WEB MAGAZINE — VOL.3
放送インフラ / AI / 組織知能 / ガバナンス
Broadcast Infrastructure / AI / Institutional Knowledge / Governance
AI時代の放送インフラ再設計論
Redesigning Broadcast Infrastructure for the AI Era
IPスイッチ、組織知能、そして信頼の基盤へ
IP Infrastructure, Institutional Knowledge, and the Foundation of Trust
Broadcasting
IP Infra
AI Governance
MAM
2026
NAB2026以降、多くの議論が生成AIやAI編集ツールに集中している。しかし放送局や映像制作業界が本当に向き合うべきテーマは、もう少し根本的なところにある。「人間が長年蓄積してきた運用知識やガバナンスを、次世代へどう継承するか」という問いだ。
Since NAB2026, much of the industry conversation has focused on generative AI and AI editing tools. But the question the broadcast and media production industry truly needs to confront is more fundamental: how do we pass on the operational knowledge and governance that humans have accumulated over decades?
Section 01
IP化の本質：「映像を流すこと」から「運用をソフトウェア化すること」へ
The True Nature of IP Migration: From "Moving Video" to "Softwarizing Operations"
放送業界におけるIP化は、単なるSDIからIPへの置き換えではなかった。ST 2110（※1）に代表されるIP化によって、映像・音声・メタデータが共通ネットワーク上で扱えるようになった。その結果、放送設備は専用機器の集合体から、データセンターに近い構造へと変化し始めた。
IP migration in broadcasting was never just about replacing SDI with IP. Through ST 2110 (※1), video, audio, and metadata became manageable on a shared network. As a result, broadcast facilities began transforming from collections of dedicated hardware into structures closer to data centers.
近年の大型案件を見ると、マスター設備の更新であっても、その背景には将来的なリモート運用、分散制作、クラウド連携への布石が見える。EBUはこのST 2110標準化に深く貢献し、次の段階としてDMF（※2）とMXL（※3）の標準化を主導している。
Even in recent master facility upgrades, the underlying intent is clear: laying groundwork for remote operations, distributed production, and cloud integration. The EBU has been deeply involved in ST 2110 standardization, and is now leading the next stage — DMF (※2) and MXL (※3).
Key
IP化の本質は「映像を流すこと」ではなく、「運用をソフトウェア化すること」だった。
The true nature of IP migration was never about moving video — it was about softwarizing operations.
Section 02
CBC e250が示した「概念的転換」
The Conceptual Shift Demonstrated by CBC e250
Case Study — CBC/Radio-Canada e250
放送インフラ → メディア・コンピュート・インフラ
Broadcast Infrastructure → Media Compute Infrastructure
モントリオールの全IP施設では、ST 2110ベースのアーキテクチャを通じて動的なリソース共有を実現。さらにRDMAと共有メモリトランスポートがパケット化されたフローを代替し、コンテナ化されたメディアアプリケーションが映像と音声を直接交換する。インフラは放送プラントではなく、メディア・コンピュート・インフラストラクチャとして振る舞う。
At the all-IP Montreal facility, dynamic resource sharing is achieved through ST 2110-based architecture. RDMA and shared memory transport replace packetized flows, and containerized media applications exchange video and audio directly. The infrastructure behaves not as a broadcast plant, but as a media compute infrastructure.
CBCはGrass Valley、Sony、AWSなどのパートナーと協力しながら、MXLをオープンソースSDKとして構築している。これは実験ではなく、実際の放送サービスを支える本番稼働の変革だ。
CBC is building MXL as an open-source SDK in collaboration with Grass Valley, Sony, AWS and others. This is not a proof of concept — it is a production-ready transformation supporting live broadcast services.
Section 03
日本の現実：NHK先行、民放の岐路
Japan's Reality: NHK Leading, Commercial Broadcasters at a Crossroads
日本の放送局はST 2110移行がまだ途中の段階にある。NHKはすでに放送のデータセンター化を進めており技術的には先行している。一方、民放各局はOTT（※4）市場への参入や多様化という外圧にさらされており、この外圧が逆にDMF・MXL標準化とRDMAを活用したコンテンツプール構築を加速させる可能性がある。
Japan's broadcasters are still mid-way through ST 2110 migration. NHK is ahead, already advancing the datacenter-ization of broadcast operations. Meanwhile, commercial broadcasters face external pressure from OTT (※4) market entry and diversification — pressure that may actually accelerate adoption of DMF/MXL standardization and RDMA-based content pool architecture.
