第二次AIブーム（The Second AI Boom）

結論から言うと——第二次AIブームとは、1980年代にエキスパートシステム（専門家の知識をルールとして組み込んだAI）が企業・研究機関に普及し、AIが「実用技術」として初めて大きな期待を集めた時代です。しかしルールの限界・維持コストの膨大さから急速に失望が広がり、「第二次AIの冬（AI Winter）」へと突入しました。マーケターにとっては、「技術への過大な期待がどのように崩壊し、何を残したか」を学ぶ、現代のAI活用を評価する上で欠かせない歴史的文脈です。

よくある誤解	正しい理解
第二次AIブームは完全な失敗だった	技術的成果は多く残り、現代AIの基盤になっている
エキスパートシステムは使えない技術だった	特定の業務領域では高い精度を発揮し、商業的成功も収めた
AIブームは現代だけの現象だ	1950年代から数十年単位でブームと冬を繰り返している
第二次ブームはすぐ終わった	約10年（1980年代全体）にわたり活況が続いた
失敗の原因は技術力不足だけだ	ハードウェア・資金・期待値管理の失敗が複合的に絡んでいた

① 語源

語	語源	意味
第二次	日本語「第〜次」（序数）	2番目の、という意味の序数表現
AI	Artificial Intelligence（英語）	人工的に作られた知能・知的能力
ブーム	Boom（英語）	急速な盛り上がり・流行・熱狂的関心の高まり
エキスパートシステム	Expert System（英語）	専門家の知識をルールベースで実装したAIシステム

第二次AIブームとは、1980年代を中心に、エキスパートシステムを主軸とした人工知能技術が産業界・研究機関に広く普及し、AI実用化への期待が最高潮に達した時期を指します。

② 中学生でもわかる解説

想像してください。あなたが「お医者さんの頭の中にある知識」をすべてノートに書き出して、コンピューターに入力したとします。「熱が38度以上でせき込んでいたらインフルエンザを疑う」「血圧が高くて頭痛があれば高血圧を調べる」——こんな「もし〜なら、〜する」というルールを何万個も詰め込んだシステムが、エキスパートシステム（専門家システム）です。

1980年代、このアイデアが大流行しました。

• 医療診断・工場の品質管理・金融の与信審査など、多くの分野で導入が進みました
• 「もうすぐコンピューターが人間の代わりに何でも判断してくれる！」と世界中が熱狂しました
• 日本でも国家プロジェクト「第五世代コンピュータプロジェクト」が1982年に始まりました

しかし問題が起きます。ルールが増えると管理が追いつかなくなり、「想定外の質問」には答えられない。維持費が莫大にかかる。そして期待が大きすぎたため、「やっぱり無理だった」という失望（＝AIの冬）が訪れ、ブームは終わりました。

③ マーケティング・ビジネス視点による解説

この用語がマーケティングにどう関係するか

第二次AIブームは直接的なマーケティングツールではありませんが、「AIへの過剰な期待→失望→冬」というサイクルを理解することは、現代のAIツール導入・ベンダー評価・社内説明に不可欠な歴史リテラシーです。「ハイプサイクル（Gartner）」の理論を実例で学べる最良のケーススタディでもあります。

具体的な活用シーン

• 社内AI導入の意思決定：「なぜ以前のAI投資が失敗したか」を語れるマーケターは、経営層に対してリスクを含めた現実的な提案ができます
• ベンダープレゼンのファクトチェック：「今回のAIは違う」という営業トークの真偽を歴史的文脈で評価できます
• コンテンツマーケティング：AI史を解説するホワイトペーパー・ウェビナー・オウンドメディア記事のネタとして活用できます
• 顧客教育・啓発コンテンツ：BtoB SaaSのAIツールを販売する企業が、顧客の期待値を適切にコントロールするための背景知識として使えます

導入・活用時のメリットと注意点

メリット

• AIブームの繰り返しパターンを知ることで、現在の「生成AIブーム」の位置を冷静に把握できる
• 「技術過信」に対する社内の慎重論に、歴史的根拠を持って応答できる

注意点

• 「また冬が来る」という過度な悲観論に陥ると、今の変化に乗り遅れるリスクもある
• 第二次と現在（第三次・第四次とも呼ばれる時代）は技術的背景が根本から異なる点も理解が必要

ツール選定・ベンダー評価時に知っておくべきポイント

• エキスパートシステム時代の失敗要因（ルールの硬直性・知識取得のボトルネック・スケール不能）が、現代のLLM（大規模言語モデル）でどう解消されたかを確認する
• ベンダーが「完全自動化」「人手不要」を約束している場合は第二次ブーム末期と同じ過剰期待フラグと疑う
• POC（概念実証）→段階的導入というプロセスを踏んでいるかを評価軸にする

類似概念・競合アプローチとの違い

比較対象	第二次AIブームのアプローチ	違い・ポイント
第一次AIブーム（1950〜60年代）	論理推論・探索アルゴリズム	第二次は「産業応用・商業化」が前進した点が異なる
第三次AIブーム（2010年代〜）	機械学習・ディープラーニング	データからルールを自動生成できる点で根本的に異なる
現在の生成AIブーム	LLM・Foundation Model	汎用性・文脈理解が飛躍的に向上している

④ 豆知識

日本は第二次ブームに国家予算を投じていた

1982年、通商産業省（現・経済産業省）主導で「第五世代コンピュータプロジェクト」が始まりました。総予算約570億円、10年計画という国家的大プロジェクトです。「論理型プログラミング言語Prologを核に、人間のように推論できるコンピューターを作る」という壮大な目標を掲げました。しかし1992年のプロジェクト終了時、当初の目標は達成できず、世界から「失敗」と評価されました。一方で並列処理技術など後世に残った成果もあります。

