目次
多くの企業のAIポリシーには、「利用を認めるモデル」の一覧がある。情報システム部門が審査し、法務が確認し、委員会が承認した一覧である。
その一覧が、いま静かに実態と乖離し始めている。理由は単純で、どのモデルを使うかを決めているのが、もう自社ではないからだ。
決めているのは、業務アプリのベンダーと、テナント設定の既定値である。
8月26日、CRMの既定モデルが入れ替わった
Claudeforce発表の内訳を示す図。2026年8月26日にSalesforceとAnthropicが発表したClaudeforceにより、Claudeが既定モデルとなった範囲は、Slack AIとSlackbot、Agentforce Coworker、Agentforce Atlas Reasoning Engine、Headless 360、および社内開発におけるClaude Code。またSalesforce in Claudeというプラグインが提供され、37の事前構築済み営業スキルを含み、9月にオープンベータ予定。金額面では、Benioff氏の発言によれば2026年のAnthropicトークン支出が約3億ドル、既存のAnthropic出資が3億ドル、同日発表の四半期売上は113.5億ドルで前年比プラス11%、AgentforceのARRは12億ドル、時間外取引で株価は約12%上昇した。重要な点は、動いたのが選択肢ではなく既定値であること。管理者はモデルを上書きできるが、上書きしなければベンダーが選んだモデルが本番の推論を担う。ClaudeはAmazon Bedrock経由でSalesforce Trust Boundaryの内側で稼働する初のLLMプロバイダとされる
2026年8月26日、SalesforceとAnthropicが「Claudeforce」を発表した。四半期決算の発表と同日である。
報じられている内容を整理すると、次のようになる。
- Claudeが Slack AI／Slackbot／Agentforce Coworker／Headless 360 の既定モデルになる
- Agentforce Atlas Reasoning Engine の推論モデルとしてClaudeが組み込まれる
- 「Salesforce in Claude」というプラグインが提供され、37の事前構築済み営業スキルを含む。現在は一部のパイロット顧客に提供中で、9月にオープンベータ予定
- ClaudeはAmazon Bedrock経由で Salesforce Trust Boundary の内側で稼働する初のLLMプロバイダとされる
金額も出ている。Marc Benioff氏の発言として、Salesforceは2026年にAnthropicのトークンへ約3億ドルを支出する見込みで、これは既存の3億ドルの出資とは別である。同日発表の四半期売上は113.5億ドル（前年比+11%）、AgentforceのARRは12億ドル、時間外取引で株価は約12%上昇した。
ここまでは「大型提携のニュース」である。だが、買い手の立場で読むと、意味が変わる。
動いたのは選択肢ではなく、既定値だ。
Salesforceのドキュメント上、モデル選択の余地は残っている。Salesforce Default（新規のBuilderエージェントはGPT-4.1、旧来のエージェントはGPT-4o）、AWS-Hosted（Trust Boundary内のBedrock上のClaude）、Google Gemini。管理者はエージェント単位・サブエージェント単位で上書きもできる。
しかし、既定値を上書きする作業には、それを行う理由と、行う人と、行った記録が必要になる。上書きしなければ、ベンダーが選んだモデルが本番の推論を担う。 そして多くの現場では、上書きは行われない。
すでに、あなたのテナントでは既定がオンになっている
Microsoft Copilotにおける Anthropicモデルの地域別既定設定を示す図。商用クラウド（日本を含むEU/EFTA・英国以外）では既定がオンで、管理者が明示的に無効化しない限り既定でAnthropicモデルが使える状態。EU・EFTA・英国では既定がオフでNo users設定となり、使うには管理者が明示的にオプトインする必要がある。米国政府クラウドGCCの非連邦顧客では2026年7月22日から設定が追加され既定はオフで、有効化するとFedRAMP認可境界の外でデータが処理される。GCC連邦顧客、GCC High、DoD、その他ソブリンクラウドではそもそも選択肢が管理センターに表示されない。見落とされやすい但し書きとして、Copilot・Researcher・Copilot Studio・Power Platform上のAnthropicモデルはEUデータ境界の対象外であり、該当する場合は国内処理コミットメントの対象からも外れる。別枠としてPreview models with Data Retention（Claude Fable 5やMythos 5等）があり、AnthropicがMicrosoftのサブプロセッサではなく独立したデータ処理者となる。既定は全シナリオでオフ。入出力は原則30日保持で、ポリシー違反の疑いがあれば内容を最大2年、分類スコアを最大7年保持しうる
