Atos Genesisか自前の組み合わせか|主権AIの選び方

Atos Genesisか自前の組み合わせか|主権AIの選び方

「設計図や保守記録を海外のクラウドに出せないので、生成AIは閉域で動かしたい。ただ、データ基盤もモデルもエージェントも自前で組む体力はない」「欧州の大手が主権AIの一式を出したと聞いたが、再建中の会社に基幹の仕組みを預けて大丈夫なのか」——国内の製造業やインフラ企業で、情報システム部門とAI導入担当が同時に抱えている迷いです。結論から言うと、これは製品の機能比較ではありません。一式を一社から買うか、部品を自分で選んで組むかは、何年先まで誰に面倒を見てもらうかを決める話です。この記事では、仏 Atos が2026年10月に発表した Atos Genesis Intelligence を例に、一括で入れる場合と自前で組む場合を、供給元の継続性、抜け出しやすさ、人の承認の置き場、提供状況が公表されていないことの扱いという4つの軸で比べます。


カメ先生カメ先生

主権AIの一式というと、閉じた場所で動くから安全、で話が終わりがちなんだ。でも本当に比べるべきなのは、その一式を5年後も同じ会社が保守しているか、やめたくなったときに中身を持ち出せるか、のほうなんだよ。


カメ子カメ子

動く場所の話より、付き合い方の話が大きい、ということですか。


カメ先生カメ先生

そう。動く場所は契約で決められる。でも供給元の事業の行方や、作り込んだエージェントの持ち出しやすさは、入れた後からは変えにくいんだ。


カメ子カメ子

一式で楽をする分、後から効いてくるものを先に確かめておくんですね。


この記事のポイント
  • Atos Genesis Intelligence は、データ基盤・モデルの振り分け・小型モデルの工房・社内AI窓口・統制を一つにした生成AIスイートで、公開クラウド・主権クラウド・オンプレミス・閉域のどこでも動くと発表された。提供開始時期や価格は公表されていない
  • 供給元の Atos は事業の売却を進めながら再建計画の途中にある。一括導入か自前の組み合わせかは、継続性と持ち出しやすさを契約で固められるかで決める
  • 旗艦の Atos Codex は分析から業務の実行まで踏み込む。どの操作を人の承認に残すかは製品ではなく自社が決め、AIに実行の可否を判断させない

あなたのWebサイトは、AIによる攻撃に耐えられますか?

AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。

目次

Atos Genesis Intelligenceとは:データからエージェントまでを一つにした生成AIスイート

Atos Genesis Intelligence は、フランスのIT大手 Atos が2026年10月26日にパリで発表した企業向けの生成AIスイートです。発表文は、AI活用を試行から本番へ進めるためのデータの取り込みからエージェントの運用までを一つにまとめた基盤と位置づけ、主権・安全・統制をAIの一連の工程で保つことをうたっています。

特徴として打ち出しているのは、動かす場所の選択肢です。公開クラウド、主権クラウド、オンプレミス、物理的に外部とつながらない閉域の4つに対応するとしており、製品ページではフランスの国家情報セキュリティ庁(ANSSI)の認定を受けたクラウドにも触れています。また、オープンソースの技術を土台にし、特定の事業者への依存を抑えるとも説明しています。

もう一つ見落とせないのは、製品ページが「スイート全体でも、必要な機能だけを既存のクラウドやAI基盤と並べても使える」と書いている点です。つまりこの製品は、丸ごと入れるか入れないかの二択ではなく、どの部分を一式に任せ、どの部分を自前に残すかという組み合わせの判断になります。この記事の比較も、その前提で進めます。

発表文によれば、Atos 単体の規模は従業員5万1,000人超、顧客4,500社超、54か国で、グループ全体では年間売上高が約72億ユーロとされています。大手のシステムインテグレーターが、自社の導入支援と組み合わせて売る商材だと理解しておくと、後の比較で何を確かめるべきかが見えやすくなります。

