Big Techの軍事AIがペンタゴンの新たな産業基盤になりつつある

Big Techの軍事AIは、監視、自律兵器、人間による統制をめぐる問題が未解決のまま、2026年に試験的プロジェクトから機密作戦へと移行した。ペンタゴンは現在、機密AIシステムについてGoogle、Microsoft、Amazon Web Services、Nvidia、OpenAI、Reflection、SpaceXと契約を結んでいる。

これは単なるペンタゴンのAI契約の新たな一巡ではない。民間テクノロジー企業は、軍事作戦に必要なクラウド基盤、基盤モデル、データパイプライン、意思決定ソフトウェアをますます供給するようになっている。この組み合わせにより、少数のベンダーが防衛システムの複数の層にまたがる影響力を持つことになる。

中心的な対立は、軍による迅速な導入と、AI利用に対する実効性ある制限との間にある。広範な利用基準に抵抗した後のAnthropicの排除は、この緊張を公の試金石へと変えた。その結果は、テクノロジー企業が自社システムが作戦上重要になった後も、独自の安全策を実施できるかどうかを左右するだろう。

ペンタゴンは民間AIを機密作戦に導入した

決定的な変化は、民間AI企業がもはや研究プロジェクトや管理業務の実験に限定されなくなったことだ。

2026年5月、ペンタゴンは7社のテクノロジー企業が機密ネットワーク上でAI機能を展開できるようにする契約を発表した。Google、Microsoft、Amazon Web Services、Nvidia、OpenAI、Reflection、SpaceXがこの取り組みに参加した。

同省は、これらの技術が複雑な作戦環境における人員の意思決定を支援すると述べた。機密AI契約によると、軍の利用者はすでにペンタゴン公式の生成AIプラットフォームであるGenAI.milを通じてAIにアクセスしていた。

この発表は、2025年7月に公に始まった調達推進を拡大するものだった。ペンタゴンのChief Digital and Artificial Intelligence Officeは、Anthropic、Google、OpenAI、xAIに対し、それぞれ上限2億ドルの契約を付与した。

これらの初期契約は、国家安全保障任務全般にわたるプロトタイプのワークフローに焦点を当てていた。フロンティアAI契約は、個々のプロンプトに答えるだけでなく、複数段階のタスクを実行できるエージェント型システムを対象としていた。

その後の機密環境への展開は、状況を一変させた。プロトタイプは作戦上の意思決定から切り離したままにできる。機密データに接続されたシステムは、情報分析、兵站、サイバー作戦、任務計画、標的評価に影響を及ぼし得る。

ペンタゴンは、一部のAI導入によって、かつて数カ月を要した作業が数日で済むようになるとしている。しかし、公表内容では、どの作業でその短縮が実現したのかは示されていない。モデルの誤り率、レビュー手順、誤った出力がもたらす結果についても開示されていない。

この不透明さは重要だ。同じモデルでも、まったく異なる複数の活動を支援できるからである。保守記録の要約と、監視映像の評価や標的の推薦とでは、リスクが異なる。

基盤モデルは、幅広いデータセットで訓練され、多様なタスクに適応する汎用システムである。その柔軟性は軍にとって魅力的だが、従来型の兵器試験や調達を複雑にする要因でもある。

兵器プラットフォームには通常、定義された運用上の役割がある。基盤モデルは、更新、統合、新たなプロンプト、追加データへのアクセスによって挙動を変え得る。そのため、その運用上の境界は契約、技術的統制、周辺ソフトウェアに依存する。

ペンタゴンはまた、複数のプロバイダーに契約を分散している。当局者はこの手法を、単一サプライヤーへの依存を防ぐ措置と説明する。レジリエンスの向上にはつながり得るが、同時により多くの民間システムを機微な軍事ワークフローの内部へと導入することにもなる。

結果として生まれる関係は、「AI契約」という言葉が示唆するより広範なものだ。政府は、コンピューティング基盤、チップ、モデル、アプリケーション、技術支援からなる相互接続されたスタックを取得している。

