iAm Hiro Shinohara
時間の感覚は人それぞれ違う。そんなことは知っていたつもりだった。けれど、自分のそれが一般的な感覚からどれほど外れているかに気づいたのは、わりと最近のことだ。
僕にとって、認識できる時間の境界は3分あたりにある。過去も未来も同じだ。4分前のことと1時間前のことは、体感としてほぼ同じ距離にある。5分後の予定と明日の予定も、同じくらい遠い。どちらの方向にも、3分を超えた瞬間に輪郭が消える。ところが3分以内になると、突然それは手触りのある時間になる。見える、感じる、まだそこにある、あるいはもうすぐ来る。4分と3分のあいだに、認識の崖がある。
これはおそらく、短期記憶とかワーキングメモリとか、そういう話と地続きなのだろう。でも数値で自覚したことの意味は大きい。3分の内側だけが異様にリアルで、その外側はすべて等距離に霞んでいる。この構造がわかると、自分の時間との付き合い方がかなり整理される。
もっと早く知りたかったと思う。自分の時間感覚がどう歪んでいるかを知ることは、自分の認知の形を知ることだ。矯正するためではなく、設計に使うために。
いつの時代にも、持てる力を発揮できないまま終わった人がいる。能力の問題ではない。その能力が社会と接続するための回路が、時代ごとに異なっていたからだ。それを運と呼ぶこともできるし、適応力と呼ぶこともできる。しかしどちらの言葉も実態の複雑さを捉えきれていない。
かつて腕力が価値の中心にあった時代がある。身体が強いことが、そのまま生存と成果に直結していた。文明と科学が発展し、社会の仕組みが物理的な力に依存しなくなったとき、腕力を持たない人にも活躍の場が生まれた。これは単なる技術の進歩ではなく、社会が「力」の定義を書き換えた瞬間だった。
表現の領域でも同じことが起きている。豊かな芸術的才能を持ちながら、オーディエンスとの接点を持てなかった人は歴史上数えきれない。デジタル空間が登場し、発信のコストが劇的に下がったことで、かつては埋もれていたはずの才能が可視化されるようになった。言語の壁もそうだ。特定の分野に秀でた能力があっても、それを伝える言葉を持たなければ、存在しないのと変わらなかった。
文明の進化とは、埋もれていた才能と社会の接続回路を増やしてきた歴史でもある。印刷技術が思想の伝播を民主化し、インターネットが発信の独占構造を崩したように、新しい技術が登場するたびに、それまで閉じていた誰かの回路がひとつ開かれてきた。そう考えると、AI エージェントが日常に入り込んできた今の時代は、また別の種類の回路が開かれようとしている瞬間に見える。
単独行動しかできなかった人。外部とのコミュニケーションが極端に苦手な人。あまりにも狭い領域にしか専門性がない人。これまでの社会では、こうした特性は弱点として扱われてきた。組織で働くには協調性が要り、成果を出すには他者との連携が前提だった。しかし AI エージェントが間に入ることで、その前提自体が変わりつつある。対人関係の負荷から解放されたとき、内側にある集中力や専門性がそのまま生産性に変換される世界が、現実味を帯びてきた。引きこもりやニートとカテゴライズされてしまう人が、見方を変えれば、この時代にもっとも適応し得る人物像である可能性すらある。
僕自身を振り返っても、直近の半年間はそれ以前と明確に違う。たった一人でも、AI エージェントの助けがあれば、小さな組織を運営する程度の生産能力を持つことができる。調査、文書作成、コードの実装、翻訳、戦略の壁打ち。かつてはそれぞれ別の人間が必要だった役割を、一人の判断のもとで回すことができるようになった。その小さな組織をさらに役割分担しつなぎ合わせれば、中規模以上の組織体にまで発展させることができる。個人が持つ生産性の上限が、従来の比ではなくなった。
もちろん、慎重に見なければならない部分もある。その生産性と呼んでいるものが、コストに見合っているかどうかは現時点では判断がつかない。インターネット黎明期やドットコムバブルのときと同じように、体感している生産性の正当なコスト構造を、僕たちはまだ正確に認識できていない。そして、生産性が何に向けられるのかという問いも残る。ものを生み出すのか、思想を磨き上げるのか、誰のためにどんな目的で力を使うのか。個人の生産性が劇的に上がるとき、その力の向かう先は本人に委ねられる。それは自由であると同時に、静かな責任でもある。
