マッキンゼー技術トレンド展望2025(中国語版)

2025年7月 第5版

2025年、企業にとって最も重要となる最先端テクノロジーは？毎年恒例のテクノロジー・トレンド・レポートでは、最新テクノロジーの躍進、人材トレンド、ユースケース、そしてそれらが各業界の企業に与える潜在的な影響について紹介しています。

ラレイナ・イー、マイケル・チュイ、ロジャー・ロバーツ、スヴェン・スミット著

PDFオリジナルダウンロード：https://www.mckinsey.com/~/media/mckinsey/businessfunctions/mckinseydigital/ourinsights/thetoptrendsintech2025/mckinsey-technology-trends-outlook-2025.pdf?shouldIndex=false

ディレクトリ

はじめに 2

AI革命

01 自律型AI 11

02 人工知能 18

コンピューティングとコネクティビティの最前線 26

03 特殊半導体 27

04 先進のコネクティビティ技術 34

05 クラウドとエッジ・コンピューティング 41

06 没入型リアリティ技術 48

07 デジタル・トラストとサイバーセキュリティ 55

08 量子テクノロジー 63

最先端のエンジニアリング 69

09 ロボット工学の未来 70

10 モバイルの未来 76

11 バイオエンジニアリングの未来 83

12.宇宙技術の未来 90

13 エネルギーと持続可能なテクノロジーの未来 97

紹介

世界のテクノロジー環境は、テクノロジーの急速な革新に牽引され、大きな転換期を迎えている。こうした技術革新はコンピューティング需要を飛躍的に増大させ、経営陣や一般大衆の注目を集め、実験を加速させている。こうした動きは、激化するグローバル競争を背景に、国や企業がこうした戦略的技術の生産と応用における主導的地位を確保しようと競い合っている中で起こっている。

今年のMcKinsey Technology Trends Outlookでは、グローバル・ビジネスを変革する可能性を秘めた13の最先端テクノロジー・トレンド、すなわち「ベーカーズ・ダース」を取り上げている。を取り上げる。今日、経営幹部は、デジタルと物理、中央集権と分散化の境界線が曖昧になり続ける世界で、複雑性の増大に対処し、新たなソリューションを拡大し、信頼を構築する使命を担っている。本レポートの洞察は、他の企業がどのようにこれらのトレンドを適用し始めているかを示すことで、ビジネスリーダーが自社に最も関連性のある最先端技術を判断するのに役立つ。これらの知見は、13のトレンドそれぞれについて、関心度、イノベーション、株式投資、人材に関する定量的指標を分析したものであり、基礎となる技術、不確実性、関連する問題を探求している。(調査の詳細については、サイドバー「調査方法」を参照）。

本アウトルックでは、イノベーションを推進し、業界全体の主要課題に対処する変革的トレンドに焦点を当てる。AIのインパクトは、強力な技術的波として際立つだけでなく、他のトレンドの基盤となる増幅器としても際立っている。ロボット工学のトレーニングの加速、生物工学における科学的発見の促進、エネルギー・システムの最適化などである。市場におけるAIソリューションの開発は、これまで個別に分析してきたトレンド、すなわち応用AIとジェネレーティブAIの側面をますます組み合わせているため、今年はこれらをまとめて研究する。

AIのアプリケーションとその使用例に対する熱意は高まり続けているが、産業界全体でAIの可能性をフルに発揮するには、計算強度の管理、導入コストの削減、インフラ投資の推進といった持続的なイノベーションが必要となる。また、セキュリティー、ガバナンス、労働力の適応に対する思慮深いアプローチも必要となり、業界のリーダー、政策立案者、起業家にも幅広い機会が生まれる。

ニュー・ハイライト

AIの範囲が拡大していることに加え、今年のレポートで取り上げることにしたもうひとつの新たなトレンドは、自律型AIである。このAIは、企業およびコンシューマー・テクノロジーの両分野で、急速に注目と実験の主要な焦点となっている。自律型AIは、自律的に複数ステップのワークフローを計画・実行し、世界で行動できる「バーチャル・コワーカー」を創出することで、基盤となるAIモデルの柔軟性と汎用性を兼ね備えている。自律型AIは、より成熟したトレンドに比べ、関心度や株式水準の定量的指標は相対的に低いものの、今年最も急成長したトレンドの1つであり、その潜在的な革命的可能性を示している。

2024年の自律型AIエクイティ資金調達額は11億ドル、2023～24年の求人倍率の差 +985%

人工知能は、今年我々が注目したもう一つのトレンドである専用半導体にとっても大きな触媒となった。ムーアの法則と半導体技術スタック層は、長い間、他の技術トレンドの主要な実現要因であったが、特許数などの定量的指標が反映するように、半導体分野では技術革新が急増している。これらの技術革新は、AIのトレーニングと推論に必要なコンピューティング・パワー、メモリ、ネットワークに対する需要の高まりに対応するものであり、コスト、熱、消費電力を管理する必要性にも対応するものである。このため、さまざまな新製品、新たな競合他社、新たなエコシステムが生まれている。

技術規模の拡大と専門化の同時進行

これらのベクトルの成長は、クラウドサービスや高度な接続技術の革新によって牽引されている。一方では、電力を大量に消費する大規模なデータセンターで汎用的なモデル学習インフラが急成長しており、他方では、携帯電話、自動車、家庭用制御機器、産業用機器に組み込まれた低消費電力技術の「エッジ」でイノベーションが加速している。これにより、驚異的な数のパラメーターを持つ大規模な言語モデルや、ほとんどどこでも実行可能なドメイン固有のAIツールを提供できるエコシステムが構築されつつある。例えば、クリーンエネルギー用のモジュール式マイクログリッドや、ニッチ製造用のカスタマイズされたロボットなどである。

責任あるイノベーションの必要性

テクノロジーがより強力になり、パーソナライズされるにつれ、信頼が採用の鍵を握るようになっている。AIモデルであれ、遺伝子編集プロセスであれ、没入型プラットフォームであれ、企業は透明性、公平性、説明責任を実証する必要に迫られている。倫理はもはや正しいことではなく、スケールアップや投資、長期的なインパクトを加速させることも、妨げることもできる、展開における戦略的なテコなのだ。

以下のイラストは、さまざまな最先端技術がどのように連携し、未来に向けた革新的なソリューションを提供できるかを示している：

3つの例が、テクニカル・トレンドの総合力を示している。

工場機械のメンテナンス

薬物送達の個別化

風力発電所のメンテナンス作業員

マクロ経済環境と広範な市場の低迷により、多くのトレンドのテクノロジー・エクイティ・ファイナンスが大幅に減少した1年を経て、2024年にはフロンティア・テクノロジーへの投資環境が安定し、多くのケースで回復した。2023年と比較して、2024年にはクラウドコンピューティングやエッジコンピューティング、バイオエンジニアリング、宇宙技術などのトレンドへのエクイティ投資が増加し、人工知能やロボット工学などの他のトレンドは、投資減少後の2年前よりも高い水準まで回復した。株式投資の水準が最も高い2つのトレンド、すなわち将来のエネルギーと持続可能なテクノロジーと将来のモビリティは、2023年には全体として減少するが、前者は2024年に回復する（図表1）。

2025年を形作る13の技術トレンドは、新興技術の大きな可能性と、AI主導の未来における戦略的連携の必要性を浮き彫りにしている。

図表1

2024年には、13の技術トレンドのうち10で株式投資が増加する。

投資動向（10億ドル、2022～24年

注：データには、ベンチャー・キャピタル、企業・戦略的M&A（ジョイント・ベンチャーを含む）、プライベート・エクイティ（バイアウト、公開株式への私募投資を含む）、公開投資（新規株式公開を含む）の民間市場および公開市場での資本調達が含まれる。企業の資本支出と営業支出を除く。出典：PitchBook、マッキンゼー・アナリティクス

マッキンゼー・アンド・カンパニー

経営幹部にとって成功するかどうかは、こうしたトレンドを適用できる影響力の大きい分野を特定し、必要な人材やインフラに投資し、規制の変更やエコシステムの準備といった外部要因に対処できるかどうかにかかっている。コラボレーションを促進し、エコシステムのギャップを埋め、長期的なビジョンを維持することで、リーダーは採用を加速させ、次の技術革新の波を推進するための組織を整えることができる。集中力と敏捷性をもって行動する者は、新たな価値を解き放つだけでなく、業界と今日の新興フロンティア・テクノロジーの未来を形作ることになる。

13の技術トレンド

本レポートでは、13の技術トレンドをすべて取り上げている。関連するトレンドを検討しやすくするため、AI革命、コンピューティングとコネクティビティのフロンティア、最先端エンジニアリングという3つの大きなカテゴリーに分類した。もちろん、トレンドの組み合わせを検討する際、これらのグループ分けを横断的に見ることには大きな力と可能性がある。

各トレンドの状況を把握するため、イノベーション（特許や研究発表に基づく）と関心（ニュースやウェブ検索に基づく）のスコアを作成した。また、関連技術への株式投資レベルを推定し、組織による採用レベルをスコア化した（図2）。

図表2

各トレンドは、革新性、関心、株式投資、採用の度合いに基づいて採点された。

技術動向別イノベーション、関心、投資、採用（2024年

注：13のトレンドのイノベーションスコアと関心スコアは相関関係にある。イノベーション・スコアは、0～1の特許スコアと研究スコアを組み合わせたもので、調査したトレンドの相対的なスコアである。パテントスコアは特許出願の指標に基づき、リサーチスコアは研究発表の指標に基づいている。ニューススコアはニュース出版物の指標に基づき、検索スコアは検索エンジンのクエリの指標に基づいている。

研究方法

本レポートで取り上げた13の技術トレンドの発展を評価するため、検索エンジンクエリ、ニュース記事、特許、研究発表、株式投資、人材需要の6つの具体的な活動指標に関する定量的データを収集した。各指標またはベクトルについて、定義された一連のデータソースを使用して、各トレンドに関連するキーワードの出現を見つけ、その活動に関する有効な言及をフィルタリングし、その結果生じた出現の数を、調査対象のトレンドに相対的な0～1のスコア範囲に指数化した。イノベーションスコアは特許スコアと研究スコアを組み合わせたもので、インタレストスコアはニューススコアと検索スコアを組み合わせたものである。(ニュースや検索活動を刺激する意図的な努力により、関心スコアが膨れ上がっている可能性があることは認識しているが、各スコアは特定のトレンドに関する議論や討論の程度を公平に反映していると考えている)。投資は、資本市場からトレンドに関連する企業への資金の流れを測定する。
採点に使用したデータソースは以下の通り：

特許。グーグル特許の特許出願データ。

研究The Lensの研究発表データ。

ニュースファクティバによるニュース記事データ。

検索。Google Trendsの検索エンジンクエリデータ。

エクイティ投資。ベンチャー・キャピタル、企業および戦略的M&A（ジョイント・ベンチャーを含む）プライベート・エクイティ（買収および公開株式へのプライベート投資を含む）および公開投資（新規株式公開を含む）を含むプライベート・マーケットおよびパブリック・マーケットの資金調達データはPitchBookによるものである。

人材需要。求人件数は、マッキンゼー独自の組織データ・プラットフォームから得たものである。このプラットフォームには、認可を受け、非識別化され、一般公開されている職業プロフィールと求人情報データが保存されている。データは主に英語圏のものである。

さらに、技術トレンドの進化を反映させるため、昨年の報告書からトレンドの選択と定義を更新した：

応用AI、生成AI、産業化機械学習、次世代ソフトウェア開発。

昨年の発行以来、新たに自律型AIと専用半導体のトレンドが追加された。

電化と再生可能エネルギー、そして電化の先にある気候変動技術という、昨年までの2つの別々のトレンドは、未来のエネルギーと持続可能な技術という1つに統合された。

データソースとキーワードを更新しました。マッキンゼーの航空宇宙・防衛プラクティスおよび量子テクノロジー・モニターの調査結果を基に、宇宙技術および量子テクノロジーの将来に関する株式投資に関する洞察を提供します。

マッキンゼーの専門家へのインタビューから得られた知見は、以下に定義するように、各傾向に企業全体の採用スコア（1～5の5段階）を割り当てるために使用された：

1 - 最先端のイノベーション。この技術はまだ初期段階にあり、投資や応用を行った組織はほとんどない。ビジネス環境ではほとんど実証されていない。

2 - 実験。組織は通常、小規模なプロトタイプで技術の機能性と実現可能性をテストしており、短期的な投資収益率には通常関心がない。技術の規模を拡大している、あるいは完全に拡大した企業はほとんどない。

3 - パイロット。組織は、実現可能性と有効性をテストするために、パイロット・プロジェクトや限定的な実装を通じて、最初のいくつかのビジネス・ユースケースにテクノロジーを導入している。

4 - スケーリング。当組織は、企業全体でテクノロジーの展開と採用を拡大している。

5 - 完全に拡張可能。その組織は、そのテクノロジーを企業全体に完全に展開し、統合している。企業がこのテクノロジーの価値と利点を認識しているため、このテクノロジーは標準となり、大規模に使用されている。

著者について

ラレイナ・イー

マッキンゼー・グローバル・インスティテュート ディレクター、サンフランシスコ・ベイエリア シニアパートナー

マイケル・チュイ

サンフランシスコ・ベイエリア、量子ブラック人工知能シニアリサーチャー

ロジャー・ロバーツ

クォンタム・ブラック・パートナーズ（サンフランシスコ・ベイエリア

スヴェン・スミット

マッキンゼー・グローバル・インスティテュート会長、シニア・パートナー（アムステルダム

本研究に貢献してくれた以下のマッキンゼーの同僚および同窓生に感謝の意を表したい：

アーメル・バイグ
アハサン・サイード
アレックス・シングラ
アレックス・チャン
アレクサンドル・スハレフスキー
アリゼー・アケット＝ゴエマエール
アミシ・バルティ
エイミー・シルヴァスタイン
アンドレア・デル・ミリオ
アンドレアス・ブライター
アンドレアス・シュロッサー
アニ・ケルカー
アンナ・ハイド
アヌ・マドガヴカル
アルジタ・バン
ベルント・ハイド
バラト・アイエ
ビル・グレッグ
ビル・ワイズマン
ブルック・ストークス
ブライアン・リチャードソン
チャーリー・ルイス
クリスチャン・シュタウト
クリント・ウッド
ダニエル・ヘルデ
ダニエル・ワランス
デビッド・ネイニー
デルフィーヌ・ナイン・ズルキヤ
ダイアナ・タン
エゴール・キセレフ
イライザ・スピナ
エミリー・シャオ
エリカ・スタンツル
ファビアン・クエダー
ガブリエル・モルガン・アサフテイ
ジャコモ・ガット
ゴダルト・ファン・ゲント
ハムザ・カーン
ヘニング・ソラー
乙部 一郎
ヤコブ・アッヘンバッハ
ヤコブ・フライシュマン
ジャワド・ムラベ
ジェフリー・カソ
ジェニー・トラン
ジェシー・ノフシンガー
ジム・アダムス
ジム・ベーム
ジョナサン・ティリー
ジョシュア・カッツ
ジャスティン・グライス
カール・グロセリン
ケルステン・ハイネケ
ケビン・F・ルー
キッティ・ラクナー
クラウス・ポトツキー
クレメンス・ヒャルタル
ルカ・ベニチ
マルク・ソレル
マーク・パテル
マルクス・ヴィルタナー
マーティン ハリーソン
マルティン・ケルナー
マーティン・リューリッヒ
マット・ヒギンソン
メダ・バンクワル
メカラ・クリシュナン
マイケル・ボゴボヴィッチ
ナンディカ・コミリセッティ
ナヴィーン・サストリー
オリビア・ホワイト
パオロ・スプランツィ
プラサド・ガノルカー
ライアン・ブルカート
セバスチャン・メイヤー
シアン・グリフィス
ソニア・リンドベリ
スミヤ・バネルジー
シュテファン・ブルグハルト
スティーブン・シュー
タピオ・メルギン
タリク・アラトヴィッチ
トーマス・フンデルトマルク
トム・ブレナン
ウェンディ・ズー
ヤマン・タンドン
イボンヌ・フェリエ
ジーナ・コール

ダニエル・アイゼンバーグ、ダイアン・ライス、ジャネット・ミショー、ファン・M・ベラスコ、カニカ・プンワニ、ラション・マローン、メアリー・ガエン、マイケル・ゲゼール、ナヨミ・チバナ、レイチェル・ロビンソン、レジーナ・スモール、ステファニー・ストローム、ビクター・L・クエバスに感謝する。チバナ、レイチェル・ロビンソン、レジーナ・スモール、ステファニー・ストローム、スティーブン・ランドー、ビクター・L・クエバスがこの報告書に命を吹き込んでくれた。

AI革命

01 自律型AI

自律型AIとは、複雑なマルチステップタスクを独立して計画・実行できる人工知能システムのことである。基礎となるモデルの上に構築されたこれらのエージェントは、自律的に操作を実行し、互いに通信し、新しい情報に適応することができる。汎用のエージェント・プラットフォームから、深い研究のために設計された特殊なエージェントまで、大きな進歩が見られます。

トレンドとその重要性

自律型AIは、フリンジ・コンセプトから、エンタープライズ・テクノロジーで最も議論されているシフトの1つへと急速に変化している。ワークフローを自動化し、チャットボットと話すだけでなく「バーチャルな同僚」にタスクを委譲する新たな方法を組織が模索する中で、自律型AIは支持を集めている。自律型AIは、単にアウトプットを提供するだけでなく、デジタルツールを通じて世界で行動するという点でユニークだ。これらのシステムはAIベースのモデルの上に構築されており、自律的に複数のステップのタスクを計画し実行することができる。

企業の物流システムに接続することで、商品に関するメッセージに答え、注文を処理し、返品を管理できるカスタマーサービスAIエージェントを想像してみてほしい。いくつかの企業は、トピックを調査し、ウェブ上でレポートを作成する独自のワークフローを設計できる、詳細な調査エージェントをリリースしている。英語やその他の自然言語で書かれた記述に基づき、多段階の推論を適用してコードを書き、配備し、テストするソフトウェア・プログラミング・エージェントを使用する企業も増えている。

他の先行システムと比較した場合のAIエージェントの利点には、以下のようなものがある：

• 予測不可能なロングテールのタスクをこなす自律的に動作するソフトウェアを作るために、開発者はこれまで、ステップ・バイ・ステップのルール・ベースのシステムを丹念にプログラムしなければならなかった。このようなアプリケーションの多くは、ルールに対する例外が多く、手作業で処理する必要がある。対照的に、ラージ・ランゲージ・モデル（LLM）は、初めて遭遇する入力に対して正しく応答することに優れているため、LLMベースのエージェントは、定義済みのルールに簡単にコード化できないロングテールのタスクを処理することができる。

人々のためのデジタル・ツールを設計するために使用する。これまでは、データを送受信するには、それぞれの新しいデジタル・システムに接続するためのカスタム・コードが必要だった。しかし、AIエージェントは、ウェブブラウザなど、人が使うのと同じツールを使ってウェブサイトを「読み」、LLMを使ったり、フォームに記入したりすることができる。

自然言語による指示を受ける。LLMは自然言語を扱えるので、AIエージェントはバーチャルな同僚のように管理することができ、人間の同僚と接するときと同じ言語を使って指示を与えたり、より良い方法を指導したりすることができる。

理解し修正できる作業計画を生成する。LLMベースのAIエージェントは、作業計画を生成し、設計上、互いにコミュニケーションすることができる。これらのエージェントは人間が読める言語を使用するため、自分が何をしているかを説明することができ、作業計画に対するフィードバックによって指導を受けることができる。

AIエージェントの可能性により、多くの産業が様々な機能や役割のためにエージェントのバーチャルな同僚を採用することを検討している。

最近の動向

自律的な意思決定とエージェント間のコミュニケーションが可能なAIエージェントの開発は、エキサイティングな可能性を開くものである。しかし、自律型AIの急速な発展は、信頼、責任、倫理の問題に対処する強固なガバナンスの枠組みの必要性を浮き彫りにしている。自律型AIの最近の発展には以下のようなものがある：

開発者はAIを搭載したユニバーサル・エージェント・プラットフォームを構築している。既存のAI製品にエージェント機能を追加する企業もあれば、タスクに特化したアプリケーションを作成するためにエージェントを構築する企業もある。ソフトウェアのコーディングや数学など、訓練や評価データがより強固な分野では、進歩が最も早い。

• 効果的なマルチステップ推論の連鎖の拡大は、自律型AIの著しい進歩を反映している。この1年で、新しいテクノロジーは、複雑で斬新なタスクを小さなステップに分解して解決するAIの能力を向上させた。ベースモデルの拡張だけに頼るのではなく、開発者は現在、「マネージャー」エージェントが作業計画を作成し、専門化したサブエージェントにタスクを委任するマルチエージェントワークフローを展開している。信頼性と安全性を確保するためにはまだやるべきことが残っているが、このシフトによって、より正確で文脈を考慮したアウトプットが可能になり、AIシステムの推論と運用の方法において大きな進歩が見られる。

