Palantirが50万台を統御、Hertz「Daytona」の実態

Hertzが約50万台の車両群をAIエージェントで統御する管制システム「Daytona」をPalantir AIPCon 10で公開。オントロジー基盤と協調エージェント、月400万件の運用判断、2024年29億ドル損失からの再生戦略を、日本企業の応用可能性とともに解析する。

Hertzはレンタカー約50万台を、AIエージェント群が実時間で差配する管制システム「Daytona」を公開した。Palantir Technologiesが2026年6月4日に開いた年次イベントAIPCon 10での実演である。中身は派手な生成AIのデモではない。現実の事物と関係を意味づける情報モデル(オントロジー)を土台に、役割を分けた複数のエージェントが故障対応・整備計画・車両回送・顧客割り当てを横断処理する。2024年に約29億ドル(約4,300億円)の純損失を出し、電気自動車(EV)の投げ売りに追われた会社が、資本集約型の事業を立て直すために選んだ運用基盤がここにある。

なぜ生成AIだけでは破綻するのか

大規模言語モデル(LLM)に業務データを流し込めば賢いエージェントができる、という発想は物理運用では崩れる。倉庫にどの車両が何の状態で滞留し、どの整備士が何時から空き、どの保証が効くのか——こうした事物の関係が機械可読な形で結ばれていなければ、モデルは尤もらしい誤答(ハルシネーション)を返す。Palantirが核に据えるオントロジーは、車両・拠点・従業員・作業指示・顧客といった「名詞」と、点検・回送・割り当てといった「動詞」を意味づけて束ね、信頼できる唯一の基準データ(single source of truth)を作る。エージェントはこの上を辿るため、複数の社内システムを横断しても文脈を失わない。

土台の重さは規模で効く。Hertzは2022年10月19日にPalantir Foundryの採用を発表した当初から、約50万台(うちEV数万台)を単一モデルに載せ、賃貸状況・整備記録・登録情報を突き合わせて故障滞留車を減らす設計を掲げた。発表時点で同社は、車両の購入から貸出までの所要時間短縮と、稼働できない車両の比率低下を早期成果として挙げている。オントロジーは、数十億規模のオブジェクトに対する問い合わせを成立させる土台であり、エージェント時代になって初めて「使える在庫」へと転じた基盤だとみられる。

オントロジーと協調エージェントの構造

Daytonaを支えるのはPalantirのFoundry・AIP・Apolloが一体化した構造である。Foundryはデータの取り込みと変換を担い、点検カメラやコネクテッドカー、現場アプリからのイベントをオントロジーに流し込んで実時間で更新する。AIP(Artificial Intelligence Platform、生成AIを運用に接続する基盤)は、低コードのAIP Logicとプロコードの両方でエージェントを構築し、複数エージェントの階層的な協調を組む。Apolloは出来上がったソフトを自律的に配備する継続デリバリ層で、Palantirの公表によれば週に数万規模のリリースをクラウドからエッジまで横断して回す。

実演で示された動きは具体的だ。点検時の音声記録と写真からシートベルト破損を検知し、自動で作業指示書を起こし、保証期間と修理所要時間、需要予測を織り込んで修理の優先順位に反映する。賃貸可能枠から外れた車両が出れば、代替車をコスト・時間・収益機会の三軸でモデル化した複数案として提示する。最終判断は現場が握る。Hertzが実演で語った月400万件超の運用接点を、人手だけで最適化するのは不可能に近く、エージェントが「次の最善手」を出し、人がそこに暗黙知を足して学習を戻す——ヒューマン・イン・ザ・ループ(人間が判断に関与する設計)を前提に置く点が、無人自動化を急ぐ事例との分かれ目になる。

EV火事場売りと再生への一手

なぜHertzがここまでのOSを必要としたのか。答えは決算にある。2021年にTesla約10万台を発注して電動化の先頭を走ったHertzは、Teslaの度重なる値下げで中古残価が崩れ、整備費もかさんで、2024年通期に約29億ドルの純損失を計上した。EVは約3万台(主にTesla)を2025年2月までに投げ売りし、その放出が中古市場をさらに押し下げる悪循環に陥った。月次の1台あたり減価償却はピークで537ドル(約8万円)に達し、直近でも前年同期比16%減の422ドルと、歴史的な300ドル未満の水準には戻っていない。

