こんにちは、株式会社TIMEWELLの濱本です。
AIと聞いて多くの人がまず思い浮かべるのは、画面の向こうで賢く受け答えするチャットや、資料を自動でつくってくれるアプリだと思います。手元で触れるのがそこだからで、自然な感覚です。ただ、その見え方だけでAI時代の働き方を考えると、大事なところを取りこぼしてしまう気がしています。
きっかけになったのは、NVIDIAの創業者兼CEOであるジェンセン・フアンが2026年に示した「AIは5層のケーキ」という比喩です。半導体の会社のトップが、AIをアプリやサービスの話としてではなく、電力やインターネットと同じ本質的なインフラとして描いてみせた。この見方は、私たち一人ひとりの仕事がこれからどう変わるのかを考えるうえで、思っていた以上に手がかりになります。
この記事は「AI時代の働き方」を考えるシリーズの第1弾です。まずフアンの5層ケーキが本当は何を言っているのかを、よくある誤解を正しながら整理します。そのうえで、その階層論から見えてくる働き方の変化と、これから効くスキルを一次情報に沿って考えていきます。自社にAIをどう取り入れるか関心のある方は、先にAIリテラシーの無料診断で現在地を確かめておくと、後半の話がより具体的に感じられると思います。
まず、よくある誤解を正しておく
この5層ケーキという言葉は、実際に日本のビジネス界でも少しずつ話題になっています。ところが、その中身が取り違えて伝わっている場面をよく見かけます。いちばん多いのが、5層を「AIインフラ、基盤モデル、ツール、エージェント、アプリ」というソフトウェアの積み重ねとして説明してしまう誤解です。ここでいう基盤モデルとは、大量のデータで訓練された汎用的なAIの土台のことで、エージェントとは、人の代わりに複数の作業を自分で段取りして進めるAIを指します。いかにも整った階層に見えるので、つい信じたくなります。
けれども、これはフアンの言っていることとは違います。フアンの5層ケーキに、ソフトウェアの「ツール層」や「エージェント層」は登場しません。彼が描いたのは、AIという知能を生み出すために現実世界で積み上げなければならない、物理と経済のインフラの層です。下から順に、エネルギー、半導体、インフラ、モデル、そしてアプリケーション。この5つです。ソフトの機能を並べたものではなく、電気や工場や建物といった、手で触れられる土台から話が始まっているのが肝心なところです。
なぜこの取り違えが起きるのか。おそらく、私たちがAIを触るのが最上層のアプリだけだからです。その一つ上や下に、目に見えないソフトの階層が続いていると想像するのは自然です。ですが、フアンがわざわざケーキにたとえたのは、その下に本当は電力や半導体という物理の現実が横たわっていて、そこを見落とすとAIの全体像を見誤る、と伝えたかったからだと思います。まずこの一点を正すところから始めます。
ちなみに、この比喩をめぐっては呼び方に細かな揺れもあります。2026年1月のダボスでの対談を伝える報道では、中間の層が「半導体と計算インフラ」「クラウドデータセンター」といった少し違う言葉で紹介されていました1。この記事では、フアン本人が2026年3月10日に公開した署名エッセイ「AI Is a 5-Layer Cake」の定義2を正式なものとして扱います。一次情報にあたると、こうした言い回しの差にも気づけます。
フアンの5層ケーキを、下から順に見る
では、5つの層をひとつずつ見ていきます。ケーキなので、いちばん下の土台から積み上がっていくイメージです。
| 層 | 呼び名 | 中身をひとことで |
|---|---|---|
| 5（最上層） | アプリケーション | 創薬やロボット、自動運転など、経済価値が生まれる場所 |
| 4 | モデル | 言語や科学、物理世界などを理解するAIそのもの |
| 3 | インフラ | 大量のプロセッサを束ねる「知能を製造する工場」 |
| 2 | 半導体（チップ） | エネルギーを効率よく計算に変えるプロセッサ |
| 1（土台） | エネルギー | すべてを動かす電力 |