「AI冬」という言葉を生んだのはこの時代

“AI Winter（AIの冬）”という言葉は、1987年頃から使われ始めました。第二次ブームが終わりに近づき、研究資金が急速に削減される状況を、厳しい冬にたとえたものです。この言葉を広めたのはコンピューター科学者のRichard Karpと、後にAI研究者のロジャー・シャンクとマービン・ミンスキーです。現在でもAI業界では「次の冬が来るのでは」という議論が繰り返されています。

DEC（デジタル・イクイップメント社）の成功事例が時代を象徴する

第二次ブームを代表するエキスパートシステムのひとつが、DEC社が開発した「XCON（R1）」です。コンピューターの部品構成を自動で提案するシステムで、年間約4,000万ドルのコスト削減効果をたたき出しました。1980年代に産業AIが「本当に使える」と認められた代表例であり、エキスパートシステムへの投資を正当化するショーケースになりました。

⑤ 関連論文・参考情報

Feigenbaum, E. A. & McCorduck, P.（1983）— W. H. Freeman

The Fifth Generation　日本の第五世代コンピュータプロジェクトを詳細に紹介し、AIの産業応用可能性を論じた著書。エキスパートシステムの商業的可能性への楽観論を世界に広めた文献として知られています。当時のAI産業界の空気感を一次資料として伝える貴重な資料です。

McDermott, J.（1982）— Artificial Intelligence

R1: A Rule-Based Configurer of Computer Systems　DEC社のエキスパートシステムXCON（R1）の設計と成果を詳述した論文。エキスパートシステムが実際の産業現場でどのように機能し、経済的価値を生んだかを示した代表的な研究です。第二次ブームにおける「成功事例の科学的記録」として頻繁に引用されます。

Gartner（毎年更新）— Hype Cycle for Artificial Intelligence

ガートナー社が毎年発表するAI技術のハイプサイクルレポート。第二次AIブームの盛衰がこのフレームワークの典型的な「過度な期待のピーク→幻滅期」に完全に当てはまることが解説されており、現代のAI導入判断にも活用できる実務的な参考資料です。

⑥ よくあるQ&A

⑦ 理解度チェック

⑧ 覚え方

頭文字で覚える「ブームの3フェーズ」

第一次：R（Rules / 論理ルール）→ 1950〜60年代
第二次：E（Expert / エキスパートシステム）→ 1980年代
第三次：D（Data / データ駆動・機械学習）→ 2010年代〜

"R・E・D（レッド）信号で冬が来た！"

語呂合わせ

「ハチヤマ（80年代）に専門家（エキスパート）登る、でも道険しくて冬に遭難」

→ 80年代にエキスパートシステムが流行したが、最後はAIの冬で失速、というストーリーを覚えます。

時系列の視覚整理

1950s    1960s    1970s    1980s    1990s    2000s    2010s    2020s
  |        |        |        |        |        |        |        |
[第一次ブーム]→[第一の冬]→[第二次ブーム(ES)]→[第二の冬]→[復活期]→[第三次ブーム(DL)]→[生成AI]

⑨ まとめ

• 第二次AIブームは主に1980年代に起き、エキスパートシステムの産業応用が中心技術だった
• 医療・金融・製造業などで実際に商業的成功を収めた事例（DEC社のXCONなど）も存在した
• 日本では国家プロジェクト「第五世代コンピュータプロジェクト」が始まるなど、世界的に大きな投資が行われた
• ルール管理の硬直性・維持コストの膨大さ・ハードウェアの限界・期待値と成果のギャップが重なり、1980年代末〜1990年代初頭に「AIの冬（第二次）」が訪れた
• 技術自体は消えず、知識表現・推論エンジン・自然言語処理の基礎研究として第三次ブームに引き継がれた
• マーケターにとってはGartnerのハイプサイクルの実例として学ぶ価値が高く、現代のAI導入判断の歴史的参照軸になる

⑩ 必須用語リスト

用語	読み方	意味
第二次AIブーム	だいにじエーアイブーム	1980年代を中心にエキスパートシステムが普及したAI興隆期
エキスパートシステム	えきすぱーとしすてむ	専門家の知識をルールとして実装したAIシステム
AIの冬	エーアイのふゆ	AIへの期待が萎縮し研究資金が激減する停滞期
第五世代コンピュータプロジェクト	だいごせだいこんぴゅーたぷろじぇくと	1982年に日本が開始した国家主導の大規模AI研究計画
ハイプサイクル	はいぷさいくる	Gartnerが提唱する技術の期待と失望の波を示すフレームワーク
知識ベース	ちしきべーす	エキスパートシステムに格納された専門知識・ルールの集合体
推論エンジン	すいろんえんじん	知識ベースのルールを適用して結論を導き出すシステム部分
Prolog	ぷろろぐ	論理型プログラミング言語。第五世代プロジェクトで中核技術として採用された
ニューラルネットワーク	にゅーらるねっとわーく	脳の神経回路を模した機械学習モデル。第三次ブームの基盤技術
ディープラーニング	でぃーぷらーにんぐ	多層ニューラルネットワークを用いた機械学習手法。第三次ブームの主役
PoC	ぴーおーしー	Proof of Concept（概念実証）。新技術を小規模に試す検証プロセス
LLM	えるえるえむ	大規模言語モデル（Large Language Model）。現在の生成AIの中核技術
ルールベース	るーるべーす	「if〜then〜」という条件分岐のルールで動作するシステムの設計思想
汎用AI（AGI）	はんようエーアイ	人間と同等以上の知的能力を持つ汎用人工知能。各ブームで目標とされてきた概念
ハードウェア限界	はーどうぇあげんかい	当時のコンピューターの処理能力・メモリがAIの野心的な目標を実現できなかった制約