{
  "checkedAt": "2026-10-09",
  "title": "日本はなぜAIで遅れをとるのか？ 投資・人材・データ・実装から読む6か国比較",
  "sources": [
    {
      "id": "S1",
      "title": "Stanford HAI：AI Index 2026・経済編",
      "url": "https://hai.stanford.edu/assets/files/ai_index_report_2026_chapter_4_economy.pdf",
      "period": "投資：2025年",
      "locator": "PDF 12ページ：Global private investment in AI by geographic area, 2025",
      "method": "公式PDFの本文・図の抽出テキストを確認",
      "facts": "日本1.11、米国285.88、中国12.41、英国5.90、ドイツ3.89（十億米ドル）。ロシアはこの図に数値掲載なし。",
      "limits": "Quidの民間投資集計。国家予算、全ての設備投資、人口・GDP比、AI能力の順位ではない。"
    },
    {
      "id": "S2",
      "title": "Stanford HAI：AI Index 2026・研究開発編",
      "url": "https://hai.stanford.edu/assets/files/ai_index_report_2026_chapter_1_research_development.pdf",
      "period": "2025年",
      "locator": "PDF 7〜8ページ：Notable AI models by sector",
      "method": "公式PDF本文を確認",
      "facts": "収録された注目モデルの約91%は産業界に由来。",
      "limits": "Epoch AIが選定したモデル群。すべてのAI開発を数えた統計ではない。"
    },
    {
      "id": "S3",
      "title": "IPA：DX動向2025（訂正版）",
      "url": "https://www.ipa.go.jp/digital/chousa/dx-trend/tbl5kb0000001mn2-att/dx-trend-2025.pdf",
      "period": "2024年度調査（2025年実施・公表）",
      "locator": "PDF 41〜46ページ（印刷ページ38〜43）、調査概要PDF 68ページ",
      "method": "公式PDF本文の図表2-8、2-10、2-11、2-13に対応する記述を確認",
      "facts": "AI関連人材の充足度、規模別の生成AI導入、業務プロセスへの組み込み、コア領域の開発手段で日米独に差。大企業では日本が一律に劣る結果ではない。",
      "limits": "企業アンケートの回答・自己評価。日本全国の実測値や因果関係の証明ではなく、2026年の国際比較でもない。"
    },
    {
      "id": "S4",
      "title": "IPA：DX動向2026",
      "url": "https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf",
      "period": "2025年度調査（2026年実施・公表）",
      "locator": "PDF 24〜28、63、67ページ／図表3-5、4-12および調査概要",
      "method": "公式PDF本文を確認",
      "facts": "生成AI「導入している」44.0%。AI人材の多くの類型で不足の回答が過半数。データ標準化・管理体制にも課題。海外調査は実施していない。",
      "limits": "前回の導入率22.6%との回答集計の比較。対象・設問や回答企業構成に注意。個人利用率、AI全体58.0%（試験利用込み）と区別。"
    },
    {
      "id": "S5",
      "title": "IPA：国内企業のDX動向・AI活用動向のポイント（2026年7月16日）",
      "url": "https://www.ipa.go.jp/pressrelease/2026/press20260716.html",
      "period": "2026年4月17日〜6月12日、国内1,799社",
      "locator": "概要・調査概要",
      "method": "公式本文を確認",
      "facts": "AI導入が広がる一方、利用用途・成果は効率化・迅速化が中心で、企業価値創出への展開は限定的。",
      "limits": "国内企業の回答調査。効率化にも価値がある。売上増への因果効果を推定した調査ではない。"
    },
    {
      "id": "S6",
      "title": "経済産業省：GENIAC第4期・16テーマ採択（2026年6月4日）",
      "url": "https://www.meti.go.jp/press/2026/06/20260604003/20260604003.html",
      "period": "2026年6月4日",
      "locator": "1．背景",
      "method": "公式検索索引の本文抜粋で確認。直接取得は403のため未取得",
      "facts": "基盤モデル開発には計算資源の確保が大きな課題。2024年2月から計算資源の提供支援等を実施。",
      "limits": "採択は支援開始の事実。性能・売上などの成果が保証されたことを意味しない。"
    },
    {
      "id": "S7",
      "title": "経済産業省：GENIAC第2期成果報告会",
