バーティカルAIか汎用AIか｜業界特化を選ぶ判断軸

「業界特化のAIのほうが、うちの業務には合うはずだ」「いや、汎用のAIで十分で、特化型は割高なだけでは」。AIの導入を任された担当者の間では、この2つの声がよくぶつかります。数字を見ると、議論が起きるのも無理はありません。米国のメンロー・ベンチャーズが2025年12月に公表した企業調査では、業界特化のAIへの企業の支出が、1年で約3倍の35億ドルに増えたとされています。国の人工知能基本計画（2026年7月14日 閣議決定）も、領域特化型のバーティカルAIを戦略の重点に置いたばかりです。ただ、特化型か汎用か、という問いは製品の優劣の話ではありません。本当は、業務ごとに、どこに業界の前提が必要かを見極める話です。この記事では、その見極めに使う判断軸を整理します。

バーティカルAIとは：業界の前提を組み込んだAI

バーティカルAIは、特定の業界や業務に合わせて作られたAIの製品を指す呼び名です。縦に深く掘る、という意味で「バーティカル」と呼ばれます。医療の記録、法務の契約書の確認、金融の審査のように、業界に固有の帳票・言葉・規制を最初から前提にしているのが特徴です。

国の人工知能基本計画では、バーティカルAIを「産業や行政の現場で使える領域特化型」のAIと位置づけ、暗黙知を含めた各現場の経験や知識をデータとして集積するもの、と説明しています。つまり、どの会社でも同じように使える知識ではなく、その業界の現場にしかない知識を扱うAI、という捉え方です。

製品として見ると、バーティカルAIは画面や操作の流れも業界の仕事に合わせて作られていることが多くあります。たとえば、決まった帳票に沿って入力を補う、業界の用語で検索できる、規制で求められる記録を残す、といった形です。使う人が、AIに前提を説明しなくても、仕事の流れの中で使えるように設計されています。

ただし、バーティカルAIの中で動いているモデルそのものが、業界専用に一から作られているとは限りません。汎用のモデルの上に、業界の知識や画面、手順を重ねて作った製品も多くあります。特化しているのはモデルではなく、製品としての作り込みであることが多いと押さえておくと、比べるときに見るべき所が分かります。

汎用AIとは：幅広い仕事を1つでこなすAI

汎用AIは、文章の下書き、要約、翻訳、調べものの整理など、業界を問わない仕事を幅広くこなすAIです。業界を横に広く覆う、という意味で「ホリゾンタル」と呼ばれることもあります。1つの道具で多くの部署が使えるのが一番の強みです。

汎用AIを業務に使うときは、業界の前提を使う側が渡します。社内の規程、過去の資料、業界の用語集などを読ませたり、指示の中で条件を書いたりする形です。自社の資料を検索して答えさせる仕組みや、追加で学習させる方法もあります。どちらを選ぶかは別の記事で扱っているので、ここでは「前提を自分たちで持たせる」という点だけ押さえます。

汎用AIの利点は、モデルの進歩をそのまま受け取れることです。提供元が新しいモデルを出せば、多くの場合、同じ画面のまま性能が上がります。特化型の製品は、中のモデルの入れ替えが製品の提供元の判断に任されるため、進歩が届くまでに時間がかかることがあります。

一方で、汎用AIは業界の決まりを知っている前提では動きません。帳票の形を毎回説明する、用語の意味を指示に書く、規制に合っているかを人が確かめる、といった手間は使う側に残ります。汎用AIの安さは、前提を渡す手間とセットになっていると見ておくのが正確です。

数字で見る：企業のお金はどちらに流れているか

メンロー・ベンチャーズの「2025年 企業の生成AIの現状」は、米国の企業の意思決定者約500人に2025年11月に行った調査をもとにしています。この調査では、企業の生成AIの使い道への支出を、業界横断、部門向け、業界特化の3つに分けて推計しています。

区分	2025年の支出（推計）	調査が挙げた内訳の例
業界横断のAI	84億ドル（前年の約5.3倍）	仕事の補助の道具が86%
部門向けのAI	73億ドル（前年の約4.1倍）	プログラムを書く補助が40億ドル
業界特化のAI	35億ドル（前年の12億ドルから約3倍）	医療が15億ドル（43%）、法務が6.5億ドル

