AIWatch.

当フォーラムでは、防衛省防衛研究所の小野圭司主任研究官の協力の下、民生と防衛の双方で日本の国力を支える「デュアル・パワー」を持つ企業のインタビュー連載をお届けしていく。第2回は、日本発のAIスタートアップで、ユニコーン企業（評価額10億ドル以上で設立10年以内の非上場企業）としても注目を集めるSakana AI。同社は2025年に防衛分野への本格参入を果たし、防衛装備庁からAIを用いた戦場の指揮統制システム高度化に関する研究を受託しているほか、SNSなどを通じた偽情報をAIで分析・検知するインテリジェンス分野の技術開発にも取り組む。米中が世界のAI開発をリードする中、同社の強みはどこか。経済安全保障や国家の自立において「AI主権」の確保が叫ばれる今、日本は海外依存をどのように減らしていくべきか。同社の佐藤元紀防衛部門長に聞いた。 （聞き手：小野圭司＝防衛省防衛研究所主任研究官、構成：鈴木英介＝実業之日本フォーラム副編集長）

――なぜ防衛分野に参入したのですか。

前提として、日本のスタートアップだからこそ日本の防衛に関わりたいという強い思いがあります。同時に今、防衛分野の市場環境が「ハードウエアファーストからソフトウエアファーストへ」という動きになっていることを好機と捉えています。戦車や艦艇、ミサイルといった重厚長大型のハードの性能だけではなく、それらを最適に制御したり、指揮統制に用いたりするAIなどのソフトウエアが戦略・戦術を左右する時代になりました。社会への価値提供という観点から、防衛分野は当社にとって必要不可欠な領域です。

主な取引先は防衛省になりますが、重工系など主要装備の開発・製造を請け負うプライム企業をサポートできるとも考えています。もちろん、プライム企業も独自にAI開発を手掛けていると思いますが、彼らはハードウエア開発や保守運用も担っています。「AI×防衛」という分野では、当社が一貫して貢献できるはずです。

防衛に加えて、金融も重点ビジネス領域と捉えています。メガバンクなどから出資を受けていることも理由の一つですが、日本経済を支える巨大な社会基盤が金融であり、そこにAIを適用することでより効率化できると考えています。

――米中がAI開発競争をリードする中で、Sakana AIの優位性はどこにありますか。

確かに、米国のOpenAIやグーグル、アンソロピックといった主要テック企業のLLM（大規模言語モデル）開発能力は非常に高く、日本が劣後しているのは認めざるを得ません。DeepSeekやアリババといった中国テック企業も、米企業がフロンティアモデル（最先端AIモデル）を公表した数カ月後には同等のモデルができたと主張し、それを裏付けるだけの開発力と資金力があります。

一方で、当社は真正面からLLM開発競争に加わってはいません。LLMの基礎データを得るための「事前学習」で追いつこうとするのではなく、LLMを各国・各社の安全保障上の要件や価値観に適応させる「事後学習」に注力しています。例えば、先日公表した「Namazu（ナマズ）」という試作モデルも既存のフロンティアモデルを事後学習で日本仕様に適応させたものです。なぜなら、さまざまなOSS（＝オープンソースソフトウエア。ソースコードが公開・共有され、誰でも利用・改変できるようになっているAIモデル）のAIモデルが存在する環境下で、日本が目指すべきは、AIを個別用途に最適化する「事後学習」の主権を自ら確立することだと考えているからです。

国産の「事後学習」で脱・海外依存目指す

――事後学習の具体的な例を教えてください。

例えば、OpenAIのgpt-oss、米メタが開発するLlama、中国のDeepSeekなど、海外の有力なAIモデルがありますが、これらのモデルに含まれるバイアス（データの偏り）を除去する事後学習の技術があります。各モデルが事前学習で大量のウェブデータを学習させている以上、学習元のバイアスは必然的に含まれてしまう。それを事後学習で取り除くことで中立性や事実の正確性を高める仕組みです。当社としては、多額の資金を使って米国のトップモデルを追い越すのは非現実的なので、さまざまなOSSをベースに、そのモデルの性能を下げずに、バイアスだけを減らすことに注力しています。

もう一つ事後学習の例を挙げると、今年6月22日に新モデル「Sakana Fugu（サカナ・フグ）」をリリースしました。Sakana Fuguは、モデルを束ねる「司令塔」として機能するモデルで、単一のAPI（=アプリケーション・プログラミング・インターフェース。ソフトウエア同士を接続する技術）の裏側でタスクごとに最適なモデルを選び、連携させます。新しいモデルを随時組み込めるため、特定のモデルに依存せずにフロンティアな能力を活用できる利点があります。