それでも、かつて Steve Jobs が計算機を「知性の自転車」と呼んだように、今まさに個人の能力が拡張される瞬間の只中にいるという感覚がある。閉じていた回路が開かれるとき、何が起こるのかは、まだ誰にもわからない。
Tesla が長年 Apple CarPlay に対応しなかった理由を、単なる Elon Musk のこだわりだと片付ける人は多い。しかしこの判断の背景には、自動車産業の収益構造そのものが変わりつつあるという認識がある。良いものを作って届ける、その先に何があるかという問いに対する Tesla なりの回答が、CarPlay の不採用だった。
iPhone のカメラセンサーにはソニーの技術が使われている。世界中に出荷されるすべての iPhone に搭載されているという事実は、ソニーの技術力と品質の証明にほかならない。しかし最終的にユーザーが触れるのは iPhone という製品であり、iOS というソフトウェアであり、iCloud というクラウドサービスであり、Apple が設計した体験そのものである。部品の供給者がどれほど優れていても、顧客との長期的な関係を築けるのは、体験の最終レイヤーを握っている企業だけだ。この構造はあらゆる産業で繰り返されてきた。
CarPlay とは何か。利用者の視点で言えば、使い慣れた iPhone の UX を車内に持ち込む便利な機能にすぎない。古くさいカーナビの UI に苦しめられてきたドライバーにとっては救いでもある。しかし自動車メーカーの側から見ると、これは車内体験の主導権をスマートフォンメーカーに譲り渡す行為にほかならない。短期的には顧客満足につながる。慣れた操作体験を提供できるし、CarPlay 対応というだけで購入の決め手になることもある。だが中長期で考えると、その顧客との接点はすべて Apple のものになる。音楽は Apple Music で聴き、ナビは Apple Maps を使い、通知も電話も iPhone 経由で届く。車は走る箱になり、体験は Apple のレイヤーに吸収される。
Tesla はこの構造を最初から拒否した。独自のインフォテインメントシステムを開発し、ナビも音楽もすべて自社の UI で完結させた。Apple Music を聴くにも Tesla の Premium Connectivity サブスクリプションが必要になる。ユーザーの利便性を犠牲にしてでも、顧客体験のレイヤーを一切手放さないという意志がそこにはあった。
この判断の先に Tesla が見ていたのは、ソフトウェアによる継続的な収益モデルだ。FSD（Full Self-Driving）のサブスクリプションは 2026年2月から月額課金のみに移行し、100万人を超えるユーザーが利用している。車を売って終わりではなく、走行データを収集し、AI を訓練し、ソフトウェアを改善し、その改善された機能をサブスクリプションとして販売する。ドライバーが増えるほどデータが蓄積され、データが蓄積されるほど自動運転の精度が上がり、精度が上がるほどサブスクリプションの価値が高まる。この循環を成立させるためには、車内の体験とデータの両方を自社で握っている必要があった。
この構図は、CarPlay という一機能の話にとどまらない。自動車が「走るコンピュータ」になりつつある時代に、ハードウェアを作る企業とソフトウェアを設計する企業のどちらが顧客との関係を持つのかという、産業構造の根幹に関わる問いだ。良いものを作り、世界中に届けてきた日本のメーカーが、最終的に体験のレイヤーを他者に握られてきた構図と重なる。
CarPlay の進化の先にある未来では、自動車メーカーは Apple にとっての「センサーメーカー」になりかねない。優れた走行性能やハードウェアの品質は認められても、顧客が毎日触れるインターフェースは Apple が設計したものになる。Tesla がそれを拒み続けたのは、自社が部品メーカーの側に回ることを拒んだということでもある。
ただし Tesla の判断が正解だったかどうかは、まだわからない。顧客体験のレイヤーを自社で握り続けることには、ユーザーの不満というコストが伴う。CarPlay への対応を求める声は長年絶えなかった。意志だけで市場の要求に抗い続けられるかどうかは、別の問いだ。