いちばん下の土台はエネルギー、つまり電力です。フアンの言葉を借りれば、リアルタイムに生成される知能には、リアルタイムに生成される電力が要る、ということになります。AIが答えを返す一回一回が電気を食べている。私たちが気軽にチャットに質問を投げるたび、どこかで発電所が動いている。この当たり前の事実が、そもそも土台に置かれているのが象徴的です。
その上に半導体、いわゆるチップの層が乗ります。半導体は、電力という形のエネルギーを、大規模かつ効率的に計算へと変える装置です。NVIDIAが得意とするGPUは、そのための代表的なプロセッサで、GPUとはもともと画像処理のために生まれた、大量の計算を同時にこなすのが得意な半導体のことです。エネルギーをどれだけ無駄なく計算に変えられるかが、この層の勝負どころになります。
三つ目のインフラの層が、私にはいちばん腑に落ちました。ここは、数万基ものプロセッサを束ねる巨大な施設です。フアンはこれを、情報を保存する場所ではなく「知能を製造するAIファクトリー」と呼んでいます。従来のデータセンターがデータを預かる倉庫だとすれば、AIファクトリーは知能そのものを生み出す工場だ、という捉え方です。土地を確保し、送電をつなぎ、冷却を回し、建物を建て、ネットワークを敷く。ここまでが、まだソフトの話ではなく現実の建設なのが重要です。
四つ目にようやくモデルが来ます。ここが、多くの人がAIそのものだと思っている部分です。モデルは、言語だけでなく、生物や化学、物理、金融、医療、さらには物理世界のふるまいまで、多様な情報を理解しようとします。そして最上層がアプリケーションです。創薬やロボティクス、自動運転といった、実際に経済価値が生まれる場所がここに当たります。私たちが日々触れているのは、この最上層のさらに表面です。
5つの層は、一緒に大きくならないと動かない
この比喩のいちばんの主張は、層の数ではなく、層どうしの関係にあります。フアンは、5つの層は相互に依存していて、同時に拡張しなければ機能しないと述べています。ケーキは一段だけ厚くしても倒れてしまう。土台から最上層まで、釣り合いを取りながら一緒に育っていく必要がある、というわけです。
彼の言い方を借りると、成功したアプリはその下のすべての層を引っ張る、となります。あるアプリがヒットして利用が増えれば、その分だけモデルの計算需要が増え、インフラの増設が要り、半導体が足りなくなり、最後は稼働を支える発電所にまで負荷が及ぶ。上で起きたことが、下の物理の層へと連鎖していく。逆に、下の層が細ければ、上でどれだけ賢いアプリを構想しても動かせません。AIを一つのブレークスルーや一つのアプリの話として捉えると、この全体の連動が見えなくなる、というのがフアンの問題意識だと思います。
だからこそ彼は、AIを「人類史上最大のインフラ構築」と表現しました。規模についても、ここまで投じられたのは数千億ドル程度で、これから数兆ドル規模のインフラが必要になる、という見立てを示しています。ただし、この金額はフアン本人の見立てであって、客観的に確定した統計ではありません2。半導体を売る立場からの予測でもあります。数字そのものより、AIが一部の巨大テック企業の中だけで完結する話ではなく、電力や建設や製造といった物理経済の全体を巻き込んで進む、というスケール感を受け取るのが正しい読み方だと思います。
この構図は、日本の政策の動きとも重なります。国内で計算基盤やモデルを自前で育てようとする動きについては、国産AI基盤とNEDOの支援を整理した記事で扱っています。5層のうち、日本がどの層をどこまで自国で持つのかは、これからの経済安全保障の論点そのものです。
働き方への示唆その1｜仕事は物理経済へ広がる
ここから、この階層論が私たちの働き方に何を意味するのかを考えます。フアンの5層ケーキが働き方の話として面白いのは、AIの雇用創出を、ソフトのエンジニアの世界に閉じたものとして描いていない点です。
