CIOやForbesの最近の企業向けAIインフラ分析に、珍しい逆張りが見られます。買い手たちはクラウドAPIの速度という優位性をあえて捨てて、モデルを自社のデータセンターへ戻しているのです。動機はコストではなくデータ主権です。顧客情報、契約書、ソースコードといったデータはプロンプトとして送出された瞬間、たとえ「準拠するリージョン」に保管されていても、運営元の管轄法域が外国の法的請求に対してデータを差し出さざるを得ない状況になり得ます。つまり「データがどこに置かれているか」と「法的に誰が触れる可能性があるか」は別の質問です。
Gartnerの2026年1月の予測はこの動きを数値化しています。2027年までに35%の国が、独自のコンテキストデータを使う地域限定のAIプラットフォームに「固定」されるというものです。企業にとってこれは抽象的な話ではありません。ヨーロッパの銀行が基礎モデルを自前で持つ必要はありません。必要なのは、顧客データがLLMに送られた後、承認されたリージョン内に留まり、承認されたモデルに到達し、自社が管理するシステムにログを残したという証拠連鎖です。この証拠は契約書に書くチェックボックスではなく、インフラ固有の性質です。
しかし多くの「オンプレミスAI」導入は、境界線の引き方が小さすぎます。実際のデータの流れは「プロンプト投入→モデル出力」の1本だけではありません。モデル呼び出し、外部ツール呼び出し、エージェント同士の相互呼び出し、それぞれがデータを境界の外へ運ぶ可能性があります。網羅的な分け方は5層です。モデルの重み・プロンプトとデータ・呼び出しトラフィック・ログ・ポリシーを管理するコントロールプレーン。1層でも漏れれば、残り4層の保証はすべて無効になります。実務で最も見落とされがちなのがまさにコントロールプレーンです。モデルはローカルに動かしても、管理コンソールがベンダー託管のままベンダーから全プロンプトが見えるなら、主権は半分しか達成されていません。
見落とされがちなコストもあります。モデルが現地に着地して初めて、運用コストが本格的に始まるのです。ローカルのGPUはドライバー、モデルのバージョン管理、メモリ超過、コールドスタートの遅延管理が必要で、これらは誰かが常に監視しなければなりません。CiscoとOmdiaが2026年9月に1,000人のITリーダーを対象に行った調査では、これらの企業の平均的な監視アラートは1日4,100件に達し、うち51%はすでにネットワーク運用でAIエージェントを本番環境で動かしています。OmdiaはAIOps市場が2024年の58億ドルから2031年には104億ドルに成長すると予測し、Gartnerは2030年までに50%の企業が「最小限の人間介入」でAIエージェントによるIT運用を行うと予測しています。この数値は2026年にはほぼゼロでした。
言い換えれば、産業は同時に2つのことを進めています。AIを自社の土へ戻す(主権)こと、そしてそのAI自体を見張らせる(運用)ことです。中小企業にとって、この道は基礎モデルの自作を必要としませんが、3つの要素が必要です。明確に定義されたデータ境界、ローカルで実行可能なモデル、そして24/7眠らない運用レイヤーです。3つ目が、多くの企業でまだ誰も持っていない部分です。
データ主権は最終的に運用問題に落ち着きます。モデルをラックへ入れた後、深夜3時にGPUのクラッシュやドライバーの故障、ログの肥大化を見ているのは誰ですか。LAFAはオンプレミスAIモデルと24/7自動運用をセットで提供しています。主権と安定性は2つのプロジェクトではなく、同じインフラの一部だからです。