ビジネスに特化したソリューションのための自律型AIへの関心が高まっている。AIエージェントは、特定の価値の高いビジネス問題のために開発されるようになってきている。これらのエージェントは、より専門化され、特定のタスクに調整されており、ユーザーが複雑なプロンプトを設計する必要性を減らしている。初期の注目は、ソフトウェア開発における自律型AIの活用であったが、その能力は急速に進化している。さらに、特に販売の最適化やカスタマー・サポートの自動化など、中核的なビジネス指標に測定可能な改善をもたらすAIアプリケーションにも多くの関心が寄せられている。この傾向が強まるにつれて、組織はワークフローにおける専門エージェントの使用と、さまざまなタスクを実行するより一般的なエージェントの使用のバランスをとる必要がある。

ディープリサーチのナレッジエージェントを求める声が高まっている。複数のプロバイダーが、関連するコンテンツの取得、検索の実行、数百のソースの評価、包括的なレポートへの情報の合成など、多段階の探索を自律的に実行できるツールを開発している。これらのエージェントは、検索だけでなく、推論にもAIを使用する方向への幅広いシフトを反映しており、拡張可能な高速知識生成を可能にしている3。

• AIエージェントは "話す "ことができる。 最近のAIの進歩には、互いに通信し、独自の言語を作成することができるモデルが含まれる4。ニューラルネットワークは現在、タスクを学習し、それを他のAIシステムに説明することができる。このようなAI間コミュニケーションの処理は、AIと人間のやり取りを処理するよりも低コストである。このようなAI間コミュニケーションの進展は、ロボット工学や複雑な問題解決、その他の分野に影響を与えるが、透明性や制御に関する懸念も生じている5。

信頼、ガバナンス、責任に関する懸念の高まりが、自律型AIの開発と導入に影響を与えている。AIエージェントが金融取引の実行やデジタル・プラットフォーム間でのやり取りを含むより自律的な役割を担うにつれ、組織は説明責任や法的枠組みの問題に対処することが増えている。最近注目を集めた試験的な導入は、特にAIシステムが法域を超えて独立して行動する場合に、こうしたリスクをより鮮明に浮かび上がらせている。堅牢なガードレールを設計し、エージェントに適切な運用環境を提供することは、信頼性と説明責任を確保する上で極めて重要である。

AIエージェントはタスクを自動化するだけでなく、仕事の進め方を再構築するだろう。人とエージェントの同僚を結びつけるチーム作りを学ぶ組織は、新たなレベルのスピード、スケール、イノベーションを解き放つだろう」。

- ラレイナ・イー、マッキンゼー・グローバル・インスティテュート（サンフランシスコ・ベイエリア）シニアパートナー兼ディレクター

人材と労働市場

自律型AI

需要

自律型AIに関連する求人票の数は依然として少ないが、2021年以降、特にソフトウェア・エンジニア、データ・サイエンティスト、データ・エンジニアといった職種で大きく伸びている。この成長は、自律的な意思決定と行動が可能なAIシステムの開発に対する関心と投資が高まっていることを示している。

2021-24年の求人情報（職種別）（単位：千人

スキルの有無

自律型AIの開発は、Pythonプログラミング、機械学習、ソフトウェア工学などの技術的スキルと、キューエンジニアリングや自然言語処理などの新興分野の組み合わせに依存している。人材の需要は高いが、その状況はまちまちだ。TensorFlowの使用など、特定のスキルは需要に比して容易に入手可能である一方、Pythonの専門知識など他のスキルは需要に比して供給不足である。

ユーザビリティだけでなく、自律型AIは仕事の性質そのものを変えつつあり、決定論的なコーディング作業から、タスクの計画、ツールのオーケストレーション、文脈に応じた意思決定といった、より高度な活動へと責任をシフトさせている。この進化は、役割の定義、評価されるスキル、組織が技術チームをどのように構成するかを変えつつある。

人材要件、求人広告に求められるスキルの割合

世界各地の採用動向

分数の採用：2実験。

組織は通常、小規模のプロトタイプで、技術の機能性と実行可能性をテストしており、短期的な投資収益率には通常関心がない。技術の規模を拡大している、あるいは完全に拡大した企業はほとんどない。

自律型AIに大きな関心と投資が集まっているにもかかわらず、この技術は現実のビジネス環境ではまだ十分にテストされていない。多くの企業がAIエージェントの小規模なプロトタイプ機能を積極的にテストしているが、本格的な採用はまだ限られている。技術の急速な進化を考えると、自律型AIの導入と影響は急速に加速する可能性があり、注目に値する。

実例

大手AI企業は、実世界のシナリオにおける自律型AIの実装を促進するための高度な技術を開発している。

AI主導のユニバーサル・エージェント・プラットフォームに関わる現実的な例としては、以下のようなものがある：

2025年1月にローンチされたOpenAI Operatorは、航空券の予約、予約、食料品の注文など、ウェブベースのさまざまなタスクを自律的に実行するAIエージェントである。Operatorはウェブサイトをナビゲートし、フォームに入力し、複雑なインタラクションを処理する6。

マヌス 2025年3月に発表されたAIは、ユニバーサル・エージェント・プラットフォームである。リサーチ、執筆、タスク管理などのタスクを自律的にこなし、柔軟なデジタルチームメンバーとして機能する7。

2025年6月17日、GoogleはGoogle AI StudioおよびVertex AI用のGemini 2.5 Flashをリリースした。 ジェミニ Gemini 2.5 Flashは、開発者がブラウザ自動化機能（例えば、ウェブサイトへの訪問、ボタンのクリック、クエリの入力、自然言語プロンプトに基づくデータの抽出を処理する）を使用して本番アプリケーションを構築することを可能にし、エージェントワークフローにおける新たなユースケースをサポートする8。

以下は、多段階推論を含む実際の例である：

McKinseyのQuantum Black Labは、ある銀行の与信メモ作成を自動化するエージェントワークフローを導入した。マルチエージェントシステムマネージャーとして機能するLLMが作業計画を作成し、専門的なデータ分析、検証、出力作成のサブエージェントにタスクを割り当てた9。

特定のビジネス・ソリューションのために構築された自律型AIの現実的な例には、以下のようなものがある：

DarktraceのAIエージェントは、企業のネットワーク・トラフィックを継続的に監視し、異常を特定し、潜在的な被害を軽減するための最善の行動を決定します。10 このアプローチは人間の免疫システムを模倣しており、AIシステムは人間の介入なしに、以前は見られなかったサイバー攻撃に即座に対応することができます。日常的な監視や脅威の検出タスクを自動化することで、こうした自律型AIシステムは、人間のセキュリティ・チームが戦略的課題や重要な介入に集中できるようにする。

SalesforceのAgentforceプラットフォームは、ビジネス機能全体に自律型AIエージェントを導入し、効率性と拡張性を向上させることを可能にする。これらのエージェントは、サポートチケットの解決、ミーティングのスケジュール設定、フォローアップメールの送信、リードの特定などのタスクを自律的に処理することができる11。

Anysphere社が開発したCursorは、自然言語処理によってコーディング作業を自動化することで、ソフトウェア開発業界に革命をもたらしているツールのひとつである。このプラットフォームにより、開発者は、必要な機能を平易な言語で記述するだけでコードを生成できるようになり、ソフトウェア開発プロセスを大幅に加速することができる12。

自律型AIは、AIを受動的なツールから、企業のワークフローに積極的に協力する存在へと変貌させる。これらのシステムが自律性と意思決定能力を獲得するにつれて、道具ではなく同僚とみなされるAIとどのように協働するかを考えることに、より多くの投資をすることも同様に重要である。同時に、これらのエージェントが責任を持って運用され、永続的な信頼を築くためには、強力なガバナンス、透明性の度合い、倫理的なセーフガードが必要だ」。

- デルフィーヌ・ナイン・ズルキヤ、ボストン、シニア・パートナー

エージェント間のコミュニケーションを含む現実的な例としては、以下のようなものがある：

Anthropicは、LLMのようなAIモデルが外部のツールやシステム、データソースとデータを統合・共有する方法を標準化するためのオープンソースフレームワークとして、Model Context Protocol（MCP）を発表した。グーグル、マイクロソフト、Open AI、その他多くの企業がMCPの採用を発表している。

グーグルはAgent2Agent（A2A）プロトコルを発表した。A2Aプロトコルは、ベンダーを超えたAIエージェント間の安全なコラボレーションを促進するために設計されたオープンスタンダードである。A2Aは50社以上のパートナーによってサポートされており、候補者のソーシングやサプライチェーンのオーケストレーションなどのユースケースをサポートし、スケーラブルなマルチエージェントエコシステムを実現するMCPのような取り組みを補完している13。

潜在技術

AIを推進する技術には以下のようなものがある：

機械学習（ML）。これらのモデルは、プログラミング・ルールに従うのではなく、データで訓練された後に予測を行う。

- 自然言語処理。このタイプのMLは、テキストや音声のような言語ベースのデータを分析・生成する。

アプリケーション層。一般的に、これはエンドユーザーが対話するインターフェースである。

統合／ツール層。アプリケーションレイヤーとベースモデルの間に位置するこのレイヤーは、他のシステムと統合して、情報を取得したり、レスポンスをフィルタリングしたり、入出力を保存したり、作業を分配したり、新しい機能を実現したりします。例えば、大規模言語プログラミングフレームワークのLangChainや、PineconeやWeaviateのようなベクトルデータベースがあります。

- ベースモデル。これは、構造化されていない、ラベル付けされていない大量のデータでトレーニングされたディープラーニングモデルで、すぐに幅広いタスクを実行したり、特定のタスクに合わせて微調整したりできる。

推論モデル。これは、論理を含む問題を解いたり、パターン認識以上の推論を行うなど、多段階の推論タスクを実行するために特別に訓練されたベースモデルである。

観察可能性ツール。観察可能性（行動、パフォーマンス、意思決定プロセスへの洞察）を可能にするツール（LangSmithなど）である。これらのツールは、信頼性、透明性、説明責任を確保するために、AIモデルをそのライフサイクル中に監視・分析する。

プログラミングフレームワーク。このようなフレームワークは、AutogenやCrewAIのようなAIアプリケーションの開発と実装を容易にするために設計された包括的なソフトウェアツールキットである。

主な不確定要素

自律型AIに影響を与える主な不確定要素には、以下のようなものがある：

- 自律型AIの故障モードは、誤った意思決定や意図しない行動をとるなど、運用上のリスクをもたらす可能性がある。エージェントの訓練に使用されるデータの質、意思決定モデルの偏り、敵対的な攻撃、ますます自律的になるシステムを管理するための人間の監視の継続的な必要性などにも関連するリスクがある。 - エージェントが達成できる自律性のレベルは依然として不確かであり、AIでは現在進行中の研究と議論の対象である。

将来への大きな疑問

自律型AIを進めるにあたって、企業やリーダーが考慮すべき問題は数多くある：

- 自律型AIの大規模な労働力への影響には、人間とデジタル労働力の組み合わせが含まれるのか？企業が自律型AIを導入する際、リスクを軽減するためにどのような信頼とセキュリティのツールや技術が必要になるか？
自律型AIは、ルーティンワークを自動化することによって専門家の才能を高める可能性が高いのか、それとも、構造と反復によって構築された大規模な労働力を置き換えるのだろうか？
自律型AIはどの程度まで独立した運用を許されるべきなのか？AIの自律性と人間の監視のバランスをどのように取ればいいのか？
企業が競合他社に先んじて、収益とコストの両面で自律型AIに関連する価値を大規模に獲得するにはどうすればよいのだろうか。

02 人工知能

人工知能とは、通常は人間の知能を必要とするタスクを実行するように設計されたコンピューターシステムのことである。これらのシステムは、アルゴリズム、データ、計算能力を使用して、パターンを認識し、意思決定を行い、経験から学習する。

トレンドとその重要性

人工知能はもはや単なる技術的好奇心ではない。今日では、産業や日常生活全体に具体的な変化をもたらしている。自然な会話のサポートや複雑な分析の自動化から、ロボットやドローンなどの物理システムの制御まで、AIの影響は幅広く、広範囲に及んでいる。最も効果的なソリューションは、言語のための生成モデル、データ駆動型の洞察のための分析エンジン、そして（本レポートの前セクションで紹介した）自律的に意思決定し行動できるようになってきているエージェント型AIなど、複数の形態のAIを融合させていることが多い。この融合は、ビジネスのあり方や個人のテクノロジーとの関わり方を静かに変えつつある。

マッキンゼーの「AIの現状レポート」で調査した組織の78%が、少なくとも1つのビジネス機能でAIを活用しており、「Superagents at Work」で取り上げたように、経営幹部の92%が今後3年間でさらなる投資を計画している。この1年で基盤となるAI機能が急速に発展したことで、企業におけるAIの長期的な可能性はさらに高まっている。強力なモデルの導入コストは劇的に低下しており、より小型で専門性の高い新世代のモデルによって、より多くの組織と幅広いデバイスがAIにアクセスできるようになっている。

テキスト、画像、動画、音声を処理・生成できるマルチモーダルAIは、新たな創造的・科学的フロンティアを切り開き、AI駆動型アウトプットの品質と汎用性を向上させた。その結果、企業や消費者はAIをワークフローや日常業務に組み込む傾向が強まっている。ワークフローへの影響は、特にソフトウェア開発において顕著である。自然言語ベースのツールの台頭により、プログラミングが民主化され、プロも趣味の人も、かつてないほど速くソフトウェアを構築し、プロトタイプを作成できるようになった。しかし、この高速化は、開発の高速化に伴う技術的負債の管理やコード品質の確保といった新たな課題ももたらしている。

AIの利用を報告している企業の大半も、ジェネレーティブAIを定期的に利用していると回答している。しかし、前述のように、ジェネレーティブAIの可能性が完全に実現するまでには、組織はまだ長い道のりを歩まなければならない。潜在能力と進歩の間に大きな隔たりがある理由は、組織が適応し、補完的なイノベーションを開発し、スタッフを再教育するのにかかる時間によって説明できる。したがって、ジェネレーティブAIの真の経済的利益は、組織の大幅な変化と再編が行われた後に初めて明らかになるかもしれない。

モデル推論コストの低下と、より小型の専用モデルの爆発的な普及は、AIへのアクセスやAIの利点を今後も変えていくのだろうか？組織が実験から本格的な導入に移行しようと競争する中で、どのような企業戦略が最大の価値を解き放つのだろうか？イノベーションが加速する中、リーダーはどのようにして倫理、透明性、ガバナンスに関わる責任ある実践を、ビジネスと社会へのAIの急速な統合に歩調を合わせていくことができるのか？

AI革命

人工知能

視聴率の動向

2023年から2024年にかけては、ジェネレーティブAIの導入によりAI全般への関心が高まり、AIへの革新と関心が急増する。AIは、特許活動、グーグル検索、研究発表において技術トレンドをリードしており、これは、業界や分野を問わずAIが急速に採用されていることを反映している。2025年第1四半期、AI企業は520億ドルを調達し、そのうちの400億ドルはソフトバンク主導によるOpenAIへの投資であり、ベンチャーキャピタル（VC）による資金調達案件としては過去最大となった。

注：各ベクトルについて、我々は定義されたデータソースのセットを使用して、13のトレンドのそれぞれに関連するキーワードの出現を見つけ、その活動に関する有効な言及をフィルタリングし、その結果出現したものを、調査対象のトレンドに相対的な0～1の評価範囲にインデックス化した1Swagath Bandhakavi, "AI Companies to Raise at 20252025年第1四半期に世界で少なくとも520億ドルを調達」、Tech Monitor、2025年4月17日、「AGI構築のための新たな資金調達」、OpenAI、2025年3月31日、Hayden Field and KateRooney、「OpenAIが400億ドルの資金調達ラウンドを終了、民間のハイテク企業としては過去最大規模」、CNBC、2025年4月1日

最近の動向

AI 2025におけるイノベーションは、大手企業と新興企業の競争によって、拡張されたモデリング能力、効率性、実世界での応用を中心に加速している。

AIをめぐる最近の動きには、競争の激化と推論コストの低下、小型モデルの爆発的増加、マルチモーダルAIと多段階推論機能の進歩、ソフトウェア開発の加速、責任あるAIをめぐる懸念、世界的な投資の増加などがある：

ベースモデルの普及は競争を激化させ、コストを引き下げた。多くの競合他社が高品質のテキスト出力に対して無料アクセスや価格引き下げを提供し、新興企業の出現がイノベーションをさらに加速させた。高品質なオープンソースモデルの数も増加した。

人工知能の分野では、蒸留と定量化の技術によって、より大きな「親」モデルから派生した、非常に高性能でドメインに特化したAIモデルの作成が可能になり、「より小さなモデルの爆発的増加」が起きている。このような小さなモデルは、より少ない計算能力で高品質のアウトプットを提供するため、コストとエネルギー消費を劇的に削減します。以前は、企業は通常、1兆以上のパラメータを扱うことができる、はるかに大きなモデルを使用していましたが、現在では、100億以下のパラメータを扱うより小さなモデルも同様に効果的であることを多くの企業が認識しています。その結果、AIは現在、スマートフォンや家電製品からトラックや産業機器に至るまで、あらゆるものに組み込まれている。

企業は、複数のタイプのデータ入力を統合して処理し、テキスト、画像、動画、音声などの出力を生成するマルチモーダル生成AIモデルの開発に、一層の努力を払っている。これらのマルチモーダル・モデルは、より効果的なプロンプトとより優れた出力により、自然言語インタラクションを強化する。ガートナーは、2023年にはわずか1%であったのに対し、2027年には40%のジェネレーティブAIソリューションがマルチモーダルになると予測している3。

人工知能は複雑な多段階推論を得意とするようになり、その能力は大きく変化している。最近の進歩により、基礎となるモデルが戦略的な計画を立て、変動性に適応し、タスク間で知識を促進することが可能になり、効率性と信頼性が向上している。最適化された学習アルゴリズム、ディープリサーチツール、その他の技術は、AIがより迅速に推論し、ソフトウェアエンジニアリングを含む新たな課題に洞察を適用できることを示している4。

業界は責任あるAIについて、原則から行動へと移りつつある。ジェネレーティブAIの導入が加速する中、盗用、説明責任、データ汚染、偏見、公平性に関する懸念が残っている。ジェネレーティブAIモデルの学習に著作権で保護された素材を使用することは、知的財産と公正使用に関する議論を巻き起こしている。出力、特に非数学的出力がどのように決定されるかについての透明性の欠如は、その推論に光を当てることができる「説明可能なAI」への関心を高めている。こうした課題に対処するため、組織はAIガバナンス・プラットフォームを導入し、第三者の信頼とリスク評価を求めている。

グローバルな投資は拡大しているが、その分布は地域によって異なる。地域のイノベーション、経済成長、国益を促進する可能性を秘めたソブリンAIは、世界的に大きな注目を集めている。フランス、イタリア、スペイン、英国などの国々では、テクノロジー企業やクラウド・プロバイダー、通信プロバイダーのエコシステムを育成することで、国内のAIインフラを整備している5。ベトナムでは、エヌビディアが政府と提携して新たなAI研究センターを設立しているほか、日本、シンガポール、タイでは、医療や自然災害管理など、国の優先課題に沿った地域独自のAIモデルの開発を奨励している6。中東では、アラブ首長国連邦をはじめとする国々が、Emirates NBD BankとBlackRockとの最近の提携のように、大規模なインフラ・プロジェクトや国境を越えた協力関係を通じて、急速にその地位を確立しつつある7。対照的に、アフリカなどの地域では、デジタル化の遅れや高コストなどの課題により、導入が遅れている8。

AIへのベンチャーキャピタル投資は、主にジェネレーティブAIの新興企業が牽引し、大幅に増加している。このような資本の流入は、先進的なチップを開発するサンバノバシステムズのようなハードウェアのパイオニアから、さまざまな業界向けにカスタマイズされたソリューションを作成するライターのようなアプリケーション企業に至るまで、AIスタック全体のイノベーションを促進している。エンタープライズAIへの投資は前例のないレベルに達しており、ハイテク大手や主要なAI企業は、インフラ、モデル、展開に毎年数百億ドルを投資している。グーグルの親会社であるアルファベット、アマゾン、メタ、マイクロソフトは、2025年にAI関連の設備投資に700億ドルから1,000億ドル以上を投じると予想されており、データセンターの拡張やカスタム・シリコンの開発がその原動力となっている9。クラウドへの先行投資をはるかに上回るこうした巨額の投資は、AIの戦略的重要性を浮き彫りにし、急速なイノベーションを促進している。

AIイノベーションのペースは加速しており、生成システムや自律システムのブレークスルーにより、業界全体の可能性が急速に拡大している。今日、真の差別化要因は単なる技術力ではなく、AIをワークフローに深く組み込み、業務モデル、人材、ガバナンスを再構築することで測定可能なビジネスインパクトをもたらす能力である。信頼とアカウンタビリティのための強力なセーフガードを構築しながら、実験から大量導入へと移行する組織が、AIの変革の可能性を最も取り込みやすいだろう」。