そのスタックは、軍の恒久的な運用環境の一部になりつつある。

Big Techの軍事AIは数十年にわたるクラウド調達の上に成り立つ

今日の軍事AI産業は、すでにテクノロジー企業を不可欠な政府サプライヤーにしていたインフラ契約の上に構築されている。

この関係はChatGPTから始まったわけではない。Amazon、Microsoft、Google、Oracleは、生成AIが主流になる以前から国家安全保障機関にクラウドサービスを販売していた。

2022年、米国防総省はJoint Warfighting Cloud Capability契約をこの4社に付与した。この契約の上限額は90億ドルで、あらゆるセキュリティ分類に対応するクラウドサービスを提供することを目的としている。

クラウドへのアクセスは背景的な詳細ではない。AIモデルには、計算能力、ストレージ、ID管理、ネットワーキング、政府データへの安全なアクセスが必要だ。こうした基盤を提供するベンダーは、政府機関がAIサービスを追加する際に自然な優位性を持つ。

この構造は、サプライヤーの区分間の境界も曖昧にし得る。Microsoftはクラウド基盤を提供する一方、OpenAIと大規模な商業的関係を維持している。Amazon Web Servicesは複数の開発企業のモデルをホストし、Anthropicにも出資している。

GoogleはクラウドプラットフォームとGeminiモデル群の両方を運営している。Nvidiaは、AI市場の大部分で使用されるチップとソフトウェアライブラリを供給している。

これらの企業は同一の役割を果たしているわけではない。しかし、その製品はしばしば相互に依存している。モデル開発企業はクラウドプロバイダーに依存し、そのクラウドプロバイダーはNvidiaのハードウェアに依存する一方、防衛インテグレーターは完成したシステムを政府データに接続する。

ペンタゴンがこの重なりを促してきたのは、民間の開発サイクルへのアクセスを望んでいるためだ。消費者および企業の需要は、従来の防衛プログラムよりも速く新しいモデルとチップの開発を資金面で支えている。

このアプローチは、民間のスピードを政府調達へ移転する。同時に、独自仕様のインターフェース、不足するチップ、専門人材、ベンダーが管理するソフトウェア更新など、民間由来の依存関係も移転する。

この傾向は基盤モデルにとどまらない。Palantirは、データ統合と指揮ソフトウェアの中心的な提供者となっている。同社のシステムは、センサー、情報データベース、作戦計画、兵器プラットフォームからの情報を統合する。

ブレナン・センター・フォー・ジャスティスによる軍事AI研究によると、陸軍は2025年に75件のPalantirとの取り決めを一つのエンタープライズ契約に統合した。この契約は10年間で最大100億ドルの上限額を持つ。

Palantirの立場は、新たな軍産構造がチャットボット開発企業に限定されない理由を示している。軍事情報は互換性のないシステムや機密区分にまたがって存在するため、データ統合はモデル性能と同じほど重要になり得る。

モデルが有用になるのは、適切なデータにアクセスできて初めてだ。その後、時間的制約のある環境でオペレーターが利用できるソフトウェアを通じて、回答を返さなければならない。

既存の防衛企業は、航空機、ミサイル、センサー、通信分野で依然として重要である。より新しいAI防衛請負企業は、これらの資産全体にわたって情報を解釈し、行動を推奨するソフトウェア層をますます掌握している。

この分業は相互依存を生む。従来型の請負企業にはソフトウェアおよびクラウドのパートナーが必要であり、テクノロジー企業には軍事要件に精通したインテグレーターが必要となる。

Anduril、Shield AI、Scale AIのようなベンチャー資金を得た企業も、このネットワークに参入している。これらの企業は遅い防衛調達への代替手段を掲げるが、その多くはより大規模なクラウド、チップ、データプロバイダーに依存している。

したがって、形成されつつあるシステムは、旧来の請負企業をスタートアップに単純に置き換えるものではない。少数のテクノロジープラットフォームが、多数の競合する軍事アプリケーションから利益を得られる階層型市場を生み出している。

この集中こそが、Big Techの軍事AIの経済的基盤である。ペンタゴンは民間研究へのアクセスを得る一方、テクノロジー企業は長期的な政府需要と、より深い制度的影響力を得る。

