AIとスイスに何の関係があるのか？ 🇨🇭
スイスは何世紀にもわたり、中立という立場を機能させてきました。世界を避けることによってではなく、自国の選択を世界に決めさせないことによってです。
この違いは重要です。中立性はスイスに行動の余地を与えました。独立性を維持し、競合する大国のどれか一つに恒久的に縛られることなく、複数の勢力と協力することを可能にしたのです。
AIも、いま似た局面に入りつつあります。
市場は驚くほど速く動いています。モデルは絶えず進化し、ベンダーの優位性は入れ替わり、オープンウェイトのシステムも強くなっています。ハーネス、ツール、クラウド、インフラも同時に進化しています。早すぎるロックインは、必ずしも規律ある選択ではありません。むしろ不利になることがあります。
目的は、意思決定を避けることではありません。不必要な依存を避けることです。
それが「スイス原則」です。選ぶ自由を保ち、変化に対応できる速さを維持し、重要なもののコントロールを自ら握り続けることです。
AI中立性：まだ勝負が決まっていない市場にロックインしない
テクノロジーの歴史の多くにおいて、標準化は賢明な戦略でした。プラットフォームを選び、ベンダー数を減らし、厳しく交渉し、勝者を中心に構築するという考え方です。
しかしAIは、その定石を早すぎる段階で適用するには最も不向きな市場の一つかもしれません。
モデルは絶えず変化し、価格も変わります。モデルを実用的にするハーネス、その周囲のツール層、下支えするクラウドやチップ、そしてスタック全体を取り巻くデプロイ方式や経済モデルも同様に変化しています。
2026年夏には、変化がどれほど速いかを目の当たりにしました。OpenAIは7月にGPT-5.6ファミリーを発表しました。7月30日までにLunaの価格は80%、Terraは20%引き下げられ、その数週間後にはSolの価格も20%以上引き下げられました。最初の価格表が古くなるより先に、技術と価格が動いていたのです。
これは、長期の技術投資を行うすべての買い手が考えるべき点です。
さらに驚くべきなのは、最も高価なフロンティアモデルが、特定の仕事にとって必ずしも最良の答えではないことです。
Composioは最近、31件の実際のSaaSタスクで、オープンウェイトのMiniMax M3スタックとClaude Opus 4.8を比較しました。どちらも31件中26件を完了しました。しかし、1ケースあたりの推定モデルコストは約0.16ドル対1.90ドルで、約12倍の差がありました。より安価なモデルが、その仕事に適したツール層と組み合わされていたためです。
同じ仕事。同じスコア。しかし経済性は大きく異なります。
これは、オープンウェイト・モデルが常にフロンティアモデルより優れているという意味ではありません。もっと重要なのは、唯一の勝者が存在しない可能性があるということです。ある時点の、ある仕事に最適な組み合わせがあるだけなのかもしれません。
だからこそAI中立性が重要です。そして中立性はモデルベンダーだけで終わってはいけません。ベンダー、モデル、フロンティア／オープンウェイト・システム、ハーネス、エージェント・フレームワーク、ツール層、クラウド、インフラ全体に及ぶ必要があります。
AI中立性とは、意思決定を避けることではありません。次の意思決定を行う能力を不必要に手放さない形で、今の意思決定を行うことです。
CEOにとっては、今日の戦略的パートナーが明日の戦略的依存先になり得ると認識することを意味します。CIOにとっては、アーキテクチャに固定したすべての層を、将来ほどかなければならない可能性があると理解することです。CISOは、モデル、ハーネス、クラウドが変わっても企業ポリシーが維持されるよう求めるべきです。CFOは、競争が交渉力を生み、ロックインがその交渉力をベンダー側へ移すことを忘れてはいけません。
選択肢を残すことは優柔不断ではありません。絶えず変化する市場では、選択可能性そのものが資産です。
AIアジリティ：方程式を構成するのはモデルだけではない
CIOやCFOなら思わず立ち止まるような数字があります。
最近のエージェント・ハーネスのテスト分析では、基盤モデルとタスクを同じにしたまま、異なるハーネスを比較しました。ある構成では、1つのタスクを解決するのに約3,500トークンが必要でした。OpenClawでは約292,000トークンでした。
基盤モデルは同じ。タスクも同じ。違ったのは、モデルを取り巻くソフトウェアでした。