表から読めることは2つあります。1つは、業界特化のAIが確かに伸びていることです。もう1つは、金額では業界横断のAIのほうがまだ倍以上大きいことです。特化型の伸びだけを見て、汎用のAIが置き換えられつつあると読むのは早すぎます。

部門向けのAIの中では、プログラムを書く補助が40億ドルで、部門向けの支出の55%を占めています。つまり、特定の職種に向けた道具への支出も、業界に向けた道具への支出より大きいということです。業界で切るか、職種で切るか、全員に配るかという3つの買い方があり、業界特化はその1つにすぎない、と読むのが正確です。

業界特化の中身も偏っています。医療だけで業界特化の支出の半分近くを占め、法務がそれに続きます。どちらも、記録や書類が多く、規制と説明の責任が重い業界です。特化型が先に伸びたのは、業界の前提が重い業務からだと読めます。なお、この調査は米国の企業が対象で、日本の企業にそのまま当てはまるとは限りません。

国の計画でも「バーティカルAI」が柱になった

日本では、2026年7月14日に閣議決定された人工知能基本計画が、日本の勝ち筋は「バーティカルAI」と「フィジカルAI」の実装にある、と書いています。産業や行政の現場で使える領域特化型のAIに、AI戦略の重点を置くという内容です。

計画は、バーティカルAIが暗黙知を含めた現場の経験や知識をデータとして集め、続くフィジカルAIが、そのデータや判断を機械や装置を通じて現実の世界で実行する、という流れを描いています。また、市場性・公共性・戦略性の観点から選んだ領域ごとに戦略を作り、官民で集中して投資する、としています。

人材の定義にも、この考え方が出ています。計画はAI実装人材を、汎用的なAIの解決策ではなく、現場に適合した解決策を提供する人で、産業や行政の現場とAIの両方を理解している人、と説明しています。国として、汎用の道具を配るだけでは足りない、という見方を示したと読めます。

ただ、これは国の戦略の話で、個々の会社がどの製品を買うべきかを示したものではありません。国の重点が特化型にあるからといって、自社のすべての業務を特化型に替える理由にはなりません。計画から受け取るべきなのは、現場の知識をデータとして持つことの価値のほうです。

比べる軸は5つ

ここからが判断軸です。特化型か汎用かは、会社で1つに決めるものではなく、業務ごとに決めるものです。業務を1つ選んだら、次の5つの軸で見ていきます。

1. 業務の手順と帳票が、業界で決まっているか
2. 必要な知識が、公開情報か、業界や自社の中にしかないか
3. 規制や監査で、説明の責任を負う業務か
4. モデルの進歩の速さに追いつきたいか、乗り換えやすさを残したいか
5. 費用の形が、使う人数と業務の量に合っているか

5つのうち、1から3は特化型を選ぶ理由になりやすい軸、4と5は汎用型を選ぶ理由になりやすい軸です。どちらに傾く軸が多いかを数えるのではなく、その業務で一番重い軸はどれかを決めるのが使い方のこつです。規制の軸が重い業務なら、ほかの軸で汎用型が有利でも、特化型を検討する価値があります。

例として、保険の代理店の「契約の更新の案内状を作る」業務で考えます。書く項目は業界の決まりでほぼ決まり（軸1）、商品の説明には業界の知識が要り（軸2）、表示には規制がかかります（軸3）。一方で件数が少なければ費用の軸で汎用に寄ります。この業務で一番重いのは規制の軸なので、規制の確認の仕組みを持つ製品を試す価値がある、という結論になります。

軸を当てはめるときは、業務を細かく分けます。「営業」のような大きな単位では、どちらとも言えなくなります。「業界向けの提案書の下書き」「契約前の条件の確認」のように、成果物が1つに決まる単位まで分けると、軸がはっきり当てはまります。

軸1：業務の手順と帳票が、業界で決まっているか

1つ目の軸は、業務の形が業界で決まっているかどうかです。医療の記録、保険の請求、建設の書類のように、書く項目と順番が業界の中で決まっている業務では、特化型の製品がその形を最初から持っていることが強みになります。

汎用AIで同じことをしようとすると、帳票の形を毎回説明するか、ひな形を用意して読ませる必要があります。1回ならよくても、毎日何十件も同じ形を作る業務では、この手間が積み重なります。担当者によって説明の仕方がばらつき、出来上がりの質がそろわない、という問題も出てきます。

