manufacturing / pillar guide

製造業のAIデータ主権 完全ガイド——オンプレ・閉域網・国内クラウドをどう使い分けるか

A-SEI-P02｜初版 2026-10-11｜改訂 2026-10-11

研究の問い: 図面・加工データ・顧客の機密情報をAIに読ませたい工場は、どこまでを工場の外に出し、どこからを外に出さずに済ませられるか。

読了 約14分｜参照した一次情報 12件（政府資料・ベンダー公式発表・業界団体資料）

結論から書きます。「データを外に出さずにAIを使う」ための選択肢は、実務上3つに整理できます。①工場内・自社設備だけで動かすローカルLLM ②専用線や閉域ネットワークでクラウドのAIにつなぐ方法 ③ISMAPに登録された国内リージョンのクラウドを使う方法です。どれが正解というものではなく、守りたいデータの種類と、使いたいAIの性能のバランスで選ぶものです。政府がこの3つを公式に「段階」として名付けている文書は見当たらず[1]、本稿で使う「①→②→③と組み合わせて考える」という整理は編集部による整理【推定】であることを先に明記します。本稿は3つの選択肢それぞれについて、実在する製品・サービスの公式発表だけを根拠に、できることとできないことを整理します。

なぜ今「データの置き場所」が論点になるのか

生成AIを製造現場で使いたいという声が増える一方、守らなければならない情報も明確に定義されています。経済産業省は2019年に「サイバー・フィジカル・セキュリティ対策フレームワーク（CPSF）」を策定し、サプライチェーン全体でのデータの信頼性確保を三層構造で整理しました[2]。2022年には製造現場そのものを対象に「工場システムにおけるサイバー・フィジカル・セキュリティ対策ガイドライン」を公表し、情報整理→対策企画→実施の3ステップで、工場がどの情報をどう守るかを考える手順を示しています[3]。技術ノウハウ・図面・加工データは経産省が技術情報の代表例として挙げている対象です[4]。「AIに読ませたいが、外には出したくない」という工場の悩みは、この文脈の上にあります。

守るべきデータの性質を先に分ける

3つの選択肢のどれを選ぶ前に、やることは1つです。「このデータは外に出して良いか」を1件ずつ分けること。経済産業省の「秘密情報の保護ハンドブック」（令和6年2月改訂）は、法的保護の水準を超えた対策を取るべき情報の例として、公開前の設計図面のような「有用性」と「非公知性」を持つ情報を挙げています[5]。防衛関連の取引がある工場では、防衛省が整備した「防衛産業サイバーセキュリティ基準」が2023年4月から施行され、下請け企業も対象に、保護すべき情報（CUI）の管理体制を文書化する義務が生じています[6]。自社がどちらに当たるかで、AIの使い方の制約は大きく変わります。

選択肢1 工場内で動かすローカルLLM——データが物理的に外へ出ない

最も堅い守り方は、AIのモデルそのものを自社の設備内に置いて動かすことです。2026年時点で、日本語に対応し国内企業が開発したモデルのうち、オンプレミス環境での動作を公式に案内しているものがいくつかあります。

• NTT「tsuzumi」: 2023年11月の初代発表時点で、6億パラメータの超軽量版（CPUでも推論可能）と70億パラメータの軽量版（GPU1基で推論可能）を用意[7]。
• NEC「cotomi」: 専用アプライアンスサーバー「cotomi Appliance Server」に軽量版「cotomi Light」を搭載し、秘匿性の高い情報を扱う環境向けの製品として公式に案内[8]。
• 富士通「Takane」: Cohereと共同開発した企業向け日本語強化LLMで、プライベートクラウド・オンプレミスなどセキュアな環境へ導入できる点を特徴として明記。2025年4月からはNutanix Enterprise AI上の認定LLMとしても利用可能になりました[9]。
• Preferred Elements「PLaMo Lite」: 2024年8月提供開始の10億パラメータの小規模モデルで、クラウドを介さずエッジデバイス・オンプレミス環境で動作する設計[10]。

向いているのは、図面や顧客情報など「絶対に外に出せない」データを扱う場面です。限界は、パラメータ数を絞った軽量モデルが中心のため、最新の大規模クラウドAIと比べると得意分野が狭いことと、サーバー機材の初期投資が必要なことです。製品ごとの違いは国産ローカルLLM一覧（A-SEI-12）で詳しく比較しています。

選択肢2 専用線・閉域網でクラウドAIにつなぐ——性能は使うが経路は守る

クラウドの大規模AIを使いたいが、インターネットを経由させたくない場合の選択肢です。通信事業者各社が、インターネットを経由しない専用の接続サービスを提供しています。

• NTTコミュニケーションズ「Flexible InterConnect」: 自社のデータセンターやオフィスと、AWS・Azure・Google Cloud・Oracle Cloudなど複数のクラウドを閉域網でセキュアに接続するサービス[11]。
• IIJ: 2014年に国内初のMicrosoft Azure閉域接続サービス「ExpressRoute」の提供を発表、2021年にはOracle Cloud Infrastructure向けの閉域網接続サービスも追加[12]。
• NTTドコモビジネス×エクサウィザーズ「クローズドAIエージェント」: 2026年8月、企業の機微データを専用環境で扱えるAIエージェント基盤をプライベートクラウド版・オンプレミス版の両方で提供開始。オンプレミス版はハードウェアからAIエージェント運用まで国内自社内で完結する設計で、NTTのtsuzumiなどを利用できます[13]。

向いているのは、クラウドAIの性能を使いたいが「インターネットの出入り口」自体をなくしたい場合です。限界は、専用線や閉域網サービスの契約・工事が必要で、選択肢1より導入リードタイムが長くなりやすいことです。サービスの違いは閉域網でAIを使う（A-SEI-13）にまとめています。