結局のところ、この問いに明快な答えはない。部品を極め、最終製品の体験は他者に委ねるか。体験のすべてを自社で設計し、顧客との摩擦を引き受けるか。どちらの道にもコストがある。ただひとつ確かなのは、体験のレイヤーを握る者が、その先の収益構造と顧客との関係のあり方を決めるということだ。CarPlay に対応するかどうかは、技術の話ではない。自分たちが何を売っているのかという問いへの答えなのだと思う。
普段、仕事では英語と日本語のあいだを行き来することが多い。同時通訳の負荷も、言葉が通じるだけでは何も足りないことも、身をもって知っている。相手の意図、前提知識、温度感、そしてその場で何を決めたいのかまで読み取りながら、ようやく意味のある通訳になる。
今、その感覚は AI の登場によって別の形ではっきりしてきた。英語と日本語の通訳そのものは、近い将来かなりの部分を AI が肩代わりするだろう。それはもう避けられないと思う。けれども、その先に新しく必要になる能力がある。それが、人間と AI のあいだを通訳する能力だ。
現状の AI は万能に見えて、実際にはかなり繊細な相手である。メモリの持ち方にも構造上の制約があり、文脈の圧縮や展開の仕方にも癖がある。人間同士の会話であれば曖昧さや飛躍はある程度補われるが、AI との対話ではそこがそのまま性能差になる。何を前提にし、どこまでを省略し、どの順番で情報を渡すか。その設計によって、同じ AI でも返ってくる結果は大きく変わる。
この感覚は、通訳の仕事とよく似ている。英語と日本語のあいだを往復するとき、自分はできるだけ余計な文脈を消費しないように話す。関西弁のようなローカルな表現は使わず、明瞭なセンテンスで、結論を先に置く。一文はできるだけ短くする。もともと Markdown 的な記述を好んでいたので、会話をするときも、どこか Markdown でしゃべっているような感覚があった。共通認識として使えるフレーズができたら、その定義を先に置き、あとは短い呼び出しで会話を圧縮する。通訳とは、言語変換である以前に、文脈圧縮の技術なのだと思う。
この考え方は、そのまま AI 時代にも持ち込める。人間同士の会話においては、セマンティックな構造を過度に整理しすぎると不自然になるため、Markdown 的な整理が現実的な落とし所だった。しかし AI に対しては、その傾向がさらに強い。前提を揃え、目的を明示し、制約を定義し、出力形式を先に決める。そうするだけで、対話の質は劇的に変わる。つまり、AI と会話する能力とは、単に質問が上手いことではなく、思考を構造化して渡す能力なのだと思う。
問題は、多くの人が日常的に Markdown で話していないことだ。人間同士であれば、それでも会話は成立する。だが AI との対話では、その曖昧さがそのままロスになる。だから今後は、人間の自然言語を AI が理解しやすい形に変換する通訳が必要になる。いわゆる prompt engineering と呼ばれる領域も、その一部だろう。だが本質はもっと広い。その場で適切な sub-agent を使い分けること、特定領域に特化した workflow を組み、文脈を圧縮したまま自動化をつなぐこと、短期記憶と長期記憶を意識的に使い分けること。そうした能力全体が、新しい意味での言語能力になっていく。
これまで言語能力とは、外国語をどれだけ扱えるかという尺度で測られてきた。しかし今後は、それだけでは足りないだろう。人間の曖昧な意図を、機械が処理できる構造へ翻訳する能力。逆に、AI が返してきた結果を、人間の判断に耐える形へ再翻訳する能力。その往復運動こそが、次の時代の知的生産性を決める。
語学が不要になるとは思わない。むしろ、通訳の本質が何だったのかが、AI の時代に入ってようやく見えてくるのかもしれない。これから必要とされるのは、英語力や日本語力だけではない。人と AI のあいだに立ち、意味を削らず、文脈を整え、意図を正しく渡す力。そういう意味での通訳者が、これからの社会では想像以上に重要になるのだと思っている。
2025年の年末、じっくりと自作のプログラムの開発を楽しんだ。本来の目的は、あらゆる作業の自動化にあり、その目的はある程度達成できたと思う。AI を用いた並列的な開発スタイルを取り入れ、個人の作業の自動化を担う自分専用のプログラムを複数作った。その過程は純粋に面白かったし、長いあいだ頭の中にだけあった構想が、ようやく手触りを持ちはじめた感覚があった。