Claudeforceは目立つ事件だが、同じ構造はすでに、多くの日本企業のテナントの中で進行している。
Microsoftは、Anthropicを Microsoftのサブプロセッサとしてオンボードした。これにより、Microsoft Product Terms とData Protection Addendum（DPA）、Customer Copyright Commitment がAnthropicモデルの利用にも適用される。企業向けの契約枠に収まるという意味では、統制上は前進である。
問題は既定値の設計だ。Microsoftの公式ドキュメント（2026年8月18日時点）にはこう書かれている。
「Microsoftは、商用クラウドのほとんどの顧客に対して、Anthropicモデルを既定でオンにする（EU/EFTAおよび英国を除く）」
つまり、日本のテナントは既定オンの側にいる。EU・EFTA・英国は既定オフ（No users）で、使うには管理者が明示的にオプトインする必要がある。米国政府クラウドのGCC非連邦顧客は2026年7月22日から設定が追加されたが、既定はオフである。GCC連邦顧客、GCC High、DoD、その他ソブリンクラウドでは、そもそも選択肢が管理センターに表示されない。
対象範囲は狭くない。Microsoft Copilot、Researcher、Copilot Studio、Power Platform、そしてMicrosoft 365アプリ内のCopilotが含まれる。Word・Excel・PowerPointで文章を整える操作も、この範囲に入る。
そして、日本の大企業にとって最も重要なのは、次の但し書きだ。
「Copilot、Researcher、Copilot Studio、Power Platform などのMicrosoft製品に展開されたAnthropicモデルは、現時点でEUデータ境界の対象外であり、該当する場合は国内処理（in-country processing）コミットメントの対象外である」
データの所在地について社内で説明してきた前提が、モデル単位で崩れうるということである。金融・医療・公共といった規制産業では、この一文だけで再確認が必要になる。
さらに別枠がある。Preview models with Data Retention（Claude Fable 5、Claude Mythos 5 等）については、AnthropicはMicrosoftのサブプロセッサではなく独立したデータ処理者として扱われる。この枠は全シナリオで既定オフだが、有効化すると入出力は原則30日保持され、Anthropicの安全性分類器がポリシー違反の可能性を検知した場合、内容は最大2年、分類スコアは最大7年保持されうる。
こちらは既定オフという設計になっており、その点は妥当だ。ただし「既定オフだから安心」と「既定オンだから承認済み」は、どちらも思考停止である。確認すべきは、自社の承認モデル一覧と、テナントの実際の設定が一致しているかどうかだ。
「選べる」と「選んでいる」は別のことである
モデル選定の決定が起きる4つの層を示す図。第1層はSaaSベンダーが決める層で、Claudeforceのように推論エンジンに特定モデルが組み込まれ、買い手の稟議には現れない。裁量はほぼゼロ。第2層はテナント既定値として降りてくる層で、管理センターの設定であり、既定がオンなら何もしないことが承認と同じ意味になる。裁量はオプトアウトのみ。第3層は管理者がエージェント単位で上書きする層で、Salesforceの場合はSalesforce Default（新規はGPT-4.1、旧来はGPT-4o）、AWS-HostedのClaude、Google Geminiから選べる。裁量はあるが運用が必要。第4層は自社で持ち込む層で、Model BuilderやLLM Open Connectorを用いる。移植性は最も高いが設計・eval・運用の負担を自社が負う。裁量は最大。補足データとして、企業のLLM API支出シェアはAnthropic 40パーセント、OpenAI 27パーセント、Google 21パーセントで市場規模は84億ドル。またエージェント台帳については98パーセントが導入済みまたは導入予定である一方、台帳を可視化できているのは半数未満
