Alpha Beyond Frontier Insights

政府が最初の顧客になれば、AI企業は強くなるのか——ガバメントAI「源内」の調達設計を読む

はじめに：政府が顧客になると、企業には何が起きるのか

AI企業にとって、政府が顧客になることには、どのような意味があるのだろうか。

大規模な導入先を確保できれば、売上が生まれ、製品の利用実績も蓄積される。政府の評価を通過した実績は、民間企業への営業でも活用できるかもしれない。

一方で、政府が求める性能やセキュリティへの対応にはコストがかかる。行政向けに製品を作り込むことが、必ずしも民間市場での競争力や収益性につながるとは限らない。

この問いを考えるうえで、興味深い動きがある。デジタル庁は、ガバメントAI「源内」で使用する国産の大規模言語モデルについて、2026年度の無償試用を経て、2027年度から有償で調達する方針を示している。

デジタル庁が掲げるのは、「政府需要を活用した国産AI育成」である。公表資料は「政府自ら国産AIを調達していくことで、信頼できるAIの国内開発を支援していく」とし、目的の一つに「政府調達を通じた国産AIに対する安定的な需要創出」を挙げ、その帰結を「国産AIの育成・強化、民間投資の喚起」と結んでいる。政府が買う。安定した需要が生まれる。国産AIが育ち、民間投資が呼び込まれる。想定されている道筋は明快だ。

政府が顧客となることで、AI企業は何を得るのか。そして、その価値が政府以外の市場にも広がるには、何が必要なのか。本稿では、源内の調達制度を手がかりに考えたい。

なお、ここでいう「最初の顧客」は文字どおり最初の購入者という意味ではなく、政府が、実務で継続的に使う大口の顧客として現れることを指している。

前提も一つ確認しておきたい。調達は補助金の代わりに始まったわけではない。開発費を補助する事業は縮んでおらず、AI基盤モデルの開発補助は2027年度概算要求でも増額が要求されている（対象事業も年度も異なるため、国産モデルの調達額と直接比べられる数字ではない）。重要なのは予算規模の大小ではなく、企業が受け取るものの違いである。補助金は開発を支える。調達は、実際の需要を生む。

1. 無償試用から有償調達へ

ガバメントAI「源内」は、政府職員が生成AIを使うための共通環境である。2026年5月から、全府省庁・外局等を含む39機関、約18万人規模の大規模実証が始まっている。

ここで使う国産の大規模言語モデルを、デジタル庁は公募で選んできた。ただし、最初の公募には条件が付いていた。「令和8年度（2026年度）中は無償で提供すること。」

つまり2026年度は、無償での試用と評価検証を行う期間であり、モデルの有償調達は2027年度から予定されている。企業はこの期間に、行政現場での利用実績と、デジタル庁からのフィードバックを得ることになる。

経過を時系列で見ると、段階が分かれていることがよく分かる。

時期何が起きたか数
2025年12月〜2026年1月公募応募15件
2026年3月6日選定結果の公表7件を選定（うち1件は複数社の共同応募）
2026年5月29日評価検証の契約締結5社
2026年8月頃〜2027年3月源内上で試用・評価検証—
2026年冬企業へのフィードバックと結果概要の公表（予定）—
2027年度〜優れたモデルを政府調達（有償・予定）—

当初7件が選定されたものの、その後2社から辞退の申し出があり、最終的に5社が評価検証の契約を締結したとデジタル庁は記している。

辞退の理由は公表資料からは分からない。ただ、企業側の視点に立つと、無償提供には一定の負担が伴う。ガバメントクラウド上の推論環境で動かし、機密性2情報を扱えるセキュリティを確保し、情報提供やカスタマイズなどの技術支援を行うことが求められる一方で、将来の有償契約が保証されているわけではない。企業は、政府での利用実績や評価を得る機会と、そのために必要な費用や人員を比較して参加を判断することになる。

政府が需要を創出しようとしても、企業側にとって参加する経済合理性があるかどうかは別の問題である。

2. 顧客が独自の物差しを持つとき、企業は何を作るのか

2027年度向けの公募は2026年11月に始まる予定である（資料では対象を「国産基盤モデル」と呼んでいるが、自然言語を扱うモデルが対象である点は変わらない）。ここで、評価の設計が大きく変わる。

項目2026年度向け（無償試用）2027年度向け（有償調達）
問題数50問300問
評価観点—35項目・8領域
評価方法その場で提示・秘密保持評価テストの方法等を事前に公表

8領域には、法律・制度、行政課題、日本の価値観・歴史観、国際関係・外交といった、行政の仕事に固有の主題が並ぶ。なぜここまでするのか。公募資料はその理由を正面から書いている。「MMLUをはじめとする基盤モデルの標準的・学術的なベンチマークは知識量・論理推論・言語流暢性を主に測定するが、政府における行政実務で求められる能力は質的に異なる。」