このとき大きかったのは、自社のデータセンターインフラがすでに手元にあったことだ。データの取り扱いに対する懸念を最小化したまま、思い切って AI を導入できた。生成 AI を使うかどうかは、性能の問題だけではなく、どこに何を預けるのかという信頼の問題でもある。そこを越えられたことで、単なる試用ではなく、自分の能力そのものを拡張する道具として AI を使い始めることができた。
そして 2026年の1月末ごろ、ふと気づいた。自分はもう、サイボーグなのかもしれない。先月までの自分は、ある意味では原始人だったのかもしれない。もちろん、腕が機械になったわけでも、脳に電極を埋め込んだわけでもない。身体のどこかを物理的に改造したわけではないのに、明らかに以前とは違う認知の状態に入っていた。
昔、サイボーグと聞いて思い浮かべていたのは、もっと直接的な姿だった。腕が銃になり、目がレンズになり、身体そのものが機械に置き換わっていくようなイメージである。しかし実際には、そういう方向ではないらしい。人間は、より疎結合に設計された外部機器やソフトウェアを通じて、自分の能力を底上げしていく。身体の内側に埋め込むのではなく、外部に置いた知性や記憶や判断補助を、自分の一部のように接続して使う。
この変化が興味深いのは、境界が曖昧なことだ。どこまでが自分で、どこからが外部なのかが少しずつわからなくなる。コードを書くのは自分だが、探索や補完や比較は AI が担う。判断は自分が下しているつもりでも、その判断に至るまでの途中経路には、すでに複数の外部知性が入り込んでいる。そう考えると、サイボーグ化とは肉体の機械化ではなく、思考回路の外部化なのかもしれない。
しかも、この変化はかなり不可逆に見える。どう考えても、元には戻れそうにない。以前のやり方でも作業はできるだろうが、それはもう、パソコンを使わずに仕事をするようなもので、わざわざ不便な状態に自分を戻す行為に近い。便利になったというより、知的活動の前提条件そのものが変わってしまった感覚がある。
人間は、ある日突然、機械になるわけではないのだと思う。気づいたときには、すでに戻れない接続を獲得していて、その状態を日常として受け入れている。2026年の1月末に感じた違和感は、たぶんその境界をまたいだ感覚だった。僕にとってのサイボーグ宣言とは、身体改造の宣言ではなく、自分の知性がすでに単体ではなくなったことを認める宣言だ。
Waymo を違和感なく受け入れてしまう気持ちは、正直よくわかる。珍しいもの見たさもあるし、テクノロジー好きとしては見逃せない完成度だと思う。実際、街中で見かけるたびに、ひとつの時代の転換点を目撃しているような感覚になる。
ただ、その高揚感とは別に、Waymo の視点を意識せざるを得ない。彼らは LiDAR という目を持っている。都市の中を走りながら、道路の形状だけではなく、そこに存在する人や物の位置、動き、反応を継続的に捉えている。自動運転の実現という文脈だけで見ると、それは便利な技術であり、タクシー不足を補う現実的な解にも見える。しかし本質は、走る車両そのものよりも、その車両が見ている世界のほうにあるのではないかと思う。
重要なのは、何をどこまで認識しているのかということだけではない。その情報が、どの会社に、どの形式で、どれだけ継続的に蓄積されていくのかという点である。地形情報や道路状況だけでなく、人の流れ、混雑の変化、歩行者の反応、街の時間帯ごとの表情まで、都市そのものの振る舞いが記録されていく。短期的には配車の効率化や安全性向上に役立つとしても、長期的には「現実を誰が見て、誰が所有するのか」という問いにつながっていく。
この点で思い出すのが、最近の Niantic の動きである。位置情報や画像情報を起点に、現実空間を理解するためのデータを蓄積してきた企業が、その資産をロボットや配送のような現実世界のサービスと接続し始めている。これは、データの集め方と使い方が、ようやく社会にとって見えやすい形になってきた事例だと思う。
Twitter や Facebook の時代にも、膨大なデータは集まっていた。しかし、その価値や影響力は、情報空間の中だけでは十分に実感されにくかった。タイムラインや広告、レコメンドの精度として現れるだけでは、社会の側も危機感を持ちにくい。ところが、現実空間の地図や移動、配送、ロボティクスに結びついた瞬間、そのデータの重みは急に輪郭を持ちはじめる。