Anthropicは安全策と統制の対立を浮き彫りにした

Anthropicをめぐる対立は、自発的なAI安全策が軍事権限と衝突すると脆弱になることを示した。

Anthropicは、ペンタゴンの2025年プロトタイププログラムに選ばれた4つのモデル企業の一社だった。しかし2026年には、同省が発表した機密環境への展開グループには含まれていなかった。

意見の相違は、Anthropicが契約で制限しようとした2つの用途を中心に起きた。同社は、大規模な国内監視と、意味のある人間の統制なしに標的を選定・攻撃できる完全自律兵器に対する保護を求めた。

防衛当局者は、ベンダーは合法的な政府利用をすべて認めるべきだと主張した。この立場では、責任はモデル供給者ではなく政府に置かれる。

Anthropicの立場は、当局者が合法とみなす場合であっても、特定の用途は受け入れられないとするものだ。この違いは語義上のものではない。契約締結後も企業が軍事利用に対する権限を保持するかどうかを決める。

ペンタゴンは最終的に他のプロバイダーとの取り組みを進めた。OpenAIは独自の機密契約を発表し、その条件には国内監視、自律兵器、人間による監督に関する安全策が含まれていると述べた。

OpenAIのペンタゴンとの契約では、自社システムを大規模な国内監視に使用できないとしている。同社はまた、既存の法的・政策的基準が契約に組み込まれていると述べている。

これらの主張は重要だが、一般市民がAnthropicの要請条件と完全に比較することはできない。機密情報の詳細と非開示の契約文言が、独立した評価を妨げている。

ここで、ペンタゴンのAI契約はガバナンスの仕組みとなる。調達条件は、議会が法律を成立させたり裁判所が展開を審査したりするはるか前に、実務上の境界を定めることができる。

最も厳格な方針を持つサプライヤーが、自動的に標準を定めるわけではない。代替ベンダーがより広範な条件を受け入れるなら、政府はワークロードを移し、抵抗する企業の交渉力を弱められる。

マルチベンダー戦略は技術的レジリエンスをもたらす一方で、制限が最も緩いプロバイダーを目指す競争を生む可能性もある。モデル開発企業は、ある利用を拒めば、将来の基準へのアクセス、収益、影響力を失うおそれがあることを理解している。

政府も関連するリスクに直面する。各企業が異なる安全策を適用する場合、軍関係者は類似のタスクを実行するモデル間で相反するルールを扱わなければならない。

この不整合は、システム同士が相互作用する際に特に難しくなる。制限付きモデルが情報を要約し、その要約を別のシステムが作戦計画に利用することがあり得る。

企業の方針も変化する。OpenAIは2024年、兵器開発および有害活動に関する制限を維持しつつ、軍事利用に対する包括的な禁止を撤廃した。政府向け事業の拡大に伴い、他の開発企業も方針を書き換えてきた。

契約上の保護は当事者間の義務を生むため、一般公開された利用方針よりも通常は強力だ。それでも、その価値は正確な定義、監視、技術的執行、違反時の救済措置に左右される。

Anthropicをめぐる対立は、別の問題も浮き彫りにした。サプライヤーによる報復だ。軍の顧客はベンダーを切り替え、業務を打ち切り、あるいは企業をサプライチェーン上の懸念事項として扱うことができる。

この可能性は、政府調達者とAI開発企業の交渉を変える。国防総省は一般的な企業顧客ではなく、国家安全保障分野の業務への参入は、企業の連邦政府向け事業全体の見通しを左右し得る。

この論争は、民間研究所が自主的な約束によって先進AIを監督できるという主張も複雑にする。方針が意味を持つのは、企業が商業的・政治的圧力の下でもそれを維持するときに限られる。

国防総省にとっての教訓は異なる。単一のモデル提供企業への依存は、その企業に任務上のルールに対する影響力を与える。したがって当局には、相互に置き換え可能なシステムを開発する明確な動機がある。

その結果として生じるのは、安全性をめぐる単純な意見対立ではなく、統制をめぐる競争だ。AI供給企業は、自社モデルの使われ方に影響力を持ちたい。軍の指導者は、公的資金で購入したシステムに対する運用上の権限を求めている。