権利処理のAI化は需要が最も明確で、導入障壁も比較的低い領域だ。現在の放送設備のトポロジーはAIワークロードを想定して設計されておらず、ToR（※5）へのAI機能搭載には設計上の制約がある。NHKがどこまで先行し、民放がどこまで追従するか。これが日本の放送インフラの分岐点になる。
AI for rights management has the clearest demand and relatively low adoption barriers. Current broadcast topologies were not designed for AI workloads, and there are architectural constraints on adding AI functions at the ToR (※5) level. How far NHK leads and how far commercial broadcasters follow will define Japan's broadcast infrastructure trajectory.
Section 04
MAMが実現できなかったこと
What MAM Failed to Deliver
MAMは長年、ingest → archive → retrieve → reuseというビジョンを掲げてきた。しかし現実には、多くのシステムがニュース制作効率化やアーカイブ検索に留まった。コンテンツを見つけることと、収益化することは別だからだ。
MAM has long championed the vision of ingest → archive → retrieve → reuse. But in reality, most systems stopped at news production efficiency and archive search. Finding content and monetizing content are different problems.
SNS・FAST（※6）・YouTube・TikTokの台頭により、コンテンツの価値は保存から流通速度へ移った。求められるワークフローは変化した。
With the rise of social media, FAST (※6), YouTube, and TikTok, content value shifted from storage to distribution speed. The required workflow has changed.
Key
ingest → archive → retrieve → reuse
↓
ingest → understand → orchestrate → publish → monetize
ingest → archive → retrieve → reuse
↓
ingest → understand → orchestrate → publish → monetize
Section 05
放送局が本当に守るべきもの――組織知能の消失
What Broadcasters Must Truly Protect — The Disappearance of Institutional Knowledge
放送局が長年培ってきた最大の資産はアーカイブ映像ではない。組織の知識だ。なぜこの手順で復旧するのか。なぜこの素材は放送できないのか。なぜこの表現は使用を避けるべきなのか。こうした判断の多くは、ベテラン技術者や管理職の経験として蓄積されている。
The greatest asset broadcasters have built over the years is not their archive footage. It is institutional knowledge. Why does this recovery procedure work this way? Why can't this material be broadcast? Why should this expression be avoided? Most of these judgments exist as accumulated experience in veteran engineers and managers.
しかし人材不足と高齢化によって、その知識は急速に失われつつある。これは生成AIの問題ではない。組織知能の消失である。
But through talent shortages and an aging workforce, that knowledge is rapidly disappearing. This is not a generative AI problem. It is the disappearance of institutional intelligence.
Section 06
Trusted Media Intelligence Layer という構想
The Concept of a Trusted Media Intelligence Layer
放送局全体の運用知識を構造化し、継承する仕組みが必要だ。私はこれを Trusted Media Intelligence Layer と呼びたい。技術的には3層のハイブリッド構成で実現できる可能性がある。
A mechanism for structuring and passing on the operational knowledge of entire broadcast organizations is needed. I call this the Trusted Media Intelligence Layer. Technically, it may be achievable through a three-layer hybrid architecture.
Layer 1 — Governance（プライベートクラウド）Layer 1 — Governance (Private Cloud)
組織知識・ガバナンス・説明責任
Institutional Knowledge · Governance · Accountability
放送運用・コンプライアンス・権利処理・編集判断・障害対応・品質保証。LLMはこの層の上に構築される。
Broadcast operations, compliance, rights management, editorial judgment, incident response, quality assurance. LLMs are built on top of this layer.
↕
Layer 2 — Processing（ハイブリッド）Layer 2 — Processing (Hybrid)
メディア処理・AIワークロード
Media Processing · AI Workloads
DMF / MXL / RDMA・コンテナ化メディアアプリ・AIワークロード（GPU）
DMF / MXL / RDMA · containerized media apps · AI workloads (GPU)
↕
Layer 3 — Edge（既存資産）Layer 3 — Edge (Existing Assets)
ST 2110・専用ハードウェア
ST 2110 · Dedicated Hardware
既存投資を捨てずに上位層を積み上げる。
Existing investments are preserved; upper layers are built on top.
Key
重要なのはモデルではなく、学習対象となる組織知能そのものだ。
What matters is not the model — it is the institutional intelligence that the model learns from.
Section 07
英国モデルと日本への示唆
The UK Model and Its Implications for Japan
英国では現在、BBCやSKYを中心としたコンソーシアムが、AIガバナンスの仕様に向けて放送技術と知識を集約する機械学習アプローチを議論している。これは国単位でAI本格導入の議論が確認できる、現時点では唯一の事例だ。日本でこの議論が行われていないという確証はない。むしろ行われていないとすれば、それ自体が問題である。
In the UK, a consortium led by BBC and SKY is currently discussing machine learning approaches to aggregate broadcast knowledge toward AI governance specifications. This is currently the only nationally-confirmed example of serious AI adoption discussion in broadcasting. There is no evidence this conversation isn't happening in Japan — but if it isn't, that itself is the problem.