Waymo は、今日も街を走っている。ただ車両として走っているのではなく、現実を LiDAR とカメラで見つめ、都市を少しずつ写し取っている。自動運転の未来を考えるということは、交通の未来だけではなく、現実そのものをどの企業が観測し、蓄積し、再構成するのかを考えることでもあるのだと思う。
教育という言葉は、少し大きすぎるかもしれない。ここでは価値観や人格形成ではなく、あくまで「知識を獲得する」という行為に限定して考えたい。その前提に立つと、生成 AI の登場は学習の構造そのものを変え始めていると感じている。
生成 AI が急速に普及して以降、個人的にはあらゆる分野の学習が明らかに加速した。専門分野に限らず、趣味や周辺知識も含めて、理解に至るまでの距離が短くなっている。単に答えが早く得られるという話ではなく、学習のプロセス自体が変わったという感覚に近い。
例えば、ルービックキューブのアルゴリズム学習がそうだった。覚える段階を越え、効率的に解く方法を探り始めたとき、Web や YouTube には無数の情報が存在した。しかしそこに並んでいるのは、誰かにとって最適化された手順や順番であり、自分にとって何が最適かを見極めるまでに時間がかかった。情報ごとに前提や文脈が異なり、その整理はすべて学習者側に委ねられていた。
記号ひとつを取っても混乱は生じる。R はどの面をどちらに回すのか。SUNE はどの動きの集合を指すのか。こうした前提が揃っていないまま話が進むため、理解が分断されやすい構造だった。
AI が間に入ると、この状況は大きく変わる。情報の整理は AI 側が担い、記号や概念の定義を揃えたうえで説明してくれる。自分の理解度を前提に、学習の最適なパスを提示し、必要に応じて解像度を合わせ直してくれる。その結果、学習効率は飛躍的に向上する。
重要な部分だけを繰り返し確認でき、忘却曲線を意識した復習にも対応できる。学習の途中で疑問が生じれば、その場でファクトチェックも可能だ。さらに、学び方そのものを振り返るメタ学習的な視点も取り入れられるため、他分野との相乗効果や学習手法の最適化も進んでいく。
もちろん、デメリットがないわけではない。真偽の最終判断は依然として人間に委ねられており、誤った方向に進んだ場合のブレーキが効きにくい。倫理的な判断や価値観の修正を AI が自律的に行ってくれるわけではないため、陰謀論のような領域では、理解を深めるどころか誤解を加速させる危険もある。それは人の分断を生む要因になり得る。
また、この学習スタイルは内発的な動機を持つ人に強く依存する。積極的に問いを立て、対話を重ねる姿勢がなければ、AI は力を発揮しない。知識を一方的にインストールできる段階には、まだ至っていない。トリガーは常に人間側にある。
それでも、ひとつはっきりしていることがある。学習という行為において、生成 AI は極めて有益な存在になりつつあるということだ。知識をどう与えるかではなく、どう理解に至るか。その問いに対する実践的な答えを、AI はすでに示し始めている。
P2P 通信を前提にしたメッシュネットワーク上で動作するメッセンジャーは、すでに実在している。一定の条件下では、既存の通信インフラから独立し、検閲や遮断に強い自由な通信を実現できる点は魅力的だ。次世代の通信の可能性を直感的に感じさせるプロダクトでもある。
しかし、この方式には明確な制約がある。一定数以上の端末が中継ノードとして機能しなければ通信が成立しないため、閉鎖空間や短期間に人が密集する状況でしか安定して動かない。日常的で広域な通信インフラとして考えると、どうしても不安定さが残る。
この制約に対して、まったく別の方向から現実解を示したのが、完全な E2E 暗号化を前提にしながら通信の持続性を確保したメッセージングモデルである。その代表例が Signal だ。Signal は「中央サーバーを排除する」ことで安全性を確保したわけではない。むしろ、中央サーバーの存在を受け入れた上で、それを信頼モデルから切り離すという設計を選んでいる。