選択肢3 ISMAP登録の国内リージョンクラウドを使う——お墨付きのある公開クラウド

政府機関が利用するクラウドサービスを評価・登録する制度が「ISMAP」（政府情報システムのためのセキュリティ評価制度）です。デジタル庁のガバメントクラウドは、ISMAPクラウドサービスリストに登録されたサービスから調達する方針で、2023年9月時点の対象はAWS・Google Cloud・Microsoft Azure・Oracle Cloud Infrastructure・さくらのクラウド（条件付き）の5社です[14]。Google Cloudは2024年7月31日、Vertex AI（生成AIサービス）のISMAP本登録完了を発表しました[15]。さくらインターネットも2021年12月、「さくらのクラウド」のISMAP登録を発表しています[16]。AWSはアジアパシフィック（大阪）リージョンを2021年3月に通常リージョンとして全面提供開始しており、東京リージョンとの平均レイテンシーは5〜8ミリ秒とされています[17]。

向いているのは、政府レベルの評価を受けたクラウド事業者という「お墨付き」を根拠にしたい場合や、複数拠点・多人数での利用規模が大きい場合です。限界は、ISMAP登録はクラウド事業者・サービス単位の評価であり、個別のデータの扱い方（どの情報を入力してよいか）は利用者側の社内ルール次第である点です。詳細は国内リージョンクラウドとISMAP（A-SEI-14）で扱います。

比較: 3つの選択肢の向き不向き

3つは互いに排他的ではありません。最も機密性の高い図面は①で処理し、議事録作成のような機密性の低い業務は③で済ませる、というデータの種類ごとの出し分けが現実的な設計です（この組み合わせの考え方自体は編集部の整理【推定】です）。

製造業での実例

経済産業省とNEDOが実施した「GENIAC-PRIZE」（2025年公募・2026年3月24日表彰式）では、川崎重工業がNTTデータと共同開発した「熟練者の暗黙知を次世代へ継承するシステム」が「ユーザー変革賞」を受賞しました[18]。パナソニックHDはストックマークと共同開発した企業特化LLM「Panasonic-LLM-100b」を社内の工場・事業所にトライアル導入しています[19]。いずれも、データの置き場所（オンプレ・閉域・国内クラウドのいずれか）まで一次情報で明示されている事例ではなく、企業特化型・自社データ活用型のAIが実際に製造現場で使われ始めている動きとして紹介します。事例の詳細はGENIAC-PRIZE製造業AI活用事例（A-SEI-17）にまとめました。

自社で検討する順番

おすすめの順番は3段です。①「秘密情報の保護ハンドブック」[5]やCPSF工場ガイドライン[3]の考え方を使って、自社のデータを「絶対に外に出せない」「条件付きで出せる」「出しても問題ない」の3段に仕分ける。②仕分けた結果に応じて、①②③のどれを使うか、または組み合わせるかを決める。③小さく試す。工場内のPCやサーバーでローカルLLMを動かす選択肢1は初期投資が相対的に軽く、最初の検証に向いています[8]。

よくある質問

Q1. 結局どれを選べばいいですか。

データの機密度で決まります。図面・顧客の機密情報など最も守りたいデータは①ローカルLLM、クラウドAIの性能を使いたいが経路を閉じたい場合は②閉域網、規模が大きく政府評価済みの事業者を根拠にしたい場合は③国内クラウドが向きます。1つに絞らず、データの種類で出し分ける工場も現実にあります。

Q2. この「3段階」は政府が決めた公式な分類ですか。

いいえ。政府がこの3分類そのものを公式に名付けている文書は確認できませんでした[1]。本稿の整理は、実在する製品・サービスの性質を編集部が分類したものです【推定】。

Q3. 下請け企業でも関係ありますか。

防衛関連の取引がある場合は特に関係します。防衛省の「防衛産業サイバーセキュリティ基準」は下請け企業も対象に含み、保護すべき情報の管理体制の文書化を求めています[6]。防衛関連でなくても、取引先からの機密保持契約の要求は多くの工場で現実の制約になり得ます。

各論への入口

本稿の各選択肢を深掘りした記事です。

• 国産ローカルLLM一覧——工場内で動かせる日本語AI（A-SEI-12）NTT tsuzumi・NEC cotomi・富士通Takane・PLaMo Liteの公式発表を比較。
• 閉域網でAIを使う——専用線接続サービス一覧（A-SEI-13）NTT Com・IIJ・NTTドコモビジネスの閉域接続サービスを整理。
• 国内リージョンクラウドとISMAP（A-SEI-14）ガバメントクラウド対象5社・Vertex AIのISMAP登録・大阪リージョンを整理。
• 工場のサイバー・フィジカル・セキュリティ対策（A-SEI-15）CPSFと工場システムガイドラインの3ステップを整理。
• 技術情報・営業秘密の保護とサプライチェーン基準（A-SEI-16）秘密情報の保護ハンドブックと防衛産業サイバーセキュリティ基準を整理。
• GENIAC-PRIZE 製造業AI活用事例（A-SEI-17）川崎重工業・パナソニックHDなどの受賞・導入事例を整理。

関連セクション

• 金属加工AIガイド——町工場の技能伝承とAI導入の実践情報バリ取り・溶接・研磨の勘所の棚卸し、AI外観検査の実力と限界、見積りの暗黙知の言語化。
• 設備保全AIガイド——異音・振動の変化を見逃さない現場のAI活用設備故障診断AIエージェントの実力と、現場データの扱い方。