何が起きたか
ナデラ氏はブログで、AIの「買い手」は二重に支払っていると書きました。一つは自覚しているトークン利用料。もう一つは、モデルを役立たせるために開示せざるを得ない自社の固有知識です。氏は「モデルに高い性能を求めるほど、より多くの知識を与えなければならない」と述べています。
議論の核心は「exhaust（排気）」という表現にあります。人が書くプロンプト、エージェントが使うツール、そしてとりわけモデルが間違えたときに人が加える修正。ナデラ氏は、この修正の一つひとつが蒸留され、「競合が決して買えない種類の」組織的ノウハウになると指摘します。つまり業務で使えば使うほど、価値ある暗黙知が外部のモデルへ流れ出る構造です。
なぜ重要か
この主張自体はシリコンバレーで先行して語られてきました。VCのジェイソン・カラカニス氏、PalantirのアレックスCEO（Alex Karp氏）らが、巨大AIラボの提供するモデルは「トロイの木馬」であり、顧客の機密情報にアクセスした末に顧客自身の競合になりかねない、と警告しています。そこに、OpenAIとAnthropicの双方に出資し、自らも最大級のAI供給者であるMicrosoftのCEOが加わった点にニュース性があります。
ナデラ氏はさらに踏み込み、蒸留（distillation：あるモデルの出力を使って、その挙動を学習し、より安価な別モデルを作る手法）をめぐる現状を「皮肉で偽善的だ」と評しました。モデル提供者はフェアユースの権利でインターネット上の公開データを学習できるのに、顧客側が蒸留することは契約で厳しく制限する——この非対称性への批判です。2月にはAnthropicが、中国のオープンソースモデルがClaudeに数百万件のプロンプトを送って自社モデルを改善したと非難し、米政府に輸出規制の強化を求めた経緯があります。ナデラ氏がとくに問題視するのは、モデル提供者が顧客の利用・対話データから学習する権利を留保している点です。
処方箋と、その裏にある商流
氏の解は三点です。(1) プロンプトやフィードバックを含む自社データの所有権を保持する。(2) クラウド上に自社固有の「学習環境」を構築する。(3) 複数プロバイダのモデルを切り替えられる「オーケストレーション層」を持ち、ロックインを避ける。もっとも(2)は都合よくAzureを指しうる提案でもあり、純粋な中立宣言と読むのは早計でしょう。
興味深いのは、ナデラ氏がブログで一度も「オープンソース」と言っていないことです。TechCrunchは、それが明白な行間であり、大企業がオープンモデルをオンプレミスに導入する潮流と重なると指摘しています。実際、Solo.io創業者のイディット・レヴィン氏は、プロプライエタリなモデルを試した顧客がオンプレのオープンモデルへ移りつつあると証言します。「オープンソースモデルをオンプレで動かせば、大型モデルの9割近いことはできる。コストははるかに安い」。同社の技術は昨年Linux FoundationのAgentgatewayプロジェクトに採用され、顧客にはT-Mobile、ADP、SAPが並びます。
数字も動いています。Vercelのゲートウェイ経由のトラフィックのうち、先月はオープンモデル向けが29%を占めました。モデル間のルーティングを担うOpenRouterでもオープンモデルへの流入が急増しており、モデルを切り替える「ゲートウェイ」ツールの存在感が高まっています。
💼 事業会社視点：これは自社にどう効くか
日本企業にとって効くのは「品質を上げるほど機密が流出する」という構造の可視化です。とくに受託開発・SIerは、顧客の業務フローや例外処理のノウハウを外部モデルに投げ込み続けており、その修正ログこそが本来の商品価値です。契約書のデータ利用条項（提供者が利用・対話データから学習する権利を留保していないか）を今すぐ棚卸しすべきです。
ECやSaaSの事業責任者は、モデル選定より先に「オーケストレーション層」を自社側に置いてください。VercelのゲートウェイでオープンモデルがすでにトラフィックのS29%を占めるように、切替可能性は理論ではなく実務です。ゲートウェイを挟めば、プロンプト・修正履歴・評価データを自社に蓄積したまま、モデルだけを差し替えられます。
判断軸は「9割の性能で足りる業務はどれか」。レヴィン氏の言う通りオンプレのオープンモデルで大型モデルの9割近くをこなせるなら、社内問い合わせ・要約・分類は自社環境へ、難度の高い推論だけ外部APIへ、という二層構成がコストと機密の両面で合理的です。ナデラ氏の「知性を消費することは知性を創ることであり、創ったものは自分のものであるべきだ」という言葉は、そのままデータ資産の設計指針になります。