6つの構成要素と、それぞれが社内で置き換えるもの

製品ページは構成要素を6つに分けています。名前だけを並べても判断材料にならないので、自前で組む場合に何に当たるかを横に置いて整理しました。説明は公式の記述の範囲にとどめ、具体的な実装や対応製品は公表されていないものとして扱います。

構成要素公式の説明(要約)自前で組むなら何に当たるか
データ基盤取り込み・整形・変換・分析までを統合し、品質・目録・来歴・追跡を管理データ統合の仕組みと、データの目録・来歴の管理
企業向けAIの中核依頼ごとに適したモデルへ振り分けて費用を抑える。実行の調整と統制・安全・法令対応の仕組みを内蔵モデルの振り分けを担う中継層と、利用の監視
小型モデルの工房現場で動かせる小型の言語モデルを選び、学習・最適化・管理するOSSモデルの追加学習と、推論の基盤
社内AI窓口社員がAIの支援と業務アプリを使う入口。エージェントを探し、手直しし、再利用する市場を持つ社内チャットの画面と、エージェントの登録簿
主権AIクラウド・認定クラウド・オンプレミス・閉域で、モデルの選択、RAG、細かな権限制御を伴って動かす閉域の推論環境と、文書検索の仕組み
Atos Codex業務データを判断と実行に変える旗艦。人の監督を保つと説明業務システムへの書き込みを伴うエージェントと、その承認の仕組み

表を見ると分かるとおり、上の5つは国内でも個別の製品やOSSで組めるものです。差が出るのは、これらを一社が一つの統制のもとで提供し、保守まで引き受けるかどうかです。逆に言えば、すでにデータ基盤や社内チャットを持っている会社にとって、一式の価値は小さくなります。

旗艦のAtos Codex:分析から業務の「実行」まで踏み込む部分

Atos Codex は、発表文がスイートの集大成と呼ぶ部分です。名前は「運用とデータの卓越の拠点」を意味する英語の頭文字から取ったと説明されています。同じ名前を持つ OpenAI のプログラミング支援とは別の製品なので、社内の検討資料では取り違えないよう注意が必要です。

中身として説明されているのは、組織の中の人・設備・規則・権限・取り得る操作の関係を構造化したモデル(オントロジー)を作り、そこにデータ、運用の文脈、サイバー安全の統制、AIの推論をつなぐことです。そのうえで、分析で得た示唆を、組織の統制の決まりと、選んだ人の関与の度合いに沿って実際の操作に変えるとしています。対象として挙げているのは、重要インフラの事業者、交通、製造業、防衛、公共機関です。

ここで押さえておきたいのは、Codex は答えを返すだけのAIではなく、業務の操作に手を伸ばす前提の製品だという点です。示唆を出すまでなら誤りは人が読んで気づけますが、設備の設定変更や作業指示の発行まで進むと、誤りはそのまま現場に届きます。後の章で扱う「人の承認をどこに置くか」が、この製品では特に重くなります。

発表で分かっていること、分かっていないこと

比較の前に、公表されている範囲をはっきりさせておきます。発表文と製品ページで確認できたのは、構成要素、動かす場所の選択肢、オープンソースを土台にする方針、人の監督を保つという説明、対象業種、そして事例として仏マルセイユ市の事象分析とリスク予測、仏の薬物依存の監視機関のデータ基盤の2件です。

一方で、一般提供かプレビューか、価格、対応する言語モデル、提供地域、日本での提供体制は、どちらにも書かれていません。製品ページはモデルを選べるとしていますが、どの事業者のどのモデルかは名前が出ていません。国内で提案を受けるときは、この空白を前提に話を進めることになります。

  • 発表文に提供開始日の記載がない製品は、本番の計画に組み込む前に、提供状態(一般提供・限定提供・個別案件の組み立て)を書面で確かめる
  • 日本語の文書でどれだけの精度が出るかは、公表情報からは判断できない。自社の文書で試すまでは前提にしない
  • 事例として挙がっているのは欧州の公共機関で、国内の製造業での実績は公表されていない

