2027年、日本と世界はどう変わるのか？ 日経BP「10大徹底予測」から読み解く。

AIが資料を作り、問い合わせに答え、複数のシステムを操作して仕事を終える。そんな時代に、わたしたちは何を自分の仕事として引き受けるのだろうか。

日本経済新聞に、日経BPが発表した「10大徹底予測！2027」の記事が掲載された。紙面には、AIと人間の「知能逆転」を筆頭に、債務、電力、サイバー防御、量子計算、宇宙データ、脳と機器の接続、体年齢、自然環境、消費の変化まで、十の論点が並ぶ。

一見すると、それぞれ別の話に見える。だが、AIへの期待が膨らめば、データセンターへの投資が増え、資金と電力が必要になる。企業の業務がデジタル化するほど、サイバー攻撃で事業が止まる影響も大きくなる。技術の進歩は、企業が向き合う課題の場所を変えていく。

以下では、紙面に掲載された十の公式テーマを掲載順に取り上げ、2027年の日本企業と暮らしにどう関わるかを、わたしなりに考えたい。

第1の予測｜「知能逆転」が、人間の仕事を問い直す

AIが文章や資料を作る段階から、一連の業務を担う段階へ進みつつある。

例えば、顧客から問い合わせを受け、契約内容を確認し、回答を作り、対応履歴を記録する。人間がその都度指示を出していた仕事を、AIエージェントが目標と権限を与えられて進める。経営企画なら市場分析や競合比較、人事なら社内問い合わせ、営業なら提案書の下準備が考えられる。

ここで問われるのは、仕事のどの部分を任せるかだ。顧客に不利益が及ぶ例外処理を誰が判断するのか。AIが誤ったとき、誰が訂正し、相手に説明するのか。業務を任せる範囲が広がるほど、人間の判断が必要な場面をあらかじめ定める意味は大きくなる。

「知能逆転」という言葉からは、人間とAIが知能を競う姿を想像しやすい。職場で先に起こりそうなのは、仕事の分担をめぐる変化だ。答えを出す作業が速くなる分、何を問うか、どの答えを採用するか、その結果を誰が引き受けるかが、仕事の中心に近づいていく。

第2の予測｜借金で成長を先取りする経済が転機を迎える

長く続いた低金利のもと、政府や企業は資金を借り、将来の成長を見込んで支出や投資を拡大してきた。日経BPが指摘する「レバレッジ経済」の転機とは、その資金調達と成長の関係が変わる局面だ。

AI向けのデータセンターは、その変化を映す。設備の建設や機器の調達には先に資金が要る。利用が増えれば収益を得られるが、稼働が遅れたり、需要が想定を下回ったりすれば、支払いが先行する。長期のリース契約なども含め、将来にどれだけの支払いを約束しているかを見る必要がある。

株式市場でも、投資額の大きさを成長の証しとして評価する局面から、投資がいつ、どれだけの利益や現金を生むかを見極める局面へ移る可能性がある。日本の半導体製造装置や電力設備の企業にとっても、顧客の設備投資が実際の発注に結び付くかが重要になる。

第3の予測｜AIの成長速度を、電力が左右する

高性能な半導体を確保できても、それを動かす電力が届かなければ、データセンターは稼働できない。

発電所、送電網、変電設備、冷却施設。AIの競争力を考えるうえで、こうした設備の存在感が増していく。立地を決める際には、必要な電力をいつから、いくらで、どれほど安定して使えるかが効いてくる。地域の電力需要や住民との調整も、計画を左右する。

日本でも、データセンターを建てたい場所と、電力や通信回線を確保しやすい場所が一致するとは限らない。電力会社、通信事業者、自治体が早い段階で計画をすり合わせられるか。AIへの投資を実際の稼働につなげるには、半導体の調達と並行して、足元のインフラを整える必要がある。

第4の予測｜サイバー防御が、企業存続の焦点になる

生成AIによって、標的に合わせた自然な文面の偽メールや、なりすましの素材を作りやすくなる。防御側もAIを使い、不審な通信や操作の兆候を見つけようとする。

企業経営への打撃は、情報漏えいにとどまらない。工場が止まり、物流の指示が出せず、取引先と連絡がつかなくなる。AIが社内システムを操作するようになれば、そのAIに与えた権限の範囲も被害の大きさを左右する。