反対に、業務の形が会社ごとに違う場合は、特化型の強みが薄れます。業界向けの製品が想定する形と、自社のやり方がずれていると、製品に合わせて自社の業務を変えるか、使わない機能にお金を払うことになります。業界で決まっている形と、自社の形がどれだけ重なるかを、導入前に確かめる必要があります。

確かめ方は、実際の帳票を3件ほど選び、製品の試用で作ってみることです。業界の形どおりの書類は作れても、自社の独自の欄が入らないことがよくあります。独自の欄の割合が大きいなら、汎用AIに自社のひな形を持たせたほうが合うこともあります。

軸2：必要な知識は、公開情報か、業界の中にしかないか

2つ目の軸は、業務に必要な知識がどこにあるかです。一般的な文章の書き方や、公開されている法律の条文なら、汎用AIも幅広く知っています。一方で、業界の中でしか流通しない慣行、専門の言葉の細かい使い分け、過去の判断の積み重ねといった知識は、公開情報から学んだモデルには入っていないことがあります。

特化型の製品は、こうした業界の知識を、提供元が集めて組み込んでいることを売りにします。国の計画が暗黙知を含めた現場の知識をデータとして集めると書いているのも、この部分です。業界の知識の厚さは、製品を比べるときの大きな差になりえます。

ただし、業界の知識と自社の知識は別物です。取引先ごとの約束、自社の過去の案件、社内の決まりは、特化型の製品にも入っていません。どちらを選んでも、自社の知識は自分たちで用意して渡すことになります。知識の多くが自社の中にある業務なら、特化型を買っても、汎用AIと同じだけの準備が残ります。

この軸で見るときは、業務に使う知識を「公開情報」「業界の中の知識」「自社の中の知識」の3つに分けて、どれが一番多いかを見ます。業界の中の知識が一番多い業務こそ、特化型が効く場所です。自社の知識が中心なら、汎用AIに自社の資料を持たせる形が先に検討されます。

軸3：規制や監査で、説明の責任を負う業務か

3つ目の軸は、規制です。医療、金融、法務、公共のように、規制や監査で「なぜその結論になったか」を説明する責任がある業務では、AIの使い方にも記録や確認の仕組みが求められます。メンロー・ベンチャーズの調査で、業界特化の支出が医療と法務に集まっていたのも、この軸と重なります。

特化型の製品の中には、業界の規制に合わせて、根拠の出典を示す、操作の記録を残す、人の承認を挟む、といった仕組みを最初から持つものがあります。汎用AIでも同じことはできますが、仕組みを自分たちで組む必要があります。規制に合わせた仕組みを自前で組む手間と、製品に払う費用のどちらが重いかが、この軸の比べ方です。

注意したいのは、特化型の製品が規制に対応していると書いていても、責任まで引き受けてくれるわけではないことです。規制に合っているかを判断し、監査で説明するのは、その業務を行う会社です。製品が示す根拠は、判断の材料であって、判断そのものではありません。

この軸では、製品を選ぶ前に、法務や監査の担当者に「この業務でAIを使う場合、どんな記録と確認が要るか」を聞いておきます。求められる記録が決まれば、その記録を製品が残せるか、汎用AIの周りに自前で組めるかを具体的に比べられます。

軸4：モデルの進歩の速さと、乗り換えやすさ

4つ目の軸は、変化への強さです。生成AIのモデルは、数か月ごとに新しいものが出ています。汎用AIの提供元は、新しいモデルを自社の製品にすぐ載せることが多く、使う側は同じ画面のまま進歩を受け取れます。進歩の速い分野ほど、汎用AIの利点が大きくなると言えます。

特化型の製品では、中で使うモデルを入れ替えるかどうか、いつ入れ替えるかは、製品の提供元が決めます。業界の知識や画面を作り込んでいる分、入れ替えには検証の時間がかかります。導入した時点では最新でも、1年後には汎用AIのほうが性能で上回っている、ということも起こりえます。

乗り換えやすさも見ておきます。特化型の製品に業務の記録や作り込んだ設定がたまると、別の製品に移るのが難しくなります。契約の前に、データを取り出せる形式、解約したときの扱い、中のモデルの入れ替えの方針を確かめておきます。導入のしやすさより、抜けやすさを先に聞くのが、この軸の要点です。

汎用AIにも乗り換えの問題はありますが、自社の資料やひな形を自分たちで持っていれば、別のAIに移しても使い回せます。業界の前提を自社の資料として持つか、製品の中に預けるか、という違いが、乗り換えの難しさの差になります。