整理すると、モデル選定の決定は4つの層で起きている。
① SaaSベンダーが決める層。 推論エンジンに特定モデルが組み込まれる。買い手の稟議書には一行も現れない。
② テナントの既定値として降りてくる層。 管理センターの設定である。既定オンなら、何もしないことが承認と同じ結果になる。
③ 管理者がエージェント単位で上書きする層。 裁量はあるが、運用の手間がかかる。
④ 自社で持ち込む層（BYOLLM／自社基盤）。 移植性は最大だが、設計・eval・運用の負担を自社が負う。
多くの企業のAIポリシーは、③と④を前提に書かれている。「用途に応じて適切なモデルを選定する」と。ところが実際に稼働している業務の大半は、①と②で決まっている。
この構造は、市場シェアの偏りとも噛み合っている。Menlo Venturesの企業調査では、企業のLLM API支出シェアはAnthropicが40%（2023年の12%から上昇）、OpenAIが27%、Googleが21%で、市場規模は84億ドルに達している。上位3社に集中した市場で、SaaSベンダーが既定モデルを決めれば、実質的な選定は少数の組み合わせに収束する。
台帳側の準備も追いついていない。SAP LeanIXが2026年3月に228社のエンタープライズアーキテクチャ責任者へ実施した調査では、98%がAIエージェントを既に導入済みまたは導入予定である一方、エージェントの台帳を可視化できている企業は半数未満だった。どのエージェントがどのモデルで動いているかを一覧できない状態で、モデル単位のポリシーは執行できない。
モデルが入れ替わると、evalの前提が黙って変わる
モデル更新サイクルと企業のベンダー審査期間のミスマッチを示す図。モデルの主要リリースの平均更新間隔はAnthropicが約4ヶ月、Googleが約5ヶ月、OpenAIが約6ヶ月で、既定モデルの差し替えはこれより短い周期でも起こりうる。一方、大企業のAIベンダー審査に要する期間は4から9ヶ月で、法務レビュー、セキュリティ評価、パイロット、調達承認を含む。結果として審査が終わる頃には前提のモデルが変わっている。サイレント・リグレッションとは、自社は何も変更していないのに出力が変わり、オフラインevalは合格したまま本番の業務品質だけが落ちる現象。変更起因の未計画コストはGartnerの試算を引用した分析によれば導入総額の15から25パーセントが3年間で発生し、200万ドルの導入なら30から50万ドル相当。乗り換えについては、4週間以内に乗り換えられると考える企業が89パーセント、実際に移行を試みた企業が66パーセント、うち失敗または想定以上の労力を要したのが58パーセント。いつでも切り替えられるという前提が統制の空白を正当化してしまう
既定モデルの話が「ガバナンスの壁」だけの問題なら、設定を確認して終わりである。だが、これは品質の壁の問題でもある。
理由は、既定モデルが入れ替わるからだ。
主要ラボの更新間隔は、公開されているリリース履歴から見ておおむね Anthropic 約4ヶ月／Google 約5ヶ月／OpenAI 約6ヶ月とされる。一方、大企業がAIベンダーを審査し終えるまでの期間は、法務レビュー・セキュリティ評価・パイロット・調達承認を含めて 4〜9ヶ月が目安である。
審査が終わる頃には、前提だったモデルが変わっている。
ここで起きるのが、実務でしばしば「サイレント・リグレッション」と呼ばれる現象である。自社は何も変更していない。プロンプトも、RAGの構成も、業務フローもそのままだ。それでも出力が変わる。エイリアスの背後にあるモデルが差し替わったからだ。
厄介なのは、この劣化がオフラインevalをすり抜けることである。受入テスト時のデータセットでは合格したまま、本番の業務品質だけが落ちる。以前の記事で扱った「評価と現実のズレ」が、今度は自社の変更なしに発生する。
コストにも表れる。Gartnerの試算を引用した分析では、AIシステムの変更に起因する未計画コストは3年間で導入総額の15〜25%に達するとされる。200万ドルの導入なら、30〜50万ドル相当の追加工数である。
それでも多くの企業は「いざとなれば乗り換えればいい」と考えている。ここに、もう一つのギャップがある。