この競争に誰が勝つかが、次世代の軍事ソフトウェアを取り巻く安全策を定義することになる。

新たな産業基盤は技術的・政治的な力を集中させる

軍事AI産業では、同じ企業がインフラ、モデル、統合、専門知識を提供するため、力が集中している。

軍産複合体を従来説明する際には、兵器メーカー、政府調達、ロビー活動、人材の回転ドアが中心となる。Big Techは別種の影響力を加える。

ソフトウェア企業は、中央集権的なプラットフォームから広く導入されたシステムを更新できる。そのエンジニアは、政府職員が独自に検査・再現できない独自モデルを理解している。

この専門知識により、契約締結後も供給企業は運用上の役割を担う。システムのライフサイクルを通じて、評価、サイバーセキュリティ支援、モデル調整、訓練、インシデント対応を提供する場合がある。

AIモデルは導入後も反復的なテストを必要とする。出力はプロンプト、データ、文脈、ソフトウェア変更によって変動する。一度きりの受入試験では、将来起こり得るすべての挙動を捉えられない。

この特性は、政府をベンダーとの継続的な関係へと向かわせる。国防総省が購入しているのは完成品だけではない。進化し続ける技術能力と、それを維持する人々へのアクセスも購入している。

市場の集中はその依存を増幅する。競争力のあるフロンティアモデルの訓練には、先進チップ、大規模データセット、専門研究者、相当な計算能力が求められる。

こうした資産を大規模に提供できる企業は限られている。小規模なAI防衛請負企業がアプリケーション契約を獲得した場合でも、多くは大手企業が管理するインフラの上に構築している。

したがって、アプリケーション層での競争は、その下層での集中と共存し得る。戦場向けツールが10種類あっても、同じクラウドプラットフォーム、チップ供給企業、あるいは基盤モデルに依存している可能性がある。

これは、障害、サイバー攻撃、契約紛争、モデル障害の際に重要となる。隠れた共通依存関係は、調達文書上では独立して見えるシステムにも影響を及ぼし得る。

国防総省のマルチクラウド・マルチモデル戦略は、この問題の一部に対処する。しかし真のレジリエンスには、重要な機能を失わずにプロバイダー間で移行できるワークロードが必要だ。

独自インターフェースはそれを難しくする。モデルごとにセキュリティ管理、データ処理、出力形式、性能が異なる。一つの提供企業を置き換えるには、接続されたすべてのワークフローにわたる新たなテストが必要になる可能性がある。

政治的影響力も別の層を形成する。テクノロジー企業の経営者や投資家は現在、防衛調達、AI規制、輸出管理、連邦政府のコンピューティング政策をめぐる議論に直接参加している。

民間企業と政府の職を行き来する者もいる。AI導入の加速を訴えたり、特定の規制に抵抗したりする政治団体に資金を提供する者もいる。

これらの活動は合法的な政治参加の形態である。それでも、同じ企業が契約を求め、その契約を規律するルールにも影響を与える場合、その複合的な効果には注意を払う必要がある。

Nature analysisは、この収束をAIを中心とする新たな軍産複合体として位置づけている。この表現は、防衛収益以上のものを捉えているため有用だ。

より深い問題は構造的な依存である。政府機関は民間のインフラと専門知識に依存する一方、テクノロジー企業は膨大なデータ、資金、戦略的重要性を持つ永続的な顧客を得る。

公共の監視は同じ速度では拡大していない。契約上限額はしばしば開示されるが、運用上の詳細、評価結果、安全策に関する文言は依然として入手できない。

機密任務には秘密保持が必要だ。しかし秘密保持は、システムが精度、市民権、人間による統制の基準を満たしているかを市民が知ることも妨げ得る。

エリザベス・ウォーレン上院議員は、国防総省と参加企業に対し、より多くの情報を公開するよう求めてきた。彼女のcontract inquiryは、どのシステムが機密ネットワーク上で動作しているのか、またその利用をどのような安全策が規律しているのかを問うた。

この要請は、自律兵器と国内監視についての回答も求めた。広範な法的文言だけでは、モデルが実際にどのように統制されているのかを説明できないため、これらの問いは依然として中心的である。

