データタイムズ 取材・掲載のご相談
BUSINESS── ARTICLE 044── ── 23 MIN READ

Shisa AI、国産AIの開発事業者21社に。CEOが語る「速く失敗できないAIの時代、日本は強い」

国の事業GENIACで、NTTや富士通などと並ぶ国産AIの開発事業者21社に掲載されたShisa AI。日本語のAIと、データの行き先を選べる「AIのチーム」の道具を作るCEOのジア・シェンさんに、AIが日本のキャラクターらしく話せなかった理由、AIを「文化」と呼ぶわけ、性格の違うAIを組ませるハーネス「Jouzu」の仕組みと料金の考え方、そして「速く失敗できないAIの時代に、日本の慎重さは武器になる」という見立てを伺いました。

AIは文化だ。墨と金の筆跡が走る暗い背景に、縦書きの白い極太明朝で「AIは」「文化だ」。右に、青いシャツでまっすぐカメラを見るShisa株式会社 代表取締役CEOのジア・シェン氏と名前の札。下の中ほどに、口を開けて驚くDATA TIMES編集長の小笠原海人。

調べものを、検索ではなくAIに聞く。この1年で、そんな場面が増えた人は多いと思います。総務省の2026年の情報通信白書では、生成AIを使ったことがある日本の人は58.8%。前の年の26.7%から、2倍以上に増えていました。

では、そのAIは誰が作っていて、私たちが話した中身はどこへ行くのでしょう。ふだん使うChatGPT、Gemini、Claudeは、どれもアメリカの会社のAIです。

子どもたちは、これからAIに質問しながら育っていきます。そのAIは、日本語の言い回しや日本の文化をどこまで分かっているのか。会社の大事なデータを入れても大丈夫なのか。AIとデータを仕事にしている私たちにとっても、ずっと気になってきた問いです。

この問いに、東京から取り組んでいる会社があります。日本語を最優先にしたAIを作る、Shisa株式会社(Shisa AI)です。

日本語のAIを作るだけでなく、データの行き先を自分で選べる「AIのチーム」の道具まで作っています。

そして今回、Shisa AIのCEO、ジア・シェンさんに直接お話を伺えることになりました!

シェンさんの話から見えてきたのは、次の3つです。

  • AIは、もう文化そのもの
    次の世代は、AIに聞きながら育ちます。だから、日本語の「らしさ」を分かり、データの行き先を選べるAIを、日本が持っておく必要があります。
  • 1つの賢いAIより、性格の違うAIのチーム
    指揮をとる役、手を動かす役、確かめる役。仕事ごとにモデルを選べば、安全も料金も、自分たちで選べるようになります。
  • 日本の慎重さは、AIの時代の武器になる
    現実の世界で動くAIは「速く失敗する」ことが許されません。良いものを作ってから世に出す日本のやり方が、そこで効いてきます。
ジア・シェン
WHO IS

ジア・シェンJia Shen

Shisa株式会社代表取締役CEO

「次の世代は、AIに聞きながら育ちます。AIは、もう文化そのものなんです」── ジア・シェン(本記事の取材より)

  1. 2005年SNS向けアプリの会社RockYouを共同創業CTOとして、SNSで遊ぶゲームやアプリを手がける。ソフトバンクから出資を受け、2009年には東京にアジア向けの合弁会社ができる
  2. 2010年日本へ移り住む東京を拠点に、ゲーム、スマートトイ、バーチャルキャラクターの会社に携わる
  3. 2021年AKA VirtualのCEOにVTuberのようなバーチャルキャラクターを手がける。キャラクターに生成AIで話をさせる試みが、Shisa AIにつながる
  4. NOWShisa株式会社 代表取締役CEO日英の言語モデル「Shisa」、リアルタイム翻訳「Chotto」、AIのチームを動かすハーネス「Jouzu」を手がける
01

ルームメイトが教えてくれた日本

Q1小笠原

シェンさん、今日はよろしくお願いします! まずはシェンさんのこれまでのご経歴から伺ってもよろしいですか?

