第18章「日本」で描いているのは、羽田物流のデジタルツインが全国へ広がったという話だけではありません。より重要なのは、企業が持つデータと、国や自治体が長年蓄積してきた公共データをつなぐことで、これまで誰も一つのシステムとして見ていなかった「社会そのもの」を扱えるようになるということです。
日本には、すでに膨大なデータがあります。道路、橋梁、トンネル、港湾、河川、地形、標高、地盤、地震、洪水、土砂災害、都市、人口など、行政や研究機関が長年にわたって調査し、整備してきた情報があります。一方、民間企業には、今日この瞬間の経済活動を表すデータがあります。どこに荷物があり、どこに車両があり、どの倉庫がどれだけ動いているのか。どこで需要が増え、どこに在庫があり、どの企業がどれだけ輸送能力を持っているのか。公共側と民間側では、持っている情報の性質が違います。
第18章では、それを、
国が持つ「国土の記憶」
民間が持つ「経済活動の現在」
として描いています。
どちらか一方だけでは、社会全体を十分に理解することはできません。
例えば、大きな物流センターが高い耐震性能を持っていたとしても、それだけで災害に強いとは言えません。周辺道路が液状化するかもしれません。橋梁が通れなくなるかもしれません。燃料が届かないかもしれません。ドライバーが到達できないかもしれません。
建物が無事でも、物流は止まります。
ここで重要なのが、
建物のBCPから、ネットワークのBCPへ
という視点の転換です。
企業のBCPでは、自社施設、自社システム、自社社員といった「自社の中」を中心に考えがちです。しかし、実際の事業はネットワークの上に成立しています。道路、電力、通信、港湾、取引先、物流会社、金融、行政。自社だけが無事でも、周囲が止まれば事業は続きません。
デジタルツインの価値は、こうした相互依存を可視化できることにあります。
どの施設が壊れるかだけではなく、
どこが孤立するのか。
どの物流ルートが切れるのか。
どこで供給能力が不足するのか。
一つの障害が、別の場所へどのように波及するのか。
それをネットワークとして見ることができます。
これは物流に限りません。
製造業であれば、工場単体ではなくサプライチェーン全体。
小売であれば、店舗単体ではなく在庫・物流・需要のネットワーク。
自治体であれば、施設単体ではなく道路、病院、避難所、物資供給を含む地域全体。
AI時代のリスクマネジメントは、個別資産の安全性から、システム全体のレジリエンスへ広がっていく必要があります。
一方、第18章では、公共データが存在するだけでは十分ではないことも描いています。
データはある。
しかし、つながっていない。
地盤は地盤。
道路は道路。
災害は災害。
物流は物流。
それぞれ別の目的で整備され、別の組織が管理しています。
この構造は、第12章以前に羽田物流が抱えていた問題と非常によく似ています。
営業にデータがある。
会計にもある。
契約にもある。
倉庫にもある。
しかし、それらを人間が集め、Excelへ貼り、会議資料にしていました。
だから羽田物流は、
人を配線にしない。
という原則を作りました。
第18章では、その原則が会社の外へ広がっています。
社会全体でも、人がデータとデータの間をつないでいる場面は少なくありません。
災害が起きてから、関係機関へ問い合わせる。
情報を集める。
Excelへまとめる。
会議を開く。
判断する。
もちろん、人間による調整は必要です。しかし、データを集めること自体に大量の時間を使う必要はありません。
事実がそれぞれのSystem of Recordにあり、必要なときにAPIなどを通じて接続され、AIが横断的に分析できるなら、人間は「情報を集める作業」ではなく、「どの選択肢を取るか」という判断に集中できます。
つまり、
人を配線にしないという思想は、企業システムだけでなく社会システムにも適用できる
ということです。
ここで重要になるのが、官民連携です。
行政がすべてのデータを持つ必要はありません。
逆に、一企業が日本全体のデータを独占する必要もありません。
行政には公共インフラや災害に関するデータがあります。
物流会社には輸送能力があります。
荷主には在庫や需要があります。
鉄道会社、港湾、道路管理者、自治体にも、それぞれ必要な情報があります。
重要なのは、一か所へ全部集めることではなく、
必要なデータを、必要な目的のために、必要な範囲だけつなぐこと
です。
これは中央集権的な巨大データベースとは少し違う考え方です。
各組織が自分たちのSystem of Recordを持ったまま、必要に応じて連携する。
第12章で企業内SaaSをAPIでつないだ考え方を、社会インフラへ拡張したものとも言えます。
ただし、企業の外へ出ると、データ権利の問題は一段と難しくなります。
物流会社の輸送量。
荷主の在庫。
顧客情報。
取引先。
価格。
車両数。
倉庫能力。
これらは競争力そのものです。
「社会のためだから全部共有してください」では、持続的な仕組みにはなりません。
一方で、すべてを秘密にすれば、災害時に社会全体として最適な判断ができません。