Zapierが米国の意思決定者542名（2026年1月30日〜2月6日）に行った調査では、
- AIベンダーへの依存を懸念している：81%（「非常に懸念」は29%）
- 主要AIベンダーを失うと日常業務が混乱する、または機能しなくなる：74%
- 別のAIプロバイダへ4週間以内に乗り換えられると考えている：89%（うち「2〜5営業日」41%、「1日」13%）
- 実際にAIプラットフォーム間の移行を試みたことがある：66%
- そのうち、失敗したか想定をはるかに超える労力を要した：58%
「いつでも切り替えられる」という前提が、統制の空白を正当化してしまう。 切り替えられるはずだから、既定値の確認は後回しでよい。切り替えられるはずだから、ロックインは深刻ではない。ところが実測は逆を示している。
なお、PwCの「生成AIに関する実態調査2026 春」（日本は2026年2月実施、売上高500億円以上の課長職以上932名）では、期待を大きく上回る成果を出している企業の特徴として、経営に近い推進体制、AIエージェントの導入、業務プロセスへの正式な組み込みと並んで複数モデルの活用が挙げられている。複数モデルを扱えることは、いまや先進性の指標ではなく、前提条件に近い。
日本の大企業が、今週から決められる5点
日本の大企業が今週から決められる5点を示す図。1点目は承認モデル一覧とテナントの実際の既定値を突き合わせること。社内ポリシーの利用可能なモデルと管理センターの既定設定が一致しているかを確認する。既定オンの地域では何もしていないことが承認したことと同じ結果になっている。2点目はデータ処理の所在をモデル単位で棚卸しすること。データ境界や国内処理コミットメントの対象外になるモデルがどれかを業務データの区分と突き合わせる。3点目は保持期間が異なるプレビュー枠のモデルを別管理にすること。独立したデータ処理者となり保持ポリシーが変わる枠は既定オフのまま個別の判断ルートに載せる。4点目は既定モデルの変更を変更管理の対象イベントにすること。ベンダー側のモデル差し替えを検知し業務データでの再evalを走らせるトリガーを規程本文に書く。5点目は乗り換えコストを見込みではなく実測で持つこと。重要業務1本を対象に代替モデルへ切り替える訓練を行い所要日数と手戻り工数を数字で記録する。計測すべきは遵守率ではなく差し戻し率・手戻り工数・再eval所要日数
① 承認モデル一覧と、テナントの実際の既定値を突き合わせる
まずこれである。社内ポリシーに書かれた「利用を認めるモデル」と、Microsoft 365 管理センターやSaaS側の管理画面で実際に有効になっているモデルを、一枚の表で並べる。既定オンの地域にいる以上、何もしていないことが、承認したことと同じ結果になっている。この確認は数時間で終わり、そして高い確率で不一致が見つかる。
② データ処理の所在を、モデル単位で棚卸しする
「どのクラウドを使うか」ではなく「どのモデルを経由するか」で、データ境界や国内処理コミットメントの適用が変わる。業務データの区分（顧客情報・人事情報・未公開財務情報・機密設計情報）と、各モデルの処理条件を突き合わせる。ここは法務・情シス・業務部門の三者でないと埋まらない。
③ 保持期間が異なるモデル枠を、別ルートで管理する
プレビュー枠のように、ベンダーが独立したデータ処理者になり、保持ポリシーそのものが変わる区分がある。既定オフのまま放置するのではなく、「使いたい場合はこの手順で申請する」という経路を先に作っておく。経路がなければ、現場は個人アカウントで使う。
④ 既定モデルの変更を「変更管理」の対象イベントにする
これが最も抜けやすい。変更管理の起点は、いまも「自社がリリースするとき」に設計されている。ベンダー側のモデル差し替えを検知し、業務データでの再evalを走らせるトリガーを、規程本文に書く。 検知の手段は、ベンダーのメッセージセンターやリリースノートの監視と、本番プロンプト群に対する定期的なオンラインevalの併用になる。
⑤ 乗り換えコストを、見込みではなく実測で持つ
「4週間で乗り換えられる」は、測っていない企業の平均的な感覚である。重要業務を1本選び、代替モデルへ切り替える訓練を実際に行う。測るのは所要日数、手戻り工数、品質の差分だ。この数字を持っている企業だけが、契約交渉でロックインの話ができる。
計測指標は、ここでも「遵守率」ではない。差し戻し率、手戻り工数、再evalの所要日数である。
まとめ ― 決定は稟議から既定値へ移った
