四つのアプリが同じ脳で考えるとき
企業は長年にわたり、多様化しているように見えるテクノロジーポートフォリオを構築してきた。営業、オペレーション、コンプライアンス、ソフトウェア開発、サプライチェーンにはそれぞれ異なるツールが使われている。プロバイダーも違い、契約も別々で、それぞれ専任チームが存在する。目に見えるアーキテクチャは独立性を示している。
しかし、大半の企業テクノロジー棚卸しが捉えていないレイヤーが一つある。それは、各アプリケーションを動かす人工知能モデルだ。もし10ツールのうち4つが同じベースモデルの上で動作しているならば、あるいは同じモデルファミリーや同じAPIプロバイダーに依存しているならば、組織図の上に見える多様化は、意思決定が行われる場所には存在しない。多様化は外側の包装にあるのであって、推論の中にはないのだ。
これがフォーブス・テクノロジー・カウンシルに最近掲載された論考が認知的集中と呼んだ現象だ。複数の人工知能アプリケーションを運用する組織が、同じ基盤となる知識システムへの依存を深めてしまい、そのシステムの変化や障害が表面上は独立しているビジネスプロセス全体に静かに伝播するリスクを指す。グローバルな金融機関の上級技術エグゼクティブが執筆したこの論考は、危機報告というより、リスク管理上の警告だ。しかし、それが蓋然性の高い仮説として描くものは、現在の市場構造に十分な裏付けがあり、真剣に受け止める価値がある。
オペレーションダッシュボードに現れない問題
従来型の技術的集中には、思わぬ美点がある。何かが故障すれば、それがわかるのだ。クラウドプロバイダーが落ちればシステムが停止する。主要サーバーが故障すればアラートが鳴る。障害は可視化され、測定可能であり、時計が刻み始める。
認知的集中はそのようには機能しない。技術的な観点からは完全に正常に動作し続けながら、システムが下す判断は変化している可能性がある。ベースモデルのアップデートにより、与信承認プロセス、サイバーセキュリティアラートの分類、法的契約のレビュー、あるいは商業提案の生成において、システムが特定の変数に割り当てる比重が変わることがある。しかし、そのどの変化もアラームを起動させない。ダッシュボードは緑のまま。アプリケーションは応答する。ユーザーは作業する。そして組織は、あらゆる面で同時に変わってしまった推論に基づき、相関した意思決定を下し続けている。
このシナリオを単なる思弁以上のものにする市場の証拠がある。イングランド銀行と英国金融行為規制機構が2024年に118の金融機関を対象に実施した調査では、上位3社の外部プロバイダーが報告されたクラウドサービスの73%、モデルプロバイダーの44%を占めていた。同時に、これらの機関における人工知能のユースケースの55%が何らかのレベルの自動化された意思決定を含んでいた。この二つのデータを合わせると、リスクの輪郭が浮かび上がる。多くの自動化された意思決定があり、その下にある実際のモデルは少ないのだ。
言語モデル市場の構造もこの見方を裏付ける。メンロー・ベンチャーズによる生成人工知能への企業支出の推計によれば、2025年にはAnthropicとOpenAI、そしてGoogleの3社が言語モデルへの企業支出のおよそ88%を占めていた。これは違法な寡占でも反競争的な行為でもない。単に、現時点における市場の成熟度の状態にすぎない。しかし企業がこれらの能力を取り込むスピードと組み合わさると、数学的な結果として、アプリケーションの多様性という外観の下に実際の知性の集中が生じる。
同じメンローのデータによれば、生成人工知能への企業支出は2023年の17億ドルから2024年には115億ドル、2025年には370億ドルへと拡大した。この採用速度が意味するのは、多くの組織が深い依存関係を取り込みながら、それを厳密にマッピングする時間を持てなかったということだ。結果を示す圧力があったため、アーキテクチャは速く構築された。認知的依存関係の棚卸しは後回しにされた。大半のケースでは、その「後で」はいまだ来ていない。
障害が沈黙し相関するとき、何が変わるか
このリスクが経営幹部の注意を要するのか、それともアーキテクチャチームに委任できるのかを決定する区別について、正確に述べる価値がある。
従来型のプロバイダー集中は可用性の障害を生み出す。認知的集中は意思決定の質の障害を生み出す。これらは検出プロファイルが全く異なる、別カテゴリーのリスクだ。
可用性の障害は数分で検出される。意思決定の質の障害は、ドリフトを検出できる比較評価の仕組みが存在する場合に限り、誰かがそれを特定するまで、数週間あるいは数ヶ月間も本番環境に潜み続ける可能性がある。大半の組織は前者の種類に対して堅固なプロトコルを持っている。後者に対するカバレッジは乏しいか、あるいは全く存在しない。
この論考が言及する特に注目すべきシナリオがある。モデルのアップデートだ。プロバイダーがベースモデルの新バージョンをリリースすると、そのAPIの上で動くアプリケーションはその変更を引き継ぐ。透明な形で引き継がれることもあれば、明確な通知なしに引き継がれることもある。4つの重要なアプリケーションが同じプロバイダーを共有していれば、4つのビジネスプロセスが同時に変化する。変化の中には中立なものや有益なものもあるだろう。しかし新しいモデルがリスクカテゴリー、取引タイプ、特定のコンテキストに関して異なるキャリブレーションを持っていた場合、誰もそれを測定する前に、影響は深刻なものとなりうる。
