AI ネイティブ（AI-Native）とは、人工知能モデルをシステムの中核的基盤とし、ワークフローのオーケストレーション、データ構造、および意思決定権限を体系的に再構築する組織パラダイムを指す。この概念は産業実践から生まれたが、長らくマーケティング上のレトリックにとどまっていた。大規模モデル技術の台頭に伴い広く普及したものの、運用可能かつ判定可能な技術的定義は常に欠けていた。

2026年、Tan は論文 *Defining AI-Native Systems: Autonomy as Revision Authority で初めて厳密な技術的定義を提示した。この定義では、判定基準を単一の核心的次元――システムが自己の意思決定に対して持つ「修正権限」（revision authority）――に集約し、意思決定の実行主体（occupancy）と意思決定の修正権限主体（revision authority）を明確に区別している。さらに、修正権限を自己チューニング（self-tuning）、自己書き換え（self-rewriting）、自己アーキテクチャ構築（self-architecting）という3つの漸進的な階層に分類している。

この基準によれば、人工知能がシステム自身のコード実装を自律的に書き換える能力を備えて初めて、真の AI ネイティブシステムと定義される。こうしたシステムには、強化された異常検知メカニズム、形式的検証プロセス、および検証済みのロールバックプランが不可欠であり、一方でシステムの目標設定と正しさの判定権限は依然として人間が保持する。この基準に基づき判断すると、「AI ネイティブ」を謳う製品の多くは、実質的には AI 拡張（AI-augmented）の範疇にとどまっている。真の AI ネイティブシステムにおいて、人工知能はもはや補助的なツールではなく、システムの持続的な進化における実質的な主体となる。

[JIALIU_0]