軸5：費用の形と、使う人数

5つ目の軸は、費用です。汎用AIは多くの部署で同じ道具を使えるので、1人あたりの費用を広く薄く配れます。特化型の製品は、使う人が特定の部署に限られることが多く、少ない人数で製品の費用を背負う形になりがちです。

比べるときは、製品の価格だけでなく、前提を渡す手間の費用も入れます。汎用AIでは、ひな形を作る、指示を整える、規制の確認を自前で組む、といった作業の時間がかかります。特化型では、その多くが製品に含まれている代わりに、製品の価格が高くなります。どちらが安いかは、業務の量で変わります。

業務の量が多く、同じ形の仕事を毎日繰り返す部署では、特化型の製品の費用を割っても元が取れることがあります。反対に、月に数回しか発生しない業務では、特化型の製品を契約しても使う機会が少なく、汎用AIで都度前提を渡すほうが安く済むことが多くなります。

メンロー・ベンチャーズの調査では、2025年は企業のAIの使い道の76%が、自社で作らずに購入されたとしています。前年は53%でした。買う流れが強まっているのは確かですが、買うことと、特化型を選ぶことは同じではないので、汎用の製品を買うのか、特化型の製品を買うのかは、この軸で別に判断します。

業務ごとの判断表

5つの軸を、よくある業務に当てはめたのが次の表です。業界や会社によって答えは変わるので、表は考え方の例として使い、自社の業務で1行ずつ作り直してください。寄る側の列は結論ではなく、試用で最初に確かめる側を示すものです。

業務の例	一番重い軸	寄る側	人が必ず確かめること
社内の文書の要約・下書き	費用・乗り換え	汎用	社外に出す前の内容
業界の決まった帳票の作成	手順と帳票	特化を検討	自社の独自の欄と数字
規制で根拠の記録が要る確認作業	規制と説明の責任	特化を検討	結論と、その根拠の出典
自社の過去の案件をもとにした提案書	知識の所在（自社）	汎用に自社の資料	取引先ごとの約束と価格
業界の専門の言葉が多い技術資料	知識の所在（業界）	どちらも試す	専門の言葉の正しさ
月に数回の調べもの	費用	汎用	出典と日付

表で「どちらも試す」とした行があるのは、業界の知識が必要でも、汎用AIに用語集や資料を持たせれば十分な場合があるからです。迷った業務は、同じ課題で両方を試してから決めるのが確実です。

自社の表を作るときは、業務の例の列に、1か月の件数と担当の部署を書き足します。件数が分かると軸5の費用が比べられ、担当の部署が分かると、試用で検収する人が決まります。表は選ぶための道具であると同時に、導入後の運用の台帳にもなります。

一番右の列は、どちらを選んでも変わりません。特化型を選んだから確かめなくてよい、ということはなく、確かめる所が少しずれるだけです。この列を表に入れておくと、製品を選んだあとの運用の決まりにそのまま使えます。

マーケ業務の例：業界別の提案書と技術資料

マーケの仕事にも、この判断は出てきます。たとえば、複数の業界に製品を売っている会社で、業界ごとに提案書や導入事例、技術資料を作る業務です。業界ごとに刺さる言葉や、気にされる規制が違うため、業界の前提をどこに持たせるかが問題になります。

多くの場合、提案書の骨組みと下書きは、汎用AIに自社の過去の提案書と業界ごとのメモを持たせれば作れます。業界ごとのメモには、その業界でよく使う言葉、気にされる規制、過去に効いた訴え方を書いておきます。知識の多くが自社の中にある業務なので、特化型を買っても、このメモ作りは残ります。

一方で、医療や金融など、表現に規制がかかる業界向けの資料では、確認の手間が重くなります。広告や表示の決まりに合っているかは、AIの出力をそのまま使わず、業界の決まりを知っている人か、法務が確かめます。業界向けの確認の仕組みを持つ製品を検討する価値があるのは、こうした確認の量が多い場合です。

技術資料では、専門の言葉の正しさが問われます。汎用AIは言葉をもっともらしく使いますが、業界の中での細かい使い分けを取り違えることがあります。技術資料は、社内の技術者が最後に読むことを決まりにし、AIには下書きと言い換えの候補までを任せる、と線を引いておきます。