公表されていないこと自体は欠点ではありません。大手の事業者が個別案件ごとに組み立てる商材では珍しくないからです。ただし、公表されていない部分は、提案書の言葉ではなく契約書の条文で埋めるという姿勢を最初から持っておく必要があります。

供給元の事情:再建計画の途中にあるAtosをどう見るか

一式を一社に預ける判断では、製品より先に供給元を見ます。Atos は2024年に債務の削減を伴う財務の再建を行い、その後、2025年から2028年にかけての再建計画を進めています。計画の中身として、同社は中核の地域と、AI・クラウド・安全性の高い仕組み・サービスといった中核の事業に絞り込むことを掲げています。

その一環として、2025年12月26日には南米の事業(6か国・約2,800人)をブラジルの企業に売る拘束力のある合意を発表し、2026年3月31日には高性能計算・量子・業務計算とAIを担っていた部門を仏政府へ売却し終えました。売却の企業価値は条件付きの支払いを含めて最大4億400万ユーロと公表されています。売却後も、サイバー安全の製品と重要業務向けの仕組みを担う部門はグループに残り、Codex の発表文もその部門の知見を背景に挙げています。

この経緯は、両方向に読めます。事業を絞り込んだ結果、AIと安全性の高い仕組みが中核に残ったと見れば、今回のスイートは本気の商材です。一方で、再建中の会社は、計画の進み方しだいで地域や製品の整理がまた起きうるとも言えます。どちらが正しいかを外から断定することはできないので、判断は「整理が起きても困らない契約になっているか」に置き換えるのが現実的です。

参考になるのは、売却された部門の扱いです。仏政府へ移った部門は2025年度に約7億ユーロの売上があり、Atos は売却について、その部門の顧客と従業員に対するサービスの継続を確保する設計だと説明しています。事業が他社へ移っても保守は引き継がれた、という前例です。ただしこれは売却先と顧客の契約が支えたもので、自社の契約に同じ条件が書かれていなければ同じ扱いは保証されません。前例を安心材料にするのではなく、自社の契約に引き継ぎの条項として書き写すことが肝心です。

比べる軸:一括で入れるか、部品を自前で組むか

隣の記事では、国内で完結させるかどうかをデータの層ごとに決める考え方を扱いました。ここではその先、閉域で動かすと決めた後に、一式を一社から入れるか、部品を自前で選んで組むかを比べます。軸は次の5つです。

軸一式を入れる(Atos Genesis Intelligence など)部品を自前で組む
立ち上がりの速さ構成が決まっているので、統制の仕組みまで含めて早く揃う部品の選定と結合に時間がかかる
統制の一貫性権限・記録・費用管理が一つの仕組みにまとまる部品ごとに統制がばらけ、自社で束ねる必要がある
供給元の継続性一社の事業判断の影響を全体で受ける部品ごとに入れ替えられ、影響が分散する
抜け出しやすさ作り込んだエージェントや業務モデルの持ち出しが課題持ち出しは容易だが、つなぎ目の保守は自社持ち
社内に残る力運用の知見が供給元側にたまりやすい知見は残るが、それを支える人員が要る

この表で優劣はつきません。重要なのは、自社の人員と、供給元に預ける期間の長さで、どの軸を重く見るかが変わることです。次の2章で、それぞれが向く会社の条件を具体的に書きます。

一括導入が向く会社

一式が向くのは、まず閉域でAIを動かす必要が強いのに、データ基盤とAI基盤を両方持つ人員がいない会社です。重要インフラや防衛に近い製造業で、外部のクラウドに出せない文書が多く、しかも社内の情報システム部門が既存の基幹系の保守で手一杯というケースでは、統制の仕組みまで含めて一社に任せられること自体が価値になります。

次に、欧州に拠点や取引先を持つ会社です。欧州の主権クラウドの要件や、欧州の公共機関・重要インフラと同じ水準の統制を求められる場面では、その要件に慣れた事業者の一式が話を早くします。製品ページが仏の認定クラウドでの稼働を挙げているのは、まさにこの層を意識したものです。

