「産業の暗闇を照らす」東大発AIスタートアップ「燈」が仕掛ける、垂直統合型AI革命

汎用AIの時代から「業界特化型」への静かなるシフト

OpenAIのChatGPTが登場してから約2年。私たちはいまだに「AIは万能」という幻想に取り憑かれている。しかし現実は異なる。銀行のリスク審査、自動車の品質管理、化学プラントの異常検知——これらの領域では、汎用AIではなく「その業界を知り尽くしたAI」が求められている。

東大発のスタートアップ「燈」（あかり）が照らし出そうとしているのは、まさにこの矛盾だ。ChatGPTやGeminiといった汎用大規模言語モデル（LLM）が万能に見える一方で、企業の現場では「汎用AIでは解決できない問題」が山積みになっている。その間隙を埋めるのが、特定産業に深く根ざしたAIソリューションなのだ。

なぜ「業界特化」がエンタープライズAIの本命なのか

製造業の品質管理を例に取ると、顕著だ。汎用AIが画像認識で90%の精度を出せても、不良品が混在する環境では使い物にならない。なぜなら、業界特有の「許容誤差」「検査基準」「コスト配分」といった文脈を理解していないからである。

燈のアプローチは異なる。東京大学の研究基盤を活かし、特定産業の専門家と組みながら、その業界の「言語」を学習したAIシステムを構築する。これは単なる機械学習モデルではなく、業界のドメイン知識が組み込まれたシステムである。

• 精度の次元が違う：汎用AIの90%は企業にとって「使えない精度」。業界特化型は99%以上の精度を必須とする
• 説明可能性がビルトイン：規制産業では「AIが何を根拠に判断したのか」の透明性が法的要件。汎用AIはここで躓く
• 導入コストが最小化される：業界知識を前提にしているため、企業側の学習コストと調整期間が圧倒的に短い
• レガシーシステムとの統合が容易：既存の製造ラインや業務システムへの組み込みが、設計段階から考慮されている

「スケーラビリティの罠」にハマらないために

ここで浮かぶ疑問がある。「業界特化型AIなら、スケーラビリティはどうするのか？」という問いだ。Googleが数十億ユーザーをサポートする汎用AIを作るのと異なり、業界特化型は初期段階では市場規模が限定される。

しかし燈が採用する戦略は巧妙だ。製造業、金融、医療、流通といった「既存産業」に順次展開することで、同じ技術基盤を複数業界に応用し、再利用可能なコンポーネント化を進める。結果として、個別開発ではなく「業界横断的なフレームワーク」へと進化させるのだ。

これは、かつてのSalesforceやSAPが行った「業界別ソリューション」の手法を、AI時代に再構成したものと言える。ただし重要な違いは、AIが学習する能力を持つという点。一度構築したシステムは、導入企業のデータをフィードバックループとして、継続的に改善される。

「東大発」というシグナルが持つ意味

スタートアップの評価において「どこから出発したか」は無意味に見えるかもしれない。しかし学術機関との連携は、現在のAI開発において構造的な競争優位を生み出す。

理由は単純だ。最先端のAI研究——特に説明可能性（Explainable AI）、転移学習、少数サンプルからの高精度学習といった領域では、論文段階と実装段階の間に大きなギャップがある。東大のような研究機関と連携することで、このギャップを埋めることができるのだ。

さらに重要なのは、人材アクセスだ。AIスタートアップの成長ボトルネックは、優秀な機械学習エンジニアの確保にある。大学発のスタートアップであれば、研究者ネットワークを活かした採用が容易だ。

デジタルトランスフォーメーション（DX）の現実との接点

日本の製造業が直面する課題は、「AI導入したいが、何をすべきか分からない」という混乱だ。既存の基幹システムとの統合、データ品質の問題、組織体制の変更——これらは汎用AIベンダーの営業資料には登場しない。

燈が有望視される背景には、こうした現実への向き合い方がある。業界特化型であるが故に、顧客企業の組織構造や既存プロセスへの理解が深く、導入時の摩擦を最小化できるのだ。これは「コンサルティング」と「テクノロジー」の融合であり、単なるソフトウェア企業ではなく「業界変革パートナー」としての立場を意味する。

今後のAI市場における「勝者と敗者の分岐点」

向こう5年間のAI市場は、大きく二分されるだろう。

一つは、OpenAIやGoogleといった巨人による「基盤モデル」の競争。ここでは規模の経済とデータの質が圧倒的に物を言う。中堅スタートアップが入り込む余地はない。

もう一つが、燈が狙う「垂直統合型AI」の領域だ。ここでの競争要因は、汎用性ではなく「業界への深さ」と「導入実績」である。初期段階では市場規模が限定されるが、一度ポジションを確立すれば、新規参入は構造的に困難になる。なぜなら、顧客企業のシステムに深く統合され、切り替えコストが高まるからだ。

つまり燈が成功すれば、「汎用AIベンダーではなく、業界特化型AIを選択した企業群」という新しいカテゴリが生まれるのだ。