Signal のサーバーは、暗号化されたメッセージを一時的に中継し、端末がオフラインの間だけ保管する。公開鍵の配布やプッシュ通知のトリガーといった最低限の役割は担うが、メッセージ内容を読むことも、過去の通信を復号することもできない。サーバーは存在するが、見ることも改ざんすることもできない中継点に徹している。
この構造を支えているのが、Signal Protocol だ。初期接続時の鍵交換は端末同士で完結し、メッセージごとに暗号鍵が更新される。仮に一部の鍵が漏れても、過去や未来の通信内容は守られる。サーバーがすべての通信を保存していたとしても、それ自体に意味はない。
重要なのは、ここに「信頼」が前提として置かれていない点である。Signal は運営者の善意を前提にしていない。クライアントは OSS として公開され、暗号仕様も文書化され、再現ビルドによって改ざんは検証可能になっている。「信じるな、検証せよ」という姿勢が、そのままシステムに組み込まれている。
この設計は、完全 P2P と中央集権のどちらにも寄らない。完全 P2P が抱える不安定さを受け入れず、中央集権が生む支配や検閲のリスクも技術的に無効化する。中央中継を認めつつ、中央を信用しなくてよい状態に追い込む。暗号による、きわめて現実的な折衷案だと言える。
一方で、通信インフラそのものを宇宙空間に拡張する動きも現れている。Starlink のように衛星通信をハブとするネットワークは、既存の電話網や地上インフラを迂回する。これはビジネスモデルだけでなく、安全保障、プライバシー、国家主権の前提をも書き換える可能性を持つ。通信の物理レイヤーが変われば、上に乗るルールも必然的に変わる。
電話が誕生してから、通信は何度も進化してきた。中央集権と分散の間を行き来しながら、技術と社会の妥協点を探し続けている。完全な自由も、完全な管理も、どちらも現実には成立しない。
だからこそ、いま問われているのは「どちらが正しいか」ではなく、「どこに現実解を置くか」なのだと思う。暗号によって信頼を技術に埋め込み、中央を必要悪として扱いながらも支配を許さない。通信の進化は、自由と安定の間で揺れながら、また次の形を探し始めている。
Web3 が掲げた理想は、美しかった。
中央集権に頼らず、個人が自分のデータと資産をコントロールし、世界中の誰もが境界なく接続される未来。ブロックチェーン、仮想通貨、DAO。そのどれもが「分散」という言葉を背負いながら登場し、新しい社会構造を作ると期待された。
だが、あれから 10 年。
Web3 の歩みを振り返ると、その戦いはゲリラ戦に近かったように思う。巨大なプラットフォームに正面から挑むのではなく、既存のインターネットの隙間を見つけて突破口を作り、理想を実装しようとする動きだった。
しかし、ゲリラ戦は思想を広げることはできても、社会のルールそのものを書き換えるほどの力にはならない。
なぜテクノロジーだけでは世界は変わらなかったのか。
理由のひとつは、分散と分断が混同されていたことだろう。
Web3 が目指した「分散」は、本来は信頼を中央に集約しないための構造であり、権力を偏らせないための技術的デザインだった。
しかし実際には、コミュニティや陣営が分かれ、それぞれが独立した経済圏を形成し、互換性のないルールが乱立した。それは分散ではなく分断であり、小規模な世界が並列に乱立しただけとも言える。
分断が進むと、情報の共有が難しくなり、相互運用性は損なわれ、結局は新しい中央集権の誕生を促してしまう。
実際、Web3 領域では「非中央集権」を標榜しながら、一部のプラットフォームや取引所が圧倒的な支配力を持つという逆説が生まれた。
分散のつもりが、別の形の中央集権を招いたのである。
では、次の 10 年に残すべき教訓は何か。
それは分散を「構造」ではなく「信頼の運用方法」として捉え直すことだ。
信頼をどう社会に実装するか。これは、Web3 が提示した最も有用な問いである。
ブロックチェーンそのものよりも重要なのは、信頼を担保するためのコストをいかに軽減し、個人と社会がどのように真実を確認しあえるかという点だ。
この視点は、インターネット、AI、IoT を超えて、次世代インフラ全体に影響を及ぼす。
たとえば、プライバシー保持と透明性の両立。データの自己主権。相互運用性と標準化。分散型 ID による認証基盤の再定義。
これらは Web3 の失敗や停滞の裏側で残った、非常に重要な知財的資産である。