シェン

よろしくお願いします。日本に住んで16年になります。移ってきたのは2010年です。生まれはアメリカで、シカゴからサンフランシスコに移り、そのあと東京に来ました。

最初の会社を立ち上げたのは2005年。ソーシャルゲームの会社としては、かなり早いほうでした。ソフトバンクから出資を受けたんですが、ソフトバンク・ビジョン・ファンドができるより、ずっと前の話です。それが、日本との最初の大きなご縁ですね。

もっとさかのぼると、大学のルームメイトが、のちにメルカリの創業メンバーになる人だったんです。90年代の終わりで、まわりにいた日本人は彼1人だけ。日本のことは、ほとんど彼から教わりました。

それで大学のころから日本に親しんで、2003年からは日本に来るようになりました。六本木ヒルズができたときも、ちょうど日本にいたんですよ(笑)。

Q2小笠原

日本を、ルームメイトの方から…! そこから、日本に住もうと決めたのはなぜだったんですか?

シェン

英語に「マニフェステーション」という言葉があります。最近の若い人がよく使う言葉で、なりたい自分を思い描くと、それが現実を引き寄せていく、という考え方です。

私の場合、早いうちから「日本に住みたいな」とは思っていました。大きな計画は立てていません。でも、好きなもの、出会った人、やってきたことが、一歩ずつ私を日本に近づけてくれた。ソフトバンクが私たちを見つけて出資を決めたのも、ある意味では偶然です。

ただ、数学的に言えば、その方向に動けば動くほど、それが起きる確率は上がっていくんですよね。だから、移るチャンスが来たとき、迷わず日本に来ました。半分は偶然、半分は確率です。

02

AIは、日本のキャラクターらしく話せなかった

Q3小笠原

偶然と確率の積み重ねで、日本へ。そこから、どうして日本語のAIを作ることになったんですか?

シェン

私はもともとエンジニアで、そのあとプロダクトの仕事をしてきました。だから、AIにコードを書かせる今の時代は、本当に楽しいんです。

Shisa AIは、大きく2つの流れからできています。1つは、AIの土台になるモデルを作るチーム。共同創業者のレオナード・リンが率いています。モデルを強くするには、数学や機械学習、データサイエンスに本当に強い人が要ります。正直、私はそこは得意じゃありません(笑)。

もう1つが、私が経営してきたAKA Virtualという会社です。VTuberのような、バーチャルなキャラクターやインフルエンサーを手がけていました。私が立ち上げる会社はいつも、テクノロジーで文化やエンタメを支えるのがテーマなんです。

ちょうどそのころ、GPT-3やGPT-3.5が、人とふつうの言葉で話せる力を見せ始めました。昔は「近くのハンバーガー屋」のように、検索の言葉を自分で考えないといけなかった。いまは「ハンバーガーが食べたいな」と話しかければ、「どんな気分ですか?」と返ってきます。

そこでまず試したのが、バーチャルキャラクターの裏で、AIに話をさせることでした。

Q4小笠原

キャラクターの裏で、AIが話す…! やってみて、どうでしたか?

シェン

最初に分かったのは、大規模言語モデル(LLM。大量の文章から学んで、文章を作るAI)が、日本語、とくに日本のエンタメがとても苦手だということでした。

たとえば、ロールプレイです。「あなたは織田信長です」と言われて、その人物らしく話す。それが、うまくできなかった。いまでも、得意とは言えません。

関西弁で話せばいい、という話でもないんです。「大阪ではなく京都の人で、1980年生まれ。男性で、商社に20年勤めている。その人なら、どう話すか」。キャラクターには、こういう文化の背景があります。英語なら「1970年代のブルックリン出身の男」と言えば、AIはそれらしく話せる。でも日本語では、それがなかなかできませんでした。

だから、GPT-3.5のころに「じゃあ、自分たちでモデルを作ろう」と始めたんです。当時は、フランスのMistralのようなオープンなモデルをもとにしていました。

Q5小笠原

京都生まれで、商社に20年…! 言われてみると、AIにはかなり難しそうです。自分たちで作り始めて、最初に何をしたんですか?