経営者が確認すべきことは具体的だ。どの機能が止まると顧客への供給が途絶えるのか。現場は手作業でどこまで持ちこたえられるのか。復旧の優先順位は誰が決めるのか。攻撃を想定した訓練を通じて、事業を続ける手順まで詰めておく必要がある。

第5の予測｜量子計算は、用途を絞って実用性を競う

量子コンピューターは、量子の性質を使い、特定の計算問題を解こうとする技術だ。素材や医薬品の研究で応用が期待される一方、計算中に生じる誤りを抑える技術や、実用規模への拡張には課題がある。

「量子優位性」を見るときは、何の問題を、どの従来手法と比べたのかが重要になる。特定の実験で良い結果が出ても、企業が抱える別の課題で、精度やコストまで含めて有利になるかは個別に検証が要る。

2027年に注目したいのは、どの用途で実用性を示せるかだ。例えば素材開発で、候補の絞り込みにかかる時間や試作回数を減らせるか。研究成果が事業に届く道筋は、こうした具体的な問いから見えてくる。

第6の予測｜宇宙から見た地球が、現場の判断を変える

衛星から得られる観測データを、地上のセンサーや地図、気象データと組み合わせる。地表の変化を広い範囲で継続的に捉えられれば、農地や森林の管理、災害時の被害把握に役立つ。

例えば豪雨のあと、浸水した地域や寸断された道路の候補を絞れれば、自治体は現地確認の順番を決めやすい。保険会社も、被害調査の人員をどこに先に振り向けるか判断できる。観測データをもとに現実の状態をデジタル空間で再現する「デジタルツイン」は、こうした活用の一つだ。

商機を左右するのは、画像の精細さや観測範囲に加え、現場が判断したいときに情報を届けられるかどうかだ。農家、自治体、保険会社では、必要な情報の細かさも更新頻度も異なる。その違いに応じて、観測データを使える形に加工する事業が育つ余地がある。

第7の予測｜ブレーンテックが、意思を伝える手段を広げる

脳の信号から、カーソルを動かしたり、文字を入力したりする意図を推定し、機器の操作につなげる。紙面が「考えるだけ」で機器操作と表現したのは、こうしたブレーンテックの可能性だ。

切実な用途の一つは、病気やけがで発話や手足の動きが制限された人の意思伝達を支えることだ。本人が伝えたいことを家族や介助者に届けられれば、日常生活に与える意味は大きい。

実用化には、操作の精度に加え、装着や訓練の負担、機器の安全性、本人の同意、脳信号データの管理も関わる。2027年に注目したいのは、実験で操作できたかという成果が、日々使い続けられる支援につながるかどうかだ。

第8の予測｜「体年齢」が、長く健康に暮らすための市場を広げる

同じ年齢でも、筋力や持久力、睡眠の状態には個人差がある。身体機能や検査データなどをもとにした「体年齢」は、自分の状態を知り、運動や生活習慣を振り返るきっかけになり得る。健康で過ごせる期間を延ばすことに関心が集まれば、計測と日々の支援を組み合わせたサービスにも広がりが出る。

一方、体年齢の意味は、何を測り、どう計算したかによって変わる。測定値が変化したとき、それが身体の変化をどこまで反映しているかも確かめる必要がある。

利用者にとっての価値は、若い数字が出たという満足感に加え、測定を通じて何を変え、その効果をどう確かめられるかにある。計測の根拠と、計測後の支援の両方が、サービスへの信頼を左右するだろう。

第9の予測｜自然を守る取り組みが、企業価値に関わる

水不足や土壌の劣化は、工場の稼働や原材料の調達にも影響する。自然環境への対応が経営課題になるのは、企業活動そのものが水や土壌、生態系に支えられているからだ。

紙面が挙げる「ネイチャーポジティブ」には、生物多様性の損失を止め、回復に向かわせるという考え方がある。衛星やセンサーを使って水資源や土地の状態を把握し、調達先や生産拠点のリスクを見直す取り組みに、計測・分析技術を持つ企業の出番がある。

企業価値につなげるには、活動の件数とともに、その結果を見ることが要る。例えば水使用量が減ったのか、原材料の供給が安定したのか、生息環境が回復したのか。測り方と成果が示されて初めて、顧客や取引先も取り組みを評価できる。

第10の予測｜「ギルタリー」消費に、日常から少し外れる楽しさがある

節約を意識する人が、ときには奮発して一皿を注文する。健康を気遣う人が、旅先では濃厚なデザートを楽しむ。紙面に登場する「ギルタリー」は、こうした小さな背徳感を含む消費への着目だ。