The New Stackは、この差を約70倍と表現しました。重要なのは、別の無関係な2つ目のモデルで実験を繰り返しても相対的な順位がほとんど変わらず、差の多くがハーネス自体から生じていることを示唆した点です。
その意味を考えてみてください。企業が非常に有利なモデル価格を交渉できても、ハーネスが過剰なコンテキストを持ち回り、不必要な手順を踏み、ツールを呼び過ぎ、処理を繰り返し、あるいはメモリを不適切に管理すれば、節約効果の多くが失われます。
だから「どのモデルを使っているか？」という質問は、「その車にはどのエンジンが載っているか？」と聞くのに少し似てきています。
重要か？ もちろんです。しかしシステム全体の性能、経済性、安全性を理解するには十分か？ もう十分ではありません。
Composioは別の方法でもこの点を示しました。 同じDeepSeek V4 Flashモデルを同じ30件の難しいタスクに使ったところ、Piは30件中20件を完了し、成功1件あたり約0.028ドルでした。一方Claude Codeは30件中16件で、約0.195ドルでした。
同じモデル。違うハーネス。成功したタスク1件あたりのコストは約7倍の差です。
教訓はハーネス選びだけにとどまりません。同じモデル提供者の中でも、最適解はワークロードによって変わります。結果を実質的に改善できる場面ではフロンティア級の知能を使い、追加の推論能力がビジネス価値をほとんど生まない仕事は、より安価なモデルに任せるべきです。
それがAIアジリティです。
高度に見せるためだけの「マルチモデル」ではありません。仕事ごとに適切なモデル、ハーネス、ツール、インフラを選び、より良い組み合わせが現れたら構成を変えられる能力です。
最適化の単位は、もはやモデルではありません。ワークロードです。
これは経営層の役割ごとに異なる意味を持ちます。CEOは、次の大規模プラットフォーム移行を待たずに新たなブレークスルーの恩恵を受けられます。CIOは、一つの標準モデルの管理者ではなく、複数の選択肢を編成するオーケストレーターになります。CISOは、各ワークロードの実際のリスクに合わせてデータ境界、インフラ、自律性のレベルを調整できます。CFOは、より安価な組み合わせで同等にこなせる仕事にフロンティアモデルの料金を払い続ける必要がなくなります。
勝つ企業は、一度だけ最高のAIを選んだ企業ではなく、仕事に最適なAIを継続的に見つけ続ける企業かもしれません。
アルファ・コントロール：誰もが同じ知能を買えるなら、あなたの優位性は何か？
これは、エンタープライズAIにおける最も重要な問いかもしれません。
フロンティアモデルは驚異的です。しかし競合他社も利用できます。オープンウェイト・モデル、クラウド、エージェント・フレームワーク、ますます高性能になるツールも同じです。
誰もが似た知能を借りられるなら、その知能そのものだけで参入障壁を築くことはできません。
PalantirのCEO、Alex Karpは、企業が真剣に考えるべきものを表す言葉として「alpha（アルファ）」を使っています。それは、企業ごとの差を生み出す独自の知識、データ、プロセス、運用上の優位性です。
ベンダー側の主張を取り除けば、その下にある問いは非常に有益です。企業は何を借りるべきで、何を決して手放すべきではないのでしょうか？
モデルは借りられます。ハーネスは変更できます。インフラは移せます。ツールは置き換えられます。しかし、あなたの会社のコンテキストは別物です。
顧客との関係も違います。独自データも違います。運用手順、価格決定ロジック、組織の記憶、権限、意思決定も違います。優秀な人材が「どうすれば仕事を成し遂げられるか」を知っている、そのやり方も違います。
アルファが宿るのは、まさにそこです。
フロンティアモデル企業でさえ、この変化を認識し始めています。OpenAIが示すエンタープライズの将来像も、ボトルネックがモデルの知能そのものではなく、ビジネスのコンテキスト、権限、メモリ、監査可能なアクションを中心に、エージェントをどう構築・統制・運用するかへ移りつつある世界を示しています。
この違いは、エージェントが「答える」だけでなく「行動する」ようになるほど重要になります。エージェントは情報を読み、判断し、ツールを呼び出し、システムを変更し、ワークフローを起動し、環境によっては資金を使ったり現実世界のアクションを実行したりできます。
その段階で重要な問いはこうなります。何をしてよいかを誰が決めるのか？