中心：放送局
Core: Broadcasters
NHK＋民放。運用知識・判断基準の保有者。放送法上の責任主体。
NHK + commercial broadcasters. Holders of operational knowledge. Legally responsible entities under the Broadcasting Act.
協力：AIベンダー・アカデミア
Partners: AI Vendors · Academia
技術実装・モデル開発。放送局の外にいる専門知識。
Technical implementation and model development. Specialized expertise outside of broadcasters.
オブザーバー：総務省
Observer: Ministry of Internal Affairs
放送法との整合性確認。規制側として関与するが主導しない。ガバナンス基盤が統制基盤にならないよう透明性を担保する役割。
Verifying alignment with the Broadcasting Act. Involved as the regulatory authority but not in a leadership role. Ensures transparency so the governance layer does not become a control layer.
Key
AIによる信頼性向上と、AIによる統制強化は紙一重だ。だからこそ放送局が主導権を持ち、透明性と説明責任を設計する必要がある。
Improving reliability through AI and tightening control through AI are two sides of the same coin. That is precisely why broadcasters must hold the leadership position and design in transparency and accountability.
「放送局が長年培ってきた組織知能を、AI時代にどう継承するか。」
"How do we pass on the institutional intelligence that broadcasters have built over decades into the AI era?"
CBC e250は技術の可能性を示した。英国コンソーシアムは組織モデルの可能性を示した。日本には両方を参照できる立場がある。放送局の未来は、コンテンツ管理から価値創出へ。そして価値創出の基盤は、映像ではなく信頼になる。AI時代においてもっとも価値のある資産はコンテンツそのものではない。そのコンテンツを正しく扱うための知識とガバナンスなのだと思う。
CBC e250 demonstrated what is technically possible. The UK consortium demonstrated what is organizationally possible. Japan has the advantage of being able to reference both. The future of broadcasting moves from content management to value creation. And the foundation of value creation will be not video, but trust. In the AI era, the most valuable asset is not the content itself. It is the knowledge and governance required to handle that content correctly.
用語解説 / GlossaryGlossary
※1 ST 2110 — 映像・音声・データを別々のIPパケットとして送受信するための国際標準規格（SMPTE制定）。放送設備のIP化を可能にした基盤技術。
※1 ST 2110 — An international standard (SMPTE) for sending video, audio, and data as separate IP packets. The foundational technology enabling IP migration in broadcast facilities.
※2 DMF（Dynamic Media Facility） — EBUが主導する、ソフトウェア定義型の放送施設アーキテクチャの概念・規格。物理的な設備に依存せず、リソースを動的に割り当てる設計思想。
※2 DMF (Dynamic Media Facility) — An EBU-led concept and standard for software-defined broadcast facility architecture. Designed to allocate resources dynamically without dependence on physical equipment.
※3 MXL（Media Exchange Layer） — メディアアプリケーション間でコンテンツを直接交換するためのソフトウェアレイヤー。CBCがオープンソースSDKとして開発中。RDMAを活用した高速・低レイテンシ通信を実現する。
※3 MXL (Media Exchange Layer) — A software layer for direct content exchange between media applications. Under development by CBC as an open-source SDK. Achieves high-speed, low-latency communication using RDMA.
※4 OTT（Over The Top） — インターネット回線を通じて映像コンテンツを配信するサービス。Netflix、Amazon Prime Video、ABEMAなどが代表例。
※4 OTT (Over The Top) — Video content delivery over the internet. Netflix, Amazon Prime Video, and ABEMA are representative examples.
※5 ToR（Top of Rack） — データセンターのサーバーラック最上部に設置するネットワークスイッチ。AI処理向けの機能追加には設計上の制約がある。
※5 ToR (Top of Rack) — A network switch placed at the top of a server rack in a data center. There are architectural constraints on adding AI processing functions here.
※6 FAST（Free Ad-Supported Streaming Television） — 無料で視聴できる広告付きストリーミングテレビ。Pluto TV、Tubiなどが代表例。コンテンツの新たな流通経路として急成長している。
※6 FAST (Free Ad-Supported Streaming Television) — Free streaming TV supported by advertising. Pluto TV and Tubi are representative examples. A rapidly growing new distribution channel for content.
Liner Notes Consulting — Web Magazine Vol.3 — 2026