特化型を選ぶ前に確かめる手順

特化型の製品を検討すると決めた業務は、次の手順で確かめてから契約します。製品の説明だけで決めず、自社の実際の業務で試すのが基本です。

この手順で大切なのは、3番目の検収を人が行うことです。どちらのAIの出来が良いかを、AIに採点させてはいけません。その業務の良し悪しを知っている担当者が、同じ物差しで比べて初めて、差が意味を持ちます。

メンロー・ベンチャーズの調査では、AIの案件の47%が本番の利用に進み、従来の業務ソフトの25%を上回ったとされています。試用から本番に進みやすいということは、試用の段階の比べ方が、そのまま長く使う道具を決めるということでもあります。試用を形だけで済ませないことが大切です。

また、試用の段階で製品の提供状況も確かめます。製品の名前が変わった、提供を終える予定がある、といった告知は、提供元の公式の案内で確かめます。特化型の製品は提供元の規模が小さいこともあるので、続けて使えるかの見通しも、比べる材料に入れておきます。

よくある失敗

特化型か汎用かの判断で、よく見られる失敗を挙げておきます。どれも、業務ごとに分けて考える手順を飛ばしたときに起きやすいものです。

• 国の計画や調査の数字を見て、全社の業務を特化型に替えようとする
• 特化型の製品の説明だけで決め、汎用AIと同じ課題で比べていない
• 業界の知識があれば十分と考え、自社の知識を渡す準備をしていない
• 導入のしやすさだけを見て、データの取り出し方と解約の扱いを確かめていない
• 規制に対応した製品だから、結論の確認はいらないと考える

最後の失敗は、特に危険です。規制に対応した製品は、根拠を示したり記録を残したりする仕組みを持っていても、結論が正しいことを保証するものではありません。業界の判断や規制の絡む結論は、どちらのAIでも人が決める、という線は動かしません。

3つ目の失敗も、導入のあとで効いてきます。業界の知識が入った製品でも、自社の取引先ごとの約束や価格の決まりは知りません。導入の初日から、自社の資料をどう渡すか、誰が更新するかを決めておかないと、業界の一般論としては正しいが、自社としては間違っている出力が増えていきます。

反対向きの失敗もあります。汎用AIで十分と決めつけて、業界の前提を渡す手間を見積もらないことです。毎日同じ説明を書く時間が積み重なっているなら、特化型を試す理由は十分にあります。

どちらを選んでも、AIに判断させない線

特化型でも汎用でも、決めておく線は同じです。1つ目は、業界の判断や規制が絡む結論を、AIに決めさせないことです。医療の判断、契約の可否、審査の結論、表示が規制に合っているかといった判断は、AIの出力を材料にして、人が決めます。

2つ目は、根拠を書かせることです。AIの出力には、どの資料のどの部分をもとにしたかを示させ、人が元の資料に戻って確かめられるようにします。特化型の製品は根拠を示す仕組みを持つものが多いですが、汎用AIでも、指示の中で出典を書かせる形にできます。根拠のない出力は、下書きとしても扱わないくらいの線が安全です。

3つ目は、人が確かめる範囲を先に決めることです。判断表の一番右の列がそれに当たります。社外に出るもの、お金や契約に関わるもの、規制の対象になるものは必ず確かめ、それ以外は担当者の判断に任せる、と範囲を決めておくと、確認の手間が膨らみすぎません。

特化型のAIは業界の前提を、汎用のAIは幅広さを持っています。どちらも、業務の結論に責任を持つのは使う会社です。選び方の違いは、前提をどこに持たせるかの違いであって、判断を誰がするかの違いではありません。

まとめ

バーティカルAIか汎用AIかは、会社で1つに決めるものではなく、業務ごとに決めるものです。米国の企業調査では業界特化のAIへの支出が1年で約3倍になり、国の人工知能基本計画もバーティカルAIを重点に置きましたが、金額ではまだ業界横断のAIのほうが大きく、特化型が常に上というわけではありません。業務を成果物の単位まで分け、手順と帳票、知識の所在、規制と説明の責任、乗り換えやすさ、費用の5つの軸で一番重いものを見極めましょう。迷った業務は同じ課題で両方を試し、人が同じ物差しで検収する。どちらを選んでも、業界の判断や規制の絡む結論は人が決める、という線から始めてください。

• この記事の数字は、メンロー・ベンチャーズの2025年12月9日公表の調査（米国の企業の意思決定者 約500人が対象）と、内閣府の人工知能基本計画（2026年7月14日 閣議決定）で確かめた範囲です。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。