2025年12月、内閣府は 『人工知能基本計画』 を閣議決定した。これは令和7年5月に成立した 「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」（通称・AI法、令和7年法律第53号） に基づく、日本のAI国家戦略の根幹となる文書である。続く2026年3月には、文部科学省が 『AI for Scienceの推進に向けた基本的な戦略方針』 を公表した。国がAIをどう位置づけるか、その輪郭が一年足らずで法律・基本計画・分野別方針の三層で固まったことになる。

これらの文書を「政策ウォッチャー向けの読み物」と捉えると見落とすが、中身は企業のAI活用にかなり直接的に効いてくる。国が支援を投入する分野はどこか、規制とガバナンスがどの方向に動くか、産業界に何を期待しているか——いずれも自社のAI戦略の前提条件を変える要素である。本稿では両文書の核心を業務観点から読み解き、経営層・推進担当者が自社のAX（AIトランスフォーメーション）戦略にどう接続できるかを実務目線で整理する。

政府が公式に定義した「AIトランスフォーメーション（AX）」

人工知能基本計画は、企業のAI活用を 「AIトランスフォーメーション（AX）」 と呼び、次のように定義した。

AIを活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること。

注目すべきは、この定義が「AI導入」とは別物として書かれている点だ。ツールを入れることではなく、製品・サービスからビジネスモデル、業務プロセス、組織、企業文化までを変えて競争優位を取りにいく——そこまで含めて初めてAXと呼ぶ、という構えになっている。DXがシステム刷新そのものを指すのではなく、デジタルを前提にした事業変革を指したのと同じ構造を、AIに当てはめた格好である。

この定義は、AX Boostが繰り返してきた問題意識とよく重なる。AI活用の本質は「AIツールを足す」ことではなく、ヒトがやる必要のない仕事を見極めて引き算し、空いた工数を価値ある仕事へ再配置することにある（AIは足し算より引き算 — 仕事の再配置という発想）。基本計画が「業務そのもの」「プロセス」「組織」の変革を定義の中心に据えたのは、まさに足し算では届かない領域を国も射程に入れているという証左と言える。AX Boostは創業時からこの「AX」を社名・コンセプトに掲げてきたため、政府の方針とは出発点から整合している。

人工知能基本計画が立てている戦略の骨格

基本計画は、AI推進の土台に 3原則 と 4つの基本的方針 を置いている。3原則とは、イノベーション促進とリスク対応を両立させること、アジャイルに対応すること（PDCAを循環させ、変化に柔軟かつ迅速に応じる）、そして国際協調を主導することの三つである。ここで効いてくるのは一つ目だ。「イノベーションを取るかリスク管理を取るか」という二者択一ではなく、両立を国の基本姿勢として明示したことで、規制は過度に重くもなければ放任でもない中間に着地する公算が高い。企業から見れば、ガバナンスを整えること自体が事業推進のブレーキにならない設計を国が志向している、と読める。

戦略の柱は四つ立てられている。AI利活用の加速的推進、AI開発力の戦略的強化、AIガバナンスの主導、AI社会に向けた継続的変革——「使う」「作る」「制御する」「社会を変える」の四軸である。そしてこれらを束ねるスローガンが「世界で最もAIを開発・活用しやすい国」だ。投資規模でも基盤モデルでも先行勢に出遅れた日本が、産業基盤の広さと信頼性を武器に反転攻勢を狙う、というのが基本計画に通底するストーリーになっている。裏を返せば、国の打ち手は基盤モデル開発そのものより「使う側」の裾野を広げることに重心がかかるということでもあり、これは多くの中堅・成長企業にとって追い風になる方向性である。

基本計画が企業のAI戦略に及ぼす含意

基本計画は分量も論点も多いが、自社の意思決定に効いてくる勘所はそう多くない。ここでは、戦略の前提を実際に動かす論点に絞って読み解く。

政府自身がAIを率先利用する——行政DX市場が広がる

基本計画は「隗より始めよ」を掲げ、政府自身のAI活用を最優先課題に据えた。中央省庁の全職員が生成AIを利活用できる環境を整え、指定職・管理職の率先利用を促す仕組みを導入し、デジタル庁主導の「ガバメントAI」を推進する。総務省はこれを地方自治体へ横展開する役回りを担う。