- アレックス・シングラ（シカゴ、クォンタム・ブラック共同代表兼シニア・パートナー

人工知能

需要

AI人材に対する需要は、組織が初期の実験からより広範な展開へと移行するにつれて進化し続けている。2023年にはかなり後退したものの、2024年には新たな採用ブームが到来し、特にデータサイエンティストとエンジニアの採用が増加する。ソフトウェア職の需要は安定しているが、製品およびソリューション志向の職種の成長は、ビジネス統合とユーザーインパクトの促進にますます焦点が当てられていることを示唆している。

46%のリーダーがAI導入の主な障壁として従業員のスキルギャップを挙げており、20%以上の従業員がほとんどトレーニングを受けていないと回答しているが、スキル向上に対する今日のニーズへの対応は問題の一部に過ぎない。AIエージェントが企業のワークフローにますます統合されるにつれて、人材環境は人間と機械のコラボレーションをサポートする能力に向かって進化し続けるだろう。やがて、労働者とAIのこの共生関係は、その場限りのものではなく、より基礎的なものとなり、チームの機能、意思決定の方法、組織内での価値創造の方法を徐々に再構築していくだろう1。

2021-24年の求人情報（職種別）（単位：千人

スキルの有無

AIの人材パイプラインは逼迫している。機械学習、Python、データサイエンスなどのコアスキルは需要が高いが、供給は後者2つに比べるとまだ遅れている。クラウド・インフラストラクチャの専門知識は、特にアマゾン・ウェブ・サービス（AWS）のようなプラットフォームでは不足している。プログラミングや数学に関連する能力の一部は入手しやすくなっているとはいえ、基礎的なAIスキルのギャップは、的を絞ったスキルの強化や開発を通じて対処しない限り、勢いを鈍らせる可能性がある。

人材要件、求人広告に求められるスキルの割合
人材の確保、需要に対する人材の比率

<0.1倍 AmazonWebサービス

0.5倍 パイソン

0.3倍 DevOps

0.3倍 Kubernetes

1.3倍 リナックス

0.7倍 データベース

0.1倍 スクリプト

グローバルな採用展開

得点の採用：4-延長。

組織は、企業全体でテクノロジーの展開と採用を拡大している。

すでに多くのグローバル企業がクラウド技術を導入しており、米国と西ヨーロッパが導入の先頭を走っている。しかし、コンピューティングに対する需要が伸び続ける中、この技術を完全に拡張することは困難である。一方で、電力、ハードウェアのサプライチェーン、ネットワークのボトルネックは依然として残っている。アフリカなど一部の地域では、エッジ・コンピューティングへの注目度が低く、遅れをとっている。

実例

クラウドとエッジコンピューティングの進化は、AIをクラウドスタックで実行することを可能にし、コンピュートと電力の制約に対処し、専門のクラウドプロバイダーと主権クラウドの拡張機能を生み出している。

AIがクラウドスタックを破壊する実例には、以下のようなものがある：

Meta社は、GPUクラスタを使用して大規模な分散AIトレーニングをサポートする専用のデータセンター・ネットワークを開発した。Meta社のAIキャパシティは、ノード間通信トランスポートとしてConverged Ethernet version 2（RoCEv2）を使用している。同社のネットワークは、GPUクラスター間で実行されるランキング、コンテンツ推薦、自然言語処理など、信頼性の高い実世界のAIトレーニングタスクを幅広くサポートしている6。

2025年1月に発表されたStargateプロジェクトは、OpenAIのための新しいAIインフラを構築するために今後4年間で500億ドルを投資する。資金提供者には、MGX、OpenAI、オラクル、ソフトバンクが含まれる7。

計算上の制約を克服する企業の現実的な例としては、次のようなものがある：

ハイブリッド冷却戦略は、コンピューティング需要の増大に伴い、ますます重要になってきています。データセンターでは現在、低負荷アプリケーション用の空冷と、高密度ラック用の液冷が組み合わされている。マイクロソフトは、水の蒸発をなくし、正確な温度制御を提供する、水効率の高いクローズドループのチップレベル冷却システムを導入しました8。HyperCoolなどの技術は、最大2,800ワットのAI GPUに水を使用しない2相のチップ直下冷却を使用し、従来の方法と比較して10～20%少ないエネルギーを使用します9。

- より多くのデータセンターが建設されるにつれ、バージニア州北部やカリフォルニア州サンタクララなど、従来からデータセンターが集積していた米国市場では、その運用に必要な電力の増加が問題となっている。AIモデル専用のデータセンターは、インディアナ州やアイオワ州など、電力が豊富で送電網への負担が少ない米国の遠隔地に建設されている11。同様に、タイやインドネシアなどの東南アジア諸国やフィンランドなどの北欧諸国も、再生可能エネルギーが豊富なことから、AIインフラの重要な拠点となりつつある12。

AIモデルがますます日常的なアプリケーションに組み込まれるにつれ、業界は大規模化から効率化へとシフトしています。このような背景の中、DeepSeekのR1モデルは先進的な例として際立っています。多重潜在的注意（MLA）やFP8精度定量化などの技術を使用することで、R1モデルはメモリと計算要件を大幅に削減し、コンシューマーグレードのハードウェアでも高性能な推論を可能にします。このアプローチは、クラウドとエッジ・コンピューティングにおけるより広範な傾向を反映している。つまり、AIワークロードを応答性とリソース効率のために最適化し、インテリジェンスをデータが生成され、意思決定が行われる場所に近づけるのだ13。

企業はワークロードをより多くのマシンに分散させている。例えば、AWS TrainiumはLlama 2-7Bモデルを128台のサーバーに分割してトレーニングし、チップ間でタスクを分散し、スタッフ間で長いシーケンスを分解している。これにより、1台のマシンに比べてトレーニング時間とコストが大幅に削減される。同様に、企業はより電力供給の良い地域に移動したり、エッジコンピューティングを使用してデータソースに近い場所でデータを処理したりしている14。

プロゲーマーの台頭の実例がここにある：

Nvidiaの支援を受けるCoreWeaveは、AIや機械学習のワークロードに特化したGPUアクセラレーションクラウドサービスを提供することで、クラウドコンピューティング分野の重要なプレーヤーとして台頭してきた。AIモデルのトレーニングや推論といったニッチ市場にサービスを提供し、Nvidia H100などの高性能GPUを新興企業や研究機関に提供している。同社は急成長しており、2024年には売上高が19億ドル（前年比7,37%増）に急増し、2025年3月には新規株式公開（IPO）を予定している15。

ソブリン・クラウドへの需要が高まっている現実的な例としては、以下のようなものがある：

2024年、オラクルはソブリン・クラウドをEUにも拡大した。これにより、欧州の企業はオラクルのクラウド・インフラストラクチャを使ってローカルでデータを処理できるようになる16。

SAPによって設立されたDelos Cloudは、Arvato SystemsおよびMicrosoftと提携し、ドイツの公共部門に合わせたソブリン・クラウド・ソリューションを提供している。このプラットフォームは、政府機関が機密性の高いワークロードをドイツ国内の複数のデータセンターに安全に分散できるように設計されている17。

潜在技術

クラウド・コンピューティングとエッジ・コンピューティングを推進するテクノロジーには、以下のようなものがある：

- 仮想化。仮想化によって、サーバー、ストレージ、ネットワーク・リソースの仮想インスタンスを作成し、リソースを共有したり分離したりできるようになる。

- コンピューティングとサーバーレス・コンピューティング。このテクノロジーは、クラウドプロバイダーによって管理されるサーバーレスモデルを含むオンデマンドのコンピューティングリソースを提供し、開発者がコードに集中できるようにする。

コンテナとKubernetes。コンテナはアプリケーションとその依存関係をカプセル化し、環境間で一貫性のあるデプロイを可能にする一方、Kubernetesはコンテナのオーケストレーションを大規模に管理する。

APIとマイクロサービス。APIはクラウドアプリケーションとサービス間の通信を容易にし、マイクロサービスはアプリケーションをより小さく独立したコンポーネントに分解して、スケーラビリティと柔軟性を高める。

クラウドストレージ。この技術には、オブジェクト・ストレージやブロック・ストレージなど、拡張性があり簡単にアクセスできるストレージ・ソリューションが含まれ、クラウド上でのデータ管理に役立つ。

センサーやビデオカメラなどのIoTデバイスは、データを収集し処理する。これらのデバイスは通常、基本的なコンピューティング機能とストレージ機能を備えています。

ローカルまたは「ニア・アクション」エッジ。これらは、データが生成される構内、またはリモートやモバイルの場所に配置されたコンピューティングやストレージのリソースである。

キャリア、ネットワーク、モバイルエッジコンピューティング（MEC）。これらは、モバイルまたはコンバージド・サービス・プロバイダーのネットワークのエッジ内に配置されたプライベートまたはパブリックのコンピュートおよびストレージ・リソースであり、通常は企業構内からネットワークホップ1つ分離れている。

メトロエッジ。この技術では、フットプリントが小さい（通常3メガワット程度）データセンターが大都市に設置され、低レイテンシーと高可用性を実現するために、ローカルに近いコンピュートパワーとストレージを提供することで、パブリッククラウドを補完する。

光ファイバー物理的なグラスファイバーは、最も信頼性の高い高スループット、低遅延接続を提供します。

主な不確定要素

クラウドコンピューティングとエッジコンピューティングに影響を与える主な不確実性には、以下のようなものがある：

チップ技術の進歩に伴い、ハードウェアとソフトウェアにおいて、より高速なパフォーマンスとエネルギー消費の低減のバランスをとることが、依然として重要な課題となっている。規制当局の監視とデータ・プライバシーへの懸念により、クラウド・ガバナンスとデータ主権への注目が高まっている。加速するデータセンターの拡張、電力調達、水使用、電子廃棄物による環境への影響と持続可能性は、さらなる規制につながる可能性がある。

- クラウドコンピューティングとエッジコンピューティングにおけるセキュリティは、2025年も引き続き重要な課題である。組織は、マルチクラウド環境の可視性が限られていることや、保護への投資が不十分であることから、セキュリティリスクの増大に直面している。

将来への大きな疑問

企業やリーダーは、クラウドコンピューティングやエッジコンピューティングの利用を継続する際に、以下の質問を検討することができる：

- クラウドプロバイダーは、エネルギー消費とカーボンフットプリントをどのように効果的に削減できるのか？マルチクラウド環境において、企業はどのようにしてデータ主権と進化する規制へのコンプライアンスを確保できるのか？

- クラウド・プロバイダーは地域的に優位に立つのか？今後5年間、クラウドの競争優位性を定義するものは何か。規模、アーキテクチャ、それともエコシステムのコントロールか。

- コストカーブ、関税、規制の圧力が進化する中、組織はクラウド、エッジ、ローカルプラットフォームにわたってワークロードをどのように動的に最適化すべきなのだろうか。

06 没入型リアリティ

没入型リアリティ技術には、ARスマートグラス、高度な触覚フィードバック、レンダリング、トラッキング、処理を改善するためのAI主導の機能強化など、拡張現実（AR）と仮想現実（VR）が含まれる。

トレンドとその重要性

現実の環境に映像を投影する拡張現実（AR）や、空間コンピューティングによって完全な仮想環境でのインタラクションを可能にする仮想現実（VR）を含む没入型現実技術は、多くの業界で体験を一変させる可能性を秘めている。これらの技術は、より軽量で手頃な価格のウェアラブル、触覚の改善、AIの統合などの進歩により、進化し続けている。ゲームとエンターテインメントが最も広く採用され、目に見えて革新的な分野であることに変わりはないが、これらの技術はマーケティング、プロトタイピング、訓練と安全性を向上させるための危険度の高いシナリオのシミュレーションなど、他の分野でも使用されている。安全で制御された環境を提供することで、ARとVRは、ユーザーが現実世界のリスクなしにスキルを練習したり実験したりすることを可能にする。2024年、AR/VR市場は順調に成長し、ヘッドセットの出荷台数は10%増加したが、予測によると2025年には成長が鈍化する可能性がある1。

イマーシブ・リアリティは、ゲームやエンターテインメントというルーツを超えて、業界全体を変革する力へと急速に移行している。この技術が成熟するにつれて、それを意識的に業務に組み込む組織は、生産性、創造性、人間的つながりの新たな次元を解き放つだろう。イノベーションの次の波は、技術の進歩だけでなく、没入型体験がいかにシームレスに日常のビジネスや生活に溶け込むかによって定義されるだろう」。

- デビッド・ネイニー、南カリフォルニア・シニア・スペシャリスト

最近の動向

没入型リアリティ技術に関する最近の動きには、以下のようなものがある：

歴史的に、ARとVRのヘッドセットは期待を下回ってきた。これは、メタ社のAIメガネやグーグル社のアンドロイドXRメガネのような再投資の証拠はあるものの、高コスト、限られた消費者導入、技術的制約によるものである2。

触覚技術の進歩により、現実とシミュレーションの境界線が曖昧になりつつある。ハプティック技術と高度な感覚フィードバックの統合により、より没入感のあるリアルな仮想環境が生み出されつつある。超低消費電力のハプティック・アクチュエーターやウェアラブルなグローブやスーツは、正確な触覚フィードバックを提供し、雨や手触りなどの感覚をシミュレートする。化学センサーとワイヤレス・ディスペンサーは味を再現する。このような多感覚的なアプローチは、様々なアプリケーションにおいてユーザーのエンゲージメントを高めます。

- AIの統合はARやVR技術に革命をもたらし、特にゲームやトレーニングシミュレーションにおけるレンダリング、トラッキング、処理能力を向上させている。AIアルゴリズムは、ユーザーのインタラクションに動的に反応する超リアルな環境やキャラクターをゲーム内に生成し、より没入感のある体験を生み出す。ディープラーニングモデルを含むAI技術は、実世界のテクスチャや照明条件の大規模なデータセットで学習することで、3Dビジュアライゼーションの忠実度を向上させる3。

人材と労働市場

没入型現実技術

需要

機械工学職の需要は、ARやVRデバイスの製造やプロトタイピングにおけるハードウェアの専門知識の継続的な必要性を反映して、ソフトウェア職と比較して比較的安定している。2024年にほとんどの職種の人材需要が全体的に減少していることは、この分野のユースケースとサポート構造が進化するにつれて、雇用市場が再調整されていることを示唆している。

2021-24年の求人情報（職種別）（単位：千人

スキルの有無

没入型リアリティの分野では、適応型シミュレーションやAIを活用したコンテンツ制作への需要の高まりにより、VR、AR、AIのスキルが不足している。C++などのプログラミング・スキルはより容易に入手可能であり、3Dモデリングの専門知識は依然として豊富である。

人材要件、求人広告に求められるスキルの割合
人材の確保、需要に対する人材の比率

グローバルな採用展開

分数の採用：2実験。

組織は通常、小規模のプロトタイプで、技術の機能性と実行可能性をテストしており、短期的な投資収益率には通常関心がない。技術の規模を拡大している、あるいは完全に拡大した企業はほとんどない。

没入型現実技術の採用は、地域や使用ケースによって大きく異なる。スマートグラスは大きな支持を得ているが、ヘッドセットの採用は予想以上に遅れている。ヘルスケアや消費財などの分野では勢いがあるが、使い勝手の問題、高コスト、インフラや技術革新の地域差などにより、普及は依然として限定的である。

実例

ウェアラブルを使った現実的な例としては、以下のようなものがある：

物理的なプレゼンスとデジタルインタラクションのギャップを埋めるのに役立つ。その後、同社は初期モデルの生産中止を決定したものの、2024年初頭に初出荷されたアップルのVision Proヘッドセットは、没入型現実技術市場におけるマイルストーンとなった。AIとARを使ってユーザーの顔をスキャンし、FaceTime通話中にリアルなデジタルアバターを作成することで、ユーザーはバーチャル環境でより自然なコミュニケーションをとることができる。

スマートグラスの視野拡大。視野を広げることはARの成長にとって重要な要素と考えられており、2024年9月に発売されたスナップの第5世代メガネ（Spectacles）はこの分野で進歩を遂げている。AR開発者をターゲットとしたこの製品は、より没入感のあるディスプレイ、より鮮明な色彩、対角46°の広い視野に加え、より長いバッテリー寿命と強化された処理能力を特徴としている5。こうした改善にもかかわらず、このカテゴリーには、視野が比較的限定的であることや、デバイスの重量が重いことなどの課題が残っている。

VRヘッドセットの壮大なビジョンは、技術的な課題によって制限されてきた。2023年に発売されるスタンドアローン型ヘッドセット「Meta Quest 3」のような製品は、没入型ハードウェアの開発に新たな一歩を踏み出すものだ。外部PCやコンソールに常時接続する必要がないことに加え、グラフィック、処理能力、レンダリング機能が向上しているのが特徴だ6。

ホアキン・サンチェス＝ソテロ医師は2024年、メイヨー・クリニックで初の混合現実ナビゲートによる肩関節置換術を行った。この革新的な手術法は、特別に設計された道具とゴーグルを使って関節の高精度なホログラムを作成し、インプラントを埋入する際の精度を高めることを可能にする7。

プロトタイプの作成にかかる時間を短縮する。物理的なプロトタイプは通常45日かかるが、ニューバランスはVRを使用することで、そのプロセスをわずか7日以内に短縮している。このVRベースのアプローチにより、意思決定者は、物理的なサンプルを扱うのと同様の仮想環境で、あらゆる角度からシューズのデザインを見ることができる。この点でVRを使用することで、デザインの意図を伝えやすくなり、より多くの情報に基づいた意思決定につながる8。

触覚やその他の感覚技術がバーチャル体験をどのように高めることができるのか、現実的な例としては以下のようなものがある：

バーチュイクスは、ユーザーが仮想空間内であらゆる方向に移動できる、消費者向けの多方向VRトレッドミル「Omni One」を発表した。この360°機能は、VR環境における存在感を高める。

ハプティック・グローブは、装着者が自然かつ直感的にバーチャル・オブジェクトとインタラクションできるように設計されている。コンタクトCI社のMaestro EPは、同社がAWE 2024で展示している軽量ワイヤレス・モデルで、この分野の進歩を象徴している。2020年以降、米空軍はコンタクトCIのハプティック技術をVRトレーニング・プログラムに使用しており、プロフェッショナルな環境でこの手袋を実用化している10。

バーチャル味覚シミュレーションで、より濃厚な風味を。多感覚のデジタル・エコシステムに対する消費者の需要に対応し、それを満たすことは、没入型リアリティ技術の分野における大きな関心事である。最近の技術革新のひとつに、味覚の働きをシミュレートするものがある。オハイオ州立大学の研究者が開発したe-Tasteテクノロジーは、化学センサーとワイヤレスマイクロ流体アクチュエーターを使用し、イオンとフレーバー化合物の放出を制御することで、甘味、酸味、塩味、苦味、うま味を再現する。人体実験では、風味の強さを70%の精度で識別することができた11。

AIが没入型現実のアプリケーションをどのように変化させるかに関する現実的な例としては、以下のようなものがある：

Blockade Labsは、没入感のある360°パノラマ環境を作成するための高度なAI駆動ツール、Skybox AIを開発しました。ユーザーは簡単なテキストプロンプトで詳細な8K解像度のスカイボックスを生成でき、既存の環境をリミックスしたり、要素を編集したり、さらにはさまざまな用途向けに2Dスカイボックスを3Dモデルに変換することもできる。この技術は、ゲーム、VR、シミュレーション、教育などに応用できる12。

2023 Epic Games は、多機能な 3D コンピュータ グラフィックス ゲーム エンジンである Unreal Engine (UE) に、AI を活用した新機能を導入しました。プロシージャル コンテンツ ジェネレーション フレームワーク」13 と呼ばれるこの機能は、AI アルゴリズムを使用して、風景、3D オブジェクト、建物、さらにはワールド全体などのゲーム アセットを自動生成します。UEのBehaviour Treeアセットを単独で使用して、インテリジェントなゲームアセットを実装することができます。UE の Behaviour Tree アセットは、NPC のインテリジェントな AI ビヘイビアを実装するために単独で使用することができます14。

潜在技術

没入型リアリティを推進する技術には以下のようなものがある：

- AR（Augmented Reality：拡張現実）は、現実の環境に情報を追加することで、部分的な没入感を実現する。
バーチャルリアリティ.VRは、空間コンピューティングによってユーザーを完全にバーチャルな環境に没入させ、完全にバーチャルな環境でのインタラクションを可能にする。
複合現実。複合現実は、ARとVRの中間的な没入感を実現するもので、現実世界に仮想的な要素を加え、ユーザーがその両方と相互作用することを可能にする。
空間コンピューティング。このタイプの計算では、ユーザーの周囲で認識される3D物理空間をユーザー・インターフェースのキャンバスとして使用する。
ウェアラブルセンサーと外部センサー。これらのセンサーは、ハンドヘルド機器やウェアラブル機器に組み込まれているか、ユーザーの周囲に取り付けられており、仮想環境で表現するために物体や身体を検出する。
ハプティクス。これらのフィードバック装置は通常、振動の形でユーザーに感覚を伝える。
位置情報ベースの拡張現実。このソフトウェアは、ユーザーのリアルタイムの物理的な位置と周囲環境をARに統合し、物理的な周囲環境を仮想環境にオーバーレイする。