それがアルファ・コントロールです。
モデルは変わっても、コントロール層は変わるべきではありません。
CEOにとっての目標は、誰もが使える同じ知能にアクセスすることではなく、競合他社が容易に再現できない方法で知能を活用することです。CIOにとっては、AIスタックを交換可能にしながら、運用層を永続的に保つことを意味します。CISOにとって、アイデンティティ、権限、データ境界、ランタイム・ポリシー、エビデンスは、モデルが変わるたびに移動してはいけません。CFOにとっては、どのAIが価値を生み、どれがトークンを浪費し、どこで費用が積み上がっているかが見えなければ、経済性を本当にコントロールしているとは言えません。
知能は借りる。優位性は自社で所有する。
スイス原則を実践する
OmniTrustは、失敗が現実の結果をもたらす環境で、何十年にもわたりトラスト・インフラを構築してきました。シリコンや組み込みシステムから、暗号、アイデンティティ、クラウド、そして今やAIまで、その対象は広がっています。
その歴史が、現在の状況を見るうえで独自の視点を与えています。技術は急速に進化できますが、信頼は依然として証明可能でなければなりません。権限は依然として制御されなければなりません。そして企業は、自社に代わって何が行動しているのかを把握し続けなければなりません。
AIはいま、より重大な局面へ近づいています。モデルの能力は高まり、エージェントは単に答えるだけでなく行動し始め、業界ではAGIやスーパーインテリジェンスがすでに真剣に議論されています。お客様から寄せられるのは実務的な問いです。事業を自分たちのものにしているコントロールを手放さずに、どうすればイノベーションの優位性を維持できるのか？
GPTの転機から今日のエージェント時代までの約4年間、私たちは市場の最終形を予言するのではなく、その進化を見てきました。モデルは互いに追い越し、オープンウェイト・システムは改善し、ハーネスは性能とコストを左右する主要因として浮上し、インフラの選択肢は増え、経済性は急速に変化しました。
教訓はシンプルです。まだ変化しているものに企業をハードワイヤしないこと。
ベンダー、モデル、ハーネス、インフラを横断して中立性を保つ。より良い組み合わせが現れたときにワークロードを移せるだけのアジリティを保つ。そして、アイデンティティ、ポリシー、データ、ランタイム、権限、経済性、監査のための一貫したコントロールプレーンを維持する。
この3つの考え方は互いを強化します。AI中立性が選択肢を守り、AIアジリティがその選択肢を実行に移せるようにし、アルファ・コントロールが生まれた優位性を企業内に保ちます。
目の前の機会とその先の将来を同時に見据える経営チームへの助言も明快です。素早く動く。ただし重要な選択は後から戻せるようにする。ベンダーへの忠誠ではなく成果を最適化する。スタックは今後も変わり続けると想定する。そして、自社に残すべきもの――データ、権限、経済性、組織固有の優位性――が確実に自社に残るようにすることです。
OmniTrustがこの支援に適しているのは、私たちが長年解いてきたトラストの問題が、いまAIの速度で動き始めているからです。Haloはその系譜を引き継ぎ、モデルやプロバイダーを選ぶ自由を維持しながら、変化するスタックの上でランタイム強制、データ保護、アイデンティティ、ポリシー、コスト・ガバナンスを一貫させる、中立的なコントロールプレーンのアプローチを提供します。
未来は変わり続けます。選ぶ自由まで変わる必要はありません。
戦略から、信頼できる大規模AI運用へ
OmniTrust AI Lifecycle Managementは、戦略、トラストネイティブなアーキテクチャ、専門エンジニアリング、Halo AI Control Planeを統合し、企業が一貫した単一レイヤーからデータ、モデル、アイデンティティ、ランタイム、インフラ、コストを統制できるようにします。
目的はAI導入を遅らせることではありません。企業の価値を生み出すものを手放すことなく、AIと自律システムを構築・展開・拡張するために必要な中立性、運用上のアジリティ、主権的なコントロールを提供することです。
この記事をホワイトペーパーとしてダウンロードしてください。チーム向けの「OmniTrustとスイス原則」をご利用いただけます。また、OmniTrust ALMとHaloの詳細は www.OmniTrust.com/ALM をご覧ください。
