アメリカ企業のオープンソースAIへのシフト

エンタープライズAIはクローズドからオープンモデルへと移行中

アメリカの企業は、OpenAIやAnthropicのようなクローズドソースのAIプロバイダーから、オープンソースおよびオープンウェイトのモデルへとますます移行しています。このシフトは、主に急騰するAPIコスト、より高度なカスタマイズへの要望、そしてベンダーロックインを回避するための戦略的な必要性によって推進されています。

例えば、AT&TはAI戦略を大幅に転換しました。当初はカスタマーサービス、通話の文字起こし、コーディングにクローズドモデルを利用していましたが、コストを抑えるためにオープンモデルへと移行しました。2026年5月までに、AT&TのAI利用の20%をオープンモデルが占めるようになりました。その数値はその後すぐに40%に上昇し、数ヶ月以内には60%に達すると予測されています。AT&Tは、年初と比較してAIコストを最大80%削減できたと報告しています。

オープンAI採用の主な要因

コスト削減とコモディティ化された価格設定

多くの企業にとっての主な動機は、運用支出の削減です。AIの利用規模が拡大するにつれ、クローズドソースのプロバイダーに対してトークンごとに支払うコストは、法外なものになります。オープンモデルを使用すれば、継続的な支払いなしに、あるいは第三者からの承認なしに、ソフトウェアをダウンロードして修正することが可能になります。

OpenRouterの業界データは、より広範なトレンドを示しています。先月、米国におけるAI利用の58%をオープンモデルが占め、わずか1年前の10%から急増しました。この傾向は、フロンティアモデルがコモディティ化しつつあることを示唆しています。つまり、クローズドモデルとオープンモデルの性能差が縮まり、コスト削減のメリットが、最も高度なクローズドシステムを利用する限界効用を上回るようになっているのです。

リスク軽減とベンダーからの独立性

コスト以外にも、企業はリスク管理を優先しています。中核となるビジネスインテリジェンスを単一のクローズドソースの主体に依存することは、重大なベンダーロックインと運用リスクを生み出します。

信頼性: 主要なAIラボのダウンタイムは、重要な販売やカスタマーサービス機能を中断させる可能性があるとユーザーは指摘しています。
コントロール: オープンモデルを使用することで、企業はデータを安全な環境内に保持でき、独自のビジネスロジックや財務データを第三者プロバイダーに送信するリスクを回避できます。
予測可能性: 投資家やプライベート・エクイティ・ファームは、技術的なデューデリジェンスにおいて、予測不能な単一のAIベンダーへの依存を負債と見なすことが増えつつあります。

カスタマイズと法的確実性

オープンモデルは、特定の企業のニーズを満たすために、基盤となるコードをファインチューニングしたり修正したりできる柔軟性を提供します。しかし、どのオープンモデルを使用するかという選択は、法的な規制や懸念事項によって左右されることが多いです。例えば、AT&Tは、データプライバシーと規制の懸念から中国製モデルを避け、代わりにGoogleのGemmaやMetaのLlamaといった米国開発の代替案を選択しています。

業界への影響と市場の反応

「シャベル売り」の優位性

市場がセルフホスティングとオープンモデルへとシフトするにつれ、、金融的な利益はモデルプロバイダーからインフラストラクチャ・プロバイダーへと移行しています。Nvidiaによる、オープンAIモデルの中央ライブラリであるHugging Faceの129億ドルの買収は、特定のモデルウェイトよりも、インフラストラクチャと配信レイヤーの重要性を強調しています。

クローズドソース・ラボへの脅威

OpenAIやAnthropicのようなクローズドソース・ラボは、潜在的な「コモディティの罠」に直面しています。もしオープンモデルがフロンティアモデルの能力の80-90%に達した場合、ほとんどの企業は、クローズドAPIのコストとリスクを回避するために、「ほぼ同等の性能」を持つオープン版を選択するようになります。これにより、クローズドソース・ラボは、大幅な値下げ、あるいは推論プロバイダーとしてではなく、ローカル利用のためのライセンスモデルへの移行を迫られることになります。

技術的な対抗意見と限界

オープンAIへのトレンドは強力ですが、一部の技術専門家は、その移行がスムーズではないと主張しています。

ハードウェア・オーバーヘッド: セルフホスティングには、GPUと電力インフラ（例：ハイエンドGPUラック用の240v電力へのアップグレード）への多大な投資が必要です。
コーディング性能: 一部の開発者は、複雑なソフトウェアエンジニアリングにおいて、最先端（SOTA）のクローズドモデル（Opus 4.5など）は、依然としてオープンな代替案を大幅に上回ると主張しています。
運用上の複雑さ: 内部AIインフラの管理は、以前はAPIプロバイダーが担当していたルーターの複雑さやセキュリティリスクを導入することになります。

"I think using open-source AI is no longer about API cost but about company survival... companies can't outsource their intelligence to a potential competitor."

"Investors know they need companies to be on the AI train, but they really don't like vendor lockin to the big AI companies."