ITの全体地図と未来への道標
1枚の地図から始める
ITの話題は、毎月のようにアップデートされ続けています。生成AI、AIエージェント、ゼロトラスト、6G、量子コンピュータ。ひとつひとつを追いかけるだけでは、それらがどうつながり、どこへ向かっているのかが見えてきません。そこで、ITの全体像を1枚の地図にまとめました。鉄道の路線図になぞらえて、いまの位置と、これから向かう先をひとつの図に描いたものです。地図があれば、新しい言葉に出会っても、それがどの道のどのあたりに置かれるものなのかがわかり、慌てずにすみます。
地図の読み方
横軸は時間です。左から「これまで」「いま（2026年）」「2030年まで」「2030年代〜」の4つの区間に分け、色を付けた「いま」の帯が現在地です。縦に並ぶ7本の線は技術の系統で、上から変革、AI、データ・IoT、通信、計算、セキュリティ、エネルギーです。線の上の駅はその系統の節目で、現在地より左はすでに通り過ぎた節目、右はこれから到着が見込まれる節目です。
注意していただきたいのは、右側の駅の年代は予言ではないということです。各社や政府が掲げる目標や、公的機関の見通しをもとに置いたもので、遅れることもあれば、途中で行き先が変わることもあります。それでも、目標が公にされていることには意味があります。投資や人材がそこへ向かって動き出すからです。右側の駅は、未来へ向かう道標だと考えてください。
7本の線をたどる
いちばん上の「変革」の線は、デジタル化からDXを経て、AIを前提とした社会へ向かいます。その原動力が「AI」の線です。機械学習と深層学習の上に生成AIとAIエージェントが現れ、いまは、目的を与えれば自ら計画して動くエージェンティックAIや、現実の世界で体を持って働く物理AIへ進もうとしています。
AIが働くには、現実の世界を写し取るデータと、それを運ぶ通信が欠かせません。「データ・IoT」の線は、IoTとビッグデータからデジタルツインへ進み、AIと結びついて自律化へ向かいます。「通信」の線では、5Gの本来の力を引き出すスタンドアローン方式と、スマートフォンと衛星の直接通信が始まり、2030年代には6Gの導入が見込まれています。
「計算」の線は、AIの需要に押されて、いまもっとも勢いよく伸びている線です。GPUを大量に並べたAIデータセンターが広がり、国内ではラピダスが2027年度後半に2ナノ世代の半導体の量産を目指しています。量子コンピュータは、初期の誤り耐性機が2029〜2030年頃に登場する見通しです。その先には、光電融合や、宇宙にデータセンターを置く構想も控えています。
「セキュリティ」の線は、ほかのすべての線と並んで走り続けます。境界で守る考え方からゼロトラストへ移り、日本では能動的サイバー防御の仕組みが動き始めました。攻撃者がAIを使えば、攻撃の準備や探索にかかる時間は大きく縮みます。守る側もAIを使わなければ追いつけません。このように、AIは攻撃にも防御にも使われ、量子コンピュータに備える耐量子暗号への移行について、政府は原則2035年までを目標にしています。
いちばん下の「エネルギー」の線だけは点線で描きました。ITそのものではありませんが、すべての線を下で支える土台だからです。国際エネルギー機関（IEA）は、データセンターの電力消費が2030年に約945テラワット時と、2024年の2倍を超えると見込んでいます。その先の解決策として期待される核融合発電について、日本政府は2030年代の発電実証を目標に掲げています。
線と線が交わるところ
この地図で大切なのは、1本1本の線よりも、線どうしの関係です。AIの進歩は計算と電力を求め、計算の進歩は新しいAIを生み、新しいAIは攻撃と防御の両方を変えます。どこかの線で起きた変化は、必ずほかの線に波及します。
ITに関わる仕事をしているのなら、ときどきこの地図に戻り、いま自分が関わっているところがどの線のどの駅にあたるのかを確かめてみてください。点として覚えた知識が線でつながり、線のつながりから、これからの行き先が見えてくるはずです。この地図は、ITトレンド全体の索引であり、これからの変化を見通すための道具でもあるのです。
出典