そしてもうひとつの教訓は、分散は電力と計算能力が伴わなければ成立しないという事実だ。いくら理想的なアルゴリズムを語っても、それを動かすための電力が中央に偏在すれば、構造は必ず中央集権に回帰する。
その意味で、日本のように電力と土地を地方が持ち得る国は、本来「分散インフラの実験場」になる資格がある。地方都市が計算能力を持つというテーマとも自然につながる視点である。
Web3 の 10 年は、テクノロジーだけでは世界は動かないという現実を示した。
だが同時に、「信頼をいかにデジタルで扱うか」という課題を社会全体に突きつけたという点で、大きな意味があった。
分散とは世界をバラバラにすることではなく、世界を切り離さずに成立する信頼の形を探すことに近い。
次の 10 年、私たちはこの問いにどんな答えを与えられるだろうか。
分断ではなく、接続のための分散へ。その実装こそが、AI 時代のインフラ設計における核心となるはずだ。
日本のものづくりは、長いあいだ「品質」という言葉に象徴されてきた。精度、耐久性、職人性、そして信頼。
しかし AI や IoT が前提となる今日、もはや品質は物理的な堅牢さだけでは語れない。ハードウェアそのものが攻撃対象となり、サイバー空間と実世界が直接つながる時代に入ったことで、日本製の機器や部品は新たなリスク環境の中に置かれている。
これまでサイバー攻撃の主戦場はサーバーやネットワークといったデジタル領域だった。だが今は、自動車の ECU、ロボットの駆動部、工場の制御システム、医療機器、通信モジュールなど、実世界の物理装置そのものが攻撃対象となっている。
もし内部の制御を乗っ取られれば、単なる情報漏洩ではなく、事故、停止、誤作動といった実害につながる。
この構造変化は、日本にとって特別な意味を持つ。世界中の精密機器、車載部品、ロボティクスの多くに日本製のハードウェアが使われているからだ。日本製部品に脆弱性があれば、攻撃者はそれを起点に世界のどこへでも侵入できる。
逆に言えば、日本がこの領域を守り切れるかどうかは、国際的なサイバー安全保障の重要な一部を担っているともいえる。
ここで問題になるのは、従来の「ものづくりの品質観」がサイバーリスクと同期していないことだ。製造業は長期スパンで安全性と信頼性を設計するが、サイバー攻撃は数日、数時間単位で変化する。
物理とデジタルの時間軸は本来異なるにも関わらず、AIoT ではこの二つが重なり合い、同じレイヤーでの設計が求められる。
つまり、ものづくりとサイバーセキュリティはすでに切り離せない関係になっている。完成した製品にセキュリティを“後付け”する発想は時代に合わない。
部品段階、組み立て段階、デバイス段階、そしてネットワーク接続の段階、すべてで一貫したセキュリティ設計が必要になる。品質の定義を「壊れない」から「攻撃されても壊されない」へと拡張する必要がある。
世界ではすでに、ハードウェアを対象とした攻撃検証の文化が広がりつつある。車や産業機器、重要インフラの制御盤などが公開の場に並び、専門家が脆弱性を探し、修正のきっかけを作る。
これはソフトウェアのバグバウンティ文化がハードウェア領域にも波及している証拠でもある。こうした“攻撃と防御の実験場”が存在することは、産業レベルの品質向上に直結する。
しかし、多くの国では、依然としてハードウェアセキュリティに対する意識は十分とは言い難い。特に日本の製品は「堅牢で安全」というブランドイメージが先行し、脆弱性検証の文化が後回しになりがちだ。これは、ものづくりの強みがそのままサイバーリスクの温床になり得るという逆説を孕んでいる。
今後、日本の産業が世界で信頼を維持するためには、ものづくりとセキュリティを同じ文脈で設計する必要がある。製品を作る工程そのものが、セキュリティの工程としても機能するように、設計思想を統合しなければならない。ハードウェアを作る国が、その安全性を保証できる国として振る舞えるかどうかが、国際競争力の鍵になる。
日本は、ハードウェアの責任を負う国であると同時に、サイバーセキュリティの責任も負う立場にある。製造業、インフラ事業者、通信、自治体、研究機関――多様な領域が連携し、産業基盤全体を守る必要がある。
ものづくりとサイバー防衛をつなぐ視点を持つこと。それこそが、日本がこれからも世界に信頼されるための条件であり、新しい意味での“ジャパンクオリティ”なのだと思っている。