機械学習。この用語は、プログラミング・ルールに従うのではなく、データで訓練された後に予測を行うモデルを指す。

人工知能。aiとは、知覚、推論、学習、環境との相互作用、問題解決など、通常は人間の精神に関連する認知機能を実行する機械の能力を指す。

主な不確定要素

没入型リアリティ技術に影響を与える主な不確定要素には、以下のようなものがある：

データの利用可能性とデータのプライバシー。仮想現実や拡張現実のような没入型技術は、身体の動き、視線追跡、ユーザーと周囲の環境との関わり方など、大量の個人データを収集する。これは深刻なプライバシーの問題を引き起こす。先進的なAIシステムの中には、目の動きなど無意識の行動を解釈して、ユーザーが何を考えているか、何を感じているかを推測できるものさえある。このような情報が悪用されたり、データ流出によって暴露されたりする現実的なリスクがあるため、ユーザーのプライバシーを保護することは非常に重要である。

- 偏見の増幅。没入型テクノロジーの導入を誤ると、既存の社会的偏見を助長する可能性がある。例えば、信頼できるインターネットや、最新の機器や専用のVRワークスペースにアクセスできる候補者は、バーチャルな採用プロセスや教育プログラム、公共サービスへのアクセスから、より多くの利益を得る可能性がある。

物理的なセキュリティ。拡張現実やバーチャルリアリティシステムは、ユーザーの現実世界の視界を制限することが多い。これは、厳密な管理下にない環境で使用される場合、安全上の危険を生じさせる。

複数のデバイスタイプ。スタンドアロン型のARやVRプラットフォームから、携帯電話用の周辺ARアクセサリーまで、没入型テクノロジーデバイスは多種多様だ。この多様性が、どのデバイスが特定のタスクに最適なのかを不明確にしている。常に新しい製品が登場しているため、ユーザーは自分のニーズに合ったツールを選ぶのに不確実性に直面している。

ハードウェアの開発。重量、熱管理、バッテリー寿命、視野角、乗り物酔いの軽減などの分野において、ハードウェアの進歩はさまざまな速度で進んでいる。技術的な課題や市場の需要により、他の分野よりも早く開発が進んでいる分野もある。着実な進歩が期待できる一方で、すべての分野で同時に大幅な進歩を遂げるスケジュールは不透明なままである。

将来への大きな疑問

没入型リアリティ技術を進めるにあたって、企業やリーダーが考慮すべきいくつかの問題がある：

- コスト、快適性、性能など、ハードウェアのブレークスルーのスピードは、ニッチな目新しさから普遍的なプラットフォームへと、没入型リアリティの進化をどのように形作っていくのだろうか。

- 没入型リアリティが、エネルギー・インフラ、高度製造業、ハイエンド・メディアといった特殊で高価値な分野で、パイロット・プロジェクトから大規模な展開へと移行する転換点はどこにあるのだろうか。

- より多くの組織がオフィスへの回帰やリモートワークの減少を受け入れる中で、没入型現実はどのように変化し、適応していくのだろうか。

- コンテンツ審査、データプライバシー、サイバーセキュリティを含め、バーチャルリアリティ技術の安全、安心かつ倫理的な利用を確保するためには、どのような規制の枠組みが必要か。

- バーチャルリアリティ技術の普及は、社会や人間の行動にどのような影響を与えるのだろうか？

07 デジタル・トラストとサイバー・セキュリティ

デジタルの信頼とサイバーセキュリティは、安全で透明性が高く、信頼できるデジタルのやり取りを保証するために設計された技術と実践をカバーしています。これには、認証、データ保護、暗号化、脅威検出、ブロックチェーンベースの信頼システムなどが含まれます。

トレンドとその重要性

デジタルの信頼とサイバーセキュリティのトレンドには、サイバーセキュリティ、人工知能の信頼、ブロックチェーン技術が含まれる。これらのテクノロジーは、ステークホルダーの信頼を構築、拡大、維持する。これらのテクノロジーは、組織がテクノロジーやデータのリスクを軽減し、イノベーションを起こし、資産を保護するのに役立ち、これらすべてが組織のパフォーマンス向上と顧客との関係強化に貢献します。

サイバーセキュリティと人工知能は、高度化するサイバー脅威に対する高度な防御メカニズムを提供します。これらは、あらゆる組織の脅威検知、インシデント対応、そして全体的なデジタル・レジリエンスを強化することができます。

AIの信頼システムは、解釈可能性、公平性、堅牢性、安全性を提供し、ユーザーや利害関係者の信頼を築くことができる。AIが日常生活や重要な意思決定プロセスにますます組み込まれる中、信頼の重要性はいくら強調してもしすぎることはない。

ブロックチェーンに基づくトークン化システムは、基本的に透明性、安全性、アクセシビリティのために構築されており、金融やヘルスケアなどの分野で革新的なソリューションにつながる可能性がある。

これらのテクノロジーは共に、デジタルの信頼を構築し、データの完全性を保護するために機能する。デジタル・トラストとサイバーセキュリティのメリットを完全に享受するには、戦略やテクノロジーから企業の能力に至るまで、複数の活動領域においてトップダウンのリーダーシップと意図的な変革が必要である。

資産管理、脆弱性管理、アイデンティティ管理といったサイバーセキュリティの中核となる基盤は、ジェネレーティブAIがますます多くの価値を解き放ち続ける世界においても引き続き重要です。ジェネレーティブAIの時代に安全な顧客体験とユーザー体験を提供するシステムとプロセスを構築するには、基盤となるセキュリティ能力を維持することと、変化に対応するための最先端技術への投資の両方が必要です」。

- チャーリー・ルイス（コネチカット州パートナー

最近の動向

デジタル・トラストとサイバーセキュリティの分野における最近の動きには、以下のようなものがある：

AI技術の急速な進歩と産業や日常生活における破壊は、バリューチェーン全体でAIに対する信頼を構築する緊急の必要性を浮き彫りにしている。AI企業に対する信頼は低下しており、2019年には61%であったものが、現在では53%となっている1。責任ある安全なAIの実践を積極的に実施しなければ、企業と社会に重大な結果をもたらす可能性がある。2017年から2023年にかけて、信頼されるブランドの株式市場の累積リターンは、信頼されないブランドよりも245ポイント高い2。

攻撃者は、生成AIや機械学習を使用して組織を標的にし、それをより効果的に行うようになってきている。同時に、組織自体も脅威の検知と対応能力を強化するためにこれらのテクノロジーを採用しつつある。これらのツールは、システムが大規模なデータセットを迅速に分析し、パターンを特定し、脅威の検出と予防を改善するために異常を検出することを可能にする。

サードパーティのソフトウェアや機能の脆弱性が悪用されることで、システミックリスクの広範な影響が浮き彫りになる。業界がサードパーティのソフトウェアや機能への依存度を高めるにつれ、リスクは様々なビジネスプロセスに集中し、透明性を向上させ、脆弱性を管理するためのソフトウェア部品表を設計・実装する必要性が高まっている。

デジタル領域における規制監督、透明性、セキュリティに対する懸念が高まっている。デジタルの信頼に関する懸念が明確なガバナンスの枠組みの必要性を浮き彫りにしたため、世界各国の政府は、より包括的で厳格な規制の策定に大きく舵を切った。

地政学的リスクは激化し、デジタルの信頼とサイバーセキュリティに重大な脅威をもたらしている。国家が戦略的な目的でテクノロジーを利用するようになっているこの不確実な環境では、重要なインフラとデータのセキュリティに対する懸念が高まっている。人工衛星や海底ケーブルなどの重要インフラが標的とされ、世界的な通信、商業、安全保障が混乱する恐れがある。組織は、地政学的要因をリスク評価と緩和戦略に組み込むことで、サイバーセキュリティに対して積極的かつ適応的なアプローチを取ることができる。

トークン化は、金融機関が商品ラインナップの拡充を図る中で、金融業界などで増加している。相互運用可能で改ざん防止された台帳を提供するブロックチェーン技術は、トークン化された資産のようなアプリケーションを可能にしている。

信頼はもはや軟弱な問題ではなく、ビジネスに不可欠な資産である。AIによって生成されたコンテンツ、国境を越えたデータの流れ、高まるサイバーリスクの世界では、デジタルの信頼は事業を行うためのライセンスとなる。デザインによって信頼を構築する企業は、顧客から選ばれる企業になり、社会的ステークホルダーの支持を得る企業になる」。

- ロジャー・ロバーツ（サンフランシスコ・ベイエリア、パートナー

人材と労働市場

デジタルの信頼とサイバーセキュリティ

需要

デジタル・トラストとサイバーセキュリティに関連するソフトウェア職は引き続き重要であり、ソフトウェア・エンジニアリングとソフトウェア開発の需要は2023年から若干減少するものの、比較的安定している。セキュリティ・アナリストの求人は、この傾向のほとんどの職種と同様に2022年のピークから大幅に減少しているものの、脅威の監視とコンプライアンスの専門知識に対する継続的な需要を反映して、依然として求人情報全体をリードしている。

2021-24年の求人情報（職種別）（単位：千人

スキルの有無

インシデントレスポンス、脅威インテリジェンス、DevOps（ソフトウェア開発およびIT運用）といった人気の高いスキルが深刻な不足に直面しており、脅威の緩和と自動化の専門知識が急務となっている業界を反映している。企業が脅威の検出と対応のためにAIを搭載したセキュリティ・ツールを統合するにつれて、人工知能はますます重要になっているが、人材は依然として不足している。逆に、リスク管理では人材が若干余っており、現在のトレーニングパイプラインとの整合性が示されている。規制の不確実性と市場の不安定性により、ブロックチェーンと分散型台帳のスキルの人材市場は不安定である。

人材要件、求人広告に求められるスキルの割合

人材の確保、需要に対する人材の比率

1.2倍 0.3倍		0.2x	0.3x	0.7x	0.1x	2.6x
リスク管理	インシデント対応	人工知能	デブオプス	データベース	脅威インテリジェンス	ブロックチェーン

グローバルな採用展開

得点の採用：4-延長。

組織は、企業全体でこれらのテクノロジーの展開と採用を拡大している。

サイバーセキュリティが組織全体にわたって拡大するとしても、技術の進歩はサイバーセキュリティが進化し続けなければならないことを意味する。例えば、AIトラスト・テクノロジーは、ジェネレーティブAIの急速な普及にもかかわらず、まだ初期の試験段階にある。特注のサイバーセキュリティ・ソリューションを開発している組織もいくつかあるが、ほとんどはプロバイダーに依存して規模を拡大している。EUは、AI法案を通じてリスクの高いAIシステムに対する厳格な規制を実施し、透明性を義務付け、消費者の権利を保護することで、データ・セキュリティと主権を強化するために先手を打っている3。

実例

AIの安全で責任ある利用を支援する取り組みや開発の実例には、以下のようなものがある：

昨年12月に発表されたMLCommonsのAILuminate v1.0ベンチマークツールは、大規模言語モデル（LLM）が危険のプロンプトに反応する傾向を評価するために使用されます。このツールは、児童の搾取、ヘイトスピーチ、化学・生物・放射性・核・爆発物違反などの悪用された武器などのリスクを特定するのに役立ち、意思決定に役立つLLMリスクの独立した分析を提供します。MLCommonsは現在、エージェントAIの正しさ、安全性と制御、セキュリティの面でのリスクに対処するためにAILuminateを拡張しています4。

統合によって、テクノロジー企業はより包括的なソリューションを求める消費者の需要に応えることができる。例えば、シスコは2024年3月に過去最大の買収を行い、Splunkを280億ドルで買収した。Splunkのマシンデータ分析プラットフォームを既存のサイバーセキュリティ・ポートフォリオに統合することで、脅威の検知と対応能力を向上させた5。インテリジェンス6

ある組織を標的としたAI主導の攻撃に関する実例を紹介しよう：

音声フィッシング（または「ビッシング」）は、音声を使ったフィッシング攻撃のもう1つの亜種であり、ビッシング・コールや音声メッセージを使って、個人情報や金融情報をだまし取る。個人情報や金銭的な情報CrowdStrike 2025 Global Threat Reportによると、ヴィッシング攻撃は、2024年上半期から下半期にかけて、わずか6カ月間で4,421 TP3T増加した7。組織は、従業員教育、技術的セーフガード、プロアクティブな監視を組み合わせた多層防御戦略を展開し、ヴィッシングに対抗することができる。

規制への懸念が高まっている実例としては、以下のようなものがある：

米国防総省（DOD）は2024年、国防請負業者と下請け業者のサイバーセキュリティを向上させるため、CMMC（サイバーセキュリティ成熟度モデル認証）2.0フレームワークを設立した。DODの請負業者と下請け業者は、新たな国防契約を獲得するためにCMMC認証を受ける必要がある。

規制当局は、消費者保護や金融安定性の問題に対処するため、フィンテックやブロックチェーン分野にますます注目している。2024年末に施行されるEUの暗号資産市場（MiCA）規制は、ステーブルコインを含むデジタル資産に包括的な法的枠組みを提供することを目的としている。この規制は、トークン化された資産の発行と取引を標準化し、イノベーションを促進すると同時に、デジタル金融に関連するリスクを軽減することが期待されている8。

地政学的リスクがデジタルの信頼に影響を及ぼす実例としては、以下のようなものがある：

ソルト・タイフーン（Salt Typhoon）は、外国国家が支援するサイバー攻撃グループで、電気通信会社やその他の重要なインフラに対する一連の有名なサイバー攻撃の原因となっている20。

- ここ数年、インターネットや対外通信の妨害を目的としたと思われる海底ケーブルの破壊が何度か発生し、地政学的緊張の中で破壊工作への懸念が高まっている。過去15ヵ月間に、バルト海にある11本のケーブルが破壊工作を受け、大きな混乱を引き起こしたため、NATOは重要な海底インフラを保護するため、バルト海の歩哨（Baltic Sentinel）と呼ばれるプログラムを立ち上げた10。海底ケーブルは建設コストが高く、約991テラバイトの大陸横断インターネット・トラフィックを運んでいる11。

トークン化を導入している企業の現実的な例としては、以下のようなものがある：

- JPモルガン・チェースがキネクシス・デジタル・ペイメントと統合。このデジタル・ファーストのブロックチェーン・ソリューションは、JPモルガン・チェースのFXサービスと統合し、外国為替決済を処理する12。

- ブラックロックはBUIDLを立ち上げた。このトークン化されたファンドは現在、トークン化された米国債市場の40%以上を占めている13。

潜在技術

デジタル・トラストとサイバーセキュリティ技術には以下のようなものがある：

デジタル・アイデンティティ。ID は、個人またはエンティティを記述し区別するすべてのデジタル情報で構成される。自律的 ID は、ユーザがどの識別情報を誰と共有するかを制御することを可能にする。暗号化 ID のユーザは、バイオメトリクス、デバイスおよびアプリケーション、文書など、英数字パ スワードに代わるものを使用して、自分自身を認証および検証することができる。組織は、たとえば人が従業員からビジネス・パートナー、顧客へと移動するときに継続性を提供す るために、ID のさまざまな側面を単一のプラットフォームに統合する「統合 ID」ソリューションを開発 している。

プライバシー・エンジニアリング。このプラクティスは、プライバシーの実装、運用、保守を管理することで、プライバシーリスクを軽減し、情報システムにおけるリソースの割り当てやプライバシー管理の効果的な実装について、より目的にかなった意思決定を可能にします。

- テクノロジー・レジリエンス。これは、企業環境全体にわたってテクノロジーを安全に構築、展開、運用するために必要なプラクティスとテクノロジー基盤のセットであり、イミュータブルバックアップや自己回復型ネットワークなどのコンポーネントが含まれる。

ブロックチェーン。このデジタル分散された分散型台帳は、コンピュータのネットワークに存在し、安全で透明性が高く、不変の取引記録を促進する。

スマートコントラクト。ブロックチェーン上に不変のコードで構築されたソフトウェアプログラムで、指定された条件（買い手と売り手が合意した条件など）が満たされると自動的に実行される。

トークンおよびデジタル資産。これらの無形資産には、ネイティブな暗号通貨、ガバナンス・トークン、ステーブルコイン、非均質化トークン、トークン化された現実世界と現金を含む金融資産が含まれる。

分散型アプリケーション。これらのアプリケーションはピアツーピアのネットワーク上で実行され、中央集権的なサーバーへの依存を排除する。データの保存とセキュリティにはブロックチェーン技術を使用し、取引とユーザー参加には暗号通貨を使用する。

人工知能。人工知能とは、学習、問題解決、意思決定など、通常は人間の知性を必要とする作業を、高度なアルゴリズムとデータ分析を使って実行するコンピューター・システムのことを指す。

解釈可能な人工知能。これは、機械学習アルゴリズムの入力、重み付け、推論の透明性と解釈可能性を高め、それらに対する信頼と信用を構築するための手法とアプローチを展開する。

ガバナンス、リスク管理、コンプライアンス（GRC）の自動化GRCツールは、組織がガバナンス、リスク管理、コンプライアンス・プロセスを管理し、合理化するために設計されたソフトウェア・アプリケーションおよびプラットフォームです。

主な不確定要素

デジタルの信頼とサイバーセキュリティに影響を与える主な不確定要素には、以下のようなものがある：

セキュリティと可用性のトレードオフは、現在進行中の課題である。セキュリティ対策を強化すれば攻撃に対する脆弱性を減らすことができるが、その代償としてシステムの動作が遅くなり、使い勝手が悪くなるのが普通だ。消費者の嗜好や実際の導入パターンが、さらに複雑さを増している。

現在のところ、大規模なAIモデルの「ブラックボックス」を開いて、その出力の意味のある解釈を提供するような、万能の解釈可能性アプローチは存在しない。解釈可能性ツールは、特定のコンテキストやデータに合わせて調整する必要があるが、互換性の問題は、特に、現在も使用されている多くの分散型ポイントソリューションのようなレガシーシステムと統合する場合、技術の更新や移行の努力を妨げる可能性がある。

コンピューティング・パワーに対する需要が高まり続けているにもかかわらず、成長を促進するためのデータ利用の拡大に対する企業の懐疑的な見方は依然として残っている。多くの企業は、自社の機密データがLLMのトレーニングに使用され、データや知的財産の侵害につながるリスクを懸念しており、より高価な社内トレーニング・ソリューションの採用につながる可能性がある。このようなリスクを軽減するため、ベンダーは知的財産権に関するクレームに対する様々な補償を提供するなど、データ保護に関する取り組みを強化している。

最近の量子技術の進歩により、ブロックチェーン・ネットワークのセキュリティを支える暗号システムに対する懸念が高まっている。量子コンピューティングが不確かな時間軸で進歩するにつれ、現在の暗号アルゴリズムで保護されたデータの完全性と機密性が大きな脅威にさらされることになるだろう。

ブロックチェーン技術やトークン化に対する規制は法域によって分断されており、コンプライアンス上の課題となっている。EUはCrypto Asset Market Regulation（暗号資産市場規制）のような枠組みを確立しているが、米国を含む他の司法管轄区は規制アプローチを開発中である14。グローバルな標準化の欠如はトラストアーキテクチャ技術やサイバーセキュリティ規制にも及び、コンプライアンスを確保するために企業ポリシーを常に監視し調整する必要がある15。

将来への大きな疑問

デジタルの信頼とサイバーセキュリティを進めるにあたって、企業やリーダーが考慮すべきいくつかの問題がある：

- IoTやオペレーショナル・テクノロジーなど、消費者の家庭で増え続けるコネクテッド・デバイスを守るためには何が必要なのか。

- ハイパーコネクテッド・ワールドにおいて、ユーザーのプライバシーを保証する枠組みとは？

- デジタルの信頼とサイバーセキュリティを維持するために、政府はどのような役割を果たすべきか？

- サイバーレジリエンスとデジタルトラストに投資するという企業の意思決定において、保険のインセンティブはどの程度の役割を果たすのだろうか。

- 新たな脅威（地政学的、AI関連、量子力学的）を先取りする高度なセキュリティ・メカニズムの開発にAIをどのように活用できるか？

- 進化する規制や企業の姿勢の変化は、ブロックチェーンを利用したトークン化のペースや規模にどのような影響を与えるのだろうか。

08 量子テクノロジー

量子テクノロジーに基づくアプリケーションは、量子力学のユニークな特性を利用して、古典的なコンピューターよりもはるかに高速に複雑な計算を実行したり、安全な通信ネットワークを構築したり、古典的なものよりも感度の高いセンサーを作ったりする。