導入の支援体制も一式の一部です。Atos はエージェントを本番に乗せるための開発拠点を、英国バーミンガム、米国アービング、フランス、ドイツに置いていると紹介しており、業務の見直しの診断から、運用と拡大、社内の推進組織づくり、AIの安全対策までの6つの支援メニューを並べています。さらに Microsoft・AWS・Google との提携も挙げています。言い換えれば、一式の価値の半分は製品ではなく、こうした支援の厚みにあります。国内で同じ厚みの支援が受けられるかは公表されていないので、提案の段階で担当の拠点と人員を確かめます。

ただし、どちらの場合も前提があります。一式を入れても、どのデータを入れてよいか、どの操作を人が承認するかを決める責任は自社に残るという点です。一式は統制の道具を揃えてくれますが、統制の中身までは決めてくれません。そこを供給元に任せたつもりになるのが、一括導入で最も起きやすい失敗です。

部品を自前で組むのが向く会社

自前の組み合わせが向くのは、すでにデータ基盤か社内チャットのどちらかを持っている会社です。たとえば Azure や AWS の上に文書検索の仕組みを作り、社員が Copilot や社内チャットを使っている会社なら、一式のうち重なる部分が大きく、足りない部品だけを足すほうが二重の投資を避けられます。

もう一つは、AIの使いみちがまだ数件に限られる会社です。設計文書の検索と保守記録の要約くらいなら、閉域の推論環境と文書検索があれば足ります。業務の実行まで踏み込むエージェントや、小型モデルの追加学習の工房までを最初から揃えても、使わない部分の費用と保守を抱えることになります。

自前の弱点は、つなぎ目です。部品ごとに権限の考え方や記録の形式が違うので、誰が何を使い、どのモデルに何を渡したかを一つの画面で追えません。自前を選ぶなら、記録を一か所に集める仕組みと、それを読む担当者を最初に決めることが条件になります。そこに人を割けないなら、一式の統制のほうが安くつく場合もあります。

抜け出しやすさを契約前に確かめる

一式で最も後から効くのは、やめたくなったときに何を持ち出せるかです。開発拠点の紹介ページは、データ、モデル、実行の調整層、実行環境の所有権は顧客が持つと書いています。この記述は心強いものですが、どの形式で、どこまで、いくらで持ち出せるかは、案件ごとの契約で決まります。

確かめたいのは、少なくとも次の4つです。自社のデータで追加学習した小型モデルの重みを、別の推論環境で動かせる形で受け取れるか。Codex のために作った業務モデル(人・設備・規則・権限の関係)を、読める形式で書き出せるか。社内AI窓口に登録したエージェントの定義と、それが呼ぶ道具の一覧を持ち出せるか。そして、利用記録を自社の保存期間に合わせて受け取れるか、です。

  • 追加学習した小型モデルの重みと、学習に使ったデータの範囲の記録を受け取れる
  • 業務モデルとエージェントの定義を、他の仕組みでも読める形式で書き出せる
  • 利用記録と承認の記録を、自社の保存期間で手元に残せる
  • 供給元の事業の整理(担当部門や地域の売却)があった場合の保守の継続と、解約の条件が契約にある

オープンソースを土台にしているという説明は、持ち出しの可能性を高める材料にはなりますが、土台が公開されていても、上に積んだ設定や連携が独自の形式なら持ち出しは難しいことに注意します。どの部分がオープンソースで、どの部分が Atos 独自かを、構成要素ごとに書いてもらうのが確実です。

人の承認をどこに置くか:Codexの「実行」に関所を作る

Codex は、組織の統制の決まりと、選んだ人の関与の度合いに沿って操作を実行すると説明されています。裏を返すと、関与の度合いを決めるのは導入する側です。製品が承認の仕組みを持っていても、どの操作を承認に回すかを決めなければ、仕組みは使われません。

