AIは賢くなるほど腹が減る。電気も文章も食べ尽くしそうなAIが、次に欲しがる「意味」とは

AIは、賢くなるほど腹が減る。

文章の要約、画像づくり、データ分析、プログラム作成。生成AIに頼める仕事は、毎月のように増えています。最近は、資料を探し、道具を使い分け、結果をまとめるところまで自分で進めるAIも出てきました。

画面の中では、AIはどんどん速く、賢くなっている。でも、カメラを少し引いて画面の外を映すと、別の景色が見えてきます。

発電所と送電網につながる巨大なデータセンター。電力と熱を抑えるために設計し直される半導体。そして、AIが学べる「人間の文章」の在庫には、底が見え始めました。

電気と、文章。AIはこの2つを、ものすごい勢いで食べています。

じゃあ、その先で、AIは何を食べればいいのか。この記事は、その答えを「意味（コンテキスト）」だと考えています。電気、文章、意味。AIの3つの空腹を順番にたどると、AIの次の競争がどこで起きるのかが見えてきます。

ChatGPTなどの生成AIの中心にいるのが、AIモデルです。文章を扱うAIは、大量のテキストを細かい単位（トークン）に分けて、「次に来る言葉」を予測する訓練を延々と繰り返します。

このとき大事なのが、脳の大きさと、読ませる量のバランスです。Google DeepMindが2022年に発表したChinchillaの研究では、2,800億個のパラメータを持つ大きなAI「Gopher」と同じ計算量で、4分の1の大きさのAI「Chinchilla」に約4倍の1.3兆トークンを読ませました。すると、小さいChinchillaの方が、測ったほぼすべての課題で上回ったんです。

同じ計算量でも、読ませる量を増やした小さなAIが勝った。出典：Google DeepMindをもとにDATA WORLD編集部作成。

賢くするには、脳に見合った量を読ませる必要がある。そして今は、学習のときだけでなく、答える前に長く考えさせたり、外部の道具を使わせたりするたびにも計算が回ります。

つまりAIは、学ぶときにも、働くときにも食べる。その食事を支えているのが、電気です。

国際エネルギー機関（IEA）によると、世界のデータセンターが使った電力は、2025年に485TWh。たった1年で17%増えました。2030年には約950TWh、世界の電力需要の約3%に達する見通しです（IEA）。

950TWhがどれくらいかというと、日本の2024年度の発電電力量が約991TWhです（資源エネルギー庁）。日本という国をまるごと動かす電気に近い量を、2030年にはデータセンターだけで使うことになります。

2025年4月にIEAが示した地域別の見通し。実線は2024年までの実績、破線は予測で、縦軸は年間の電力消費量（TWh）。出典：IEA「Energy and AI」、CC BY 4.0。

日本の中でも、同じことが起き始めています。電力広域的運営推進機関の想定では、データセンターの新増設で増える電力量は、2026年度の48億kWhから2035年度には494億kWhへ。約10倍です（電力広域的運営推進機関）。

もちろん、世界も黙って電気を食べさせているわけではありません。対策は、スピードの違う3つの時計で同時に動いています。

電気は、お金と時間をかければ、ある程度は増やせます。では、AIが食べるもう一つのもの、「文章」はどうでしょう。

AIの進歩をデータから調べる研究機関Epoch AIは、品質と重複を調整した「人間が書いた公開テキスト」の量を、中心値で約300兆トークンと推計しました。今のペースで学習量を増やし続けると、主要なAIは2026年から2032年の間にその量に届くと予測しています（Epoch AI）。

人間が書いた公開テキストの有効量は、中心値で約300兆トークン（幅は100兆〜1,000兆）。出典：Epoch AI「Will we run out of data?」をもとにDATA WORLD編集部作成。

イメージしてみると、こういうことです。ウェブという巨大な図書館があって、AIはそこの本を片っ端から読んできた。ニュース、論文、ブログ、掲示板、プログラム。人間も毎日新しい本を書き足していますが、AIの読むスピードの方がずっと速い。

やがてAIは、図書館を一周してしまう。同じ本を読み直しても、新しい知識は増えません。これが「300兆トークンの壁」です。

でも、ちょっと待ってください。世界の文章やデータって、本当にウェブの図書館にあるものだけでしょうか。

NEDOが2025年に公表した調査は、世界で生まれるデータの規模を175ZBと置きました（NEDO）。1ZBは1兆GB。つまり175兆GBです。ちょっと目が追いつかない量ですよね。そこから重複を除いた固有のデータを17.5ZBと仮定すると、そのうち約16ZBは、AIの学習に今は使いにくいデータだとしています。

世界にあるデータのほとんどは、まだAIが読める状態になっていない。

その中には、工場のセンサーの値、実験の結果、設備の保守記録、お客さまからの問い合わせ、ベテランが判断の理由を書いた日報があります。どれも、ウェブには出てこない、現場で生まれる記録です。ここではそれを「リアルデータ」と呼びます。

ただ、リアルデータは、そのままAIに渡しても役に立たないことが多いんです。

たとえば、工場の記録に「モーター温度82度」と残っていたとします。これは異常でしょうか。

分かりませんよね。どのモーターか、いつもは何度か、いつ測ったか、3日前に部品を交換していないか、振動は増えていないか。そこまで分かって、初めて「故障の兆しかもしれない」と判断できます。