これは低確率のシナリオではない。これが「サービスとしてのモデル」の通常の動作メカニズムだ。プロバイダーは一定の周期でモデルを更新する。APIを通じてモデルを利用する組織は、交渉したうえでの契約期間内にそれらの更新を引き継ぐが、多くの場合その期間は最短限度だ。リスクはプロバイダーの悪意にあるのではなく、依存関係のアーキテクチャと、ドリフトが測定可能な損害をもたらす前にそれを検知する継続的な評価管理の欠如にある。
イングランド銀行の金融政策委員会は2026年4月に発表した分析の中で、高度な人工知能はまだ金融セクターにシステミックリスクをもたらすような形では採用されていないと指摘しつつも、実装が拡大するにつれてそれらのリスクが急速に高まる可能性があると警告した。この順序が重要だ。依存関係が深く根付く前に、管理体制を構築する方がはるかに容易だ。8つのビジネスユニットが重大な影響を持つ意思決定を同じモデルに依存するようになってから独立した検証を実装しようとすれば、システムを設計している段階で実施するよりもコストがはるかに高くなる。
なぜ大半のテクノロジー棚卸しがこれを捉えられないのか
IBMのビジネス価値研究所が2026年に16ヶ国の上級幹部1,000人を対象に実施した調査によれば、91%がプロバイダー、モデル、インフラにまたがる人工知能の依存関係を完全には理解していないと認めていた。また71%は、主要な人工知能プロバイダーやモデルを変更することは難しいと回答した。この二つの数字を合わせると、ある特定の状況が浮かび上がる。完全には理解していない依存関係を構築してしまい、それを覆すことがコスト高になる組織の姿だ。
説明の一部は構造的なものだ。従来のテクノロジー棚卸しはアプリケーションまたはソフトウェアプロバイダーによって整理されている。可視層をうまく捉えている。どのプラットフォームか、どの会社のものか、どの契約か。しかし捉えられていないのが基盤となる知性のレイヤーだ。どのベースモデルか、どのファミリーか、どの計算プロバイダーか、どのトレーニングデータか、どの更新ポリシーか。このレイヤーこそが、システムがどのように推論するかを決定するものだ。可視のアプリケーションが多様に見えても、このレイヤーは集中している可能性がある。
説明のもう一部は組織のスピードにある。多くの組織では、依存関係を文書化することへのプレッシャーよりも、本番稼働している人工知能のユースケースを示すことへのプレッシャーの方が強かった。チームは速く展開した。ガバナンスの管理体制は後から、それも対応できた場合にのみ、導入された。その結果、中規模から大規模の企業のほとんどではアプリケーションの棚卸しはかなり完全な状態にあるが、認知的依存関係の棚卸し、つまりモデル、モデルファミリー、APIプロバイダー、データソース、検索システムなどは、同じレベルの詳細さで存在していない。
これはそのような判断を下したチームへの批判ではない。2023年から2025年の間に存在していた時間、リソース、競争上のプレッシャーという制約のもとでは、速く動くことが多くの場合において正しい選択だった。問題は、作り出した依存関係を記録せずに速く動いた結果、IBMの調査に回答した幹部の91%が描写したまさにその状況を生み出していることだ。完全には理解されておらず、変更が困難な依存関係が生まれている。
取締役会が問うべき質問
フォーブスの論考は、認知的集中指数と名付けた分析ツールを提案している。業界標準はまだ存在しないが、そのロジックは直接的だ。組織の人工知能アプリケーション間で共有されているモデル、APIプロバイダー、計算リソース、データリポジトリをマッピングし、その情報を各レイヤーに依存するビジネスプロセスの重要性と照らし合わせ、障害や劣化のシナリオで変更にどれほどの時間がかかるかを評価するというものだ。
このツールの価値は生成された数値にあるのではなく、それが強制するプロセスにある。そのマップを初めて構築しようとした組織は、自らの依存関係について何を知っており、何を知っていると思い込んでいたかをすぐに発見する。その差異、つまり文書化されたものと仮定されたものとの間の差こそ、リスクが宿る場所だ。
認知的集中がアーキテクチャ上の不快感にとどまらず、経営ガバナンスの問題になるかどうかを決める変数が三つある。第一はプロセスの重要性だ。代替手段がある低リスクのマーケティングアプリケーションにおける集中は軽微な問題だが、引き受け審査、与信承認、不正検知、価格決定システムにおける集中は別次元の優先事項だ。第二は代替速度だ。実際のビジネスプロセスにおいてモデルやプロバイダーを変更するのに実際にどれほどの時間がかかるか。理論上ではなく、継続性演習で検証された実際の時間だ。第三はドリフト検知能力だ。モデルが変化によって測定可能な損害をもたらす前に、その行動変化を特定する仕組みを組織が持っているかどうかだ。
マッキンゼーが2026年のグローバル調査で報告したところによると、組織の28%が情報技術予算の10%超を人工知能に充てていた。投資がそのレベルに達すると、依存関係は実験的なものではなく、構造的なものになる。マッピングされておらず、評価もなく、継続性のプロトコルもない構造的な依存関係は、まさに取締役会が理解する義務を負うリスクの種類だ。たとえ大多数がまだそれを正確に定式化するための概念的枠組みを持っていないとしても。
アプリケーションの多様化は購買上の決断だった。認知的レジリエンスはアーキテクチャ上の決断だ。これらは二つの異なる決断であり、一方が目に見え、もう一方がそうでなかったために、多くの組織が混同した。その混同を依存関係がまだ修正可能なうちに、つまり8つのビジネスプロセスに同時に伝播したモデル変更によって危機対応モードで修正せざるを得なくなる前に、適時に是正することは、事後的に対応するよりも格段にコストが低い。