線の引き方の基本は、取り消せるかどうかです。報告書の下書き、異常の候補の一覧、作業の優先度の提案のように、人が読んでから使うものはAIに任せてかまいません。設備の設定変更、作業指示の発行、取引先への連絡、権限の付与のように、実行した後に取り消しにくいものは、必ず人の承認を挟みます。そのうえで、AIには結論だけでなくどのデータと規則を根拠にその操作を提案したのかを書かせるようにします。承認者が根拠を読まずに押すだけになると、関所は形だけになるからです。

  • 業務モデルに権限を書き込んだので、AIが権限の範囲内で動くなら承認は不要だと考える
  • 人の関与の度合いを最初に一度決めたきり、操作の種類が増えても見直さない
  • 承認者に根拠を見せず、提案された操作の要約だけで承認させる
  • 異常の判定をAIに任せ、判定が外れたときに誰が気づくかを決めていない

AIに実行の可否そのものを判断させないことも明確にしておきます。AIが出すのは提案と根拠までで、実行してよいかを決めるのは承認者です。重要インフラのように誤操作の影響が大きい現場では、承認者を一人に固定せず、操作の種類ごとに承認者を割り当てておくと、休暇や異動で関所が止まることを防げます。

閉域・オンプレミスで動かすときの運用負担

閉域で動かせることは、この製品の大きな売りです。ただし閉域にした瞬間に、モデルの更新、脆弱性の修正、部品の版の管理が、すべて持ち込みの作業になります。クラウドなら供給元が裏で済ませている作業を、誰がどの頻度で行うのかを決めておかないと、半年後には古い版のまま動き続けることになります。

確かめたいのは、更新の受け渡し方法(媒体での持ち込みか、限定された経路か)、更新の頻度と、重大な脆弱性が見つかったときの対応期限、そして更新の作業を Atos が行うのか自社が行うのかの分担です。閉域の環境では、推論に使う計算機の調達と保守も自社の負担になりやすく、初期費用より、計算機の増設と更新の作業費が後から膨らむことがよくあります。

また、閉域ではモデルの選択肢そのものが限られます。外部の大手事業者の最新モデルは閉域に持ち込めないことが多く、使えるのは公開された重みのモデルと、小型モデルの工房で作るモデルが中心になります。日本語の文書でどこまでの品質が出るかは、自社の文書で試すまでは前提にしないことが大切です。

モデルの振り分けと小型モデル:費用はどこで増えるか

スイートは、依頼ごとに適したモデルへ振り分けて費用を抑え、現場で動く小型モデルで推論の費用を下げると説明しています。考え方は正しく、簡単な依頼まで大きなモデルに送らないだけで費用は大きく変わります。ただし、どれだけ下がるかの数字は公表されていません。

費用が増える場所は、振り分けの外にあります。一つは小型モデルの工房です。業務ごとに小型モデルを作ると、モデルの数だけ評価と更新の作業が増えます。二つめは社内AI窓口のエージェントの市場で、部門が自由にエージェントを作れるようにすると、使われないエージェントと、それが呼ぶ道具の保守が積み上がります。三つめは導入支援で、開発拠点を通じた設計と運用の支援を受けるなら、その費用は利用料とは別に見積もる必要があります。

比較の際は、利用料だけでなく、モデルの数、エージェントの数、閉域の計算機、導入支援の4つを分けて見積もってもらうと、自前で組む場合と同じ物差しで並べられます。自前の場合も、同じ4つに人件費を足せば比べられます。

費用の管理の仕組みそのものも確かめておきます。開発拠点の紹介ページは、実行の調整、自律的な実行、統制、サイバー安全と並んで、費用の管理と人が介在する統制を運用の型に含めると書いています。部門ごとの利用量と費用を、誰がどの単位で見られるかを試行の段階で確かめておけば、本番に広げた後に費用の持ち主が分からなくなる事態を防げます。

AIに任せてよい検討作業、任せてはいけない判断

この比較の検討作業そのものにも、AIは使えます。発表文や製品ページの要約、提案書と契約書案の突き合わせ、確認項目の一覧の下書き、自前で組む場合の部品の候補の洗い出しは、AIに任せると速く進みます。その際も、要約には必ず出典の文言を添えさせることで、元の資料にない記述が混ざっていないかを人が確かめられます。