トレンドとその重要性

量子テクノロジーは、量子力学のユニークな原理を利用することで、困難な問題を解決するという、従来のコンピューティングにおける根本的な飛躍を意味する。その1つの柱である量子コンピューティングは、化学における量子現象のモデル化や、一般的に使用されている暗号化技術の解読など、古典的なコンピューターでは実現不可能な特定のクラスの問題を解決できる可能性を秘めている。第2の柱である量子通信は、安全な通信を確保する上で重要な役割を果たす可能性がある。第3の柱である量子センシングは、感度を向上させ、特定のユースケースに対して従来のセンサーよりも幅広い能力を提供する。

アマゾンウェブサービス（AWS）、グーグル、IBM、マイクロソフトなどの主要企業が量子チップや量子機能の飛躍的向上を発表した。グーグルのWillowチップ、マイクロソフトのMajorana 1プロセッサ、IBMのQuantum Heron、AWSのOcelotなどの開発は、エラー訂正やスケーラビリティなどの重要な課題に対処しており、より実用的な量子システムに向けて大きな一歩を踏み出している。量子コンピューティングの実用化には至っていないものの、大きな進展が見られつつある。実験的研究から実用化への道筋を模索し続ける企業の姿勢は、この分野の継続的な進歩を反映している。量子テクノロジーは、化学、ライフサイエンス、金融、モバイル産業において、経済的なインパクトをもたらす可能性がある。

しかし、量子技術がもたらす変革の恩恵を真に享受するためには、おそらくは官民の協力によって、多くの技術的課題を克服しなければならない。企業は、量子技術の発展をフォローし、業界の課題との関連性に基づいて思慮深い投資を行うことで、将来のブレークスルーを活用することができる。

最近の動向

最近の量子技術の進歩は、エラー訂正やスケーラビリティといった主要な技術的ハードルを克服することに集中している。同時に、大手ハイテク企業と新興企業間の競争が激化し、量子プロジェクトが世界的に拡大し、商業化の初期兆候が見られることから、この分野全体が勢いを増していることがうかがえる。

量子技術の最近の発展には次のようなものがある：

- 技術革新はエラー訂正を改善し、スケーリングを可能にした。量子ビットの信頼性が向上し、リアルタイムのエラー緩和が改善されたことで、より堅牢なフォールト・トレラント・システムの構築が可能になった。

量子コンピューティングは、急速に競争の激しい分野となりつつある。クラウド・コンピューティング・サービスを提供するハイパースケーラは、技術リリースで大きく前進しており、従来の大手コンピューティング企業が量子コンピューティングのイノベーションに参加するだけでなく、積極的にリーダーシップを追求する新時代の到来を告げている。新興企業を含む中小企業は、よりリスクの高いイノベーションに注力することで差別化を図っている。

2025年に量子技術イノベーションセンターが大きく成長することは、量子技術への関心の高まりと関連する規制の枠組みを反映している。国連は2025年を「国際量子科学技術年」と定め、量子イノベーションに世界的な注目が集まっている。量子分野が発展し続ける中、規制当局は、国際標準が規制の枠組みを補完し、量子技術のイノベーションを推進する上で重要な役割を果たすことを認識している。

量子の優位性には、ハードウェアの画期的な革新とエラー訂正のさらなる革新という2つの焦点が必要です。これらの成果を合わせれば、耐障害性のある量子コンピュータが予想よりも早く実現することになる」。

- ヘニング・ソラー（フランクフルト、パートナー

近年、量子技術の課題解決に多くの資金が投じられてきたが、その勢いは今、企業部門に移りつつある。前向きな企業は、インパクトのある商業的応用のために、量子の可能性を利用して真の価値を高める方法を模索している」。

- アンナ・ハイド（チューリッヒ、アソシエイト・パートナー

量子技術

需要

量子テクノロジー関連の求人件数は2022年にピークを迎え、ソフトウェア開発者、ソフトウェア・エンジニア、シニア・ソフトウェア・エンジニア、テクニカル・アーキテクトといった主要な職種をカバーした後、2023年と2024年には右肩下がりに減少する。セキュリティ・アナリストとシステム・アナリストの求人情報は変動が少なく、2024年までに低いレベルで安定する。全体として、この人材データは、採用活動の急増とその後の安定化を示しており、ソフトウェア開発とエンジニアリングが期間を通じて需要をリードしている。

2021-24年の求人情報（職種別）（単位：千人

スキルの有無

量子テクノロジー分野では、量子コンピューティングと人工知能のスキルが決定的に不足している。これとは対照的に、クラウド・コンピューティングのスキルは豊富であり、求人情報の10%を占めているに過ぎない。

人材要件、求人広告に求められるスキルの割合

グローバルな採用展開

採用スコア：1 - 最先端のイノベーション。この技術はまだ初期段階にあり、投資や応用を行った組織はほとんどない。商業環境ではほとんどテストされておらず、実証されていない。

量子テクノロジーの分野は急速に発展しており、革新的な新興企業も、既存の大手ハイテク企業も、さらなる投資と進歩を発表している。とはいえ、ユーザーはまだ潜在的な用途や限界を評価するために、概念実証や小規模なプロトタイプを実行する探索段階にある。特に、量子コンピューティングは研究開発段階に集中しており、初期段階のシステムは主にテストやアルゴリズム開発に使用されている。投資と戦略的焦点は地域によって異なるが、欧州の10億ユーロの量子技術フラッグシップ・プログラムや、アラブ首長国連邦などでの投資拡大などの取り組みに支えられている1。

実例

エラー訂正と延長を含む現実的な例としては、以下のようなものがある：

Atom Computing社は最近、商用システムにおける中性原子量子ビットとしては最高の忠実度である99.6%の二重量子ビットゲートフィデリティを達成し、エラー訂正機能においても重要な進歩を遂げた2。同社の技術は、マイクロソフト社の量子ビット仮想化システムと組み合わせて使用することで、後処理時だけでなく、リアルタイムでエラーを検出・訂正することができる。しかし、現在のデュアル量子ビットゲートの忠実度と訂正設備の限界により、デモにおける計算強度は制限されている。そのため、より大規模で複雑なアルゴリズムを実行するためには、さらなる改良が必要となる3。

リゲッティ・コンピューティング社とリバーレーン社は、リゲッティ社の84量子ビットAnkaa-2システムにおいて、リアルタイムで低遅延のエラー訂正を実証するという重要なマイルストーンを達成しました。この実験は、フォールト・トレラントな量子コンピューティングに不可欠な高速フィードバックを可能にする、低遅延量子エラー訂正の最初の実証成功である。

現実的な例としては、競争と進歩の延長がある：

グーグルは、量子ビットを増やすと飛躍的にエラーが減少する最新の量子チップ「ウィロー」を発表した。ウィローはまた、現在の最速のスーパーコンピューターでは10兆年かかるベンチマーク計算を、わずか5分で実行する。をわずか5分で完了させる。しかし、このベンチマーク計算の実用化は未定である4。

AWSのOcelotは、量子エラー訂正を高速化し、必要なハードウェアを大幅に削減する「猫量子ビット」技術を採用している。AWSは、Ocelotが実用的な量子コンピューティングの到来を最大5年早める可能性があると予測している5。

マイクロソフトは、少なくとも理論的には他の量子ビットよりも安定したトポロジカル量子ビットを搭載した世界初の量子プロセッサー「マジョラナ1」を発表した。マイクロソフトは、Majorana 1によって、量子コンピューターが数十年ではなく数年で産業スケールの重要な問題を解決できるようになるとしている6。

量子センターを含む現実的な例としては、以下のようなものがある：

IBMはドイツのエーニンゲンにヨーロッパ初の量子データセンターを開設した。そこでは、EagleやHeronといった先進的なプロセッサーが量子コンピューティング・パワーを提供している。このセンターは、欧州における研究とイノベーションを促進するために設計されており、地域のデータ保護規制を遵守しながら、クラウドを通じて量子コンピューティング・リソースを提供している7。

Nvidiaは、ボストンに量子コンピューティング研究センター「NVIDIA Accelerated Quantum Research Centre（NVAQC）」を設立すると発表した。NVAQCは、量子ビットノイズや実験的量子プロセッサの実用的なデバイスへの変換、量子エラー訂正やハイブリッド量子アルゴリズムなどの技術開発など、量子コンピューティングにおける最も差し迫った課題を克服したいと考えている。

潜在技術

量子テクノロジーには以下のようなものがある：

量子コンピューティング量子コンピューティングとは、量子力学の法則を利用することで、特定のアプリケーションの性能を大幅に向上させ、コンピューティングの新たな分野に参入するコンピューティングパラダイムである。

量子通信。量子通信とは、量子情報を距離を越えて安全に伝送することである。

量子鍵配布（QKD）。QKDとは、量子技術を利用して、古典的な暗号化アルゴリズムで使用できる鍵を安全に共有することである。

量子センシング。量子センシングは、量子システムに基づく新世代のセンサーを使い、電磁場、重力、時間など様々な量の測定を行う。量子センサーは、従来のセンサーよりも桁違いに高感度である可能性がある。

主な不確定要素

量子技術に影響を与える主な不確定要素には、以下のようなものがある：

技術的な課題としては、意味のある計算結果を十分な期間にわたって得るために十分な数と質の量子ビットを実現する能力、さらには規制や技術的、財政的なハードルを克服する必要性などがある。

コスト面でのメリットの実現には時間がかかるかもしれない。企業が必要とするほとんどの計算は、量子コンピューターよりもはるかに低コストで、従来のスーパーコンピューターでかなりうまくできる。量子の優位性が達成されれば、コストは下がるかもしれないが、どの量子コンピューティング・コンポーネントがより費用対効果が高くなるかは不明である。

- 量子コンピューティングのエコシステムはまだ黎明期にある。量子センター以外でのイノベーションは、量子技術の認知度や採用が限定的であること、技術の成熟度や適用可能性が業界によって異なること、技術を市場に投入するためには（学界と産業界など）分野横断的な連携を強化する必要があること、量子企業が量子理論、ハードウェア、ソフトウェア開発の才能を探し求め、育成し続けていることなどが妨げとなっている。

- 量子テクノロジーでリードする国々は、製薬、物流、サイバーセキュリティーなどの産業に革命をもたらし、国家間の経済格差を広げる可能性がある。

将来の大きな問題

量子技術を進めるにあたって、企業やリーダーが考慮すべき問題がいくつかある：

完全な誤り訂正、量子の優位性、現行のRSA暗号を破る可能性など、量子技術は今後10年でどのような重要なマイルストーンに到達するのだろうか？
量子テクノロジー、特に量子コンピューティングがもたらすセキュリティ上の脅威に対して、企業は今どのような準備をしているのだろうか？
量子コンピュータは分散型金融にどのような影響を与えるのか？
人材の大量供給は需要を満たせるのか？民間部門と公的部門はどのようにして人材ギャップを埋めることができるのか？
地政学的ダイナミクスと新たな規制の枠組みは、量子技術の開発、商業化、制御のための世界的競争をどのように形作っていくのだろうか？

最先端のエンジニアリング

09 ロボット工学の未来

ロボット工学の未来には、自律移動ロボットやヒューマノイドロボットなど、自律的あるいは半自律的にタスクを実行し、新しい実世界の入力に適応し、自律性と器用さを向上させるロボットの進歩が含まれる。

トレンドとその重要性

過去60年の間に、ロボットは先進的な製造業において見慣れた存在となった。現在では、400万台以上の産業用ロボットが自動車工場などで活躍している。2024 人工知能の進歩により、産業環境以外の物理的ロボットへの関心も高まっている。ロボットアームや四足歩行から、人間が設計した環境でナビゲートして動作するヒューマノイド・マシンまで、さまざまな形態を持つロボットを開発する企業が増えている。チャットボットの作成を可能にしたのと同じAIベースのモデルが、斬新な状況で柔軟に対応するロボットを制御するために訓練されている。新しい形態とより柔軟な制御システムの組み合わせにより、より汎用性の高い、さらには汎用的なロボットが実用化されるかもしれない。

産業用ロボットの年間導入台数は、今後数年間は一桁台前半から半ばで成長すると予想され、新規導入台数の半分は中国に集中しているが、物流、ホスピタリティ、農業などの分野におけるサービスロボットの市場は、年間20～35%と、はるかに急速に成長している。人間のような」ロボットへの関心が高まる一方で、多くのロボットはまったく人間のようではない。例えば、倉庫で資材を運搬する自律移動ロボット（AMR）は、人間というよりロボット掃除機のように見える。人間の労働者と並んで安全に作業できるように設計されたロボットも増えている。このようなロボットは協働ロボットと呼ばれ、安全壁によって人間の作業員とロボットが通常隔てられている産業環境を超えて、ロボットを配置できる作業や状況を拡大している。

大きな進歩にもかかわらず、課題は残っている。最も先進的なヒューマノイドロボットは、充電が必要になるまでに約4時間動くことができるが、これには約2時間かかる。また、ヒューマノイドロボットは転倒する可能性もある。二足歩行でバランスを保つのは、想像以上に難しい。物体を把持するための手のようなデバイスは、人間の手よりもはるかに遅いことが多く、吸盤のような他のデバイスの方が効果的な作業もあります。その他、労働者の再教育、同僚の物理的セキュリティ、強力なサイバーセキュリティの枠組みなど、取り組むべき重要な優先課題がある1。

最先端のエンジニアリング

ロボット工学の未来

需要

ロボット関連職の数は他産業に比べ依然として少ないが、2021年から2024年にかけてほぼすべての職種の需要が増加する。これは、熟練した技術者を必要とする製造、物流、医療における自動化のニーズの拡大、ロボットの意思決定のための機械学習（ML）モデルを開発するためにより多くのデータ科学者を必要とするAIシステムの統合、および協調ロボットやIoT接続システムを実装するため自動化エンジニアを必要とする技術の採用を反映している。やIoTコネクテッド・システムを導入する必要がある。

2021-24年の求人情報（職種別）（単位：千人

スキルの有無

ロボットがAI主導のシステムをますます統合するにつれ、機械学習、AI、自動化、コンピューター・ビジョンの専門知識に対する需要が高まっているが、人材プールは依然として制約を受けている。企業は、ロボティクスの変革の可能性を完全に解き放つために、こうしたスキルのギャップを埋める必要がある。

人材要件、求人広告に求められるスキルの割合
人材の確保、需要に対する人材の比率

グローバルな採用展開

採用スコア：2 - 実験。組織は小規模なプロトタイプを使用して、テクノロジーの機能性や実現可能性をテストしている。製造業とeコマースを除き、テクノロジーをスケールアップしている、あるいは完全にスケールアップした企業はほとんどない。

採用はロボット技術によって異なるが、倉庫、製造業、一般用途のユースケースでいくつかのパイロットプログラムが進行中である。

実例

ロボット工学にベースモデルを使用する現実的な例としては、以下のようなものがある：

Covariant社は、ロボットに人間のような推論能力を与えるロボット工学の基本モデル、RFM-1を発表した。このモデルは、ロボットが現実世界での物体の動きや相互作用を理解し、言語ベースの指示に従い、自分の行動を振り返るのに役立つ2。

Figure AIは、人型ロボットが食料品の整理などの複雑なタスクを実行できるようにする視覚言語アクション（VLA）モデル、Helixを発表した。Figure AIによると、Helixは適応性の高い実世界のロボット・アプリケーションに向けた一歩であり、事前訓練なしで動的な物体認識と共同作業を可能にする3。

人型ロボットの開発に関わる現実的な例としては、以下のようなものがある：

ボストン・ダイナミクス社は、産業環境で重い荷物を扱うために、強度と可動域を強化した全電気式ヒューマノイドロボット、エレクトリック・アトラスを発表した。ヒュンダイは、エレクトリック・アトラスを自動車製造における協働ロボットとして導入する計画だ4。

テスラのオプティマスは、産業や家庭環境での汎用作業用に設計されたヒューマノイドロボットだ。身長5フィート8インチ、体重125ポンドで、高度なAIと22度の手の自由度を備えている。同社はオプティマスを製造、ヘルスケア、ホームサービスなど様々な分野で展開する計画だ5。

GXOロジスティクスは、Agility Robotics社と複数年にわたる契約を締結し、同社の施設に人型ロボットDigitを導入することになりました。Digitは、パレットの移動やパレット積みの管理などの作業を自動化し、業務効率と安全性を向上させます。Digitは、製造、第三者物流、小売、電子商取引におけるGXOのパイロット・プロジェクトで成功を収め、生産能力を最大化し、需要を満たしている。

ロボット産業におけるアプリケーションの拡大に関わる現実的な例としては、以下のようなものがある：

- アマゾンは実際の倉庫にAIを搭載した協働ロボットを導入し、ピッキングやパレット積み作業を自動化することで、処理能力と精度を大幅に向上させた。これらのロボットは、フォースセンサーとAIビジョンシステムを組み合わせることで、幅広い品目を扱うことができる。この組み合わせにより、ロボットは器用さと触覚的な感度で対象物を把持し、配置することができる7。

KFoodtechが2023年10月に発表したBotBobは、レストランの労働力不足と運営コストに対処するために設計された先進的なロボットキッチン・ソリューションである。BotBobは3.5分で韓国の伝統的な煮込み料理を最大6品調理することができ、効率を高め、待ち時間を短縮する8。

トルトゥーガ・アグテックのロボットは、98%の精度で熟した果実を識別し、収穫することができる。このロボットは労働力不足に対応し、収穫時の作物へのダメージを軽減する9。

- Sanctuary AIの高度な触覚センサー10とMeta AIのDigit 360は、ブラインド選択やスライド検出などのタスクでロボットの器用さを向上させる。7ミクロンまでの空間的な詳細と1ミリニュートンの小さな力を検出する能力は、より多用途で高感度なロボット・アプリケーションの基礎を築く。

潜在技術

ロボットを動かす技術には以下のようなものがある：

- 高度なAIとML。これらの複雑なアルゴリズムとモデルによって、ロボットはデータと経験に基づいて学習し、適応し、複雑な決定を下すことができる。

- センサーと視覚システムロボットの知覚と視覚技術は、ロボットが物体の認識やナビゲーションなどのタスクのために環境を感知し、解釈することを可能にするハードウェアとソフトウェアの組み合わせです。

- 高度なアクチュエータとモーション・コントロール。これらはロボットの動きを正確に制御し、複雑な物理的相互作用を可能にするコンポーネントとシステムです。

- 人間とロボットのコラボレーション。協働技術により、ロボットは安全で効果的な方法で人間と一緒に働くことができ、産業全体の生産性を向上させる。

- ロボティクス・アズ・ア・サービス（RaaS）：RaaSは、ロボティクス・ソリューションをサブスクリプションまたはペイ・パー・ユース・ベースで提供するビジネスモデルであり、より幅広い企業が高度なロボットにアクセスできるようにする。

- 自律的なナビゲーションと意思決定。これらの機能により、ロボットは様々な環境下で自立的に移動・動作し、周囲の状況に基づいてリアルタイムで意思決定を行うことができる。

- 触覚センシング。センシング技術により、ロボットは物理的な接触を検知して反応することができるようになり、物体を扱ったり環境と相互作用したりする能力が向上する。

- 特殊バッテリー。これらのバッテリーは、ロボットシステム特有のエネルギーニーズと動作要件を満たすために特別に設計された効率的なエネルギー源です。

主な不確定要素

ロボット工学の将来に影響を与える主な不確定要素には、以下のようなものがある：

ロボットが伝統的な製造業のユースケースを超えて私たちの労働力に統合されるにつれ、ロボットのリスクと信頼の枠組みに関する不確実性が浮上する。例えば、自律型ロボットの責任と安全プロトコルは、既存の枠組みがAI主導の意思決定に対応するのに苦労しているため、再定義する必要があるかもしれない。人間とロボットの協働のセキュリティにとって、国際標準の確立は依然として重要な課題である。

人型ロボットを取り巻く魅力、恐怖、そして不確実性は、ロボットが特定の従業員の能力を満たし、それを超えるように進化するのではないかという懸念を抱かせている。ロボットがより高度な仕事を担うようになるにつれ、人間の仕事の性質は進化している。例えば、ホスピタリティ業界では、ルームサービスや清掃業務に自律型ロボットが使用されるようになってきている。こうしたシステムは効率を向上させる一方で、雇用喪失に対する社会的な懸念も引き起こしている。

将来の大きな問題

ビジネスリーダーは、ロボット工学を推進する際にいくつかの質問を検討することができる：

- 既存のブラウンフィールド環境にロボットをレトロフィットすることが、ゼロから始めるよりも戦略的・財務的に理にかなっているのはどのような場合か？

- ロボット工学の導入で飛躍的な進歩を遂げようとしている未開拓の産業やサービス分野はどこか？

- 協働ロボットはどこで真の価値を生み出し、どこで邪魔になるのか？

- ロボット工学におけるAIの急速な発展に伴い、どのような新たな倫理的・規制的課題が浮上するのだろうか？

- ロボットに従業員と顧客の信頼を築くには何が必要か？

10 モバイルの未来

モビリティ技術には、自動運転車、電気自動車、ドローン、電動垂直離着陸機などの都市型航空モビリティ・ソリューション、電動スクーターや電動自転車などの超小型モビリティ・デバイスなどがあり、輸送システムの効率性、安全性、持続可能性の向上を目指している。