「82℃」という数字に、通常の値、測った時刻、整備の履歴、振動の変化がつながると、判断の材料になる。本文の例をもとにDATA WORLD編集部作成。

この周辺の事情が、コンテキストです。データが何を表し、どこで、どんな条件で生まれ、誰がどう使っていいのか。82度という数字は、コンテキストとセットになって初めて意味を持ちます。

困るのは、このコンテキストが会社の中でバラバラに散らばっていることです。温度は設備のデータベースに、交換の履歴は保守会社のシステムに、担当者の「なんか変だな」は日報に。全米科学アカデミーの報告は、説明が足りずに見つけることも使い回すこともできなくなった研究データを「dark data（ダークデータ）」と呼んでいます。秘密だから暗いのではなく、必要な人から見えなくなっているから暗い。

そして日本の会社の多くは、まさにこの段階にいます。

AIは1年で倍に広がったのに、AIに食べさせる自社のデータを用意できている会社は、わずか7.0%。同じ調査で、AIを入れて「売上や利益が向上した」と答えた企業は3.9%でした。今のAIの使い方は、文書の要約や翻訳といった、個人の作業の効率化が中心です（IPA）。

冷蔵庫はあるのに、中に入っている食材には名前も賞味期限も書いていない。そんな状態なんですよね。

この「意味の不足」に、国として取り組もうとしているのが、Open Data Spaces（ODS）です。

WHAT IS

Open Data SpacesODS

会社や組織のデータを、意味と利用条件を保ったまま、つなげて使うための日本発の技術の考え方

「データ枯渇時代。世界の常識を知るAIも、現場の文脈はまだ知らない。」── IPA Open Data Spaces 公式サイト

1. 2025.10共通の仕様にIPAや東京大学などが、国内のデータ連携の共通技術仕様とすることで合意
2. 2026.04成果物を公開設計の考え方、通信の決まり、試せるソフトウェア、導入ガイドを公開
3. 2026.04世界へドイツの産業見本市ハノーバーメッセで紹介
4. NOWコンテキストレイヤーへAIが使う「業務の文脈」を支える層として発信

ODSは、情報処理推進機構（IPA）が進める、データを分散したまま管理するための技術の考え方です（IPA）。データを1か所に集めるのではなく、それぞれの会社が自分のデータを持ったまま、信頼できる相手に、決めた目的の範囲で渡します。

ODSがつなごうとしているのは、「データがどこにあるか」「何を意味するか」「誰が、どの目的で、どこまで使えるか」の3つ。2026年4月には、設計資料、通信の決まり、試作に使えるソフトウェア、導入ガイドが公開されました（IPA）。

面白いのは、ODSの公式サイトが掲げる言葉です。紹介動画の第1回の題は「Data is Eating the World」。そして自らを、AIのための「コンテキストレイヤー（文脈の層）」と呼んでいます。AIの空腹を満たす次の食材はリアルデータで、その食べ方を決めるのがコンテキストだ、という考え方です。この記事がたどってきた道筋と、ぴったり重なります。

今、世界中の会社が、ほぼ同じAIモデルを使えるようになっています。同じ道具を持ったら、差がつくのはどこか。それは、その会社の仕事を知っている材料を、どれだけAIに渡せるかです。

日本の会社の7.0%しか、AIに食べさせる自社のデータを用意できていない。これは弱点ですが、見方を変えればチャンスでもあります。残りの93%より先に、日報や保守記録に「いつ、どこで、何のための記録か」を書き添え始めた会社から、AIの答えが自分たちの仕事に近づいていくはずです。

ただし、ここは正直に書いておきます。同じIPAの調査で、データ整備の課題の1位は「人材の確保」（51.2%）でした（IPA）。コンテキストを書き添えるのは、結局、現場を知っている人です。AIの次の競争は、データの競争であると同時に、現場の人の知恵を言葉にする競争でもあります。

オハイオの1拠点に10GW以上の発電設備。データセンターを9地域に集める国家戦略。電気の競争は、国と巨大企業の戦いです。僕らが直接参加できる土俵ではありません。

でも、意味の競争は違います。82度に「いつもは65度」と書き添えるのに、発電所はいりません。町工場でも、お店でも、自治体でも、明日から始められる。AIの競争の中で、一番身近で、一番参加しやすいのがここなんですよね。

最後に、DATA WORLDの話を少しだけさせてください。

データに意味を与えると、世界の見え方が変わる。これはAIだけでなく、人間も同じだと思っています。誰が、何のために、どんな条件で集めたデータかが分かった瞬間、ただの数字が急に物語を語り出す。

僕は、その瞬間が好きです。海の観測記録から地球の変化が見え、地域の統計から暮らしの形が見え、産業の数字から新しい仕事の種が見つかる。知らなかったデータと出会うと、いつもの景色に、もう一枚別の地図が重なるんです。

AIにコンテキストを渡す技術が進む時代に、DATA WORLDは、人にコンテキストを渡したい。埋もれたデータを見つけ、出典と背景を確かめ、初めて触れる人にも届く形に編集する。それが、この記事を書いた理由でもあります。