AIは、最終判断を下さずに分析官を支援できる。また、どの証拠に注意が向けられるか、作戦がどれほど迅速に進むか、どの選択肢が妥当に見えるかにも影響を及ぼし得る。

たとえ人間が形式上すべての行動を承認していても、その影響は重大になり得る。運用者に時間、訓練、反証へのアクセスがなければ、人間の関与は実質的な検証を保証しない。

技術的・政治的な力の集中は、独立した評価を不可欠にする。それがなければ、市民は企業の保証と、十分に検証できない政府の主張の間で選ばざるを得ない。

自動化バイアスは依然として未解決の戦場リスクである

当面の最大の危険は、架空の機械司令官ではなく、作戦上の圧力下で不確かな出力を信頼してしまう人間の運用者だ。

自動化バイアスとは、反対の証拠が存在する場合でも、コンピューターの推奨を受け入れてしまう傾向を指す。システムが自信ありげに見え、流暢な説明を生成し、ほとんどの場合は正しく動作するなら、問題はさらに深刻になる。

軍の運用者はしばしば、不完全なデータと厳しい期限に直面する。AIは情報を素早く整理できるが、その速さは結論に異議を唱えるための時間を減らし得る。

モデルが人、車両、場所、通信を誤って結び付けることがある。その場合、分析官は基礎となる推論に信頼できる証拠が欠けていても、その結び付きを有用な手掛かりとして扱うかもしれない。

誤りは接続されたツール全体に広がり得る。一つのシステムが物体にラベルを付け、別のシステムがそのラベルを要約し、計画ツールがその要約を作戦上の推奨に組み込む。

最終段階では、利用者はどのコンポーネントが誤りを導入したのか分からないかもしれない。洗練されたインターフェースは、元データでは見えていた不確実性を隠し得る。

生成モデルはさらに複雑さを加える。虚偽の詳細を生成し、一貫性なく応答し、ソフトウェア更新後に挙動を変えることがある。機密データであっても、こうした弱点はなくならない。

モデル提供企業は、検索システム、アクセス制御、評価スイート、人間によるレビューによってリスクを低減できる。だが、これらの措置のいずれも、あらゆる任務で信頼できる性能を保証するものではない。

システムの文脈も重要である。保守記録で良好に機能するAIアシスタントが、馴染みのない情報機関の略語や意図的に欺瞞的な情報には対応できないことがある。

敵対者は、モデルを混乱させるためにデータを操作できる。また、特に類似の技術が政府ネットワーク外で利用可能な場合、商用システムに共通する弱点を探ることもできる。

機密環境は、これらの問題に対する公開評価を制限する。研究者は容易に障害を再現したり、ベンダーの主張を運用上の証拠と比較したりできない。

それは、すべての軍事AI導入が無謀だという意味ではない。予知保全、翻訳、文書検索、物流最適化は、管理可能な影響の範囲で明確な利益をもたらし得る。

出力が監視、標的設定、武力行使を左右する場合、リスクは高まる。こうした判断には、追跡可能な証拠、明確な説明責任、システムを停止する実用的な能力が必要だ。

人間による監督は、AIが生成した推奨を承認するだけにとどまってはならない。運用者には、それを拒否するのに十分な時間、権限、情報が必要である。

また、モデルの限界を説明する訓練も必要だ。インターフェースの操作方法だけを教えられた利用者は、基盤システムがテスト済みの条件から外れたときに気付けないかもしれない。

ジョージタウン大学のCenter for Security and Emerging Technologyに所属するヘレン・トナーは、こうしたツールへの過度な依存に警鐘を鳴らしている。彼女は、軍の利用者がその有用性と限界の両方を理解しなければならないと指摘した。

この懸念は、国防総省が速度を重視していることで強まる。作業を数か月から数日に短縮することは価値があるように聞こえるが、高い結果を伴う判断にとって、速度は十分な性能指標ではない。