トレンドとその重要性

2025年のモビリティの未来は、自動運転車（AV）、電気自動車（EV）、ドローン、空の旅、超小型モビリティ機器など、技術の進歩と持続可能性への新たな要求によって急速に進化している。人工知能、高度なセンサー、コネクティビティの統合は、車両の安全性と効率を向上させ、共有モビリティ・モデルは都市のモビリティを再構築している。これらの発展は、交通、都市計画、エネルギーシステム、そして世界全体の生活の質を変革する可能性を秘めており、新たな市場と雇用の創出を通じて経済的な影響ももたらす可能性がある。

しかし、規制の枠組み、インフラ整備、一般消費者の受容という点では課題が残っている。これらの技術が成熟するにつれ、変革が期待されるが、イノベーターは依然として技術、規制、消費者感情の問題に対処する必要がある。例えば、EUのバッテリー規制は、モバイル業界の持続可能性への関心の高まりを反映し、バッテリーの設計、製造、ライフサイクル管理についてより厳しい基準を定めている1。

自動運転車のアプリケーションや次世代バッテリー化学など、いくつかの画期的な新技術が規模を拡大しつつある。次の重要なステップは、技術開発にとどまらず、新たなエコシステムを構築することである」。

- アンドレアス・ブライター（サンフランシスコ・ベイエリア、パートナー

最近の動向

モバイルの未来に関わる最近の動きには、以下のようなものがある：

世界のEV販売台数の伸びにはばらつきがある2。米国のEV販売台数の伸びは2024年には7%強に鈍化し、2022年から2023年にかけての33%近い伸びから著しく低下する。これとは対照的に、中国のEV販売台数は、旺盛な消費者需要、充電インフラの拡充、政府による優遇措置に牽引され、36%近くまで急増した3。欧州では、バッテリー電気自動車（BEV）の平均コストが約44,000ドルまで低下し、同クラスのガソリン車の平均コスト45,000ドルを下回っている4。自動車メーカー各社は、より手頃な価格のEVモデルを世界的に発売する計画だが、米国では値ごろ感の改善が遅れており、普及の妨げとなっている。

自動運転車は進歩しているが、まだ障害に直面している。ロサンゼルス、フェニックス、サンフランシスコなど、いくつかの都市ではすでに共有型の自動運転車が走っている。技術的なハードルの高さ、運用コストの高さ、社会的な懐疑心に阻まれ、あらゆるレベルの自動運転車の導入スケジュールは、過去の予測と比べて平均2～3年遅れている。企業がより高い車両稼働率を達成し、業務改善を行い、研究開発要件を削減するにつれて、2035年までに単価は大幅に低下すると予想される。しかし、回答者の約50%は、安全性が自動運転車の普及にとって依然として重要なボトルネックであると考えている5。それにもかかわらず、業界のリーダーは、規制当局と協力し、自動運転システムの安全性、アクセシビリティ、手頃な価格を継続的に改善するための基準の枠組みを確立し続けるべきである。

ドローンは商業業務における役割を拡大し続けている。ドローンによる配送サービスは、2034年までに290億ドルに達し、年平均成長率（CAGR）は40%に達すると予想されている6。ドローンによる配送が提供する利便性に対する消費者の関心は依然として高いが、安全性とプライバシーには依然として懸念が残る。企業は、特定の配達ニーズに合わせてドローンをカスタマイズし、シームレスなラストマイル配達ソリューションのために自動運転車と統合している。さらに、水中ドローンは、海上環境における情報、監視、偵察の任務で注目を集めており、リアルタイムの情報収集のための延長耐久性を実証している。

電動垂直離着陸（eVTOL）航空機業界は、旅客輸送のための規制当局による認証に向けて動き出しており、これは都市部の商業航空輸送に向けた重要な一歩となる。複数のメーカーが世界の航空当局との認証段階を進めている一方、規制当局は安全基準と運航ガイドラインの調和に取り組んでいる。インフラと航空交通の統合という課題は残るものの、来年には旅客機の限定的な商業運航が開始され、短距離の都市交通に変革がもたらされるものと期待されている。

超小型モビリティは、以前の供給過剰問題の後、回復力を見せている。超小型電気自動車やe-bikeといった新製品のコスト低下が新たな需要を喚起している。電動スクーター会社のバードやライムなどの大手企業は、都市が超小型モビリティを公共交通システムに統合する動きを強める中、買収や提携を通じてその地位を固めた。eスクーターやeバイクなどの個人用電動モビリティは、多くの都市でインフラが整備され、その成長を支えながら、世界的に主流に受け入れられつつある。アジアと欧州では、環境問題への関心と支援政策に応える形で、二輪車の電動化が進んでいる。

革新的な技術によって、水上での機動性と電動化が進んでいる。港湾での荷役プロセスを合理化するため、高度な揚力技術を備えた自律型バージ・システムが開発されており、処理時間の短縮と効率の向上を目指している7 。さらに、コンピューター制御の船体技術によって船舶を水面上に持ち上げ、空気抵抗とエネルギー消費を大幅に削減することも始まっている。

フューチャー・モビリティ

需要

ソフトウェア関連の求人は2022年にピークを迎えた後、最近では減少しているが、これはAIが自動運転システムのコーディング工程を効率化したことが一因と考えられる。データサイエンティストの求人件数は、バッテリー分析やAIを活用したロジスティクスの需要増加を反映して、着実に増加している。データ中心のモバイル・ソリューションやAIによって強化されたワークフローへの業界のシフトは、業界が持続可能性と自律性を優先しているため、従来のソフトウェア職からの幅広いシフトを浮き彫りにしている。

2021-24年の求人情報（職種別）（単位：千人

スキルの有無

ソフトウェア・エンジニアリングの求人数が減少しているにもかかわらず、モバイル業界ではソフトウェア・エンジニアリングとPythonのスキルが不足している。フリートマネジメントとC++のスキルは余剰であり、データ分析の人材は供給過剰である。

人材要件、求人広告に求められるスキルの割合
人材の確保、需要に対する人材の比率

経営陣や投資家は、2025年にはモバイル企業への投資額が近年よりも増加すると確信している。バリュエーションは必ずしも同時に上昇しているわけではないが、より多くの投資家が存在する機会に興奮している。この新たな楽観主義の一部は、モバイル分野から発信されるよりポジティブなニュースによって説明することができる。

- ケルステン・ハイネケ（フランクフルト、パートナー

グローバルな採用展開

採用スコア：3-パイロット。その組織は、実現可能性と有効性をテストするために、パイロットプロジェクトや限定的な導入を通じて、最初の数件のビジネスユースケースにテクノロジーを導入している。

世界市場の需要は地域によって多少の変動はあるものの、持続可能性への取り組みと技術の進歩に牽引され、市場は堅調を維持している。しかし、世界の一部の地域では、モバイルの革新と導入が遅れ続けている。例えばアフリカは、信頼性と持続性のある電力アクセスという課題に直面しているため、電気自動車の採用が遅れている。中東も燃料費が安いため、導入が遅れている。

実例

自動運転車に関わる進歩の実例としては、以下のようなものがある：

ウェイモは完全自動運転のライドシェアリング・サービスを2024年にロサンゼルスとテキサス州オースティンに拡大し、2023年8月の乗車件数は1万2,000件だったが、1年後には31万2,000件に達した8。同社はグローバル展開を模索しており、2025年には日本市場に参入し、東京の複雑な都市環境でライドを提供する計画だ9。

2024年12月、コディアック・ロボティクスはアトラス・エナジー・ソリューションズとの提携により、テキサス州西部で初の商業用ドライバーレス運行を開始した。パーミアン・ベースンでは、コディアック独自の自動運転システム「コディアック・ドライバー」を搭載したロボットトラックが私道で使用されている。このトラックはアトラス社のために破砕砂を自律的に輸送し、2025年初頭までに100個の積荷を納入した。この運行は、猛暑や砂嵐などの過酷な条件下でも安全性と効率を維持できる自動運転車の能力を実証している10。

商業活動におけるドローンの役割が拡大している実例がある：

- 2025年、いくつかの企業が商業用ドローン配送のパイロットプロジェクトを積極的に進めている。アマゾンプライムエアは米国の多くの市場でドローン配送を再開し、ウォルマートはウィングやジップラインなどのプロバイダーと提携してドローン配送サービスを拡大している。他の企業も、連邦航空局（FAA）の承認が進み、より迅速でタッチレスなロジスティクスの必要性に支えられて、自律的な配送業務を拡大している。

eVTOL業界に関連する実例を紹介しよう：

アーチャー・アビエーションのミッドナイト・エア・タクシーは、都市部での短距離輸送用に設計されたもので、最初の市場での営業開始に向けて準備を進めている11。ジョビー・アビエーションは、FAAの認証取得に向けて前進しており、近く営業を開始する予定である12。

以下は、マイクロモビリティに関わる現実的な例である：

2024年、ライムは東京やギリシャのアテネなど、世界 20都市以上に進出した。ライムの拡大は、都市が渋滞や排出ガスを削減する方法を模索する中、マイクロモビリティ・ソリューションへの関心が高まっていることを反映している13。

革新的なウォーター・モバイル・テクノロジーに関わる実例を紹介しよう：

2024年に就航するCandela P-12 Novaは、世界初の電動水中翼船フェリーである。Candela社によると、Novaは水の摩擦を減らすことで、従来の船よりも80%少ないエネルギーを消費するという。再生可能な電力を動力源とするNovaは、極めて静かで航跡がなく、市街地での高速運航が可能だ14。

潜在技術

未来のモビリティを牽引するテクノロジーには、以下のようなものがある：

自律走行テクノロジー。高度なセンサー・フュージョン・システム、エッジAIプロセッサー、フェイルセーフ・アーキテクチャーにより、車両は人間の介入なしに環境を感知し、判断を下し、安全に運転することができる。

コネクテッド・ビークル・テクノロジー：5GのVehicle-to-Everything（V2X）通信、堅牢なサイバーセキュリティ・プロトコル、無線アップデート機能により、車両はインフラ、他の車両、ネットワークと相互作用し、安全性、効率性、ユーザー体験を向上させることができる。

電動化技術。固体電池、双方向充電システム、水素燃料電池は、航続距離を延ばし、充電時間を短縮し、スマートグリッドとの統合を可能にすることで、自動車のパワートレインを改善することができる。

- シェアード・モビリティ・ソリューションモビリティ・アズ・ア・サービス・プラットフォームとダイナミック・フリート・リバランシング・アルゴリズムは、共有車両の利用を最適化し、渋滞と排出ガスを削減し、都市のモビリティを向上させます。

素材の革新バイオベースの複合材料、難燃性電池材料、リサイクル可能なエアロゲルは、軽量で耐久性があり、環境に優しい部品によって、自動車の性能、安全性、持続可能性を高めています。

バリューチェーンの脱炭素化グリーンメタノール輸送、循環型サプライチェーン、製造工程での炭素回収は、自動車生産と物流における環境への影響を低減している。

ソフトウェア定義の車両アーキテクチャ。一元化されたコンピューティング・プラットフォームは、モジュール式ハードウェアのアップグレードと継続的なソフトウェアの改良を可能にし、車両の機能性と寿命を向上させる。

デジタル・ツイン・テクノロジー.AIを活用したシミュレーションにより、メンテナンスの必要性を予測し、車両運用を最適化することで、モバイル・エコシステムの効率を向上させ、ダウンタイムを削減する。

- AIアルゴリズムが充電サイクルを最適化し、バッテリーの寿命を延ばすことで、電気自動車の長期的な生存可能性と性能を向上させる。

主な不確定要素

将来のモビリティに影響を与える主な不確定要素には、以下のようなものがある：

2025年には、電気自動車生産の急増を反映して、世界のリチウム需要が供給を上回ると予想される。電気自動車市場が成長を続ければ、電池製造能力への多額の投資が必要になる。

安全性と説明責任の問題自動運転技術の進歩に伴い、安全性は業界のリーダーやイノベーターにとって最優先事項であり続けている。例えば、自動運転トラックの規模と公共性の高さは、厳格な安全対策に依存している。自動運転貨物会社のオーロラ社は、2025年までにテキサス州にドライバーレストラックを配備する計画であり、強力な安全規制と社会的信頼を築くための措置の必要性を強調している。

設備とインフラのコスト。EV充電インフラのコストは、基本的なレベル1充電器の2,000ドルから、直流急速充電ステーションの10万ドル以上まで、幅が広い。設置費用は、設備費用を上回ることが多く、敷地の準備、電気設備のアップグレード、ライセンスが必要となり、投資総額に上乗せされる16 。

大衆の受容と信頼。J.D.パワー社の2024年米国モビリティ信頼度指数によると、自動運転車に対する消費者の信頼度は100点満点中39点と、まだ低いものの、わずかに上昇している17。

サイバーセキュリティとプライバシー車両がより接続され、ソフトウェアで定義されるようになるにつれ、サイバーセキュリティの脅威に対処し、ユーザーデータを保護することがますます重要になっている。これには、V2X通信の保護や、スマートビークルが収集した個人情報の保護が含まれます。

将来の大きな問題

企業やリーダーは、モバイル・テクノロジーを推進する際に、次のような質問を検討することができる：

- 地政学的な変化はモバイル・サプライチェーンにどのような影響を与えるのか？

- 鉄道やバスの駅、共有の超小型移動倉庫など、中心的なモビリティ・ハブの拡大や、接続された交通網は、都市の景観や通勤パターンをどのように再構築するのだろうか。

- モバイルの未来を形作る上で、公共インフラと民間投資はどのような意味を持つのか？

- 自動運転車に対する社会の信頼と受容はどのように進化するのか？

- 規制の変化は、自動運転車、ドローン、次世代輸送システムの導入ペースと規模をどのように決定するのだろうか？

11 バイオエンジニアリングの未来

バイオエンジニアリングとは、工学的原理を生物学に応用し、技術的進歩（遺伝子編集、合成生物学など）を活用して、健康や人間のパフォーマンスを向上させ、食品バリューチェーンを変革し、革新的な製品を生み出すことである。

トレンドとその重要性

バイオサイエンスと高度なコンピューティング技術の融合が、バイオエンジニアリングにおけるイノベーションの次の波を切り開く。この交差点は、2024年に複数の産業でイノベーションを促進し、バイオエンジニアリングの進歩は、ヘルスケア、農業、製薬、環境管理などの産業に影響を与える。遺伝子編集、個別化医療、合成生物学におけるブレークスルーは、人間の健康と長寿を改善すると同時に、食糧生産と安全性により環境に優しいソリューションを提供すると期待される。生物工学におけるAIの活用は、研究開発を加速させ、コストを削減し、研究者が新素材を特定し、生物学的生産により最適化されたルートを構築し、より多くの製品を試作することを可能にする。生物工学におけるAIの役割が特に注目されている例として、2024年のノーベル化学賞は、AIを使って既存のタンパク質の構造を予測し、新しいタンパク質を設計した3人の科学者が受賞した1。

しかし、こうした技術の急速な発展は、倫理的、規制的、社会的な新たな課題を突きつけている。生物工学のイノベーションをうまく導入できるかどうかは、一般大衆の受容を確保し、責任ある開発と応用のための確固たる枠組みを構築できるかにかかっている。これらの進歩の背後にある多くの科学は証明されているが、商業的な実現可能性を達成し、社会的な問題に対処することは、生物工学技術の可能性を最大限に実現する上で極めて重要である。

バイオエンジニアリングは、化学的・生物学的設計におけるAIの幅広い利用、バイオエンジニアリングされた精密薬剤の上市、3Dバイオプリンティングなど、ようやく成熟が見え始めた段階にある。この分野の科学的・経済的影響力を疑う者はもはやいない」。

- エリカ・スタンツル（チューリッヒ、パートナー

最近の動向

生物工学の未来に関わる最近の動きには、以下のようなものがある：

3Dバイオプリンティングと再生療法における大きな進歩により、実験室で培養された臓器や複雑な疾患に対する高度な治療法の可能性が高まっている2。

製造能力は、科学の進歩に合わせて拡大し始めている。バイオエンジニアリング業界は、増大する需要を支え、より広範な臨床応用を可能にするため、大規模なインフラ（例えば2,000リットルのバイオリアクター）を設置することで生産能力を拡大している3。

- AIは医薬品や生体材料の開発を加速させている。医薬品開発では、AIがデータ処理や候補化合物のスクリーニングなどの作業を効率化し、試験準備期間の短縮と効率化に貢献している。生体材料では、AIが独自の分子構造をモデリングすることで、新規化合物の迅速な設計と試験をサポートしている。こうした進歩により、ライフサイエンス分野のイノベーション・サイクルが短縮され、開発コストが削減されている4。

CRISPRを用いた治療法は、臨床試験から承認された治療法へと移行しつつある。精密医療におけるこの画期的な出来事は、遺伝性疾患をその根源から治療する新たな時代を開くものであり、すでに遺伝子編集送達システムのさらなる革新を促し、治療可能な疾患の範囲を拡大しつつある5。

組織構造のモデリングを強化するための3D細胞培養シス テムや、再生微小環境を改善するための注射可能な生体模倣ハイドロゲル など、バイオエンジニアリングの飛躍的な進歩が、2024年の幹細 胞研究を牽引している6 。これらのイノベーションは、再現性、免疫拒絶反応、臨床的拡張性といった主要な課題を解決し、幹細 胞治療から組織改変移植片や遺伝子編集細胞製剤といった最先端の治療用医薬品への転換を加速させる7。

新しい分子や材料をより効率的に作るために、研究室では大きな進歩があり、それは加速し続けている。そして、真にスケーラブルであるためには、商業規模の生産設備を設計、建設、運用する方法を進歩させる必要がある。これは、この問題を解決できるエンジニア、メーカー、建設会社にとって大きなチャンスである」。

- トム・ブレナン（フィラデルフィア、パートナー

バイオエンジニアリングの未来

需要

バイオエンジニアリング職の求人市場は、2022年以降、縮小の兆しを見せている。科学者、化学者、研究者といった主要な職種は、2023年から2024年にかけてすべて求人数が減少しており、生物工学に関連する上位職種はほぼすべて減少している。この傾向は、バイオ工学分野の雇用需要が冷え込んでいることを示唆しており、バイオテクノロジー関連資金の鈍化、製薬・研究部門の統合、新興バイオテクノロジーの商業化の遅れなどが複合的に影響していると考えられる。

2021-24年の求人情報（職種別）（単位：千人

スキルの有無

生物工学の一部の分野では、需要を満たすのに十分な人材がいる。例えば、生物学やデータ分析など幅広く応用できるスキルを持つ人材は、それらのスキルを必要とする求人数よりも多い。逆に、機械学習、統計学、生物統計学などのより専門的なスキルは、人材市場においてより合理的に配置されており、人材の有無は市場の需要により密接に一致している。生物工学が計算やデータ駆動型のアプローチをますます統合し、生物学と高度な分析やAI技術を組み合わせることができる専門家を必要とするようになるにつれて、ソフトウェア工学と同様に、これらのスキルの重要性が増している。

人材要件、求人広告に求められるスキルの割合
人材の確保、需要に対する人材の比率

グローバルな採用展開

得点の採用：4-延長。

組織は、企業全体でテクノロジーの展開と採用を拡大している。

バイオテクノロジーは、限定的な展開にとどまらず、複数の産業で急速に拡大している。米国食品医薬品局（FDA）によるキャスジェビーの承認、精密発酵やバイオマテリアルの進歩といったブレークスルーは、この技術が変革の可能性を秘めていることを示している。AIが創薬や材料設計を加速させ、AI主導のソリューションに後押しされることで、商業的インパクトはますます大きくなっている。技術の成熟度、商業的実現可能性、AI主導の加速が組み合わさることで、バイオテクノロジーが企業で拡大する舞台が整う。

実例

生体材料と生体工学の進歩に関わる実例としては、以下のようなものがある：

京都大学とShinobi Therapeuticsは、コラーゲンを含む生物由来の足場を医療用に再生している。この技術革新は、軟組織修復のための足場の安定性を最適化し、免疫原性を低減する。パナソニックとの閉鎖系製造装置に関するShinobiの共同研究には、自動化システムを最適化するためのAI駆動システムが含まれる可能性がある8。

- 2024年の生物工学のマイルストーンは、成体細胞を人工多能性幹細胞に再プログラムするmRNA-脂質ナノ粒子技術に焦点を当てている。研究者たちは、人工脂質ナノ粒子（脂肪のような小さな担体）を使って、合成mRNAの指示を皮膚細胞に送り込み、DNAを変化させることなく、多機能幹細胞に「リセット」する遺伝子を一時的に活性化させる。ハーバード大学とuBriGene Bioscience社のチームが完成させたこのアプローチは、損傷した組織の修復や病気のモデル化、治療法のテストに用いる患者特異的幹細胞のスケーラブルな生産につながる可能性がある9。