少し前に、アンソロピックが安全保障上のリスクからフロンティアモデル「ミュトス」の海外利用を停止したというニュースがありました。急に特定のフロンティアモデルを使えなくなったとしても、複数のAIを組み合わせて効率よく活用する技術があれば、同じような性能を出すことができます。当社が長年研究してきた「オーケストレーション」と呼ばれる技術によって、Sakana Fuguでは、分野によってはミュトスと同等の性能を出すことができます。

Sakana Fuguの仕組みは、複数のAIモデルを格納したエージェントプールから、全体を統括するコンダクターが、ユーザーの指示に基づいてどのモデルを選んで組み合わせるか考えてアウトプットする、というものです(図)。このタスクの割り振りがオーケストレーションです。オーケストレーションの技術自体は当社のもので、「国産」です。この部分を海外依存してしまうと、プールにあるモデルも入れ替え不可能になりかねません。

【図】Sakana Fuguの概念図

このようにオーケストレーションは、データ主権・AI主権を守る上でも重要ですし、最先端のAIモデルを外国に依存することも多い日本こそこの技術を持つ意義は大きいと思っています。なお、オーケストレーションシステムの開発者としては、どのようなモデルを、データの送信先を含めどのような条件の下で利用するかを精査した上で活用を進めています。このようなオーケストレーションシステムの特長は、どのモデルを利用するか常に置き換えることが可能であり、例えば、良質な国産のベースモデルが出たときには、それで海外のモデルの一部を置き換えることも可能になります。

――オーケストレーション分野の競合企業は。

海外では似たような機能を持つ企業はありますが、当社の技術の一部しか実現できていません。米国は一つの強いモデルを作るところに注力していて、束ねる部分、オーケストレーションについては当社に一日の長があると思っています。

最終意思決定は「人」

――今年3月に防衛装備庁防衛イノベーション科学技術研究所（イノベ研）から「複数AI技術の組み合わせによる観測・報告・情報統合・資源配分 高速化の研究」の契約を受注しました。どのような研究ですか。

戦場において発生する膨大なデータについて、AIを活用して統合的に分析するためのシステムを開発し、指揮統制システム（C2システム）の高度化につなげることがミッションです。実際に部隊の方に実機を操作してもらい、フィードバックを得て、改良版を持っていくというアジャイル開発の手法で進めています。現在は陸上領域を対象とした研究ですが、陸上・航空といった領域にも応用可能です。

この研究では、ドローンなどが観測した画像や音声データをテキスト化して、コンピューターや携帯端末の地図に自動集約して、現場の人間の意思決定を高速化させるシステムに関する研究に取り組みます。

なお、本研究で検討するシステムは、直接システムが意思決定するのではありません。あくまでシステムは人間が素早く状況把握し、意思決定するためのサポート役です。今後、戦場のように、人間の認知負荷を超える情報が大量に流れ込む領域においては確実にAIが必要になってきます。ただ、どういう判断を下すかは、絶対に人間が決めねばなりません。同時に、こうした意思決定支援システムは、海外依存を避けるべき領域です。

――外国軍に意思決定、指揮権を委ねることは、憲法上も主権侵害として問題になり得ますね。

憲法上の問題に加えて、有事の際、海外のシステムにつながらないリスクもあります。

――この研究は既存システムとのデータ接続も踏まえて開発しているのですか。

将来的には既存システムとの接合も考えていますが、各システムベンダーとのやりとりで時間がかかってしまうので、今回あえてスコープから外しています。まず、AIでここまでシステムが作れるということを短期間で示すことがミッションです。防衛省からも「ベンチャーに求めることは、素早く実装して素早く価値を出していくことだ」と言われています。

SNS上の偽情報を検知

――防衛に隣接するインテリジェンス分野では、どのような研究をしていますか。

読売新聞社と共同で、SNS空間における中国による対日批判を分析しました。SNS上でどういう日本批判の認知戦（誤った言説を拡散して相手の認知を操作する戦い方）が仕掛けられているか、政府機関や国営メディアなど中国共産党系の主要なアカウントを抽出し、LLMを用いて内容を解析しました。

また、総務省から「インターネット上の偽・誤情報等への対策技術の開発・実証事業（令和7年度）」を受託し、SNS空間の可視化、総合的な偽情報判定、対策案の立案までを支援するシステム開発を手掛けました。