この一連の動きは、民間から見れば官公庁・自治体向けAIサービス市場の拡大を意味する。行政文書の解析、住民向けの問い合わせ対応、自治体DXの伴走支援といった領域で公的需要が立ち上がる構図だ。AX Boostでも、自治体DXに関連する文脈の引き合いは実際に増えている。ただし行政案件には独特の難しさがあり、多段階の稟議・調達ルール・年度予算の縛りが絡むため、PoCで終わらせず本番運用まで持っていける体制を組めるかが分かれ目になる。市場が開くことと、そこで成果を出せることは別の話である。

中小企業のAI導入を後押しする支援の方向性

基本計画は「デジタル化・AI導入補助金を始めとする中小企業におけるAI導入促進の円滑化」を取り組み項目に明記した。各都道府県や経済産業省が運営する制度が拡充され、初期投資の負担を抑えて踏み出しやすい環境が整いつつある。

もっとも、ここで注意したいのは順序だ。支援制度は手段の一つであって、目的ではない。制度ありきで「使えるものを使う」発想に流れると、本来やるべき業務の引き算をせずにツールを足すだけの導入になり、PoCの先に進めない典型に陥りやすい。先に「どの仕事を減らし、空いた工数を何に再配置するか」を決め、その実行を後押しする手段として制度を位置づける——この順番を守れるかどうかが効果を分ける。制度の探し方や社内稟議への落とし込みはAI予算計画と社内稟議の進め方近日公開で、都道府県ごとの支援状況は47都道府県のAI/DX推進状況比較で扱っている。

重点産業分野が示された——自社が「支援の濃淡」のどちら側か

基本計画は、AI活用を促進する重点分野を具体的に挙げている。医療・ヘルスケア・介護、金融、教育、防災・消防、環境保全、農林水産業・食品産業、造船・舶用工業を始めとした製造業、インフラ建設・管理、物流、公共交通である。これらは国が支援を重点投入する分野であり、自社事業がここに当たるなら、公的支援の活用や産学官連携の機会が相対的に広がる。

実務上の含意は、自社がこのリストの内側か外側かで打ち手の比重が変わる、という点にある。重点分野なら省庁の公募や連携プロジェクトに乗る選択肢が増える一方、外側なら独力での推進比重が上がる。ただし重点分野であっても、補助の入り口が広いほど競争も激しく、横並びの導入では差がつかない。むしろ重点分野の企業ほど、国の支援を「フリーライドする土台」と割り切ったうえで、自社固有の業務文脈に踏み込んだ引き算で差別化する必要がある。

AIガバナンスの強化——AISIの人員2倍化が意味すること

基本計画は、AIセーフティ・インスティテュート（AISI）の人員を直ちに現行の2倍程度に拡充すると明示した。ベンチマークとして念頭に置かれているのは英国 AI Security Institute で、同所は公式に「100名以上の技術スタッフ」を擁し、発足時（2023年11月）に約1億ポンド規模の予算がコミットされている。日本もこの水準を視野に評価・監査の体制を厚くする方向にある。

企業にとっての意味は、AI評価・監査・ガバナンス基準の国内整備が加速するということだ。社内のAI利用規程やガバナンス体制が未整備のままだと、評価フレームが具体化したときに対応が後手に回り、その時点でのコストが膨らむ。逆に、いま最小限でも規程と運用の骨格を持っておけば、基準が固まったときに差分対応で済む。先回りの整備が割に合う領域だと言える。社内ガバナンスの実装論は企業のAIガバナンス実務ガイドで詳しく扱っている。

リ・スキリング支援——人材戦略に織り込む余地

基本計画は、AIリ・スキリング支援を継続的な施策に位置づけ、文部科学省・厚生労働省・経済産業省が連携して人材育成を進めるとしている。具体的には、経産省主導でデジタルスキル標準を改訂し、エンジニア・研究者・データマネジメント人材の確保を図り、社会基盤を支える職種のAIスキルを底上げする「アドバンスト・エッセンシャルワーカー」の創出を掲げている。

