從「數位佃農」到價值創造者：生成式AI的信任挑戰與日本的應對戰略
科技產業資訊室(iKnow) - 謝采燁 發佈於 2025年7月8日
圖、從「數位佃農」到價值創造者：生成式AI的信任挑戰與日本的應對戰略
生成式AI技術正迅速演進，從文字生成擴展至圖像、語音、程式碼等多模態應用，對各產業與社會帶來深遠影響。根據三菱總合研究所的預測，到2030年，全球生成式AI市場將達2,110億美元，日本也將成長至1.8兆日圓。然而，日本企業對這項技術的導入速度相對緩慢，僅約14.6%的企業實際應用生成式AI。導入困難的背後，關鍵在於兩大因素：第一，AI技術本身的信賴性問題，包括正確性、安全性、透明性、公平性等使用風險；第二，企業內部缺乏規範、準則與基礎知識體系，在制度與環境面仍缺乏配套機制，造成儘管生成式AI潛力龐大，企業仍無法有效活用。
三菱綜合研究所在研究與政策提案報告《邁向可信賴的生成式 AI 》（活用信頼ある生成 AI の利活用に向けて）透過模型試算指出，若能確立一套安全可信賴的生成AI使用體系，僅就製造、通信、批發零售、醫療福祉與教育五大產業而言，潛在附加價值可望擴大至21.3兆日圓。其中提升AI「正確性」的確保對產值貢獻最大，約占總效益的1.4倍，顯示生成式AI若能更可靠地輸出內容，將極大提升使用率與生產力。
面對這樣的發展潛力與風險並存的情勢，報告提出日本應採取的三大基本策略如下：
第一、掌握應用層的競爭優勢，善用海外大模型資源。
雖然日本在大型語言模型（LLM）研發上不及美國，但可藉由結合開放型大模型（如GPT等）與在地產業應用，聚焦製造、行政、醫療等B2B與B2P領域，創造獨特商業價值。企業可利用自有資料進行模型微調，並結合專業知識設計客製化功能與介面，打造在地化、可信賴的生成式AI應用。避免成為在數位領域中僅以租用雲端空間來經營事業，如同依附地主租田耕作的「數位佃農」，強化日本在應用層的競爭力與數位自主性。
第二、強化本地特化型生成式AI模型與基礎設施建設。
除善用外部大模型，日本也應發展自有的高信賴、省資源特化型AI，不僅有助於減輕電力負擔，也能促進AI應用普及與縮小數位赤字。特別針對機密性高、法規嚴謹、資料敏感的場景，如醫療紀錄、政府文件、學術研究等。相較於全球企業在B2C市場的強勢，日本國產AI在B2B與B2P領域具發展優勢，例如，語言生成式模型「ELYZA」、「Llama日語版」等皆有潛力成為特定領域的可靠支柱。
第三、建立生成AI式的信賴性評估框架與資訊揭露機制。
為提升社會對AI技術的信任，需引入標準化的信賴性評估制度，結合第三方驗證機構，針對模型的正確率、偏差風險、輸出可解釋性等進行認證與揭露。此機制不僅可作為企業內部風險管理依據，也可在對外提供服務時，對使用者揭露模型能力與限制，避免社會誤用與不信任風險，建立明確的風險邊界與責任歸屬，避免因資訊不對等或過度信任導致社會衝突與誤用風險，也有助於企業與用戶之間建立穩定關係。
生成式AI的進化為日本社會與產業轉型帶來巨大機遇，若無法妥善解決信賴性與基礎制度建構問題，不僅將錯失產業升級契機，更可能擴大數位競爭力落差。因此，報告強調，日本需跳脫過去在數位轉型中「追趕者」的角色，透過透過前述的三項具體措施，強化生成式 AI 的應用在社會與產業中扎根進而為提升日本整體產業競爭力做出貢獻，朝向「安心活用生成式AI社會」的願景邁進，實現經濟創造與社會共善的雙重目標。(1257字；圖1)
參考資料：
【提言】信頼ある生成AIの利活用に向けて。MRI，2024/8/28
信頼ある生成AIの利活用に向けて 生成AIの信頼性確保で21兆円の付加価値を創出。MRI，2024/8/28
日本は「デジタル小作人」のままでいいのか 海外クラウド“高依存”の不安。 IT Media Business Online，2024/5/24
ELYZA-Thinking-1.0: MCTS を用いた推論パス探索と模倣学習による Reasoning Model の開発。Zenn，2025/5/1
米でも中国でもない 世界的な生成AI技術者が日本を選んだワケ。NHK，2023/11/6
--------------------------------------------------------------------------------------------------------------------------------------------