日々の買い物では価格や健康を重視していても、誕生日や旅先では別の基準でお金を使う。消費者の行動を「節約志向」や「健康志向」だけで捉えると、この使い分けは見えにくい。

企業にとっては、商品そのものに加え、どんな場面で選ばれるかが重要になる。普段は控えている人が、今日は食べたいと思うのはなぜか。量や価格、店で過ごす時間まで含めて考えると、買う理由は商品のスペック表の外にもある。

問題の本質｜なぜ、AIを入れても会社の成果が変わらないのか

十の予測のうち、日本企業が自ら動かせる課題として、AIを経営成果に結び付ける仕事の設計に注目したい。

例えば、営業部門がAIで提案書の作成時間を半分にしたとする。ところが、見積もりには従来どおり複数部門の承認が必要で、顧客への回答日は変わらない。営業部門では時間が浮いた一方、顧客が感じる改善は小さい。この例を起点に、なぜを五回重ねてみる。

① なぜ、顧客への回答が速くならないのか。
提案書の作成が速くなっても、その後の見積もりと承認に同じ時間がかかるからだ。

② なぜ、見積もりと承認まで見直せないのか。
AI導入の範囲を、営業部門が管理する作業に限っているからだ。

③ なぜ、部門をまたぐ業務を対象にしにくいのか。
業務を変える権限と予算が分かれ、顧客への回答までの全工程に責任を持つ人が曖昧だからだ。

④ なぜ、全工程の責任者が曖昧なのか。
各部門が自部門の成果で評価され、顧客への回答時間を共通の指標にしていないからだ。

⑤ なぜ、共通の指標を持てていないのか。
経営陣が、AIを使って顧客へのどの約束を変えるかを決めていないからだ。

これは一つの仮説であり、実際の真因は会社や業務によって異なる。検証するなら、まず工程ごとの作業時間と待ち時間を測る。次に、例えば「見積もり回答を平均3営業日から1営業日に短縮する」という目標を置き、部門をまたいで業務を変えられる責任者を決める。承認の条件、AIに許す操作、人間が確認する例外を整理し、回答時間と見積もりの誤りを追う。

削減した作業時間を、顧客への対応や品質改善にどう振り向けるか。そこまで決めて初めて、AIによる効率化を会社の成果として確かめられる。

未来シナリオ｜2027年の日本企業をどう見るか

以下は、日経BPの予測とは別に、わたしが置いた三つのシナリオだ。数字は統計モデルによる推計ではなく、現時点での主観的な重みである。

シナリオA｜AIの実装が広がり、成長を支える（30％）

製造業やサービス業で業務全体の見直しが進み、人手不足の中でも処理能力や品質が改善する。投資が次の投資を支える循環が生まれる。

シナリオB｜導入は進み、成果に企業間格差が出る（50％）

AIを使う企業は増えるが、データを整備し、部門間の役割や承認手順まで見直した企業に成果が集中する。市場でも業績の差が意識される。

シナリオC｜資金・電力の制約で投資が鈍る（20％）

調達コストの上昇や電力確保の遅れ、需要見通しの下振れによって、大型投資の一部が延期される。成長期待を大きく織り込んだ企業ほど調整の影響を受ける。

わたしは、Bを中心に見ている。AIの利用を始めるのにかかる時間と、複数の部門が権限や責任を見直すのにかかる時間には差がある。2027年には、同じような技術を使っていても、顧客への回答が速くなった会社と、資料が早くできるようになった段階の会社が並ぶだろう。

結び｜AIに任せた先で、人間は何を引き受けるか

日本の製造業には、異常に気づいた人が工程を止め、原因を調べ、再発を防ぐために手順を変えるという現場の蓄積がある。AIが異常の兆候を早く拾えるようになれば、その蓄積はさらに生きる。何を異常とみなし、いつ止め、再開を誰が判断するか。現場で培ってきた知恵は、AIと人間の仕事を分けるときにも役立つ。

“Where there is no vision, the people perish.”
「幻がなければ、民は滅びる」
――『箴言』29章18節

2027年、経営者が現場に伝えるべきことは、AIを使えという号令より具体的だ。顧客の待ち時間をどこまで縮めるのか。守るべき品質は何か。判断に迷ったら、誰が引き受けるのか。

人間の真価が問われるのは、その答えを出し、仕事のやり方まで変える場面だと思う。