彼は、この巨大なインフラを構築するには膨大な労働力が要ると言います。そして、AIファクトリーには電気工や配管工、パイプフィッター、製鉄工、ネットワーク技術者、据付工、オペレーターが必要だ、と具体的な職種を挙げました。そのうえで、この変革に参加するのにコンピュータ科学の博士号は要らない、と語っています。AIブームというと、最先端の研究者やプログラマーだけが恩恵を受ける世界を想像しがちですが、実際には土台に近い物理の層ほど、幅広い人の手を必要とする、という見方です。
この指摘は、日本の地方や中小の製造現場にとっても示唆に富みます。AIの時代が来ると、自分たちの持つ技能は古くなって価値を失うのではないか。そういう不安をよく耳にします。しかしフアンの整理に従えば、AIを動かす現実の土台は、まさにそうした物理の技能で支えられています。電気を通し、冷却を回し、設備を据え付ける仕事は、AIが賢くなるほど必要とされる。むしろ足りなくなる、という話です。
もちろん、これをそのまま日本にあてはめるには注意も要ります。フアンが念頭に置いているのは、大規模なAIファクトリーの建設が進む国や地域の話です。日本で同じ規模の需要がどこまで生まれるかは、これからの立地や投資しだいで、楽観だけでは語れません。それでも、AI時代の雇用が最上層のソフトだけでなく物理経済の裾野まで広がりうる、という視点は、自分の仕事の価値を考え直すうえで持っておいて損はないと思います。
働き方への示唆その2｜奪われるより、判断とケアへ移る
もう一つ、フアンが繰り返し語っているのが、AIは熟練した専門職を奪うより増強する、という論点です。ここで彼が例に挙げるのが放射線科医です。
放射線科医は、レントゲンやCTの画像を読んで病気の兆候を見つける専門家です。画像を読む作業の一部は、AIが得意とするところでもあります。だからAIに仕事を奪われる職種の代表のように語られることがあります。ところがフアンの見立ては逆です。AIが定型的な読影を引き受ければ、放射線科医は判断や、患者や他の医師とのコミュニケーション、そしてケアといった、人にしかできない部分に集中できる。結果として病院全体の生産性が上がり、より多くの患者を診られるようになり、むしろ採用が増える、という筋書きです。
これは楽観論に聞こえるかもしれませんが、仕組みとしては理にかなっています。ある作業が効率化されて安く早くできるようになると、その作業への需要はむしろ増えることがある。読影が速く正確になれば、検査を受けられる人が増え、医療全体の量が増える。すると、その周りで人の判断や対応を要する仕事も増えていく。効率化が雇用の縮小にまっすぐつながるとは限らない、という発想です。ただし、これはあくまでフアンが示した一つの見方であって、すべての職種でこの通りに進むと保証されているわけではない点は、あわせて押さえておきたいところです。
私が大事だと思うのは、この話の先でフアンが言っていることです。これからは、仕事の細かな作業内容よりも、その仕事の目的が何かが問われるようになる、と。放射線科医の目的は、画像を読むこと自体ではなく、患者を正しく診断してケアすることです。目的に立ち返れば、AIに任せてよい作業と、自分が担い続けるべき仕事の線引きが見えてきます。この「目的から考える」姿勢は、放射線科医に限らず、あらゆる職種にあてはまると思います。
働き方への示唆その3｜最上層で価値を生む人になる
ここまでの話を、自分の仕事に引き寄せてまとめます。私たちの多くは、5層ケーキのいちばん上、アプリケーションの層で働いています。エネルギーや半導体をつくる側ではなく、できあがったAIを使って現実の価値を生む側です。ここで問われるのは、AIをどう使いこなすか、という一点に尽きます。
では、この最上層で効くスキルは何か。私は大きく四つあると考えています。一つ目は、自分の業界や現場を深く知る専門知識です。AIは汎用的な答えは得意ですが、この会社の、この現場の事情までは知りません。そこを埋められるのは、現場を知る人だけです。二つ目は、AIに何をさせるべきかを見極める判断力です。何でもAIに任せればよいのではなく、効くところと効かないところを見分ける力が、成果を大きく左右します。