・「ITの全体地図と未来への道標」：日本政府、2035年までに耐量子計算機暗号（PQC）に移行する方針（＠IT、2025年12月8日。内閣官房国家サイバー統括室の中間とりまとめ）
・「ITの全体地図と未来への道標」：「Rapidus、IIM-1を『世界初の前/後工程一貫工場に』」（EE Times Japan、2026年4月15日）
・「ITの全体地図と未来への道標」：「フュージョンエネルギー分野の現状について」（内閣府、2026年2月12日）
新著『【図解】コレ1枚でわかるAI戦略」
このたび新著『【図解】コレ1枚でわかるAI戦略 ビジネスパーソンが主導権を握るための「知識と思考」（11月11日 Amazon出荷）』を上梓いたしました。このブログで連載しているAIについての解説は、本書の原稿を基に執筆しています。
本書は、AIプロジェクトでビジネスパーソンが主導権を握るために、何を知り、どう考えるべきかを整理し、豊富な図解とともにわかりやすく解説したものです。初心者向けの手引きでもなければ、エンジニアのための技術書でもありません。その中間に位置する、これまで誰も本格的に向き合ってこなかったテーマに挑んだ1冊と自負しています。
AIに限らず、ITに関わる取り組みは本来、事業に責任を持つビジネスパーソンが主導権を握って進めるべきものです。しかし現実には、技術の難しさを理由に、ITベンダーやSI事業者に任せきりにしてしまうプロジェクトが少なくありません。とりわけAIプロジェクトは、従来のITプロジェクトにはない特異性や技術の急速な進化もあって、「専門家への丸投げ」に陥りがちです。これでは、事業の成果に結びつけることはできません。
そこで本書では、AIプロジェクトの責任を託されたビジネスリーダーが、専門家であるエンジニアと対等に議論し、プロジェクトの主導権を握れるように、AIに関わる技術を数式やプログラム・コードを使わず、概念として理解できるように解説しました。あわせて、AIプロジェクトに特有の法律や規制、プロジェクト管理といった実務実践に欠かせない知識も整理しています。
さらに、AIに関連する数学的知識をまとめた別冊（PDF版）と、本書の全図表（PPTX版・ロイヤリティ・フリー）を、オンラインからダウンロードいただけるようにいたしました。
また本書は、AIプロジェクトをユーザー企業に提案するITベンダーやSIerの皆さんにも、お役に立つはずです。人月ビジネスの前提が崩れつつあるいま、お客様の事業に寄り添う力はこれまでにも増して求められ、AIはそのための「前提」となりました。一方で、AIプロジェクトには従来のITプロジェクトにはない特徴があり、これを理解しないままに取り組めば、お客様をミスリードしかねません。そうならないための知識を得ていただく一助にもなると思います。
今年6月に上梓いたしました『AI実践ドリル30日チャレンジ』（日経BP）が、AIを使って新たなビジネス価値を生み出す「個人のスキル」を磨くための本だとすれば、本書は、企業がビジネスとしてAIプロジェクトに取り組む「組織のスキル」を知るための本です。
既存の業務手順やビジネスモデルを前提に「AIで何ができるか」を考えるのではなく、AIを前提に既存を新しく作り直す、すなわち「AIでどう変わるか」という視点で実務実践に取り組む皆さんを支えたい。2冊に共通するのは、そんな思いです。あわせてご覧いただけますと幸いです。
AIは「使うと便利なもの」から「使うことが前提のもの」へと、その位置づけを変えました。そこに求められるのは、仕事の効率を上げるための「個人のスキル」にとどまらず、業績に貢献する「組織のスキル」です。本書は、その「知識と思考」を提供する1冊です。
AIは使っているものの、働き方が大きく変わった、会社が変わりつつある、そんな実感がなかなか持てない。もし、そんなモヤモヤしたものがあるのなら、ぜひ、本書を手に取ってください。
本書の目次
第1章：AIの現在地〜人間とテクノロジーの役割を再定義する
- テーマ1：そもそも「モデル」とは何か？
- テーマ2：生成AIの根幹「基盤モデル（ファウンデーションモデル）」
- テーマ3：AI、機械学習、ディープラーニング、生成AIの「包含関係」