理由として挙げられているのは、誤った出力が政策判断、行政事務、国会対応、住民説明、制度運用、内部意思決定に影響しうることである。これは、政府が自前の物差しを作ったということである。民間で使われているベンチマークの点数では、政府が買うかどうかは決まらない。しかもその物差しは事前に公表される。企業は狙って合わせられるようになる。

この変化は、AI企業の製品開発にも関係する。一般的なベンチマークで高い性能を示すことと、実際の顧客業務で成果を出すことは同じではない。顧客が独自の評価基準を設けるようになれば、企業はモデルそのものの性能だけでなく、顧客の業務にどこまで対応できるかを示す必要がある。

一方で、特定顧客の評価基準に合わせた開発が、他の顧客にも通用するとは限らない。行政実務に特化した機能を開発することと、幅広い業種で使える製品を作ることの間には、経営資源の配分という問題が生じる。

政府が独自の評価基準を設けることは、企業に求められる能力を明確にする一方で、どの顧客のために、どこまで製品を作り込むのかという経営判断にもつながる。

そしてもう一つ。評価を通ることと、契約を取ることは別に置かれている。公募は2026年11月に始まり、2027年初めに評価テストと入札、4月から使用開始という日程が予定されている。評価テストの先に、入札がある。 落札方式は現時点で公表されていない。価格のみで決まるのか、性能と価格を総合的に評価するのかによって、企業に求められる対応は変わる。

対比として米国の例を短く置いておきたい。連邦調達庁（GSA）が2025年4月から進める「OneGov」は、政府全体を一人の顧客として扱い、事前に交渉した共通条件で各省庁が調達できるようにする枠組みである。前面に出ているのは調達の手間と費用を下げることで、国籍の要件もない。一方デジタル庁が前面に出しているのは国産AIの育成と自律性であり、公募の対象は国内で開発されたモデルに限られる。

どちらかが育成だけ、効率化だけ、と切り分けられるわけではない。ただ、政府が何のために買うかによって、買い方の設計が変わることは見てとれる。安く早く買うことが目的なら、共通の枠組みと割引率の交渉が中心になる。国内の産業を育てることが目的なら、対象を限り、独自の評価基準を作り、毎年評価し直す設計になる。

3. 政府向けに作ったものを、他の顧客にも使えるか

ここが本稿の中心である。政府が顧客になることは、企業にとって収益性、製品開発、民間市場への展開という三つの面に効く。順に見ていくと、得られるものと、その裏にある負担が対になっていることが分かる。

収益性：売上が立つことと、利益が残ることは違う

2026年度は無償提供である。企業はこの期間、専用環境への対応や技術支援を対価なしで負担する。費用が先に出て、有償調達は2027年度から予定されている。

その先の収益を考えるとき、論点は二つある。

一つは、売上の続き方である。応募は1社1モデルに限られ、すでに契約している企業も含めて改めて評価テストを受ける予定とされている。契約期間や落札方式はまだ公表されていないため断定はできないが、少なくとも制度の形としては、評価と価格の両方をその都度問われる仕組みになっている。翌年も同じ条件で続く前提で原価や人員を積むことは難しい。

もう一つは、コストの性質である。政府向けに発生する開発・運用コストを、どれだけ他の顧客にも展開できるのか。行政固有の要件に応えるためにエンジニアが個別開発や技術支援を続ける必要があるなら、契約が続いても、売上の増加に比例してコストが増える。逆に、政府向けに開発したセキュリティ機能や外部システム連携の仕組みを他の企業にも共通の製品として提供できるなら、初期の開発費を複数の顧客から回収できる。

料金体系は応募時に企業側が提出する。初回の公募では、サブスクリプション型・買い切り型・従量課金型が例示されていた。どれを選ぶかで、利用が増えたときに売上が伸びるのか、固定のまま原価だけが増えるのかが変わる。なお、約18万人という数字は源内全体の利用対象規模であり、個別のモデルが実際にどれだけ使われるかは公表されていない。

製品開発：作り込みは、個別対応か、製品の改善か

評価基準が事前に公表される意味は、製品開発の側で最も大きい。35項目・8領域という具体的な物差しが分かれば、何を直せば点が上がるかが見える。行政現場からのフィードバックも返ってくる。企業はこれを製品改善につなげることができる。

問題は、その改善が行政実務に寄ることである。求められるのは、法令・制度・政策の知識、国会対応や住民説明に耐える正確さ、ガバメントクラウド上で動くこと、そして提出書類で新たに問われるようになったtool use（外部のツールや機能を呼び出してAIの能力を広げる仕組み）である。