この記事の主張は一つに絞れる。モデル選定は、もはや調達の意思決定ではなく、運用の設定になった。
8月26日のClaudeforceは、その転換を最も分かりやすい形で示した事例にすぎない。同じことが、Microsoft Copilotのテナント設定で、ServiceNowの標準SKUで、次に導入する業務SaaSの中で、これからも起きる。買い手が意思決定した記録は残らないまま、本番の推論を担うモデルは決まっていく。
Wizitの整理する「4つの壁」で言えば、これはガバナンスの壁に見えて、実際には品質の壁と横展開の壁にまたがる問題である。既定モデルが変われば、evalの前提が自社の変更なしにずれる。アプリごとに既定モデルが違えば、10本目を載せるときの統制はアプリの数だけ分岐する。
そして本番化の観点で厄介なのは、この確認はPoCの段階では誰も困らないという点だ。PoCは特定のモデルを明示的に指定して動かす。既定値が問題になるのは、全社展開して、指定しない人が使い始めてからである。つまり、本番化の直後に発覚する。
Wizitは、大企業のAIをPoCで止めず、本番運用とROIまで動かし切ることを仕事にしている。その過程で繰り返し出てくるのが、この「誰も決めていないのに決まっている」領域だった。本番化基準を最初に合意し、モデルの前提が変わったときに何が起きるかを設計に織り込んでおく。地味だが、ここを飛ばすと横展開の段階で必ず止まる。
自社のAIポリシーを開いて、「利用を認めるモデル」の一覧を見てほしい。その一覧は、管理センターの設定画面と一致しているだろうか。 一致していないなら、決めているのは自社ではない。
---
出典:
- Salesforce「Salesforce and Anthropic Announce Claudeforce: The #1 AI Meets the #1 AI CRM」プレスリリース（2026年8月26日）
- CIO「Salesforce, Anthropic partner to deliver Claudeforce」（Patrick Stokes 氏コメント、提供時期）
- Salesforce Q2 決算関連報道（売上113.5億ドル、Agentforce ARR 12億ドル、株価の時間外上昇）／Marc Benioff 氏の Anthropic トークン支出に関する発言報道
- Salesforce Help / Agentforce Developer Guide「Supported Models」「Bring Your Own Large Language Model」（Salesforce Default / AWS-Hosted / Google Gemini、Model Builder、LLM Open Connector）
- Microsoft Learn「Anthropic models in Microsoft Online Services」（2026年8月18日更新。地域別既定値、EUデータ境界・国内処理コミットメントの適用除外、GCC 非連邦顧客向け設定〈2026年7月22日〉、Preview models with Data Retention の保持期間）
- Menlo Ventures「State of Generative AI in the Enterprise」（企業LLM API支出シェア: Anthropic 40% / OpenAI 27% / Google 21%、市場規模84億ドル）
- SAP LeanIX「Agentic AI Survey 2026」（2026年3月、228社のエンタープライズアーキテクチャ責任者、欧州70%・北米18%）／SAP News Center「AI Agent Sprawl: Why AI Governance Is Now a Board-Level Issue」
- Zapier「AI vendor loss would disrupt 3 in 4 enterprises」（米国の意思決定者542名、2026年1月30日〜2月6日、Centiment 実施）
- Value Add VC「The AI Model Refresh Cycle: How Frequent Releases Are Breaking Enterprise Procurement」（モデル更新間隔、ベンダー審査期間4〜9ヶ月、Gartner 試算の未計画コスト15〜25%）
- PwC Japan「生成AIに関する実態調査2026 春 6カ国比較」（日本調査は2026年2月、売上高500億円以上・課長職以上932名）