報系(SoE)、分析を担う系(SoI)が別々に構築され、システム間の分断が自動化の壁となっていました。ITRは、AGI(人工汎用知能)からASI(人工超知能)へ進化するエージェンティックAIがこれら3つの枠組みを超えて融合させる「SoB(Systems of Beyond)」を提唱しています。

SoBの中核となるのは、企業内のデータや業務概念の関係性を体系化したオントロジーと、高度なメタデータ管理です。人間が分析ツールを使う環境では構造化データへの静的なメタデータ管理で十分でしたが、AIエージェントが部門横断で動く環境では、非構造化データにもベクトルやナレッジグラフでメタデータを付与し、リアルタイムに参照・制御する「アクティブ・メタデータ」が欠かせません。

情報システム部門にとって、これはデータ基盤の抜本的な設計変更を意味します。正確な事実データを守るSoRの役割を維持しつつ、AIエージェントが業務文脈を正しく解釈できるメタデータ層を整備できるかが、全社的な業務自動化の成否を分けます。

膨張するAI支出の統制と2035年を見据えた防衛線の再構築

第3の柱「複雑化するリスクへの備え」では、AIの運用コストとセキュリティの両面で現場の負担増を抑える統制策が示されています。AIの誤判断を防ぐため、処理過程や行動を可視化する「AIオブザーバビリティ」の構築が不可欠となります。加えて、推論処理などに伴うAI支出の膨張が予算を圧迫し始めており、「FinOps for AI」を用いて支出と業務成果を関連づけ、モデルや実行環境を継続的に最適化する財務規律が求められます。

サイバー防衛でも、攻撃者のAI悪用で脆弱性の発見から攻撃までが自動化され、全脆弱性に同じ優先度で対処する運用は限界に達しています。米NISTが2026年4月に脆弱性の詳細分析を悪用確認済みカタログ(KEV)掲載分などに絞り込んだように、日本企業も悪用実態と影響度で優先順位を決めるリスクベース管理への転換が必要です。製造や物流で広がる「フィジカルAI」の不正操作による設備損傷や人的被害を防ぐ対策も急がれます。

さらに長期の備えとして、量子コンピュータの実用化を見据えた「耐量子計算機暗号」への移行が挙げられます。暗号化データを窃取し将来の解読を狙うHNDL攻撃を踏まえ、日本政府も政府機関などを対象に2035年をめどに移行する方針を示しました。移行には10年規模を要するため、民間企業も暗号インベントリによる現状把握と、暗号方式を柔軟に更新できる「クリプト・アジリティ」の確立に早期に着手すべき段階にあります。

2027年の予算策定から始まる内製化とガバナンスの二極化

「ITR注目トレンド2027」が示した11のテーマを通覧すると、AIが単なる業務効率化ツールから企業の経営基盤そのものへ組み込まれる過程で、企業の実行力に明確な差がつく構造が見えてきます。短期的な焦点となる2027年度のIT予算策定においては、漫然と膨らむAI利用料や従来型のシステム保守費を「FinOps for AI」によって圧縮し、その原資をアクティブ・メタデータの整備や共創型開発体制の構築へと振り向けられるかが最初の関門となります。

中長期的には、意図駆動型AI主導開発の定着によって国内のSI市場が再編され、自社の業務コンテキストや判断基準を組織知として体系化できた企業だけが、SoBによる全社的な自律化とコスト優位性を手に入れると考えられます。同時に、リスクベースの脆弱性管理や2035年に向けた耐量子計算機暗号への移行を計画的に進めることは、グローバルなサプライチェーンや取引先から選ばれ続けるための信頼の基盤となっていくでしょう。

Comment(0)