任せてはいけないのは、供給元の継続性の評価と、どのデータを閉域に入れるかの区分け、そして承認の線引きです。継続性は財務と事業の情報を総合した判断で、AIの要約は報道の論調に引きずられやすい。データの区分けと承認の線は、事故が起きたときに誰が説明するかに直結します。判断の責任を持つ人が、自分の言葉で理由を書ける状態にしてから決めるのが基本です。

判断の手順:比較を5つの工程で進める

最後に、比較の進め方を工程に分けておきます。提案を受けてから考えるのではなく、提案を受ける前に自社の側の条件を固めておくと、一式か自前かの議論が製品の印象に流されにくくなります。

STEP1
使いみちと、閉域に入れるデータを決める

設計文書の検索、保守記録の要約、設備の異常の予兆など、最初の使いみちを3件以内に絞り、それぞれに入るデータの区分を決めます。

STEP2
既に持っている部品を棚卸しする

データ基盤、文書検索、社内チャット、推論環境のうち、既にあるものを書き出し、一式と重なる部分を確かめます。

STEP3
供給元に書面で確かめる

提供状態、対応モデル、日本での体制、閉域での更新の分担、持ち出せるものと形式、事業整理の際の保守の継続を、提案書ではなく書面の回答で受け取ります。

STEP4
承認の線を自社で引く

取り消しにくい操作を一覧にし、操作の種類ごとに承認者と、AIに書かせる根拠の項目を決めます。

STEP5
小さく試し、やめる条件も決める

一つの使いみちで試し、日本語の品質、承認の運用、費用を測ります。同時に、どの条件を満たさなければ本番に進まないかを先に決めておきます。

工程3で回答が得られない項目が残った場合、それを理由に見送るか、試行の範囲を狭めて進めるかは、情報システム部門だけでなく、事業部門と法務を交えて決めるのが望ましいところです。供給元の継続性は、技術の問題ではなく調達と事業の問題だからです。

よくある質問

Atos Codex は OpenAI の Codex と関係がありますか

発表文の説明では、Atos Codex は運用とデータの卓越の拠点を意味する頭文字に由来する名前で、OpenAI のプログラミング支援とは別の製品です。社内の検討資料や稟議では、会社名を付けて書き分けておくと混乱を防げます。

日本で導入できますか

発表文と製品ページには、日本での提供体制は書かれていません。国内で検討する場合は、提供地域、日本語での支援、閉域環境の構築を担う事業者を、提案の段階で書面で確かめてください。

一部の機能だけを使うことはできますか

製品ページは、スイート全体でも、必要な機能だけを既存のクラウドやAI基盤と並べても使えると説明しています。どの組み合わせで、どの費用になるかは公表されていないので、案件ごとの見積もりで確かめる必要があります。

供給元の事業売却は、導入に影響しますか

今回のスイートを直接対象にした整理は公表されていません。ただ、Atos は再建計画の中で事業や地域の売却を続けてきたため、担当部門や地域の整理があった場合の保守の継続と解約の条件を、契約に書いておくのが確実です。

まとめ

Atos Genesis Intelligence は、データ基盤から業務の実行までを一つにし、閉域を含む4つの場所で動かせるとした生成AIスイートです。閉域でAIを動かしたいが自前で組む人員がない会社にとって、統制まで含めて一社に任せられるのは確かな価値です。一方で、提供状態や価格、対応モデル、日本での体制は公表されておらず、供給元は再建計画の途中にあります。一式か自前かは機能ではなく、供給元の継続性と持ち出しやすさを契約で固められるかで決め、どの操作を人が承認し、AIに何の根拠を書かせるかは、どちらを選んでも自社が決めることを忘れないでください。

※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。

あなたのWebサイトは、AIによる攻撃に耐えられますか?

AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。

運営会社:株式会社デボノ

目次