科学の進歩に合わせて生産を拡大している現実の企業の例には、次のようなものがある：

デンマークのバイオテクノロジー企業である21st.BIOは、持続可能なタンパク質と生体材料の大量生産を可能にする精密発酵に注力している。2024年、21st.BIOは発酵をスケールアップするパイロット施設を立ち上げ、米国市場に参入した。

LYCRAは大連化工有限公司（DCC）と共同で、再生可能スパンデックスの大規模生産に取り組んでいる。大連化工有限公司は、スパンデックスの原料にトウモロコシを使用し、カーボンフットプリントが大幅に低いプロセスを開発した11。

AIが医薬品や生体材料の開発を加速させる実例がここにある：

アダプティブ・バイオシステムズ社は、新薬、酵素、持続可能な素材を開発するために、ジェネレーティブAI、オープンソースソフトウェア、合成生物学を活用する「タンパク質工学ファウンドリー」を立ち上げた。同社のプラットフォームは、ロボット工学とマイクロ流体工学を組み合わせてAIベースのタンパク質設計を検証し、創薬プロセスを加速する。

生物工学のブレークスルーの実例としては、他にも以下のようなものがある：

GOOD Meatは、米国で培養鶏肉を販売するための規制当局の認可を取得し、FDAとUSDAの認可を取得したUPSIDE Foods12は、サンフランシスコのミシュランの星付きレストランで限定培養鶏肉を提供している。両社とも大規模生産を追求しているが、事業拡大のための技術的・規制的課題に直面している13。

EVERY社は、精密発酵を利用して動物性不使用の卵タンパク質を製造している。2024年、同社は組換えオバルブミン生産の基礎となる特許を取得し、ユニリーバ、グルーポ・ヌトレサ、グルーポ・パラシオスとの提携を拡大した14。

潜在技術

次のような技術的進歩が、2025年の生物工学の未来を決定づけるだろう：

組織学シングルセルシーケンスは、DNAやRNAの転写産物やメチル化データを統合し、細胞機能や制御に関する包括的な見解を提供する、画期的なアプローチになりつつある。この基盤の上に、シングルセル・プロテオミクスは、個々の細胞レベルでのタンパク質発現を特徴付けるツールとして発展している。これらの技術を組み合わせることで、細胞の不均一性と複雑な生物学的プロセスに関する洞察が得られる。さらに、マルチオミクスをマルチモーダルAIモデルに統合することで、異なるマルチオミクスデータセットを組み合わせる際に遭遇するフォーマットや構造の違いに関する長年の課題に対処している。AIのサブセットであるディープラーニング技術は、従来の統計的手法よりも高度な分析を可能にしている。

遺伝子編集。FDAはCRISPRに基づく治療法を初めて承認した。生体内での遺伝子編集プロジェクトは臨床試験に移行しており、より多くの患者集団を治療できる可能性が高まっている。

3Dバイオプリンティングと組織工学球体を用いた新しい高スループット・バイオプリンティング技術により、高い細胞生存率を持つ複雑な組織の作製が加速された。この技術は、既存の方法よりも10倍速く組織を作製し、移植や薬物試験用の機能的な組織や臓器の開発を進めている。

バイオマテリアル。植物油由来の環境にやさしい原料は、化粧品、高吸収性ポリマー、接着剤など、さまざまな用途に開発されている。コラーゲンなどの生物由来の足場は、再生医療用途に最適化されつつある。

合成生物学と代謝工学。従来の乳製品やその他のタンパク質源に代わる、より環境に優しいタンパク質源である発酵によって、自然界に匹敵するタンパク質を生産している。

aI主導のソリューションは創薬における標的同定を加速し、臨床試験のコストと開発期間を削減している。特定のタンパク質プロファイルに基づく個別化治療戦略は、癌やその他の疾患を治療するために開発されています。

主な不確定要素

生物工学の将来に影響を与える主な不確定要素には、以下のようなものがある：

バイオエンジニアリングの規制バイオ工学の急速な成長に対応するため、規制の枠組みは進化している。例えば、2025年度国防授権法は、米国防総省に対し、年次バイオテクノロジー・ロードマップを作成し、導入の障壁、労働力の必要性、国際協力を評価するよう求めている。同様に、FDAの2025年ガイダンス・アジェンダには、生物製剤や治療用製品の評価に関する新たな勧告が盛り込まれており、この分野における監視の必要性が高まっていることを反映している。しかし、欧州と中国がバイオテクノロジー食品と作物をどのように規制するかについては、依然として不透明である。欧州では特定のゲノム技術に対する規制緩和が検討されている一方、中国では遺伝子組み換え作物の承認が拡大されつつあるが、その安全性に対 する国民の懐疑論に直面しており、世界的に複雑な規制の状況が生まれている15 。

一般市民の認識と倫理的問題。安全性、公平なアクセス、倫理的意味合いに対する懸念など、生物工学に対する一般市民の態度は依然として複雑である。特に合成生物学の応用に関しては、自然系と人工系の「境界の曖昧さ」といった問題が根強く残っている。COVID-19のパンデミックの際には、バイオエンジニアリングされた生物の自己複製や生態系におけるその持続性に対する懸念など、こうした技術に対する懐疑的な見方が強まった。

意図しない結果。バイオエンジニアリングされたシステムは本質的に相互に関連しており、小さな変化が連鎖的な影響をもたらす可能性がある。このことは、自己複製するという人工生物の性質や、遺伝子の水平移動、生物多様性の喪失、生態系へのダメージなど、自然の生態系との相互作用が意図しない結果をもたらす可能性という観点から、特に重要である。例えば、改良された農業用生物は、あるものは失敗し、またあるものは予想外に存続するなど、環境中での生存と拡散において困難に直面する可能性がある。

バイオセーフティと二重使用のリスク。有益な目的のために設計されたツールが、バイオテロリズムのような有害な用途にも悪用される可能性があるからだ。AIと生物工学の交差は、高度な生物工学の敷居を低くすることで、こうしたリスクを増幅させる。生物兵器禁止条約やAIセキュリティ・サミットなどのイニシアチブは、国際協力を通じてこうした脅威を軽減することを目指している。

従来の方法に対する技術の有効性。生物工学技術の変革の可能性とは裏腹に、従来のアプローチと比較したその有効性はまだ評価中である。例えば、合成生物学的治療法は、既存の治療法と競合するためには、費用対効果と拡張性を実証し、厳しい安全基準を満たさなければならない。

将来の大きな問題

バイオエンジニアリングを進めるにあたって、企業やリーダーが考慮すべきいくつかの問題がある：

- 社会は遺伝子編集技術の潜在的利益と医療倫理問題のバランスをどのようにとるのだろうか？

- 遺伝子組換え作物やその他のバイオテクノロジー製品の一般大衆の受け入れと採用に影響を与える要因は何か？

- 新たなバイオエンジニアリング技術を取り巻く安全性と信頼の問題に対処するために、規制の枠組みはどのように進化していくのだろうか？

- 臨床研究と規制における地政学的な二極化は、生物工学における世界的なパワーバランスをどのように決定するのだろうか？

12 宇宙技術の未来

宇宙技術は、低軌道（LEO）衛星コンステレーション、地上ネットワークと統合されたLEOでの直接機器接続、地球観測を含む、衛星システム、ロケット、居住モジュール、探査ミッションをカバーする。

トレンドとその重要性

宇宙技術は我々の世界を急速に再構築し、新たなレベルのコネクティビティとデータ主導の洞察力を解き放ち、従来の航空宇宙分野以外でも広く関心を集めている。企業は、世界的な打ち上げキャンペーンや宇宙探査への投資に参加する国の仲間入りをした。日本は月面着陸に成功し、NASAはアルテミス計画の月着陸船の開発に民間企業を起用した。企業はまた、宇宙技術を地上のインフラと統合し、さまざまな分野でシームレスなサービスを提供するエンド・ツー・エンドのソリューションを開発している。

2024年以降、リモートセンシング、地球観測、その他のアプリケーションの拡大は、いくつかの著名なテクノロジー企業の注目と投資を集めてきた。この技術の最新動向には、地球低軌道（LEO）衛星通信コンステレーションが含まれ、なかでもスペースX社のスターリンクは、すでに7,000基以上のLEO衛星を軌道に投入している。携帯電話の分野では、アップル社のiPhoneの緊急接続機能に代表されるように、D2D（Direct-to-Device）衛星接続が展開されている。

将来を見据えて、宇宙産業は、所有権や宇宙へのアクセス、安全な運用のためのガバナンス構造の確立、宇宙ゴミやトラフィックを効果的に管理するための取り組みの調整などに関連する問題に直面する可能性がある。さらに、業界は増大するサイバーリスクに対処し、さまざまな軌道における衛星配信の将来的な展望を定義する必要があるかもしれない。

宇宙は、技術革新、安全保障、経済成長のための重要なプラットフォームに急速になりつつある。打ち上げコストの大幅な削減、商業衛星コンステレーションの台頭、軌道上での新たな能力の出現は、産業界全体で可能なことを変革しつつある。将来、この新時代をリードするのは、宇宙ベースのデータとコネクティビティをコア戦略に組み込み、パートナーシップを組織し、急速に進化するエコシステムをナビゲートするために必要な人材を育成する組織である」。

- ライアン・ブルカート（マイアミ、シニア・パートナー

最近の動向

再使用可能なロケットと衛星技術、そしてAIによるデータ解析の進歩は、宇宙へのアクセスと地球観測を急速に変化させている。これらの技術は、より迅速で低コストの打ち上げを可能にし、環境モニタリングからグローバル通信に至るまで、様々な分野に影響を与えるリアルタイムの洞察を可能にしている。

宇宙技術をめぐる最近の動きには、以下のようなものがある：

再使用可能なロケットと衛星の小型化という技術革新により、LEOへのペイロードの打ち上げコストは低下している。例えば、スペースX社のファルコン・ヘビーロケットの打ち上げコストは1kgあたり約1,400ドルだが、スペースX社のスターシップは、完全な再利用性と高い打ち上げ頻度によって、これを1kgあたり10～30ドルにまで削減することを目指している3。

宇宙通信の進歩は、グローバルな接続とデータ転送の選択肢を広げている。超低軌道（VLEO）衛星、レーザー通信、5Gネットワークも宇宙通信に変革をもたらしつつある。5Gを衛星システムと統合することで、すでに高速で低遅延のインターネット・カバレッジが遠隔地まで拡大し、グローバル通信が改善されている。推進力、材料科学、太陽エネルギー技術の進歩は、効率と費用対効果を改善し、VLEO衛星への投資の増加を引き寄せている4。これらの衛星は、モノのインターネット（IoT）、航空、遠隔ブロードバンドアクセスなどの産業に新たな可能性を開き、より接続された未来への道を開く。

企業は、環境モニタリングや災害対応を強化するために、宇宙データを地上データセットと統合し続けている。衛星画像と赤外線センサーを組み合わせることで、煙や悪天候にもかかわらず、リアルタイムで熱信号を検出し、火災の行動を追跡することができるからだ。このような進歩により、複数のデータソースのシームレスなフローと、山火事の影響を軽減するための実用的な洞察に基づく、より迅速で正確な意思決定が可能になります。

- 先進的な地球観測システムは、データ収集と分析に革命をもたらしている。ハイパースペクトル画像と数百のスペクトルバンドを使用する衛星は、現在、全気候データの半分以上を提供している。機械学習アルゴリズムと組み合わせることで、これらのシステムはリアルタイム分析が可能となり、パイプラインの漏れの検出から農作物の病気の特定まで、さまざまな用途に応用されている。防衛分野では、これらのテクノロジーは、画像の処理、利用、普及にかかる時間を劇的に短縮することで、地理空間情報に革命をもたらしている。従来は分析に57分もかかっていた衛星写真も、AIの進歩により数秒で解析できるようになり、重要な防衛活動の意思決定を迅速に行えるようになった。今後5年間で最大7万基のLEO衛星が迅速に配備されることで、これらの能力はさらに向上するはずだ。AIは宇宙活動の支援において、ミッション計画の効率化、異常検知、リソースの最適化といった役割を果たすようになってきている。完全な自律型ではないものの、AIは現在、状況認識を向上させ、衝突回避や軌道ロジスティクスなどのタスクを支援し、よりスマートで信頼性の高い宇宙船の運用につなげている。

長年にわたる継続的な技術向上とコスト削減の結果、宇宙観光から防衛システムまで、宇宙が大きな話題を呼んでいる。人類の繁栄を可能にするためには、この技術を、特にAIと組み合わせて活用するために協力しなければならない」。

- ジャコモ・ガット（ロンドン、パートナー

人材と労働市場

未来の宇宙技術

需要

エンジニアリング職は引き続き宇宙技術職市場を支配しているが、すべての主要職種の需要は2022年から2024年にかけて減少する。品質エンジニア、プロジェクト・マネージャー、上級技術職は引き続き重要であるが、全体的な求人情報は、業界全体が効率化と自動化へとシフトしていることを反映している。

2021-24年の求人情報（職種別）（単位：千人

スキルの有無

宇宙技術セクターは、ソフトウェアエンジニアリングとPythonの専門知識の不足に直面しているが、これはAI主導のミッション自動化のニーズの高まりと、衛星データ処理の需要の高まりに後押しされている可能性がある。これとは対照的に、データ分析、プログラミングプラットフォームMATLAB、製造のスキルは、確立された人材パイプラインと比較的低い需要を反映して、より豊富である。

人材要件、求人広告に求められるスキルの割合
人材の確保、需要に対する人材の比率

グローバルな採用展開

分数の採用：2実験。

組織は通常、小規模のプロトタイプで、技術の機能性と実行可能性をテストしており、短期的な投資収益率には通常関心がない。技術の規模を拡大している、あるいは完全に拡大した企業はほとんどない。

宇宙技術は大きな可能性を秘めているが、その導入は業界によって大きく異なる。民間企業の多くは、小規模なプロトタイプをテストし、機能を模索する実験的・試験的段階にとどまっている。コネクティビティやリモートセンシングに依存していることから、エネルギー、素材、電気通信などの業界は、採用曲線に沿って進んでいる。

宇宙は現在、防衛の重要な分野として広く認識されており、衛星コンステレーション、地理空間情報、リアルタイムのデータ処理の進歩とともに拡大しつつある6 。技術導入と技術革新は世界各地で異なっており、宇宙経済は中国、欧州、米国に集中している7 。地球観測や地理空間データから価値を創造するために、建設進捗状況を監視するための衛星画像8。

実例

ロケット打ち上げコストの削減に関わる現実的な例としては、以下のようなものがある：

ブースターの捕獲を含む、スペースX社の2024年の宇宙船飛行テストは、宇宙旅行をより安価にするための重要な一歩を示している。完全に再利用可能なロケットを使いこなすことで、スペースX社は軌道にアクセスするコストを削減することを目指しており、月ミッションや衛星インターネット衛星、さらには将来の宇宙旅行などに新たな可能性を開く可能性がある。スペースX社の商業飛行にかかる費用は公表されていないが、今回のテストは、より幅広い産業や政府が宇宙を利用できるようにしようという同社の意欲を示している。

環境モニタリングや災害対応のために宇宙と地上のデータを統合している企業の実例には、以下のようなものがある：

タレス・アレニア・スペース社は、イタリア宇宙庁のGREATおよびGROOVEプロジェクトを引き受けた。これらのプロジェクトは、自然災害の予測や気候変動の影響評価を含む環境モニタリングにおける衛星航法の利点を実証することを目的としている9。

ポールスター・グローバル社やスパイア・マリタイム社などの企業は、船舶の位置を追跡し、エンジン性能を監視するための高度な衛星システムを提供している。これらの技術は、海上での安全性を向上させ、燃料効率を最適化し、予知保全をサポートする。

地球観測システムに関わる現実的な例としては、以下のようなものがある：

2013年のデビュー以来、プラネットは現在150機以上の衛星が3メートルの解像度で地表を撮影し、毎日3億5000万平方キロメートルの地表をカバーしている10。当初は実験的なものだったが、現在は精密農業、森林伐採の追跡、災害対応のためのマルチスペクトルデータ（RGB＋近赤外）を提供し、再訪問率とスペクトル能力を向上させるためのアップグレードを行っている。11

米国防総省は、地上の移動目標を追跡する方法を変更し、航空機への依存を減らして宇宙ベースのシステムを使用する。Ground Moving Target Indicator (GMTI)として知られるこの機能は、以前は航空機によって提供されていた地上の活動を、ビデオのように連続的に監視するものである。宇宙空間にある衛星はリアルタイムの追跡を提供し、人工知能と軌道上の処理により、データ処理に必要な時間を1時間近くからわずか数秒に短縮する。

宇宙事業における最新技術の進歩に関わる他の実例は以下の通りである：

LeoLabsは、AIを搭載したレーダーネットワークを使って、スペースデブリの動きを追跡・予測する。その目的は、ますます混雑する地球低軌道における衛星や宇宙船の衝突回避能力を向上させることである12。

米宇宙軍は、2026年に実証されていない高度な宇宙補給技術の実証を計画している。アストロスケール社やノースロップ・グラマン社などの企業が支援するこのプログラムは、ダイナミックで競争の激しい環境に適応できるようにすることで、衛星の寿命と可動性を延ばすことを目的としている。これは、衛星通信の地上インフラを最適化するために、接続性の向上を利用するものである。

潜在技術

宇宙関連の進歩を牽引する技術には以下のようなものがある：

- 小型衛星。カスタマイズ可能で費用対効果の高いモジュール式衛星で、多くの場合、キューブサット・アーキテクチャを使用して作られ、幅広いミッションに対応できる。

リモートセンシング。海洋学、気象パターン、地層など、地球の特徴や現象を観測するための全スペクトルのイメージングとモニタリング技術。

SWaP-Cの進歩衛星とロケットのサイズ、重量、パワー、コスト（SWaP-C）の削減は、宇宙技術の実行可能性を高めている。

- 打ち上げ技術の進歩。再使用可能なブースター、先端材料、低コストの重量物打ち上げロケットなどの技術革新により、打ち上げコストの削減と打ち上げ率の向上が実現し、宇宙へのアクセスがより身近になった。

- 高度な接続技術。レーザー通信、電子走査アンテナ、衛星運用の自動化などの技術により、データ伝送速度が向上し、接続性が強化され、より効率的な衛星運用が可能になった。

LEOコンステレーション地球低軌道（LEO）にある多数の衛星は、通信、インターネット・アクセス、地球観測を強化し、さまざまな産業の発展を後押ししている。

宇宙からの5G」は、5G技術と衛星通信を統合し、特に遠隔地やサービスが行き届いていない地域でのユビキタス接続を可能にする。

超重量ロケット。スペースX社のスターシップのような、ペイロード容量を大幅に増加させることができるロケットは、より大きな衛星やインフラを配備し、深宇宙ミッションをサポートするために宇宙へ旅立つことができる。

有人宇宙飛行システムNASAのアルテミス計画のオリオン宇宙船を含め、有人クルーを乗せるように設計された宇宙船は、宇宙探査や科学研究、そして地球外での人類の存在を確立するために不可欠である。

主な不確定要素

宇宙技術の不確実性には以下のようなものがある：

宇宙技術の費用対効果。宇宙技術にとって、特にスターリンクのようなメガコンステレーションが規模を拡大するにつれて、経済的な実行可能性が依然として課題となっている。スターシップが大幅なコスト削減の可能性を示したように、再利用可能なロケットや衛星の製造における革新はコストを削減するだろう。

周波数帯および軌道利用権のガバナンス・メカニズム。衛星（特にLEO衛星）の急増は、軌道スロットにおける輻輳や干渉のリスクを増大させ、周波数と軌道利用権に対処するための国際的な規制枠組みの必要性を浮き彫りにしている。国際電気通信連合と民間事業者が関与する周波数割り当て紛争は、公平なルールの確立によってもたらされる潜在的な利益を浮き彫りにした。

サイバーリスク。宇宙資産は、妨害や衛星スプーフィングなどのサイバー攻撃による脅威の増大に直面している。重要なインフラを保護するためには、耐量子暗号化と強力なサイバーセキュリティ・プロトコルの開発が不可欠である。

地政学的緊張。各国の宇宙開発への意欲の高まりと安全保障上の懸念から、対衛星兵器の実験が行われるようになり、長年にわたる国際宇宙協力が損なわれる可能性がある。アルテミス協定のような協力的なガバナンス・イニシアチブに対する普遍的な支持の欠如は、宇宙におけるガバナンスの安定性を維持することをより困難にしている。

将来の大きな問題

企業や国は、宇宙技術に関連する機会を探る際に、以下の問題を考慮するとよいだろう：

- 宇宙技術産業は、スペースデブリやトラフィック管理といった増大する課題にどのように対応していくのだろうか？ヘビーリフト能力の飛躍的向上と軌道へのアクセスコストの低下は、衛星経済を根本的に変え、既存企業にビジネスモデルの再構築を迫るのか？
- 商業宇宙ステーションと軌道上製造業の台頭は、宇宙開発の経済的展望をどう変えるのか？宇宙の未来は、国際協力によって定義されるのか、それとも地政学的な分裂によって定義されるのか？この地政学的不確実性の時代に、組織はどのように自らを位置づけるべきなのか？

