⚡ LAGLESS PORTAL🗽 アメリカ最前線 ①2026-09-19 (土)バックナンバー
🗽 アメリカ最前線 ①

共働き1,300万世帯・判例2.3億URL・睡眠損失15兆円。AIの単位が「個人」から「世帯」に変わった日に、日本で見えた3つの穴

きょうの結論

Googleは新しいAIエージェントにエージェント本人専用のGoogleアカウントを与え、家族の一員として招き入れた。AIが「私の道具」から「世帯の一員」に変わった。そして日本には、その受け皿になるLINEがある。

TOPIC 1

AIに、家族の一員としてのアカウントを配った

これまでのAIアシスタント 私 AI機能 私のアカウントの 中で動く 今日からのかたち 父 母 子 エージェント 専用アカウントを持つ 家族が「共有してよい」と決めたメールだけが、エージェントに届く 学校のイベント 習い事・部活 誕生日会の招待 病院の予約確認 そのうえで、同意書の記入も、学用品の買い物リストも、一週間の献立も自分で作る 活動と活動のあいだの移動時間まで計算する。足りない情報は家族に聞き返し、答えをグループの記憶として覚える。
Googleが要望を集めてみたら、人々がAIに任せたかったのは自分の仕事ではなく家庭の運営だった。
1,300万日本の共働き世帯数(全体の約7割)
6人1つのエージェントに参加できる上限
600億円推定される日本市場(周辺含む)

日本の家庭のスケジュールは、いまだに紙のプリント、連絡帳、LINEグループ、そして「母親の頭の中」に分散しています。提出書類・PTA・学童の申込・月謝袋・問診票。アメリカの同意書より、日本のほうがずっと多い。国内の家族カレンダー共有アプリは「入力した予定を共有する」までで、エージェントが自分で書類を書く製品はありません。

エージェント = 指示を待つのではなく、自分で段取りを決めて手を動かすAI。「予定を教えて」ではなく「申込書を書いておいて」に応えるもの。
TOPIC 2

判例2.3億URL。日本の判例は、AIから見えない

Astra for Law が積んだもの(ウェブ検索のみの同モデルとの比較) +40% リサーチ回答の正確性 +24% 引用できる判例の発見数 +54% 該当箇所を取り出す精度 米国 判例・制定法・規則が公開データ → 2.3億URLが機械可読 日本 第一法規・TKC・Westlawの寡占 → 有料・クローズド。AIから見えない 既存のリーガルAIユニコーンが、この基盤の上に自社製品を作る「顧客」になる構図も同時に生まれた。 基盤モデルの事業者が垂直市場のインフラ層まで降りてきて、アプリ層にとって供給者と競合を兼ねる。
「日本版リーガル検索インデックス」という発想そのものが、まだ誰にも実装されていない。

もうひとつの壁が弁護士法72条(非弁行為の禁止)です。ただしAI契約書レビューは2023年のグレーゾーン解消制度で運用の目安が示されており、企業法務部門向けのB2Bなら参入余地は明確に開いています。狙い目は上場企業ではなく、法務担当者が社内に1人しかいない中堅企業。この層は年額数十万円の判例データベースを買えていません。規制の壁は、先行者を守る壁でもあります。推定TAMは約700億円。

TOPIC 3

32万円のマットレスパッドを笑った記者が、降参した

世界一眠らない国に、この製品カテゴリが無い 睡眠不足による日本の経済損失 約15兆円 GDPの約2.9%(ランド研究所の試算) 平均睡眠時間 OECD最下位 加盟国のなかで最も短い 国内市場は綺麗に3つへ分断されている 高機能マットレス 寝具・ひんやり寝具 睡眠計測アプリ 体温を動かす ハードウェア=空白 32万円は日本の寝具単価から乖離しすぎ。5〜8万円で国産版を先に出した側が取る 元サービス自身が「いずれ500ドルの普及版を出す」と明言している。推定TAMは約1,200億円。
計測するアプリは山ほどあるのに、計測結果を受けて何かを動かす製品がない。

記者は最初「寝るものの何がAI搭載なのか」と完全に馬鹿にしていたそうです。数か月使った結果、「赤ちゃんのようによく眠っている」と書くはめになりました。仕組みは単純で、就寝時刻に合わせて冷やしはじめ、入眠後さらに冷やし、起床時刻に向けてゆっくり室温まで戻す。2人で寝るなら左右2ゾーンで別々に組めます。日本は住宅が狭く、夫婦で体感温度が違う。「寝床だけを冷やす」は、むしろ日本人のほうが受け入れやすいはずです。

TOPIC 4

言語を出力しないAIが現れた。出力トークンは無料

出てくるものが違う これまでのLLM 「この取引は不正の可能性があります」 → 文章。もっともらしい嘘も混じる Jev 「不正 0.94 / 正常 0.06」 → 確率。選択肢を先に定義するので嘘が出ない 開発者からの実測報告 5〜18倍 速い(精度も上がった) 10〜20倍 安い(対Gemini) 0円 出力トークンの課金 作ったのは、ChatGPTとRLHFの開発に関わった元OpenAIの研究者 「我々は瓶の中に稲妻を捕まえた。それなのに、役に立たない」——問題は人間の言語に向けて最適化していることだ、と。
入力は10億トークン単位で課金し、出力は無料。言語を捨てたら、値段の形まで変わった。

日本企業の業務AI導入は、「分類する」「判定する」「振り分ける」に高価なLLMを使ってコストが合わなくなっている例だらけです。請求書の勘定科目判定、問い合わせの一次振り分け、与信スクリーニング。どれも言語を生成する必要がまったくない仕事です。

そして決定的なのはこちらです。確率を返すモデルは、説明責任が求められる日本の業務と極めて相性が良い。「AIがこう言っています」ではなく「確信度94%、閾値90%を超えたので自動処理に回します」と言えるほうが、稟議も通り監査にも耐えます。この設計思想を持った国産プレイヤーは、まだ見当たりません。

TOPIC 5

富裕層の資金が、VCを飛ばしてAIに直接乗り込んでいる

ファミリーオフィスの運用資産 2024年 5.5兆ドル 2030年(予測) 9.5兆ドル オルタナティブ投資はすでにポートフォリオの42%。65%が「AI投資を優先する」と回答。 ただし本人たちも「一次市場の価格で、二次市場のリスクを買っている」と自覚している 日本側の空白:富裕層の資産管理は信託銀行の箱型商品が中心で、未公開株セカンダリーの受け皿が乏しい。
10年ロックされるファンドを避け、既存株主から直接買う。事業承継で生まれた資産の受け皿にもなり得る。

今日の一日を通して見えたのは3つの変化でした。AIの単位が個人から世帯へ移ったこと。「LLMではないAI」が一斉に現れたこと。基盤モデル事業者が専門職市場の垂直層まで降りてきたこと。そしてどれにも共通して、日本側には具体的な空白があります。共働き1,300万世帯の事務負荷、クローズドな判例データベース、OECD最短の睡眠時間、説明責任を求められる業務プロセス。課題のほうが日本で深刻なのに、製品だけが存在しないという状態が、いくつも重なって見えています。

🔒 この回の元レポート全文を読む

図解版はこのとおり公開しています。もとになった元レポートの全文と ラボの実況が、月額750円の会員向けです。

会員について見る →

すでに会員の方は 📄 この回の元レポート全文を読む →