ここで分かれ目になるのは、その作り込みが特定顧客だけのための個別対応にとどまるのか、他の顧客にも繰り返し提供できる製品の改善になるのかである。政府向けに整えたセキュリティや監査対応は、金融機関など規制の厳しい業種でも使える可能性がある。一方、行政特有の文書作成や制度運用への対応は、そのまま他業種の顧客ニーズに結びつくとは限らない。

開発の資源は有限だから、政府向けの最適化に割いた分は民間向けの優先順位から引かれる。製品が良くなることと、売れる製品に近づくことは、同じ方向とは限らない。 政府が最初の大口顧客になることの意味は、売上や利用実績を得られることだけではない。他の顧客にも繰り返し提供できる製品を作れるかどうかが、その後の事業成長を左右する条件になる。

民間市場への展開：実績と評価は、そのまま持ち出せるか

39機関・約18万人という規模で実運用される環境に採用された事実は、民間企業に説明するとき強い材料になる。政府の評価テストを通ったことも、体系的な能力の証明になりうる。

ただし、どちらにも但し書きが付く。実績は行政実務という特定の用途でのものであり、評価は政府が行政実務のために作った物差しによるものである。民間企業の調達担当者が見ているのは別の基準だから、政府の評価で高い点を取ることが、民間の評価で高い点を取ることを意味するとは限らない。

日本には、この問いに答えるデータがまだない。有償での使用が始まるのは2027年4月の予定であり、起きていないことの結果は測れない。

補助線になる研究はある。米国のSBIR（中小企業技術革新制度）を対象にした1996年の研究は、採択企業が10年間で比較対象より有意に速く成長した一方、その効果がベンチャーキャピタルの活動が活発な地域の企業に限られていたことを報告している。政府支援が企業成長に結びつく効果は、民間の資金供給環境によって異なり得る。政府の支援を持続的な成長へつなげるには、政府以外の顧客や資本との接続も重要な検討課題となる。

ただしこの研究が示すのは政府支援と企業成長の関係であって、政府から民間への顧客の広がりではない。制度も時代も市場も異なるため、そのまま日本には当てはめられない。

整理するとこうなる。

観点政府が顧客になることで得るもの持続的な成長につなげるために要ること
収益性2027年度からの有償調達という新たな売上機会政府固有の対応コストを、他の顧客にも展開できる形にすること
製品開発公表された評価基準、行政現場からのフィードバック個別対応ではなく、繰り返し提供できる製品の改善にすること
民間展開大規模な実運用環境での採用実績、体系的な能力の証明行政以外の用途でも能力を説明できること

右側は、どれも調達制度の設計だけでは用意できない。

おわりに：何をもって成果とするか

政府が顧客になることは、AI企業に新たな需要と、実際の業務を通じて製品を改善する機会をもたらす。しかし、それだけで企業の持続的な成長が約束されるわけではない。

政府向けの開発投資が継続的な収益につながるのか。行政現場で得られた知見が、他の顧客にも通用する製品の改善につながるのか。そして、政府での実績が民間市場における顧客獲得や資金調達にも生かされるのか。

今後の政府調達を見る際には、選定企業数や契約金額だけでなく、こうした企業の事業構造の変化にも目を向けたい。

観測できる材料はいくつかある。2026年11月に公募が始まる予定であり、そこで何社が手を挙げるかが分かる。2026年度の試用で2社が辞退したことを思い出せば、何社が選ばれたかと同じくらい、何社が応じたかが、この制度の実際の引力を教えてくれる。2026年冬には、評価検証の結果の概要が公表される予定とされている。そこで政府が何を良しとしたのかが分かる。

政府が最初の顧客になることは、企業に成長の機会を与える。その機会を持続的な事業へと発展させられるかどうかは、調達制度の設計だけでなく、企業自身の製品戦略と事業展開にも関わっている。

Disclaimer

本稿は、デジタル庁・経済産業省・内閣府および米国GSAの公表資料にもとづく、筆者個人の独立した分析です。内部情報には一切依拠していません。

本稿は特定の政策・制度・事業者を推奨または批判するものではありません。応募・選定・契約・辞退のいずれについても個別の事業者名を記載しておらず、個別の評価も行っていません。政策の意図は推定せず、本稿執筆時点で公表されていない事項（落札方式・契約期間・調達金額など）は記載していません。

本稿は投資助言・投資勧誘ではありません。特定企業の採択可能性、製品性能、調達価格の評価を目的とするものではありません。

筆者は JAPAN AI 株式会社および株式会社ジーニーに所属しますが、本稿は Alpha Beyond Frontier における筆者個人の見解であり、所属各社の公式見解を示すものではありません。記載した数値および事実は、各出典の公表時点のものです。

References

コメント

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

投稿をさらに読み込む