そこで必要になるのが、
競争領域と協調領域の設計
です。
平時には公開しない。
災害時だけ使う。
生データを共有するのではなく、「何トン運べる」「何時間以内に出動できる」といった能力情報へ変換する。
用途を限定する。
アクセス権限を設定する。
利用履歴を残す。
ここでも、第16章の、
境界を、決めつけない。
というPrincipleが効いてきます。
企業と行政。
競争と協調。
公開と非公開。
それらを古い常識だけで固定しない。
しかし、何でも共有するのでもない。
境界そのものを設計する。
これが重要です。
そして、第18章で特に重要なのが、AIの「確信度」を表示している点です。
デジタルツインを作ると、画面上では日本全国が一つの統一されたモデルに見えます。
しかし、現実にはデータの密度も品質も地域ごとに異なります。
十分な観測データがある場所。
古いデータしかない場所。
粗いデータしかない場所。
AIが周囲から推定している場所。
これらを同じように表示すると、人間はすべてが同じ精度で分かっていると錯覚します。
そこで必要になるのが、
観測された事実。
AIが推定したもの。
人間が保証しなければならないもの。
という第16章から続く原則です。
AI時代には、「分かること」を増やすだけでは不十分です。
どこまで分かっていて、どこから分からないのかを可視化すること
が重要になります。
高度なAIほど、推定結果を非常に自然に表現できます。
だからこそ、推定値と観測値を混ぜてはいけません。
これは地盤、防災、医療、金融、製造、社会インフラなど、高い安全性が求められる領域ほど重要です。
「AIがこう言っています」ではなく、
その判断は実測値なのか。
統計的推定なのか。
類似事例からの類推なのか。
どの程度の確信度なのか。
人間の専門家による確認が必要なのか。
そこまで含めて出力する必要があります。
つまり、AIの信頼性とは、いつも正解することだけではありません。
分からないときに、分からないと表現できることも信頼性の一部
なのです。
そして、第18章の核心が、南海トラフ巨大地震を想定したシミュレーションにあります。
AIは複数の案を出します。
最速案。
最低コスト案。
人命優先案。
燃料制約案。
地域公平性重視案。
どれも数学的には合理的です。
しかし、「どれが正解か」という問いにはAIだけでは答えられません。
なぜなら、目的が違うからです。
コストを最小化するのか。
一人でも多くの命を救うのか。
地方も含めて公平に供給するのか。
限られた燃料を長く持たせるのか。
これらは価値判断です。
AIは、
Howを最適化することには極めて強くなる。
しかし、
WhyやWhatを誰が決めるのかという問題は残る。
第13章で描いた、
作業を渡す。責任は渡さない。
という原則が、ここでは社会レベルへ拡張されています。
AIは最適化する。
人間は目的を決める。
そして、結果に責任を持つ。
だからこそ、第18章のPrincipleは、
未来を当てるな。選択肢を増やせ。
になります。
従来、予測システムには「未来を当てる」ことが期待されがちでした。
地震を予測する。
需要を予測する。
交通量を予測する。
しかし、未来は完全には予測できません。
特に複雑な社会システムでは、小さな条件の違いによって結果が大きく変わります。
そこでデジタルツインの価値は、未来を一つに決めることではなく、
複数の未来を事前に試せること
にあります。
もしこの道路が止まったら。
もし港が使えなかったら。
もしこの物流センターが孤立したら。
もし需要が二倍になったら。
そのときどうするのか。
選択肢を作る。
比較する。
準備する。
未来が来たときに、ゼロから考え始めない。
これは企業経営でも同じです。
生成AIがどこまで進化するかを正確に当てる必要はありません。
金利がどうなるか。
需要がどうなるか。
競合がどう動くか。
すべてを一つの予測へ絞るのではなく、複数のシナリオを作り、それぞれに対応できる選択肢を持つ。
つまり、
予測精度を上げる経営から、適応能力を上げる経営へ
移るということです。
第18章で羽田物流が作っているものは、単なる日本地図ではありません。
国が何十年も蓄積してきた過去。
民間企業が生み出し続ける現在。
AIが推定する見えない部分。
デジタルツインで試す複数の未来。
それらを一つの意思決定システムとしてつないでいます。
過去 → 現在 → 推定 → シミュレーション → 判断
という流れです。
そして、この仕組みの価値は、AIが「日本の未来を当ててくれる」ことではありません。
災害が起きたとき。
社会環境が変化したとき。
これまでとは異なる需要が生まれたとき。
人間が取れる選択肢を増やしておくことにあります。
第18章「日本」で描いているのは、デジタルツインという技術の未来だけではありません。
企業、行政、社会インフラがデータでつながったとき、経営や政策のあり方そのものが、
「未来を予測して計画する」から、「複数の未来を試し、変化へ適応する」へ変わっていく。
その可能性なのです。