三つ目は、課題を言葉で正しく定義する力です。AIは、問いの質を超えた答えは返してくれません。ぼんやりした指示にはぼんやりした答えが返る。何を解きたいのかを自分の言葉で明確にできる人ほど、AIから良い結果を引き出せます。四つ目は、人と向き合う対人やケアの力です。放射線科医の例が示す通り、最後に人の心に触れる部分は、これからも人の仕事として残ります。この四つは、いずれもAIに丸ごと置き換えられるものではなく、AIと組んで初めて力を発揮する種類のスキルです。
そして、これらの土台にあるのが、AIに何を任せ何を自分が担うかを設計する発想だと思います。私たちがWARPというAIコンサルティングを続けているのも、まさにこの設計の部分に手応えを感じているからです。AIをどこにどう入れれば、この会社の、この業務が実際に楽になるのか。経営者と一緒にそこを描いていく仕事です。とりわけ、組織のトップ自身がAIを自分の道具として使いこなせるようになることが、変化の速さを決めます。号令をかける人がAIを触っていないと、現場は動きません。トップがAIネイティブになる。そこがすべての起点だと、日々の伴走を通じて感じています。
なお、AIが理解しようとする対象は、言葉や画像にとどまりません。フアンの5層ケーキのモデルの層には、物理世界のふるまいを理解する「世界モデル」も含まれます。世界モデルとは、物がぶつかったり落ちたりする現実の法則をAIが内側に持つことで、ロボットや自動運転が現実の中で正しく動けるようにする技術です。こうした物理世界とAIの関わりについては、フィジカルAIと日本の戦略を論じた記事もあわせてご覧いただければと思います。
まとめ
長くなったので、要点を整理します。
- ジェンセン・フアンの「5層ケーキ」は、AIを電力やインターネットと同じ本質的インフラと捉える比喩で、下からエネルギー、半導体、インフラ、モデル、アプリケーションの5層です
- よくある「ツール層」「エージェント層」を含む説は誤りで、フアンの5層に登場するのは物理と経済のインフラの積み重ねです
- 5層は相互依存していて、一緒に拡張しないと機能しません。上のアプリが伸びれば、下の発電所まで需要が連鎖します
- AI時代の雇用は最上層のソフトだけでなく、電気工事や建設、製造、運用といった物理経済の裾野まで広がりうるという見立てです
- 熟練職は奪われるより、判断や対人、ケアへと再配置され、生産性の向上が採用増につながりうる、というのがフアンの論調です
- 最上層で価値を生む人に効くのは、現場の専門知識、AIの使いどころを見極める判断力、課題を言葉にする力、そして人と向き合う力です
AIを賢いアプリとだけ捉えていると、その下に広がる大きな地面が見えません。けれど、働き方の変化は、まさにその地面の上で起きています。まずは自社のどこにAIが効くのかを見極めるところから始めてみてください。自分の会社の場合はどう考えればいいか迷っておられるなら、WARPの担当までご相談ください。元大手企業でDXやデータ戦略を担ってきた専門家が、月次で伴走しながら、AIを経営に落とし込むお手伝いをしています。東京都との協定事業であるWARP ENTREをはじめ、これまで500名以上の育成に関わってきた経験から、大きな流れを目の前の一歩に翻訳するところをご一緒します。
参考文献・一次情報
Footnotes
-
「Larry Fink and Jensen Huang on AI at Davos」NVIDIA公式ブログ（2026年1月21日、世界経済フォーラム年次総会2026での対談）https://blogs.nvidia.com/blog/davos-wef-blackrock-ceo-larry-fink-jensen-huang/ ↩
-
Jensen Huang「AI Is a 5-Layer Cake」NVIDIA公式ブログ（2026年3月10日）https://blogs.nvidia.com/blog/ai-5-layer-cake ↩ ↩2