人事・人材戦略の観点では、国の枠組みを社内リ・スキリングプログラムに接続する余地が広がる。ただし、ここでも「人を育てるか、外から調達するか、外部に委ねるか」の判断が先にあるべきで、公的支援はその判断を実行に移す段階の補助線にすぎない。内製と外注の線引きはAI内製化 vs 外注で整理しているとおり、どの能力を社内に残すかという経営判断と一体で考える必要がある。

AI for Science戦略方針が示す、R&D系企業への機会

基本計画と並んで、文部科学省は2026年3月31日に 『AI for Scienceの推進に向けた基本的な戦略方針』 を公表した。こちらは研究開発活動におけるAI利活用に特化した文書である。第7期科学技術・イノベーション基本計画（2026年度開始）の5年間を集中推進の期間と位置づけ、この間にAI for Science を国家戦略として一気に進める構えを取っている。

日本の勝ち筋として方針が挙げるのは、情報基盤・研究基盤・人材の三点だ。情報基盤としてはSINET（学術情報ネットワーク）、NII RDC（研究データ基盤）、富岳、富岳NEXT、HPCIといった計算・データ基盤を、研究基盤としてはライフサイエンス・マテリアル・防災・地球環境分野で蓄積された再現性の高い実験・観測データを、そして世界トップレベルの研究者層を強みに据えている。重点的に伸ばす領域としては、創薬AI、ライフサイエンス・マテリアル分野の基盤モデル、ハイスループット研究を支える実験の自動化、実験設計から解析・知識統合までを担うAI駆動の研究開発が並ぶ。

R&D部門を持つ製造業・製薬・素材・エネルギー企業にとって、これは直接の機会を意味する。産学官連携プロジェクトへの参画、富岳・富岳NEXT・HPCIといった国の計算資源へのアクセス、研究データの共有・利活用基盤への参加——いずれも自前では届きにくい資源に手が伸ばせる。ただし、研究プロセスへのAI組み込みは、外から仕組みを渡すだけでは定着しない。仮説立案や実験設計の機微は現場の研究者の手の内にあり、その文脈に入り込まないとAIが浮いてしまう。FDE型コンサルティングが掲げる「現場に入る」アプローチがR&D領域でも有効なのは、この組み込みの難しさゆえである。

知財・責任・雇用——政府が「検討中」と認めた論点

基本計画は、企業が直面する厄介な論点についても、結論を出す前の検討課題として正直に列挙している。確定したルールではないからこそ、どの省庁が何を検討しているかを押さえておく価値がある。

論点 政府の動き
AI利活用での事故・損害の民事責任 在り方の検討（経済産業省主導）
知財保護と利活用の透明性 コンテンツホルダーへの対価還元等の推進
生成AIによる知財侵害対策 相談体制の整備、情報提供
AI生成製品・サービスの知財 在り方の検討
雇用への影響 代替性・補完性両面の調査、包括的対策

これらは現時点では検討段階にとどまるが、今後数年で制度やガイドラインとして輪郭を持つ見通しだ。法務・人事部門にとって意味するのは、ルールが固まってから動くと対応が間に合わない可能性がある、ということである。特に雇用への影響を「代替性・補完性の両面で調査する」と国が明記した点は示唆的だ。AIで仕事を代替するという発想だけでなく、人とAIが補完し合う前提で制度設計を進める方向性が読み取れる。これは、本稿冒頭で触れた「引き算した工数を再配置する」という発想と地続きであり、人員削減の文脈ではなく労働の再配置として捉える方が、今後の政策とも整合しやすい。法務領域でのAI活用の具体像は管理部門のAI活用ガイドで扱っている。