- テーマ4：ビジネスで必須となる2つのフェーズ：「学習」と「推論」
- コラム1：「AGI」とは何か？
- テーマ5：AI進化の歴史〜「識別型」から「生成型」、そして「自律型」から「AGI」へ
- コラム2：「身体性を持ったAGI」へのロードマップ
- テーマ6：AIの強みと限界
- テーマ7：AI開発で鎬を削る、巨大企業たち
- テーマ8：AIの現在地と、ビジネスにおける「AI」の再定義
- テーマ9：人間との協働モデル〜AIに任せてはいけないこと
- コラム3：「センス」と「利他の精神」が羅針盤
第2章：業務への組み込みと自律型AI（Agentic AI）の実装
- テーマ1：プロンプトエンジニアリングの本質は「指示の構造化」にある
- テーマ2：自社独自の知識をRAGでAIに付与する
- テーマ3：ファインチューニングによりモデルを「専門家化」する
- テーマ4：AIaaSによるスピード導入の定石
- コラム1：タスクを各モデルへ自動で割り振る「AIモデルルーター」
- テーマ5：自律型AI（Agentic AI）の出現と動作原理
- コラム2：4段階のAI×ビジネス活用
- テーマ6：複数エージェントの協働（マルチエージェント）と新標準規格MCP
- テーマ7：AI組み込みによる次世代ユーザー体験（UX）の設計思想
- テーマ8：ノーコード・ローコードAIツールの実務価値とセキュリティガバナンスの限界
第3章：第3章：開発最前線とAIインフラの進化
- テーマ1：Transformer（トランスフォーマー）はなにが革命的だったのか
- テーマ2：リーズニングモデル（推論強化モデル）の衝撃
- テーマ3：推論専用チップの台頭
- テーマ4：小規模言語モデル（SLM）とローカルモデル（AI PC）がもたらす自律分散型インフラ
- テーマ5：バーティカルAI（特化型モデル）の選択基準
- テーマ6：E2Eマルチモーダルモデルによるリアルタイム対話の進化
- テーマ7：説明可能なAI（XAI）の実務上の要求
- テーマ8：現実世界の物理法則を予測・理解する「世界モデル」
- テーマ9：物理空間で自律駆動する「フィジカルAI(ロボティクス)」への接続
第4章：AIプロジェクトの企画と推進
- テーマ1：AIプロジェクトの全体像は、課題から逆算せよ
- テーマ2：自社の課題を発見する「業務機能別ユースケースの見取り図」
- テーマ3：AI推進チームに必要な3つの役割（ビジネス、データ、エンジニアリング）
- テーマ4：全社的なAIリテラシー向上のための「リスキリング戦略」
- テーマ5：死の谷に陥らないためのPoC（概念実証）の進め方
- テーマ6：RFP（提案依頼書）に絶対に盛り込むべきAI特有の要件
- テーマ7：AIプロジェクト特有のコスト構造とROIの正しい見積もり方
- コラム1：生成AIサービスの料金モデル：仕組みと賢い使い分け
- テーマ8：生成AI導入の4大アプローチとベンダー評価軸
- テーマ9：AIの精度を決める「良質なデータ」の条件とデータ・サプライチェーン
- テーマ10：開発手法のベストプラクティス(SaaS利用 vs API連携 vs 独自モデル構築)
- テーマ11：システム開発を再定義する「AI駆動開発」と内製化モデル
- テーマ12：導入を成果に変える「定着マネジメント」〜 死の谷の先にある「定着の谷」
- テーマ13：AIプロジェクトの全体を俯瞰しその進め方を整理する
第5章：リスク回避のためのAIガバナンス
- テーマ1：企業として備えるべき基本のAIルール「社内AI利用ガイドライン」の作り方
- テーマ2：生成AIと著作権〜実務的な対処法
- テーマ3：情報漏洩リスクとセキュリティ対策〜クラウド利用とローカルモデルの使い分け
- テーマ4：AIのバイアスと公平性の問題〜企業のブランドリスクへの対応
- テーマ5：国内外のAI法規制の全体地図〜ルールを「設計要件」として読み解く
- テーマ6：ディープフェイクと偽情報〜「攻撃される側」のリスクへの防衛
- テーマ7：業務の効率化から「事業の再設計」へ〜AIが変えるビジネスモデル
- コラム1：AI主権とは何か