数字が物語るのは、車両という資産は1日遊ばせれば消える生鮮品だという冷徹な事実である。稼働率を1ポイント押し上げ、整備の滞留を1日縮めるだけで、50万台規模では損益が動く。2020年に米連邦破産法11条(チャプター11)を申請し、2021年に再建したHertzにとって、Daytonaは経営の自由度を取り戻すための装置であって、技術自慢の展示ではない。

競合はどこまで追えるのか

レンタカー業界で車両データを扱う事業者は少なくない。最大手の一角Enterprise Mobilityは200万台超とされる車両群をテレマティクス(車載通信による遠隔データ収集)で管理し、Avis Budget GroupもIoTやコネクテッドカーを使ったデジタル化を進める。ただし、意味モデルの上で複数エージェントが実時間で提案し現場アプリと往復する「管制塔型」の運用を公開実演で示した例は、現時点でHertzが突出している。点的な効率化ツールと、部門をまたいで全体最適を回すOSとでは設計思想が異なる。

企業向けAI基盤の土俵で比べても、C3.aiは製造・運用領域で重なるが、複雑な現場での配備実績とオントロジーの深さでPalantirがやはりHertz級の実装を引き出しやすい。Databricks(Mosaic AI)やSnowflake(Cortex)、ServiceNowは柔軟だが、深い意味モデルと業務行為の実行統制、そしてApollo相当の配備容易性を一貫提供するのは負荷が大きい。LangChainやCrewAIにベクトルデータベースを足す手組み構成は試作には向くが、本番の信頼性と監査性で壁に当たる。AIPConが10回目を数え、2026年6月4日にAccentureやParts Town、米農務省(USDA)まで実運用を並べた背景には、土台を統一したことで再現性が立ち上がった事情が透ける。

日本企業が見落とす意味モデル層

日本で語られるのは「生成AIで業務効率化」までで、その下にある意味モデル層が抜け落ちている。物流では自動車運転業務の時間外労働に年960時間の上限が2024年4月から適用され、NX総合研究所の試算では2030年度に輸送能力の約34%が不足する。人手で需要と人員を合わせ続けるのは限界に近い。ここで効くのが、車両・点検・整備・顧客・人員をVIN(車台番号)単位で結び、エージェントに「次の最善手」を出させる構造である。

タイムズカーやニッポンレンタカー、ヤマト運輸・日本通運といった大型車両群を抱える事業者、あるいは中古車の状態データと運用データを束ねる車両SaaS(本サイト運営元のKurumaHub事業もその一つ)にとって、縦割り組織とExcelの乱立こそが最大の障壁になっている。Palantirをそのまま導入するか否かよりも、自社のデータを「名詞と動詞の関係」として設計し直す発想を取り込めるかが分水嶺になるとみられる。意味モデルを持たないまま流行のツールを足し続ければ、見栄えのよい試作で止まり、現場の収益は動かない。

日本企業が直面する選択

機会の側から見れば、第一に投資判断の軸が動く。NVIDIAや生成AIの「材料」に資金が集中する一方、実運用でスケールした企業向けAIの代表例としてPalantir(PLTR)を「物理世界AIの収益化」の物差しに据える視点は、日本の運用・モビリティ関連株の評価にも波及する余地がある。第二に人材戦略で、データを意味づけて設計できるオントロジー人材は日本で相対的に薄く、ここを内製で育てた企業が先行者利益を取りやすい。

リスクは三つある。Palantirのような強力な基盤は、その強さゆえにベンダーロックインを伴い、将来の内製化や乗り換えの難度を押し上げる。意味モデルは生き物で、現場入力の品質と新しい業務の追加に追従し続ける運用コストが消えない。そして15,000人規模ともされる現場に「AIに仕事を奪われる」ではなく「次の一手を助けてくれる」と感じさせる文化変革の費用は、技術費用より重い。段階導入とヒューマン・イン・ザ・ループは、このロックインと変革リスクを一定程度コントロールするための現実的な歯止めになる。最初に小さな業務(点検から整備判断まで)で意味モデルを作り、稼働率と労働時間をKPIに据えて価値を実証してから広げる——Hertzがたどった順序こそ、日本企業が複製しやすい設計だと見られる。