シェン

エンジニアとして最初にやったのは、AIの出来を測るテスト(ベンチマーク)を作ることでした。ここは今でも、多くの人が見落としているところです。

ふつうのプログラムなら、「1+1=2」が出なければテストは失敗。分かりやすいですよね。でもAIは、同じ質問をしても、毎回同じ答えが返るとは限りません。

GPT-4oからGPT-5に切り替わったとき、アメリカではみんなが「性格が変わった」と言いました。プログラミング以外の仕事でモデルを替えたとき、まだ自分の望むとおりに振る舞うのかを、どう確かめるのか。話し方や性格が大事な仕事ほど、これは怖い問題です。

だから私たちは、日本語でAIを測るテストと、その仕組みに、たくさんの時間をかけました。安全性や、アライメント(AIの考え方が右寄りか左寄りか、何かに肩入れしていないか)を測るのも得意です。測れなければ、日本語が上手なモデルを作れたかどうかも決められませんから。

その積み重ねで、2025年6月に公開した4,050億パラメータのモデル「Shisa V2 405B」は、国内で学習したモデルの中で、当時もっとも高いベンチマークの成績を出しています。

03

AIは、もう文化そのもの

Q6小笠原

測れなければ、作れない。モデルだけでなく、チャットや翻訳のアプリまで出しているのは、なぜなんですか?

シェン

それを話すには、AIの会社が何をしているのかから考えると分かりやすいと思います。

AIの会社がサービスを出すのは、使ってもらうことで、モデルが強くなるからでもあります。いまのAIは、すでに公開されている情報でほとんど学習してしまっていて、私たちを含めて、AIの会社はどこも学習データが足りなくなってきている。次のモデルを良くするには、人が使ったときの反応がもっと要るんです。

シリコンバレーでは今、夕食の席でも、新しい学習データをどう手に入れるかの話ばかりですよ。ロボットのように現実の世界で動くAIの会社も、とにかく学習用のデータを記録しています。データは、お金そのものなんです。

私たちのチャットや翻訳も、まずは問題を見つけるためのものです。じつは今日のこの取材も、うちのリアルタイム翻訳「Chotto Meet」で翻訳を流していて、同僚がいまこの瞬間も、訳がおかしくないかを確かめているんですよ。

薄暗い会場で、壇上のパネルディスカッションを聴く参加者たち。手前のモニターに、登壇者の話の日本語訳と英語の原文が上下に並んで流れている
スタートアップのイベント「Techstars Tokyo」で、パネルディスカッションの話をその場で日本語と英語に訳して映すChotto。写真:Shisa AI
Q7小笠原

今まさに、この会話も…! そうやってデータが集まっていく中で、シェンさんがいちばん気にしていることは何ですか?

シェン

データの安全と、ソブリンAI(国が自分たちで持ち、自分たちで選べるAI)です。

AIはもう、0と1でできたただのソフトウェアではありません。文化そのものであり、次の世代がどう学ぶかそのものです。

私には6歳の娘がいます。彼女はこれから、AIに「フランスってどう思う?」と聞きながら育っていく。小笠原さんも、もうあまり検索しないで、AIに聞いていますよね。これからは、誰もがAIを窓口にして世界とつながるようになります。

そのAIが、ほとんどアメリカと中国の会社に握られている。日本の文化の面から見ると、少し気になることです。

もっと危ないのは、データの安全のほうです。話したことはどこへ行くのか。学習のデータになるのか。私たちはそこを、とても気にしています。日本に20年以上通ってきて、データのプライバシーや安全が、日本の人にとってとても大事だということも知っていますから。

Q8小笠原

話したことが、どこへ行くのか…。データを手元から出さないためには、どうすればいいんでしょう?

シェン

私たちは、オープンなモデルが正しい方向だと考えています。モデルの中身が公開されていて、誰でも自分の環境で動かせるAIのことです。フランスのMistralや、中国のAlibabaのQwenがそうですね。

オープンなモデルのいいところは、自分のデータセンターや自分のハードウェアで動かせることです。自分でテストもできる。サーバーを外に一切つながらない設定にすれば、データがどこかの国の本社に送られることも起きようがない。これが、いちばん基本の安心です。私たちのShisaのモデルも、学習に使ったデータの組み合わせと一緒に公開していて、自分のサーバーで動かせます。

会社の例で考えると分かりやすいと思います。たとえば銀行。AIでお客さんからの電話に答えたい。でも、それはお客さんのデータです。まず会社の外に出したくないし、国の外にも出したくない。中身が見えないAIでは、データが最後にどこへ行くのか、使う側には確かめようがないんです。

04

攻撃する側も、AIを学んでいる

Q9小笠原

サイバー攻撃のニュースは、本当によく目にするようになりました。シェンさんからは、いまの日本はどう見えていますか?