評価では、誤検知、見逃されたシグナル、較正、運用者の行動、敵対的条件下での性能を検討すべきだ。結果は実演時だけでなく、導入後にも測定されなければならない。

制度上は、成功したパイロット事業を強調する誘因がある。継続的な資金を求める部門は、判断や説明責任の微妙な変化よりも、時間短縮を示すほうが容易だ。

ベンダーも同様の誘因に直面する。企業は人間による監督を説明できるが、担当者が日常的にその出力に異議を唱えているかは開示しないかもしれない。

だからこそ、自主的な主張は共通の基準の代わりにはならない。軍には、ベンダーや運用環境をまたいで能力に追随する、検証可能な要件が必要だ。

政府はまた、モデルがどの情報を受け取り、何を生成し、人間がどう対応したかを示すログを保存すべきである。記録がなければ、調査担当者は有害な判断を再構成できない。

ただし、ログ記録にはそれ自体のプライバシーとセキュリティ上の懸念がある。機微な記録には、保存期間の制限、アクセス制御、独立したレビューが必要だ。

単一の方針でこれらのトレードオフを解決することはできない。重要なのは、安全策を掲げることと、それが圧力下で機能することを実証することの違いである。

国防総省がより明確な評価原則を公表するまで、Big Techによる軍事AIの安全性を機密プログラムの外部から評価することは困難なままである。

三つのシグナルが軍事AIを誰が統制するかを明らかにする

次の段階では、国防総省が説明責任ある競争を構築しているのか、それとも秘密契約を通じて統治される集中型システムを構築しているのかが示される。

第一のシグナルは、契約文言または法的拘束力を持つ要約の公開である。公開文書は、監視、自律兵器、人間によるレビュー、軍事データの二次利用に関する制限を明確にすべきだ。

参加企業が比較可能な条件を開示すれば、共通の安全策に関する主張は評価しやすくなる。秘密保持が続けば、保護措置が提供企業ごとに異なるという懸念が強まるだろう。

第二のシグナルは、実質的な相互運用性の証拠である。国防総省は複数の提供企業が依存を減らすとしているが、契約件数だけではレジリエンスを証明できない。

機関が共通の評価基準を確立し、ワークロードをモデル間で移行できることを実証するかに注目すべきだ。移植性が成功すれば、ベンダーロックインは弱まり、政府の交渉力は高まる。

失敗すれば、見かけ上の競争が共通インフラや互換性のないシステムに依存していることを示す。その場合、ベンダーの一覧が長くなっても、少数の供給企業が統制を維持することになる。

第三のシグナルは、運用に関する報告だ。AIがどこで使われているのか、人間が推奨を却下する頻度はどの程度か、そして政府機関が重大なエラーにどう対応しているのかについて、集計情報を一般に公開する必要がある。

機密の詳細は保護したままでも、監督機関にはより充実したアクセス権を与えられる。独立監察官、議会委員会、監査人は、任務上の機微に触れる情報を公表することなくシステムを評価できる。

意味のある報告は、説明責任を失うことなく商用AIを防衛作戦に導入できるという主張を強めるだろう。沈黙は、ガバナンスが配備のスピードに追いついていないことを示唆する。

これらのシグナルが重要なのは、軍事分野に限らない。政府調達は、のちに警察活動、国境取締り、情報機関、民間の行政機関へと広がる技術標準を定着させる可能性がある。

企業の購入担当者も注視すべきだ。モデルへの依存、監査ログ、人間によるレビュー、ベンダーによる更新をめぐる同じ問いは、重大な結果を伴う意思決定にAIを導入する企業にも当てはまる。

開発者は、責任がモデルベンダー、インテグレーター、利用者の間でどのように配分されるかを見守るべきだ。軍事契約は、相互接続されたシステムが障害を起こした際に誰が責任を負うかについて、先例を築く可能性がある。

ナレッジワーカーにとっても、関連する教訓がある。AIの出力は複雑な証拠を整理できる一方で、不確実性を覆い隠すこともある。追跡可能なAIナレッジベースを維持すれば、情報源、競合する解釈、人間による判断を保存しやすくなる。

AI時代の軍産複合体は、武器だけによって定義されるものではない。コンピューティング、データ、モデル、統合、評価、そして許容される利用のルールを誰が支配するかによって定義される。

Big Techによる軍事AIは、すでに実験段階から運用インフラへと移行している。いま問われているのは、公的機関が自ら規制すべきシステムに依存した後でも、持続的な制約を課せるかどうかだ。

契約、相互運用性テスト、運用監査に注目してほしい。それらは総合して、AIが説明責任を負う人間の管理下にあるツールであり続けるのか、それとも不透明な軍事権限の層となるのかを示すだろう。