一口に偽情報といっても、画像は本物でテキストだけ偽物だとか、画像の一部だけAIで生成されているといったものもあります。私たちが発見したものだと、ドナルド・トランプ米大統領ともう1人が写っている画像で、そのもう1人がAIで別人に置き換わっているものもありました。他にも、海外の災害の画像を加工して、あたかも東京で地震が起きているように見せかけるものもありました。

――誤った言説や偽情報を検知した後、それらを訂正・反論する「カウンターナラティブ」もAIで自動化できますか。

システム化までは至っていませんが、「エージェントベースモデリング」と呼ばれる技術で、SNS上にペルソナ（一定の属性を持つ仮定の個人や組織）を構築させて、どのような投稿をするとどういう反応が返ってくるのか、どう拡散していくのかといったシミュレーションは行っています。

――防衛分野に関する技術は海外にも提供する予定ですか。

将来的に、プライム企業が輸出するハードウエアに付随するAIを当社が実装するという形はあり得ると思いますが、私たちが防衛に参入したのは日本のためなので、まずは日本の防衛産業に注力します。

防衛系海外VCも出資

――AI活用の流れの一つとして、機械やロボットを自律制御する「フィジカルAI」が注目されていますが、Sakana AIでも研究していますか。

委託されたものではなく、社内デモのようなものですが、昨年ドローンをAIで自律制御する仕組みに取り組みました。

与えられたミッションに対してAIがドローンに命令して戦車の模型を撮影し、パソコンに投影する実験です。ミッションを与えるために特別なプログラムは不要で、話し言葉を入力します。

パソコンの画面上には、ドローンが撮影した映像と共に「戦車を見つけて近づいてください」「旋回して、他の戦車がないか、見つけてください」など、AIがドローンに対してどういう命令をするべきかという思考内容が文字で表示されます。次に、それを基に「今、戦車が真ん中に映っているので、右に移動します。その後、上昇します」といった、AIがドローンに対して下した具体的なコマンドが表示されます。AIの思考過程や実行内容も可視化されているので、人間が介入してコマンドを話し言葉で修正させることもできます。

デモはドローン1機ですが、複数機を同時制御することも理論的には可能です。なぜなら、この動きのために学習をしているわけではなく、まずシンプルに達成したいことを言って、AIが考えるというプロセスだからです。複数のドローンを制御する時でも、親機から子機への命令が可視化されているので、人間が承認しやすい仕組みになっています。

――スタートアップの中でも、防衛を手掛ける会社はレピュテーション（評判）リスクがあるという声があります。Sakana AIは日本のユニコーン企業ですが、防衛に参入することで投資家から警戒されることはなかったのですか。

先日、シリーズB［1］を実施しましたが、CIA（米国中央情報局）が設立したベンチャーキャピタル「In-Q-Tel（インクテル）」からの投資も受けています。もちろん金融分野の伸びも評価されてのシリーズBだとは思っていますが、警戒感というより、むしろ防衛分野への期待が高まっていると感じています。

また、当社ウェブサイトでは「防衛事業に対する考え方」を掲げ、憲法に従い、例えば、当社グループの製品・サービスが自律的に致死に及ぶような行動はとらないと宣言しています。あくまで日本の法的枠組みの中で事業を展開するということを明記することで、信頼の獲得に努めています。

[1] 企業の資金調達は、起業準備段階の「シード」から、プロダクト完成後の「シリーズA」、成長軌道に入った「シリーズB」、新規株式上場を見据える「シリーズC」へと進む。

佐藤 元紀：Sakana AI 防衛部門長 Sakana AIの防衛部門長として、技術的バックグラウンドの強みを生かし、生成AI技術を防衛・安全保障領域へ社会実装するための事業開発を推進する役割を担う。2025年8月よりSakana AIに入社。前職の株式会社Preferred Networksでは、AIエンジニアおよび事業統括GMとして数々のソリューション開発を指揮。

小野 圭司：防衛省防衛研究所 主任研究官 1988年3月京都大学経済学部卒、住友銀行（現・三井住友銀行）を経て、1997年1月防衛庁防衛研究所に入所、社会・経済研究室長などを経て2020年4月より現職。著書に『日本 戦争経済史』(日本経済新聞出版、2021年)、『太平洋戦争と銀行 なぜ日本は「無謀な戦争」ができたのか』（講談社、2025年）など。

実業之日本フォーラム編集部

実業之日本フォーラムは地政学、安全保障、戦略策定を主たるテーマとして2022年5月に本格オープンしたメディアサイトです。実業之日本社が運営し、編集顧問を船橋洋一、編集長を池田信太朗が務めます。 ※略歴は本サイトへの記事執筆時点のものです

著者の記事