AI運用の「現地回帰」が加速—1年で15ポイント低下

5年前、エンタープライズAI戦略といえば「ハイパースケーラークラウドで実行する」が標準想定でした。API は整備され、GPU容量は急速に増強され、過去10年のパブリッククラウド投資の勢いがそう指し示していたからです。

しかし、その前提が音を立てて崩れ始めています。米 Broadcom が2026年6月に発表した「Private Cloud Outlook 2026: The AI Tipping Point」（出典）は、8カ国の上級IT意思決定者1,800名を対象とした調査から、この転換がもはや「地平線の向こう」ではなく、すでに本番環境と予算配分に影響を与えている実態を捉えています。

本番環境でのAI推論をパブリッククラウドで実行する企業の割合が、昨年の56%から41%に低下したのに対し、プライベートクラウドで実行・計画している企業が56%に達しています。

この数字の背後に、より深刻な動きがあります。43%の企業がAI学習・大規模言語モデル・推論をパブリッククラウドから引き戻そうとしており、これは昨年の調査には存在していなかったカテゴリです。

全体のワークロード移行トレンドはさらに急速です。プライベートクラウドへの移行を検討している企業は69%（2025年）から83%に上昇し、既に一部以上のワークロードを移した企業は半数に達しました—わずか1年での15ポイント上昇です。

コスト危機が「セキュリティ懸念」を逆転

エンタープライズAIをプライベートクラウドへ押しやる要因は、かつてストレージやセキュリティ重要データを同じ環境へ集約させた力と同じです。セキュリティ・コントロール・コスト・ガバナンス—これらが本来的に重要になったわけではなく、本番規模で失敗したときの代償があまりに大きくなったということです。

そして今年、調査で初めて「コスト」が「セキュリティ」を上回り、パブリッククラウドへの最大懸念事項になりました。これは、多くのエンジニアの方が肌感覚で知っている現実の確認です。

懸念事項 詳細
コスト予測の困難さ パブリッククラウドコストは既に予測困難だったが、生成AIワークロードがそれを深刻化させた
無駄な支出 IT主導者の97%が、パブリッククラウド支出の一部に無駄があると認識；52%は無駄が支出の25%超と回答
AI関連の懸念 生成AIおよびエージェント型ワークロードについて、62%のIT主導者がインフラコストを「極めて懸念」している

パブリッククラウドの変動費的・消費ベースの価格モデルで設計したAI戦略を組み直す企業が増え、予測可能な経済性を持つプライベートクラウドへ予算が流れるようになっています。

実感として、GPU価格の変動や月額費用の予測不可能性に悩むエンジニアの方は多いでしょう。自宅の自作PC環境でも、RTX 4090 の価格は為替相場に敏感ですが、エンタープライズスケールではその不確実性がそのまま経営判断に直結します。

Broadcom の調査では、3年間のプライベートクラウド投資意向が51%から72%に急上昇し、プライベートクラウドへの投資成長率はパブリッククラウドの2倍以上に達しています。コスト予測可能性が投資シフトを牽引する第2の理由として、39%の組織が挙げています。

ジオポリティクスがボードレベル課題に浮上

近年のAI規制・データ主権要件は、もはやコンプライアンス部門だけの問題ではありません。調査対象のIT主導者の86%が、「地政学的・規制的要因がITの戦略と運用に直接的な影響を与えている」と回答しています。

この流れの中心にあるのは以下の2点です。

  • データ主権・レジデンシー要件—54%の回答者が最大の懸念として挙げている。
  • 管轄地域別のコンプライアンス要件—51%が重視している。

国境をまたぐ企業にとって、データの物理的な所在地がワークロード配置の制約になります。特に欧州（GDPR）、日本（APPI）、中国などで事業を展開する場合、ローカルプライベートクラウドかオンプレミス環境の選択が避けられません。

従来は「セキュリティと規制の要件」としてプライベートクラウド導入を正当化していましたが、今は地政学的リスク管理が明示的にボード（経営層）の優先事項として認識されています。

エンジニアの現場で何が変わるのか

この転換が意味するのは、開発者の方の日常にもじわじわ影響を及ぼすということです。

これまで「Google Cloud Run で推論サービスを立ち上げる」「AWS SageMaker でモデルをスケールする」という選択肢が自然でしたが、今後は組織の規制・地政学的制約を最初から念頭に置いて、プライベートクラウドやオンプレミス Kubernetes 環境での実装を検討する比重が増えるでしょう。GCP の BigQuery や Vertex AI も強力ですが、パブリッククラウドありきの設計では、経営層のコスト・規制判断で後から組み直しを迫られる可能性があります。

また、参考として、米国防総省が2026年6月に生成AI活用事例として議会報告書の自動作成を発表するなど（参考）、政府機関のAI運用も「主権性とコントロール」を最優先に進む傾向が明らかになっています。

インフラ投資の現実を直視する

センセーショナルな言い方をすれば、「エンタープライズAIの世界は、パブリッククラウドの黄金期を通り過ぎた」ということです。これはテクノロジー企業にとって衝撃的な転換ですが、冷静に見ると合理的な帰結ともいえます。

パブリッククラウドは柔軟性と迅速性で優れ、その価値は今も変わりません。しかし、ステートレスなアプリケーション層では依然有用でも、機械学習の学習・推論といった「状態を持ち、リソース消費が大きく、レイテンシーシビアで、規制対象」のワークロードには、プライベートクラウドの予測可能性とコントロールが勝るということです。