13 将来のエネルギーと持続可能な技術

エネルギーと持続可能なテクノロジーは、世界のエネルギー情勢をより持続可能で強靭な未来へと変革することを目的とした、幅広いイノベーションをカバーしている。これには、クリーンエレクトロニクス、電化、クリーン分子を中心に、世界のエネルギーバリューチェーンを変革する様々な技術が含まれる。

トレンドとその重要性

エネルギーは現代社会の基幹であり、産業や輸送からデジタル・インフラや日常生活に至るまで、あらゆるものに電力を供給している。そのため、生産、貯蔵、流通システムの変革は、現代において最もインパクトがあり、好機的な課題のひとつである。このトレンドに関する我々の分析では、グローバルなエネルギー・バリューチェーンを変革しつつあるテクノロジーのスペクトラム、特にクリーン・エレクトロニクス、電化、クリーン分子を検証している。より広範なトレンドは、送電網のインフラから炭素管理まですべてを包含していますが、私たちの研究は、低炭素電力と燃料の生成と利用を可能にするイノベーションに焦点を当てています。また、エネルギー技術や持続可能な技術は一様ではなく、コストプロファイル、成熟度、採用率、将来のコスト削減の可能性などの点で大きく異なっている。

エネルギー転換は、地政学的緊張の高まり、政策転換、マクロ経済の不確実性などを背景に進行しており、これらすべてが投資決定や技術展開に影響を及ぼしている。ソーラーパネルや電気自動車などのクリーンエネルギー技術に対する関税は、コストを上昇させ、世界のサプライチェーンを複雑にする可能性が高い。エネルギー・システムの移行に対する政策支援は国ごとに変化しており、インフラの格差は大きい。同時に、データセンターの爆発的な増加が電力需要を押し上げ、送電網をさらに圧迫している。従って、エネルギー転換は、脱炭素化だけでなく、新しいシステムが手頃な価格で信頼性が高く、国際競争力のあるものであることも重要である。

エネルギー転換の軌跡を形作っているのも、重要な不確実性である。新しい気候変動技術を拡大し商業化するための複雑な障壁と定義される「導入問題」に加え、根本的な技術革新の課題が、費用対効果、信頼性、拡張性に優れた画期的な技術の開発を妨げている。これらの課題は、サプライチェーンのボトルネック、労働力不足、規制の遅れに直面しながら、重要なインフラを迅速に構築する必要性によって悪化している。また、リチウム、希土類元素、その他の主要鉱物など、主要材料の入手可能性と持続可能な調達も、世界的なネット・ゼロコミットメント達成の潜在的障壁となる。最後に、エネルギー転換は地域によって異なり、「グローバル・ノース」は、増大するエネルギー需要の管理と低排出技術のスケールアップに苦闘しており、「グローバル・サウス」は、国ごとに異なる状況において、エネルギー・アクセスの拡大と脱炭素化という2つの課題に直面している。

将来のエネルギーと持続可能な技術は、継続的な環境問題や懸念、解決策の必要性に後押しされ、ニュースメディアで最も取り上げられるトレンドであり続けている。しかし、2023年から2024年にかけては、この分野で飛躍的な進歩を遂げつつある人工知能への注目度に比べ、ニュース報道の伸びは遅れている。2020年以降、エネルギーと持続可能なテクノロジーへの株式投資は不安定で、2020年から2021年にかけて79%ドル増加し、最高額の3,150億ドルに達した後、2022年と2023年に減少し、2023年から2024年にかけて再び増加した。

最近の動向

エネルギーと持続可能な技術に関わる最近の動きには、以下のようなものがある：

電力需要が急増している。データセンターだけでも、世界の電力消費量を増加させる最大の要因のひとつとなっており、この需要増に対応できる低炭素電力システムの導入が急務であることを浮き彫りにしている。しかし、脱炭素化の目標を達成するためには、ベースロード需要のバランスをとるための生産と需要の柔軟性の確保、風力や太陽光などの再生可能エネルギーの間欠性の管理、再生可能エネルギーの捕捉価格の低下などの経済的障壁への対応など、いくつかの重要な課題に取り組む必要がある。例えばテキサス州では、ピーク時のエネルギー利用可能性を確保するため、ガス焚きピーキングプラントやエンジンが、蓄電池システムとともに設置されつつある。さらに、再生可能エネルギーへの投資は、市場の変動時に浮揚するために、強力なバランスシートに裏打ちされた電力購入契約にますます依存している。新たな市場メカニズム、許認可や建設スケジュールの合理化、より優れたピーク電力ソリューション、スマートグリッドや時間契約による既存インフラの最適化、運用の柔軟性の向上など、システム的な修正がなければ、電力システムは、より広範な経済活動のボトルネックになりかねない。電力システムは、より広範な脱炭素化への取り組みのボトルネックになりかねない。

- 衛星画像やレーザーレーダー（LiDAR）などの測定技術の進歩により、環境への影響を低コストでモニタリングし、モデル化する能力が向上している。排出量、土地利用の変化、生態系の健全性をより正確に追跡するこれらのツールの能力は、気候変動対策や規制遵守のためのより良い意思決定をサポートする。気候変動技術を開発する新興企業にとって、これらの技術革新は重要な検証ポイントを提供し、環境上の利点を実証し、長期契約の確保に役立ち、技術性能と影響の予測を改善する。

水素は、技術的進歩の継続と政策的支援により、脱炭素化という困難なセクターにとって重要な選択肢であるとの見方が強まっている。製造コストの高さやプロジェクトの進捗の遅れが課題として残る一方で、電気分解機技術の進歩や低コストの再生可能エネルギーとの統合により、見通しは徐々に改善されつつある。欧州は依然として水素市場開発のリーダーであり、中国は電解槽の製造能力を急速に拡大している。

- 先進バイオ燃料とe燃料は、課題は残るものの、注目を集めている。

農業廃棄物からの燃料抽出など、バイオ燃料生産における技術革新は効率を高め、コストを削減している。生産規模の拡大や、バイオ燃料と従来の化石燃料とのコスト格差の是正については不透明な点が残っており、バイオ燃料の採用を加速するための継続的な投資と支援政策の必要性が浮き彫りになっている。

原子力エネルギーは、安定したベースロード電力を供給する能力で注目を集めている。いくつかの国が核分裂プログラムを開始または拡大し、31カ国が2050年までに世界の原子力発電能力を3倍にすることを約束している。しかし、原子力産業は、高額な設備投資、長い建設期間、安全性や放射性廃棄物に対する国民の継続的な懸念など、継続的な課題に直面している。小型モジュール式原子炉（SMR）の進歩やスケールメリットの向上は、コスト削減や導入加速に役立つが、原子力の将来の役割は依然として不透明である。脱炭素化の道筋、政策支援、技術進歩のペースにもよるが、2040年までに世界の電力に占める原子力の割合は8%から43%となり、市場収益は大きく変動する可能性があり、4000億ドルに達する可能性もあるが、これは最も楽観的なシナリオに限られる。実証済みの核分裂技術に加え、クリーンなエネルギー源としての核融合の有望性が投資を集めているが、この技術を現実のものとするには、技術的に大きな課題を克服する必要がある。

未来のエネルギーと持続可能な技術

需要

2021年以降、エネルギー・持続可能技術の雇用市場は大幅に拡大し、同分野の変革を直接支援する職種が大きく伸びている。再生可能エネルギーシステムを専門とするメンテナンス技術者、送電網の近代化に携わる電気技術者、脱炭素化プロジェクトを監督するプロジェクト・マネージャーは需要が高い。これらの職種は多くの業界で共通しているが、求人情報の急増は、エネルギーと持続可能性の文脈における専門性の高まりを反映している。2024年には、2023年に比べて全カテゴリーの求人需要が減少するものの、この減少は、電化やクリーンエネルギー導入に不可欠なスキルに対する需要の減少ではなく、より広範な経済的要因を反映している可能性がある。

2021-24年の求人情報（職種別）（単位：千人

スキルの有無

エネルギーと持続可能性の分野は、クリーンエネルギーと持続可能性の専門知識の不足に直面しており、需要に見合う候補者の供給が不十分である。AI技術がエネルギーシステムに統合されるにつれ、Pythonを含む自動化やその他の技術スキルの重要性が増している。継続的なエネルギー転換と脱炭素化への取り組みを支援するためには、的を絞ったトレーニングを通じてこうしたギャップに対処することが重要である。

人材要件、求人広告に求められるスキルの割合

グローバルな採用展開

採用スコア：3-パイロット。その組織は、実現可能性と有効性をテストするために、パイロットプロジェクトや限定的な導入を通じて、最初の数件のビジネスユースケースにテクノロジーを導入している。

しかし、エネルギー技術や持続可能な技術の採用率は、技術的成熟度、経済性、支援インフラの違いを反映して、かなりばらつきがある。太陽光発電（PV）や風力エネルギーなど、一部の技術は特定の地域で急速に拡大している。中国は現在、太陽光発電の生産能力で世界をリードしているが、インドは生産能力を拡大中で、2026年までに太陽光発電の第2位になると予想されている。グリーン水素や合成燃料など、その他の技術も開発の初期段階にある。一部のユースケースについては、確立された低排出技術が高排出代替技術と同じ性能を提供しないという事実が、採用を複雑にしている。加えて、確立された実績がないことや、その他の制約が普及を妨げている。技術的な課題だけでなく、サプライチェーンの準備、労働力の確保、建設の複雑さといった課題もある。これらの相互に関連する課題に総合的に取り組まなければ、さまざまなエネルギー技術の普及と可能性の最大化を達成することは困難なままである。

実例

電力需要の伸びとグリーン電力の革新に関わる実例には、以下のようなものがある：

英国の太陽電池技術企業オックスフォード・PVは、2024年にカルサイト・タンデム・ソーラー技術を商業化し、最初のパネルを米国の顧客に出荷するというマイルストーンを達成した。このパネルは、標準的なシリコンパネルよりも20.0%多いエネルギー生産量を提供し、モジュール効率は24.5%で、太陽電池技術の重要な進歩を示すものである。

2024年6月、ブランケンフェルト・マーローに欧州最大のヒートポンプ・アカデミーを開設し、数百万ユーロを投じて設置業者とヒートポンプ技術者を養成する。この構想は、ドイツのヒートポンプ部門で1,000人以上の追加雇用を創出し、ヒートポンプ設置のマーケットリーダーになるというエンパルの野望を支援することを目的としている。

マサチューセッツ州を拠点とする新興企業ボストン・メタル社は、溶融酸化物電解を利用した鉄鋼生産と貴金属抽出に革命をもたらそうとしている。そのプロセスは化石燃料の代わりに電気を使用し、鉄鋼生産に伴う世界の炭素排出量を最大101 TP3 T削減する可能性がある。2025年、同社は最大のリアクターの運転に成功し、1回の運転で1トン以上の鉄鋼を生産した。

KoBoldメタルズは、AIとデータ分析を使って、コバルト、ニッケル、銅、リチウムなどの主要な電池用金属を探索する。地質学的、地球物理学的、地球化学的なソースからの大規模なデータセットを統合することで、同社は潜在的な鉱床を特定する効率と精度を向上させることを目指している。KoBold社は、世界中の鉱山パートナーと協力し、電気自動車や再生可能エネルギー技術向けの材料調達を支援している。同社のアプローチは、サプライチェーンや持続可能性に対する長期的な影響はまだ発展途上ではあるものの、鉱物探査における課題のいくつかに対処している。

クールブルックのロトダイナミック・ヒーターのような電熱ソリューションが人気を集めている。このシステムは、電気を利用して非常に高いレベルの熱を発生させ、工業プロセスの脱炭素化を実現する。クールブルック社によると、このロトダイナミック・テクノロジーは、鉄鋼、セメント、石油化学などのエネルギー多消費産業において、化石燃料の代わりに使用することで、世界のCO2排出量を30%削減することができるという。

水素を推進する実際の例としては、以下のようなものがある：

- 現在、世界生産量の約60%を占める中国の電解槽製造能力の急速な拡大は、設備コストを引き下げ、同国を新興水素経済圏の主要サプライヤーにした。この急増により、世界的なグリーン水素製造はより手頃な価格となり、国際的なプロジェクト開発業者を引き付けているが、業界はプロジェクト資金調達、インフラ整備、再生可能エネルギー供給と水素需要の調整といった課題の克服に苦戦している。

以下は、バイオ燃料とe燃料に関する進展の実例である：

再生可能な電力から作られる合成燃料であるE燃料は、航空、海運、大型道路輸送の脱炭素化のための有望な技術として浮上している。2024年、シンヘリオン社はドイツのユーリッヒで、太陽熱を利用した世界初の工業規模の合成燃料製造プラントであるDAWNを稼働させた。シンヘリオン・プロセスは、CO2と水から直接合成ガスを製造する熱化学反応器において、集光太陽エネルギーを使用して最高1200℃の温度に到達する。これにより、生産コストが削減され、全体的な効率が向上します。

以下は、測定技術の進歩を示す実例である：

カーボン 先進的な衛星技術を利用する非営利のコンソーシアムであるMapperは、2024年にTanager-1衛星を打ち上げ、前例のない精度で世界の「超排出源」からのメタンとCO2を検出、位置特定、追跡している。このコンソーシアムは、迅速な緩和を推進し、世界の気候目標を支援するために、施設レベルの排出データを公開している。気候目標NASA JPLの最先端の画像分光計とPlanet Labsの機敏な衛星プラットフォームを組み合わせることで、Carbon Mapperのオープンデータは、政府、産業界、一般市民が漏れを特定し、排出削減を検証するのに役立ちます。

水素がどのように進歩しているかを示す実例がここにある：

- 現在、世界生産量の約60%を占める中国の電解槽製造能力の急速な拡大は、設備コストを引き下げ、同国を新興水素経済圏の主要サプライヤーにした。この急増により、世界的なグリーン水素製造はより手頃な価格となり、国際的なプロジェクト開発業者を引き付けているが、業界はプロジェクト資金調達、インフラ整備、再生可能エネルギー供給と水素需要の調整といった課題の克服に苦戦している。

原子力に関わる進歩の実例には、以下のようなものがある：

小型モジュール炉（SMR）は、核分裂プラントのコストを引き下げ、普及を加速させる有望な手段であり、米国と欧州の両方で取り組みが進められている。米国では、Oklo、X-energy、TerraPower、Kairos Powerなどの企業が、商業的に実行可能なSMRを開発し、国内の燃料サプライチェーンを確保しようと競い合っている。マイクロソフト、グーグル、アマゾンは、データセンターにおける電力需要の増大に対応するため、原子力発電所の運営会社や開発会社との合意を発表した。

- コモンウェルス・フュージョン・システムズ社と英国のトカマク・エナジー社は、強力な超伝導磁石を使ったトカマク型原子炉を建設中である、パルス・システムを開発している。フランスのITER、韓国のKSTAR、中国のEASTなどの政府支援プロジェクトは、プラズマ科学の限界に挑戦している。しかし、これらの取り組みはすべて実験的なものであり、技術的な課題が克服されるまでは、核融合による豊富でカーボンフリーの電力が約束されるかは不透明である。

潜在技術

エネルギーと持続可能な技術を進歩させる技術には、以下のようなものがある：

- 核分裂。この低炭素エネルギー源はベースロード電力を供給し、送電網の安定と排出削減に貢献する。

- 再生可能エネルギー。太陽光、風力、水力などのクリーンなエネルギー源は、電力部門の脱炭素化に不可欠である。

- 先進的な太陽光発電システム。これらは、効率を向上させ、コストを削減する次世代の太陽光発電技術である。

水素エネルギー再生可能なエネルギー源から生産される万能のエネルギーキャリアである水素エネルギーは、削減が困難なセクターの脱炭素化を可能にする。

持続可能な燃料。バイオ燃料や合成燃料など、従来の化石燃料に代わる低炭素燃料で、輸送や産業からの排出を削減するために使用される。

バッテリーエネルギー貯蔵装置は、断続的な再生可能エネルギー源を統合し、輸送の電化をサポートすることができる。

- エネルギー貯蔵。これらの技術は、後で使用するためにエネルギーを貯蔵し、再生可能エネルギー・システムにおける需要と供給のバランスをとる。

ヒートポンプ。これらの高効率冷暖房システムは、ある場所から別の場所へ熱を移動させ、建物のエネルギー消費を削減する。

スマートグリッド技術。先進的な電力システムは、エネルギー配給を最適化し、分散型エネルギー資源の統合を可能にし、供給と消費のパターンをバランスさせる需要側の柔軟性ソリューションを組み込んでいる。

- 測定・報告・検証（MRV）システム。これらのツールやプロセスは、気候変動緩和策の効果を確実にするために、排出量と除去量を正確に定量化し、追跡する。

エネルギー効率化技術。この一連の技術には、提供されるサービスのレベルを維持または向上させながら、エネルギー消費を削減する技術や慣行が含まれる。例えば、効率的な電化製品、断熱性の向上、ビル管理のためのインテリジェント・システム、最適化された工業プロセスなどがある。

炭素回収または直接空気回収（DAC）。これらの技術は、点源（発電所や産業施設など）から排出されるCO2や、大気から直接排出されるCO2を回収するように設計されている。回収されたCO2は、地下に永久保存されるか、さまざまな産業プロセスで利用される。

- 長期エネルギー貯蔵。これらの蓄電技術は、数時間、あるいは数日、数週間にわたってエネルギーを貯蔵することができ、再生可能エネルギー源の変動性に対応し、送電網の信頼性を確保する。例えば、先進的なバッテリー、揚水発電、圧縮空気貯蔵、水素貯蔵などがある。

熱エネルギー貯蔵。これらの技術は、後で使用するために熱や冷熱の形でエネルギーを貯蔵する。これには、太陽熱コレクターからの熱、産業廃熱、余剰電力を暖房や冷房用に貯蔵することも含まれる。

適応策。気候変動による実際の影響や予想される影響に適応するための対策である。適応策には、より耐性のあるインフラの構築から、干ばつに強い作物の開発、異常気象に対する早期警報システムの導入、沿岸の後退管理まで、さまざまな行動が含まれる。

主な不確定要素

エネルギーと持続可能な技術に影響を与える主な不確定要素には、以下のようなものがある：

送電網の回復力と柔軟性。安定性と信頼性を維持しながら、増え続ける再生可能エネルギーを処理する送電網の能力は、エネルギー移行における大きな不確定要素である。

- インフラ整備。エネルギー転換に必要なインフラ整備の規模は莫大で、潜在的な遅れや資金調達の課題もある。

サプライチェーンと資源の制約。クリーン・エネルギー技術のための主要材料の入手可能性と持続可能な調達は、展開のペースを制限する可能性がある。

市場力学。化石燃料の将来的な役割や再生可能エネルギーの競争力など、伝統的なエネルギー市場と新興エネルギー市場の相互作用は、依然として不透明な主要分野である。

技術革新とコスト削減のスピード。グリーン水素電解槽、先進電池、合成燃料などの技術が、コストと性能の面でどの程度の速度で改善されるか（例えば、化石燃料の代替品と同等のコストを達成するか）は、依然として不透明であり、そのため、その拡張性や難燃性分野での採用に影響を及ぼす。

システム的な市場と規制の進化。電力市場の設計と規制の枠組みが、柔軟性、回復力、低炭素投資に迅速に適応し、インセンティブを与えることができるかどうかは不透明であり、送電網の安定性と供給力にリスクをもたらす。

労働力と人材の確保。エネルギー転換技術に不可欠なクリーンエネルギー、持続可能性、デジタル技術における深刻な人材不足を補うための人材育成・訓練プログラムを拡大できるかどうかは不透明であり、プロジェクトの遅延や技術革新のボトルネックとなる可能性がある。

マクロ経済が投資に与える影響。インフレ、金利上昇、世界貿易の混乱は、大規模なクリーン・エネルギー・プロジェクトの資金調達コストと投資の流れに不透明感をもたらしている。

将来の大きな問題

エネルギーや持続可能な技術を追求する際、企業やリーダーが考慮すべきいくつかの問題がある：

- 特に鉄鋼やセメントのような排出削減が困難な産業において、有望な気候変動技術の研究室から市場への移行を加速させるためには何が必要か？

- 人工知能、センサー、高度分析などのデジタル革新は、分散型エネルギーシステムにおける再生可能エネルギーと気候変動技術の導入と統合をどのように加速できるのか？

- 世界的に電化が進む中、エネルギー・システムは、需要の増加、より分散化された所有権と蓄電のニーズ、次世代のグリッド・ガバナンスにどのように適応していくのだろうか？

- 地政学的な緊張が高まる中、各国や企業はどのようにして主要なクリーンエネルギー原料の弾力的で多様なサプライチェーンを確保できるのか。

- 手頃な価格と信頼性を維持しつつ、次世代エネルギー技術を拡大するために必要な協調と投資を可能にする規制の枠組みと市場メカニズムとは？