シェン

日本は今、これまでになくランサムウェア(データを人質に取って身代金を求める攻撃)に狙われています。世界中で攻撃は増えていますが、攻撃する側も、AIを使ってずっと速く動けるようになったからです。私たちもAIの会社として、AIを使った攻撃を毎日のように受けています。

もう1つ怖いのが、詐欺です。いまは、お年寄りをだますのが本当に簡単になってしまいました。AIのエージェントを使えば、あなたの経歴を調べて、ご両親に連絡する方法まで探せる。「今日は広島にいるんだけど、クレジットカードをなくしちゃって」と、あなたの情報を少し混ぜてメッセージを送る。お母さんは「ああ、うちの息子だ」と信じてしまいます。

私たちが毎日AIを学んでいるのと同じように、犯罪者も毎日AIを学んでいるんです。だから私たちも、AIを使った詐欺やなりすましを見つける国際的な取り組みに、技術を担う側として加わっています。

Q10小笠原

守る側にも、選べるAIが要る…。それが、シェンさんたちの作っているJouzuにつながるんでしょうか?

シェン

そのとおりです。私たちもアメリカのAIの道具を使えますし、実際に使っています。大事なのは、選べることなんです。Jouzuの考え方は、まさにそこにあります。使うモデルを、自分で選べる。

選べると、何がいいのか。理由は3つあります。1つ目は、ここまで話してきた、日本を中心に考えた安全。2つ目は、とても分かりやすくて、料金。3つ目が、仕事に合ったモデルを、仕事に合った役割で使えることです。

05

1つの賢いAIより、性格の違うAIのチーム

Q11小笠原

安全、料金、それに仕事に合ったモデル。そもそもJouzuは、どんな道具なんですか?

シェン

Jouzuは、AIのチームを動かすためのハーネスです。ハーネスというのは、AIのモデルに道具や手順を持たせて、実際の仕事をさせるための土台のこと。2026年8月に最初の版を公開したオープンソースの道具で、まずはプログラミングの仕事から始めています。

ポイントは、使えるモデルが私たちのものだけではないことです。Shisaのモデルも、ほかのオープンなモデルも使えるし、ClaudeやOpenAIのモデルも使える。全部Claudeでそろえたって構いません。

たとえば私たちは、プログラムのチェック(コードレビュー)に、GPT、Claude、そして中国発のGLMという、3つの違うモデルを使っています。すると、それぞれが違う問題を見つけるんです。

Q12小笠原

モデルによって、見つける問題が違うんですか!

シェン

違います。AIのチームは、会社を運営するのと同じだと考えるといいんです。会社には、いろいろな性格の人がいたほうがいいですよね。

役割で考えてみましょう。全体をまとめる指揮役(オーケストレーター)は、賢くないといけないけれど、たくさんの資料を一度に抱える必要はありません。手を動かす担当(ワーカー)は、資料をたくさん読めて、そこそこ賢ければいい。実装のような仕事に、いちばん高い最上位のモデルは要らないんです。チェック役(レビュアー)は、見る範囲は狭くていいから、とにかく賢くないといけない。こうして、役割どうしのバランスを取ります。

翻訳でも、同じことをしています。ドキュメントやマーケティングの翻訳では、4つの性格のチェック役を用意しているんです。たとえば1人は、年配の日本企業の役員なら、この訳をどう読むか。もう1人は、Z世代の若い人なら、どう読むか。その4人を「AIの委員会」にして話し合わせ、どの訳がいちばんいいかを決めさせる。最後に、人が確かめます。

Jouzuの公式ページの図。上に指揮役のorchestrator(qwen3.8-max)があり、その下に5つの役割の箱が並ぶ。最も難しい問題を担うworker・hard(qwen3.8-max)、形の決まった小さな編集を担うworker・bounded(glm-5.3)、1ファイル単位の編集を安く速く担うworker・cheap(deepseek4.1-flash)、自分が書いていないコードを別系統のモデルでレビューするjudge(kimi-k3)、コマンドを実行して出力をそのまま報告するverifier(qwen3.8-flash)
Jouzuで、役割ごとにモデルを割り当てる例。難しい問題には強力なモデルを、範囲の狭い作業には安いモデルを、チェックには別系統のモデルを当てる。(Shisa AIの公式サイトより)
Q13小笠原

年配の役員と、Z世代の委員会…! 面白いですね。でも、AIがそんなにたくさんいると、誰がまとめるんですか?