      "url": "https://geniac.meti.go.jp/geniac_magazine/resultsreport_2.html",
      "period": "開催2025年6月9日、記事2025年7月10日",
      "locator": "第1部冒頭の説明",
      "method": "公式本文を確認",
      "facts": "利用者側も価値あるデータを見極め、整備することの重要性を説明。",
      "limits": "各社の性能・導入成果は発表者の報告。本文では、それを国内全体の実績に一般化しない。"
    },
    {
      "id": "S8",
      "title": "内閣府：第Ⅱ期人工知能基本計画・概要",
      "url": "https://www8.cao.go.jp/cstp/ai/ai_plan/aiplan_g_20260714.pdf",
      "period": "2026年7月14日閣議決定",
      "locator": "PDF 1〜2、4〜6ページ",
      "method": "公式概要PDFと計画掲載一覧の決定日を確認",
      "facts": "計算資源・電力・人材・データ、組織全体・中小企業・地域への実装が課題。分野別AI・フィジカルAI、責任関係の整理、KPIによる監視などを掲げる。",
      "limits": "政府の現状認識と計画。将来の実施完了・成果ではない。"
    },
    {
      "id": "S9",
      "title": "内閣府：人工知能基本計画・AI戦略の掲載一覧",
      "url": "https://www8.cao.go.jp/cstp/ai/ai_plan/ai_plan.html",
      "period": "AI戦略2019・2022、基本計画2025・2026",
      "locator": "公表・閣議決定日と資料一覧",
      "method": "公式一覧の本文を確認",
      "facts": "2025年基本計画に先立ちAI戦略2019・2022等がある。2025年12月23日と2026年7月14日の基本計画を掲載。",
      "limits": "法律に基づく基本計画の初回と、AI政策全体の開始時期を混同しない。"
    }
  ],
  "investment": {
    "year": 2025,
    "unit": "億米ドル",
    "kind": "民間投資（Quid）",
    "countries": [
      {
        "country": "日本",
        "value": 11.1
      },
      {
        "country": "アメリカ",
        "value": 2858.8
      },
      {
        "country": "ドイツ",
        "value": 38.9
      },
      {
        "country": "イギリス",
        "value": 59
      },
      {
        "country": "ロシア",
        "value": null,
        "reason": "同じ図に数値掲載なし。ゼロではない。"
      },
      {
        "country": "中国",
        "value": 124.1
      }
    ],
    "sourceId": "S1"
  },
  "analysis": [
    {
      "id": "A1",
      "finding": "継続開発への制約",
      "evidence": [
        "S1",
        "S2",
        "S6"
      ],
      "status": "投資差・計算資源の課題は確認。遅れへの因果寄与の割合は未推定。"
    },
    {
      "id": "A2",
      "finding": "導入を担う人材の不足",
      "evidence": [
        "S3",
        "S4"
      ],
      "status": "企業の回答として確認。研究者不足だけに限定しない。"
    },
    {
      "id": "A3",
      "finding": "利用できるデータの整備",
      "evidence": [
        "S4",
        "S7"
      ],
      "status": "課題認識を確認。工場の例は架空であり、全国の実態ではない。"
    },
    {
      "id": "A4",
      "finding": "業務プロセスと規模別の実装",
      "evidence": [
        "S3",
        "S5"
      ],
      "status": "2025年版の国際差と、2026年の国内課題を区別。効率化の価値は否定しない。"
    },
    {
      "id": "A5",
      "finding": "政策を成果まで評価する必要",
      "evidence": [
        "S8",
        "S9"
      ],
      "status": "検証項目を提案。特定の政権・政治家への因果責任は未確定。"
    }
  ],
  "unproven": [
    "6か国の総合順位",
    "個別政権・政治家・単一の制度変更が遅れを生んだという因果関係",
    "国民性・英語力・規制だけによる説明",
    "各要因の寄与率"
  ],
  "timeline": {
    "records": 158,
    "preservedFromPrevious": true,
    "recheckedAllThisTime": false,
    "selectionBias": "日本の収集粒度が他国より細かい。件数を順位にしない。"
  }
}