「結局、一番賢い AI が一つあれば、それで全部済むのではないか」。医療特化、法務特化といった「専門 AI」の報道を見て、どちらを選ぶべきか迷う人もいる。この章は、その問いに答える。半分は確かめられる事実で、もう半分は筆者(と、執筆に関わった AI)の見立てだ。どちらなのかを見出しで分ける。
(初出は連載「Fable 5 が帰ってきた」の番外編、2026 年 7 月。製品の話を外し、2026 年 10 月に構造分析として書き直した。)
事実——性能競争の裏で、多様化が進んでいる
AI は「一つの最強モデル」に向かって収束していない。多様化は三つの軸で確かめられる。
- 価格と性能の階層——どの会社も、速くて安いモデルから最上位のモデルまでを階層で出し、同じ時期に並行して提供している。全部を最上位で済ませる経済合理性は、提供する側にも使う側にも無い。利用料は使った量に比例するので、日常の短い依頼に最上位を当てても体感は変わらず、差額だけが積み上がる
- 製品形態の分化——同じモデルでも、対話の画面、端末から使うエージェント、画面の設計の道具と、使う場面ごとに別の製品が育っている。分化の速さは、モデルの層より製品の層のほうが速い
- 規制と提供範囲——2026 年 6 月、米国の輸出管理で最上位モデルの提供が止まり、7 月に条件つきで再開した(ブログ 028)。国の規制が「誰に・どの AI を」を左右する変数になったことを、この出来事は示した
構造——特化モデルに働く、逆向きの力
多様化の一方で、それと逆向きに働く力がある。専門特化モデルには、構造的に不利な競争条件があるのだ。競争相手が「今年の特化モデル」ではなく、「来年の汎用モデル」 だという点である。汎用モデルの性能が一段上がるたびに、それまで特化モデルの独壇場だった領域が、汎用モデルの守備範囲に飲み込まれる。
この追い抜きは、実際に報告されている。医療の試験問題では、医療向けに調整したモデルより、調整なしの汎用モデルのほうが高い成績を出した(Nori ら、Microsoft、2023)。金融の文書分析では、金融の文書だけで一から訓練した専用モデルが、汎用モデルにそのまま答えさせた結果に複数の課題で負けた(Li ら、2023)。どちらも 2023 年の報告で、以後この構図は業界の定番になった。
契約書の束を読んで矛盾を探す、複数のファイルにまたがるコードを直す——かつては法務 AI や開発支援 AI の縄張りだった仕事が、いまは汎用モデルの一機能として提供されている。特化モデルが優位を保つには、汎用モデルの進歩より速く専門性を深め続ける必要がある。できないことではないが、坂道を登り続ける競争だ。
見立て——残る特化と、残らない特化
ここからは予想である。断定はしない。
残りにくい と筆者が見るのは、「言語で完結する垂直特化」だ。医療文書の要約、法務文書のチェックのように、入力も出力も自然言語である仕事は、汎用モデルの得意分野と正面から重なる。大量の文書を読んで矛盾を探す能力は、すでに汎用モデルの標準装備である。
残りやすい と見るのは二種類だ。一つは「言語の外にある特化」——タンパク質の立体構造の予測や全球の気象の予測のように、そもそも言語モデルとは別の数学でできている領域である。ここでは専用モデルがすでに標準で、言語モデルが取って代わる筋のものではない。もう一つは「小さく・速く・安くあるべき用途」——端末の上で即座に動く必要がある処理や、大量の取引を安価に監視する不正検知のような領域だ。ここでは最上位の賢さより、軽さと速さが価値になる。
では、言語系の垂直 AI 企業に価値は残らないのか。残るとすれば、モデルそのものではない場所だと見る。外に出ない非公開データへのアクセス権 と、業務の流れへの埋め込みの深さ である。モデルは差し替えられても、データの信頼関係と、現場に馴染んだ道具の座は、簡単には差し替えられない。
この見立てが外れる条件
予想には、外れ方も添えておく。三つある。
第一に、規制が独立モデルを要求する場合。医療や金融で「監査可能な専用モデルであること」が制度の要件になれば、言語系の垂直特化にも制度が守る居場所ができる。第二に、非公開データが性能を決め続ける領域。データが外に出ない限り汎用モデルは学べないので、そこでは特化が優位を保ちうる。第三に、開示しておくべき偏りがある。この見立ての整理には汎用モデル(AI)自身が関わっており、「汎用が勝つ」という結論は、汎用モデルの自己申告を含む。割り引いて読んでほしい。
含意——一つの AI に忠誠を誓わない
実務に引きつけると、含意は三つに絞れる。
- 目的ごとに道具を選ぶ——モデルの使い分けを、製品や会社の単位にも広げて考える。2-02 が別の会社の AI を二つ契約して相互に見張らせるのは、この含意の実装だ
- 個人事業や中小の実務に、独自モデルは要らない——価値はあなたのデータと仕事の流れの側にあり、そこはあなたしか持っていない。自前で持つのは、2-16 のとおり、オープンウェイトのモデルと自社データの RAG で足りる
- モデルは差し替え可能な部品として扱う——特定のモデルにしかできない形で業務を組まない。2-17 の「コードに凍結する」は、差し替えを安くする仕組みでもある
三つ目は、いまのうちに確かめておける。業務手順書から AI の利用箇所を洗い出させ、それぞれについて別のモデルに差し替える場合に影響が出る箇所と、差し替えの手順を整理させる。道具は選び直せる状態にしておく。それが、多様化していく地図の上での、いちばん安全な歩き方だ。
「どの AI に頼むか」を固定しない。仕事ごとに道具を選び、選び直せるように組んでおく。それができていれば、次にどんなモデルが出てきても、判断の基準はそのまま使い回せる。