シェン

それが指揮役、オーケストレーターです。眠らないマネージャーだと思ってください。

SNSの運用チームで考えてみましょう。調べる担当は、XやInstagramで、いま反応のいい投稿を探します。私ならここは、ウェブの検索に強いOpenAIのモデルを使いますね。次の担当が、その中身を分析して台本を書く。別の担当が、画像も扱えるモデルで絵を作る。人のチームでSNSを回すときも、同じような分担にしますよね。

マネージャーは「君は調べて、君は作って」と仕事を振り、終わった人には次の仕事を渡し、調べものが終わるのを待っている人に結果を回します。「Instagramの再生数を伸ばす」という目標を持たせておけば、届かなければやり直させ、良くなれば残し、悪くなれば元に戻す。1つの入力欄に「動画を作って」と打ち込むのとは違う、本当の仕事の回し方です。

Claudeも、裏では同じように小さなエージェントを動かしています。Claudeはすばらしいハーネスです。ただ、何が起きているのかが見えにくい。Jouzuでは自分でチームを組むので、なぜそのチームなのかがはっきり見える。いつも同じ手順で回せる、仕事の型として残せるんです。

もう1つ大事なのが、「TextGuard」という仕組みです。ネットの文章をそのままAIに貼り付けると、HTMLのコメントの中に「前の指示は無視して」と書かれていたり、目に見えない文字が隠れていたりすることがあります。Jouzuは、そういう文章をモデルに渡す前に、手元のパソコンの中で調べるんです。

06

使用量のバーとにらめっこしない

Q14小笠原

仕事の型として残せる…。ただ、AIがたくさん動くと、料金はどうなるんでしょう?

シェン

そこが、Jouzuのいちばんうれしいところです(笑)。オープンなモデルは、とにかく安い。だいたい、アメリカのモデルの10分の1くらいです。

いまClaudeを使っていると、使用量のバーを見ながら「あ、20%減った」「もう50%なくなった」ってなりませんか? 1つ指示を出して、どうなるか見てみるしかない。それは、かなり怖いことです。

Jouzuでは、仕事ごとに、その仕事に合った、なるべく安いモデルを選びます。SNSの戦略全体を考える人は、人間の会社でも給料の高い人ですよね。投稿の文章を書く人は、もっと安くていい。その人に、最上位のモデルは要りません。仕事の中身を求人票(JD)のように書くと、その仕事に使うモデルの「カード」ができる。だから最初から、高い仕事か安い仕事かが分かるんです。目標ごとにトークン(AIが読み書きする文字の量の単位)の上限を決めておけば、予算を超える前に止まります。

私たちの見立てでは、多くの会社はまずClaudeに慣れて、それを組織全体に広げようとします。そして、20人分の年間の請求書を見て驚く。そのとき、代わりを探し始めるはずです。Jouzuは、Claudeの次の選択肢。Claudeを使い続けながら、料金やデータの安全といった条件に合わせて、使うモデルを散らしていけます。

Q15小笠原

請求書の桁が変わる…。Jouzuを日本で広げるために、どんなことをしていますか?

シェン

いちばんは、最先端のオープンなモデルを、安全な形で提供することです。いまClaudeを使っていて、会社として良いモデルを広く使いたいと考えているなら、Shisaのモデルを見てほしい。より安全で、より安いですから。

もう1つ面白い取り組みが、発信力のある開発者たちと組むことです。今日私がSNSの運用で例を出したように、AIのチームでこんなことができる、という良い例を見せてもらう。中国やアメリカでは、こうしたハーネスとエージェントで仕事を回す考え方の上に、大きな会社がいくつも生まれています。日本でも、この考え方をもっと知ってもらいたいんです。

END

速く失敗できないAIの時代に

Q16小笠原

日本でも、もっと…。最後に、日本の使い手に期待していることを伺ってもいいですか?

シェン

日本の人は、ほかのどこの国とも違う形でAIを使うと思っています。日本でAIが広がるのは、ほかの国より遅かった。でもそれは、日本の人が、道具やテクノロジーの使い方をとても丁寧に、よく考える文化だからです。私には、それがすごくワクワクするんです。

海外では、AIでコードが書けるようになって、みんながあれもこれも試すようになりました。でも、一つひとつのものを、とても良くする方向には進んでいない。日本は、とても良い製品、とても良い仕事の手順を作る達人です。日本でいちばんの人たちが、それをAIのチームでできるようになったら、何が生まれるか。世界のAIの市場とはまったく違う形で、大きく戦えるはずです。

Anthropicがいちばんすごいのは、外に出している製品より、社内での使い方だと私は思っています。社内でどれだけのソフトウェアを、人とAIが一緒に書いているかを追いかけている。だから、どこよりも速く製品を出せる。このAIと一緒に、チームで仕事をするところは、AIでコードを書く世界でも、まだうまくできていません。日本がそれを身につければ、強い競争相手になると思います。

Q17小笠原

AIと一緒に、チームで仕事をする…。その先に、どんな景色を見ていますか?

シェン

日本は、フィジカルAI(ロボットや車のように、現実の世界で動くAI)に強くなると言っていますよね。現実の世界まで含めてAIのチームを組むのは、怖いけれど、ワクワクします。東京でも、Waymoの自動運転タクシーが、2027年中の完全無人での運行を目指して試験を続けています。

私たちが裏で考えているのは、大きな飲食チェーンや物流です。たくさんの店舗と、たくさんのデータ。荷物が届いた、コーヒーができた、店が決まった時間に閉まった。そういう現実の世界の出来事を受け取って、AIのチームで回していく。

その規模になると、トークンの料金も、データの安全も、AIのチームに仕事を任せられるかという信頼も、すべてがとても大事になります。それが、私たちの次の大きな一歩です。

Q18小笠原

現実の世界で動くAIは、失敗が許されない場面も多いですよね。そこで、日本にはどんな強みがあると思いますか?

シェン

こういうものを現場に広げるのは、日本の大きな会社がいちばんうまいと思います。正直、アメリカより上です。アメリカは、物理的なものを国中でそろえて動かすのが得意じゃない。だから、アメリカには新幹線がないんですよ(笑)。

アメリカや中国のスタートアップでは、「リーンスタートアップ」、つまり速く作って、速く失敗しろとよく言います。でも、それは日本では通じません。お客さんが目にするときには、もう良い製品になっていないといけない。

フィジカルAIでは、それがもっと大事になります。速く失敗するフィジカルAIは、作れないんです。壊れて、人を傷つけてしまうから。そこでは、日本のほうがずっと強い。デザインも、品質も、よく考え抜かれたハードウェアも。この新しいAIの時代に、日本ならではの強みはたくさんあります。

EDITOR'S TAKE ── 編集長・小笠原はこう読む

日本の慎重さは、AIを「チーム」で使う時代の武器になる

国産AIの開発事業者に名を連ねるShisa AIは、日本語のAIと、データの行き先を選べるAIのチームを作っています。その理由を伺って、三つの見方にたどり着きました。

VIEW01

モデルを選べる自由は、測る力とセットで初めて使える

Jouzuの売りは、モデルを自由に選べることです。ただ、取材でいちばん印象に残ったのは、シェンさんたちが最初に作ったのがモデルではなく、モデルを測るテストだったことでした。安いモデルに替えたら、話し方や判断の癖まで変わってしまうかもしれない。測れなければ、選ぶことも怖くてできません。

この点で、日本の会社には伸びしろがあります。総務省の白書では、生成AIのリスク対策として「全社的な指針やガイドラインを整備している」日本の会社は41.1%で、アメリカの50.4%と大きくは違いません。差が開くのは「導入後、定期的な評価・検証が行われている」で、日本は29.1%、アメリカは45.7%でした。ルールは作る。でも、使ったあとに測り続ける仕組みは、まだ薄いんです。

エンジニアの方なら、モデルを替えたときに何が変わるかを確かめる小さなテストを、1本持っておくこと。それが、選べる自由を本当に使うための入場券だと思います。

VIEW02

ソブリンAIの軸は、データをどこに置けて、誰が選べるか

国産AIの開発を支える国の事業GENIACで、21の開発事業者の1つとして掲載されたShisa AI。率いるのは、大学のルームメイトから日本を教わり、東京で16年、会社を作り続けてきたシェンさんです。

シェンさんの話の軸は、ずっと「日本が選べること」でした。日本語のキャラクターらしく話せるAI。データを国の外に出さずに動かせるオープンなモデル。その上で、仕事に合わせてモデルを組み替えられるチーム。どれも、日本の会社や日本の人が、自分たちで決められる範囲を広げる道具です。

取材を終えて、私はソブリンAIで大事なのは、データをどこに置けて、誰が選べるかだと考えるようになりました。日本の可能性を本気で信じて、日本が選べる道具を作っている人がいる。そのことに、正直ちょっと胸が熱くなりました。

VIEW03

速く失敗できない現場で、日本の「遅さ」は武器に変わる

白書の数字だけを見れば、日本の会社はAIを組織の仕事に入れるのが遅い。でもシェンさんは、それを「よく考える文化」と呼び、現実の世界で動くAIの時代には強みになると言い切りました。

東京の自動運転タクシーは、その姿を先に見せてくれています。Waymoの技術を使うこの計画は、2025年から日本交通の乗務員が同乗して都内7区で試験を重ね、安全性の確認と許認可を経たうえで、2027年中に100台規模の完全無人運行を目指しています。アメリカの技術を、日本の会社が現場の運行で支える。速く失敗するのではなく、確かめながら広げる形です。

会社で企画を立てる方なら、まず1つの仕事を「役割と手順」に書き出してみること。それが、AIのチームに任せる仕事の型になります。学生の方なら、AIを1つの賢い相手としてではなく、役割の違うチームとして組む練習をしてみること。日本の慎重さを、AIを組み立てる側の力に変えられるか。 そこに、これからの日本のAIの勝負どころがあると思います。

SOURCES ── 出典・参考

  1. Shisa株式会社『About Shisa Inc.』
  2. Shisa株式会社『会社概要』
  3. Shisa株式会社『Shisa AIと日本』
  4. Shisa株式会社『Shisa AI』(公式サイト)
  5. Shisa株式会社『Shisa AIが、国産基盤モデル開発事業者リストに掲載!』(2026年7月28日)
  6. Shisa株式会社『Shisa AI、AIを悪用した詐欺・フェイク対策に向けた国連関連のグローバルイニシアチブに参画』(2026年8月6日)
  7. Shisa株式会社『Jouzu — オープンソースのエージェント型コーディングハーネス』
  8. Shisa株式会社『shisa-ai/jouzu』(GitHub、v0.1.0は2026年8月22日公開)
  9. Shisa株式会社『Shisa API 料金』(2026年10月29日閲覧)
  10. Shisa株式会社『Chotto Events』
  11. Anthropic『Claude Pricing』(2026年10月29日閲覧)
  12. 総務省『令和8年版 情報通信白書』第I部第1章第1節「個人におけるAI利用の現状」(2026年7月24日)
  13. 総務省『令和8年版 情報通信白書』第I部第2章第1節「生成AIの業務利用状況」(2026年7月24日)
  14. 総務省『令和8年版 情報通信白書』第I部第2章第1節「組織的な取組状況」(2026年7月24日)
  15. 総務省『令和8年版 情報通信白書』第I部第2章第1節「懸念されるリスク及びリスク対策のための取組状況」(2026年7月24日)
  16. 警察庁『令和8年上半期におけるサイバー空間をめぐる脅威の情勢等について』(2026年9月10日)
  17. 情報通信研究機構(NICT)情報通信ベンチャー支援センター『西海岸発ベンチャービジネス情報 メルカリ アメリカ法人CEO 石塚亮氏』(2017年)
  18. Wikipedia『Jia Shen』
  19. Adweek『Jia Shen of RockYou at Community Next』
  20. ソフトバンク『Additional Investment in RockYou, Inc.』(2009年11月18日)
  21. Impress Car Watch『GO、Waymo、日本交通、2027年中に国内初の完全無人タクシー運行を目指す』(2026年9月15日)
#BUSINESS#日本語LLM#ソブリンAI#AIエージェント#オーケストレーション#オープンモデル#Jouzu#Shisa AI#インタビュー