政策文書を自社戦略に翻訳する読み方

政府文書は抽象度が高く、そのままでは社内の意思決定に使えない。実務に落とすには、文書を眺めるのではなく「自社の何が変わるか」という問いで読み返すのが要点になる。

まず確認したいのは、活用できる制度が自社の規模・業種に存在するかである。各種の導入支援、研究開発税制、規制のサンドボックスといった具体的な手段のうち、該当するものを拾い出す。次に、自社業種が重点分野の内側にあるかを照合する。内側なら関連省庁の公募や連携プロジェクトに乗る道が開けるが、外側なら自走の比重を見込んでおく。

並行して見ておくべきがガバナンスと国際枠組みの方向性だ。AISIの強化やAI法に基づく指針、業界別ガイドラインがどこへ向かうかを先読みしておけば、規制が具体化したときの対応コストを抑えられる。海外展開する企業であれば、広島AIプロセス、ISO/IECの国際標準化、EU AI Act、米国NIST AI RMFといった国際的な枠組みとの接続が、国内制度以上に優先度を持つ場面もある。最後に、リ・スキリング支援やデジタルスキル標準を自社の人材戦略にどう組み込むかを検討する。これらはどれも独立した作業ではなく、自社のAXロードマップという一本の軸に並べて初めて意味を持つ（AIロードマップ策定の実務近日公開）。

政策と自社戦略の接続を一枚で捉えるなら、国の四つの戦略柱が自社の意思決定の四つの問いに対応していると考えると整理しやすい。AI利活用の加速的推進は「どの業務から利活用領域を優先するか」に、AI開発力の戦略的強化は「内製と外注をどう線引きするか」に、AIガバナンスの主導は「社内利用規程と監査をどう設計するか」に、継続的変革は「組織変革と人材育成をどう進めるか」に、それぞれ翻訳できる。支援制度も同様で、導入支援策は初期投資の抑制に、規制サンドボックスは新サービスの実証に、産学官連携はR&Dの加速にあてがう手段として位置づく。このマッピングを社内で一度通しておくと、国の戦略を土台として自社のAX推進を加速でき、使えるはずの支援を見落とすリスクも下がる。

政策は「追う」ものではなく「使う」もの

『人工知能基本計画』と『AI for Science戦略方針』は、企業のAI戦略にとって読むに値する政策文書である。とりわけ押さえておきたいのは、政府がAX（AIトランスフォーメーション）を製品・サービスから組織・文化までの変革として公式に定義したこと、イノベーションとリスク対応の両立・アジャイル対応・国際協調主導という3原則を基本姿勢に据えたこと、AISIの2倍化やAI法に基づく指針整備でガバナンス強化が加速していくこと、そして知財・責任・雇用の論点が今後数年で制度として固まっていくことだ。R&D部門を持つ企業にとってはAI for Scienceとの連携が、重点産業分野に属する企業にとっては公的支援と産学官連携が、それぞれ具体的な機会として開けている。

ただし、ここまで見てきたとおり、政策はあくまで前提条件を変える要素であって、成果そのものを生むわけではない。制度や重点分野の追い風を受けても、自社の業務のどこを引き算し、空いた工数を何へ再配置するかを決めなければ、AI導入は足し算で止まる。政策を受け身で追うのではなく、自社のAX戦略を駆動する燃料として使う——この姿勢を持てるかどうかが、これからの企業のAI推進の分かれ目になる。

AX Boostでは、こうした政策動向を踏まえた企業のAX戦略の策定と、現場での実装・定着までを FDE型コンサルティング で支援している。引き算の見極めから既製AIの活用、経営層の巻き込み、運用への定着までを成果から逆算して伴走する考え方はFDE型コンサルティング完全解説で詳しく述べている。

参考: 主要文書

文書名 発行機関 発行日
人工知能基本計画 内閣府（閣議決定） 令和7年12月23日（2025-12-23）
AI for Scienceの推進に向けた基本的な戦略方針 文部科学省 令和8年3月31日（2026-03-31）
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（AI法） — 令和7年法律第53号
AI事業者ガイドライン 経済産業省・総務省 第1.1版（2025-03-28）

文書は各発行機関の公式ウェブサイトで全文が公開されている。

関連記事: