16,914 文字
私たちは、消費者向け世界のAIの最も派手な部分に注目しすぎていて、一方でB2B分野で数千億ドルを生み出すようなことについては十分に注目していません。
この3〜6ヶ月で見た中で最もクールで衝撃的なデモは何ですか？
ChatGPT登場前の脳の配線を、個々のブレークスルーごとに持ち続けられたらいいのにと思います。そうすれば毎日「なんてこった、これは魔法だ」と驚けるのに。
価値創造の持続性についてどう考えますか？MOE（最大化すべきもの）を最大限に活かすためにおそらくやるべきこと…
ローガン・バートレット・ショーへようこそ。このエピソードでは、Boxの共同創業者兼CEOであるアーロン・レヴィとの会話をお届けします。今日のエンタープライズの状況と、彼や顧客が人工知能について考えていることを幅広く取り上げます。AIに関連するさまざまなトピック、異なる立場の人々が考えるべきこと、クローズドソースとオープンソースに関する彼の見解、そして将来の機会、さらに使用量ベースの価格設定で起きているビジネスモデルの変化に関する考慮事項についても話し合います。
アーロンとの本当に楽しい会話をお届けします。アーロン、お時間をいただきありがとうございます。
ありがとうございます。
あなたの考えでは、今日の言葉で言う「モデル企業」とは何でしょうか？2025年3月現在として。
おお、いきなり本題ですね。モデル企業とは何か…実際には純粋なモデルだけの企業はそれほど多くないと思います。つまり、モデルを持っている企業と、モデル以外のものも持っている企業という区別があるだけです。
非常に技術的な定義で言えば、純粋なモデル企業はそれほど多くありません。研究部門を持ち、モデルを構築し、それらのモデルへのAPIを提供するAI製品企業があります。
現時点では、おそらくMistralが唯一の真のモデル企業でしょう。OpenAIはモデル企業とは呼びません。Anthropicもモデル企業とは呼びません。それらは製品、モデル、サービスなど、すべてを持つAI基盤企業、フロンティアラボ企業だと言えます。
何らかのモデル提供を通じて企業にサービスを提供し、最終的には企業が主に購入するコア製品を販売することで、企業が長期的な価値を構築できると思いますか？それとも、そのようなものは最終的にAWS、Microsoft Azure、GCPなどの中に収まると思いますか？
それだけで大きなビジネスを構築するのは難しいと思います。なぜなら、基本的にすべてのハイパースケーラー（巨大クラウド事業者）と、ハイパースケーラーではないがそれに近い企業は、自社のモデルが信じられないほどの規模で使用されるようにする必要があるからです。インフラ戦争に勝つ必要があるか、計算能力を自社に集める必要があるからです。彼らは他のソフトウェアも販売しています。
彼らにとって、自社のモデルが大規模に使用されることは死活問題なので、AIの価格を常に下げ、品質を向上させ続けるでしょう。そうなると、あなたは圧迫され、価値提案が難しくなるでしょう。
2週間前に、GoogleのオープンソースモデルGemma（Severanceのキャラクターと混同しないでください）でテストを実行しました。企業文書やデータからの正確なデータ抽出に関する評価では、Geminiとの差はわずか数ポイントでした。
数ヶ月前に最先端だった商用モデルとほぼ同等のパフォーマンスを持つGoogleのオープンウェイトモデルがあるという事実は、企業としてオープンウェイトモデルか商用モデルかを選択でき、どちらも非常に優れたパフォーマンスを発揮することを意味します。結局のところ、管理されたすべてのスキャフォールディングが必要か、単に自分のデータセンターGPUや自分のクラウドでこれを実行したいかという選択になります。
Alphabet、Meta、Microsoft、そしてOpenAI、Anthropic、Xなど、すべての企業がそれをやっている中で、完全に独立したスタンドアロン企業としてどうやってそこに入り込めるのかわかりません。極めて深い垂直分野や特定のニッチ市場なら可能かもしれませんが、文字通りの質問に答えると、最終的には周囲のテクノロジーを構築する必要があるでしょう。顧客が実際に使用できるようにAIモデルを提供するテクノロジーに精通する必要があります。単にトークンを売買するだけのビジネスモデルは、独立系プレイヤーにとっては大規模には成立しないでしょう。
あなたがOpenAIを経営しているとしたら、フロンティアモデルの境界を押し広げ続けますか？それとも、それは収穫逓減に感じますか？その代わりにChatGPTという消費者向け製品にすべてのエネルギーを向けるべきでしょうか？
私は絶対にフロンティアモデルを推進し続けるでしょう。OpenAIやその他の主要プレイヤーに対して批判的なフィードバックはそれほどありません。批判的な問題のある領域としては、Googleがコアサーチについてどうするかという非常に興味深い問題や、AppleがSiriの問題にどう対処するか、自社で所有するか他のプレイヤーに任せるかなど、興味深い戦略的な質問があります。
OpenAIの実行に関しては、おそらく私がやることとまったく同じだと思います。世界最高のモデルを持ち、それを消費者向け、プロユーザー向け、そしてビジネス向けの製品に組み込み、さらにエンジニアリングエージェントなどの応用ユースケースを確保するという素晴らしいフライホイールがあります。
彼らはケーキを手に入れて、それを食べることもできると思います。しかし、常に最先端のモデルの最前線にいることが重要です。それがビジネス会話への入り口となる名刺だからです。「私たちはこれらの次元で最高のパフォーマンスを発揮するモデルも持っています」と言えるのです。もしChatGPTだけのプレイだったら、彼らのブランドが今日の地位に到達した理由ではないでしょう。この2つのものが連動していることが重要です。
最近、誰かが興味深い思考実験を言及していました。明日、GeminiやDeepSeekに入れ替えて、ユーザーがChatGPTを使った場合、違いに気づくでしょうか？答えはおそらく今の時点では気づかないでしょう。ほとんどの消費者のユースケースについては、モデル品質の収束に達しています。ただし、「ほとんど」とは「多数」を意味しますが、必ずしも最も重要なものすべてではありません。
80/20のルールがあり、「このスポーツの試合のスコアは？」「第二次世界大戦について教えて」「この会議で何を着るべき？」といった問題の80%は解決していますが、残りの20%は「飛行機を予約して」といった古典的な問題のようなもので、それらを解決するにはまだ何倍もの品質向上が必要です。私たちは80%に素早く到達しましたが、残りの20%を解決するには何年もかかるでしょう。
あなたのツイートなどを読むと、エージェント（AI代理人）に興奮しているような印象を受けます。今日、プロダクト・マーケット・フィットを持つエージェントはありますか？
はい、ありますが、みんながエージェントを同じように定義しているかどうかはわかりません。いくつか例を挙げます。
アウトバウンドセリング（営業）の領域では、私が投資している会社の一つに11xがあります。他にも良い会社があります。彼らはリード生成にタップし、それから拡大していきます。実質的には、人々はこれを使って自分たちの販売能力を強化し、より多くの需要を生み出しています。これはうまく機能しているようです。
大規模なコーディングエージェントもうまく機能しているようです。Cursor、Windsurf、Replit、Boltなどで見られるように、おそらく異なるユースケースがあります。コーディングの80%は楽しく見ているだけで本番環境に行かないかもしれませんが、内部ITツールなどについては製品市場フィットが見えます。それほど戦略的ではないものを、エージェントに書いてもらったり修正してもらったりして、問題を解決できます。以前はローコードツールに行くか、契約会社を雇って6ヶ月かかるような問題です。
私たちの方では、最初のエージェント的ユースケースの一つとして、文書からデータを抽出するものがあります。契約書や請求書などを提示すると、文書を読み、そのデータをデータベースに入れ、その周りのワークフローを自動化します。これは少なくとも私たちの世界ではプロダクト・マーケット・フィットがあります。主な問題は、顧客が求めるすべての範囲のユースケースに対応できないことです。
消費者側では、エージェントのプロダクト・マーケット・フィットはあまりないと思いますが、ビジネスではあります。これは2年前も私の賭けでしたし、5年後も同じでしょう。私たちは消費者世界のAIの最も派手な部分に注目しすぎていて、B2B分野で数千億ドルを生み出すものについては注目が不足しています。
クラウドSaaSのビジネスモデルは、配信メカニズムなどと比較して、歴史的に過小評価されてきたと思います。Salesforceなどが価格設定でどのように破壊的な影響を与えたかについて。AIでの使用量ベースの価格設定が同様の効果を持つ機会だと思いますか？それとも異なるものでしょうか？
これは非常に関連性があると思います。SaaSとクラウドのビジネスモデル破壊の特徴は、以前は何百万ドルも前払いで支払っていたものが、今では数千ドルで済むようになったことです。資本的支出から運用支出への移行、永続的ライセンスから定期購入への移行です。
90年代にCRMシステムを導入する場合を考えてみてください。データセンター、システム統合、ソフトウェア、ハードウェア、サーバー、ネットワークなど、「CRMシステムが欲しい」と言った瞬間から実際にログインするまでに何ステップあったでしょうか？おそらく1年半、数百万ドルかかったでしょう。
Salesforceが登場して、「文字通り明日からCRMシステムを使えます。しかも会社の20人だけで使うこともできます。経済的に成り立たせるための臨界質量も必要ありません」と言いました。これを20年または25年にわたって掛け合わせると、地球上のすべての中小企業、すべての小さなチームがこれを使えるようになり、これらの市場のTAM（総取引可能市場）は基本的に成長します。なぜなら、今や誰もがCRMシステムを購入できるからです。
エージェントが行うことは2つの大きな上昇領域があります。1つは、効果的に労働の形態に対してこれを行っていることです。これにより、ソフトウェアのTAMが拡大されます。従来はシート数だけに制限されていたものが、AIエージェントの支出カテゴリがソフトウェアの支出の10倍にもなる可能性があります。
例えば、契約管理ソフトウェアのカテゴリは世界全体で数十億ドル程度ですが、法務サービスは数千億ドルの市場です。AIを通じて、ソフトウェアがその支出の10%を占めることができれば、比較的ニッチだったこのカテゴリが20億ドルではなく、200億ドルのカテゴリになる可能性があります。
もう一つの点は、AIには人々が製品自体で常にやりたかったことを完了する方法があり、これによっても多くの新しい予算が解放されます。これが破壊の新しいバージョンです。顧客が求めていた成果を完了させることができ、彼ら自身で提供する必要がなくなります。これが、AIで見ることになる使用量ベースまたは成果ベースの価格設定です。
顧客の価値を考えると、彼らが「これまで誰かにやらせていたことを、今はソフトウェアでできる、しかも以前は不可能だったことまで」と思えば、支払う意思があるというのは理にかなっています。
私は競争によるデフレ効果を少し懸念しています。最終的には、次の競合他社が課金する金額に縛られるのではないかと。サービス予算に十分にタップできない可能性があります。機会がないからではなく、多くのベンチャー企業が登場して互いに競争しているからです。耐久性のある価値創造についてどう考えますか？例えば、Zoomには代替手段がなければ何でも払いますが、多くの代替手段があるので、実際に払う意思のあるものにはアンカーがあります。
AIによって市場のダイナミクスの法則が変わるとは思いません。これはおそらくベンチャー企業の世界では常にそうだったでしょう。1996年のGartnerのCRM市場マップには47社のCRM企業があったかもしれませんが、最終的にはSiebelと他に1、2社だけが生き残りました。
一時的に、Siebelが一人だったら請求できた価格にデフレ効果があったかもしれませんが、それでもSiebelには素晴らしい結果をもたらしました。Oracleに売却せず、会社をピボットさせていれば、今は1000億ドルの会社になっていたかもしれません。
100%その通りですが、AIも異なる法則に従っているわけではありません。競争は最大限請求できる額を抑制し、すべてのプレイヤーを抑制しますが、最終的にはある程度のネットワーク効果が得られ、リファレンス顧客が互いにXを使えると教え合います。
この会話のタイミングに関連して、私の父はWizがどうやって300億ドルで売却されたのか尋ねていました。私たちはWizの顧客であり、そのテクノロジーは素晴らしいと思います。500のセキュリティスタートアップがある世界で、どうやって一つが突出するのか？あなたの製品が20%良ければ、より多くのリファレンス顧客を獲得し、より速く学習し、製品がさらに20%良くなり、より優れた人材が働き、それが回転して、突然エスケープベロシティを持つ一社が他のカテゴリを上回りますが、それでも2番目、3番目、4番目のプレイヤーもかなり良く、成長し、買収されるでしょう。
AIでも異なるダイナミクスが展開されるとは思いません。したがって、MOE（最大化すべきもの）を最大化するためにやりたいことは、おそらく35年前のエンタープライズソフトウェアと同じ教訓です。データを取得し、ワークフローを行い、エコシステム内に十分なことが起こるようにしてください。システムに入るデータが多ければ多いほど、AIエージェントの次の実行はより賢くなります。データのエンベディングには多くのネットワーク効果があるでしょう。
1人のプログラマーであれば、CursorとWindsurfとReplitなどを切り替えることができますが、500人のエンジニアのネットワークがあり、コードベース全体にエンベディングを行い、すべての異なるシステムと話していれば、その変更管理はずっと難しくなります。
私たちはSaaSと非常に似たものを多く見ることになり、教訓もSaaSと非常に似たものになるでしょう。データ、ワークフロー、強力な顧客リファレンスが必要で、顧客の周りにネットワーク効果を構築したいと思うでしょう。
唯一準備しなければならないのは、現在AIに存在する価格設定のダイナミクスが必ずしも永遠に続くわけではないということです。現在、一部の分野では労働力と比較できますが、これはおそらく一時的な利点であり、最終的には典型的なソフトウェアのマージン構造と比較されるようになるでしょう。これは業界が終端的なビジネスモデルに到達するまでの道のりです。
AIに特有のことで疑問に思うのは、ワークフローUIを中心としていない解決策です。従来のSaaS世界では画面やログイン、その上のワークフローがありましたが、セキュリティはその意味で適切なアナロジーかもしれません。セキュリティにはダッシュボードや統合ポイントがありますが、最終的に作業はしばしばそれらの画面の外で行われ、すべてのデータを取り込んでいます。
仕事の自動化にタップしているもの、カスタマーサポートやSDR（セールス開発担当者）などは、ワークフローが少ないため、変更の摩擦が少なく、より簡単に入れ替えられると思います。インターネット上では、人々がCursorからKodiumなどに切り替える様子がミームのように見られます。これは正しいアナロジーではありませんが、確かに人々はより進んで切り替える傾向があります。Asana、Monday、Trelloの違いは何でしょうか？違いは、チーム全体を別のものに切り替える必要があることです。対して、作業がUI外で行われる場合は、ワンクリックで変更できるかもしれません。
質問は、以前はネットワークの粘着性は100人がボタンの使い方を学習し、ボタンの背後にデータがあったことでしたが、AIではそれが逆転するかもしれないということです。AIはAPIであり、他のシステムへのAPI、EコマースへのAPI、そしてEコマースに関する決定をいつ行うかというロジックです。そして自己強化と学習です。すべてのデータを取得し、すべての統合を行い、その上に学習したアルゴリズムやAIがあります。切り替えることもできますが、一からやり直すことになります。
学習システムがあれば、そのシステムはおそらく人々よりも良いパフォーマンスを発揮するでしょう。以前はソフトウェアを交換できましたが、そのソフトウェアがどのように機能するかについての知的財産がそれほど人々の頭の中になかったため、「次のボタンをクリックして何でも」という感じでした。しかしAIはすべてのイベントを追跡し、少しずつ改善し、シグナルは少しずつ良くなり、微調整が少し良くなるか、モデルへの指示が少し良くなり、それが顧客にとって不透明なデータソースになり、常に5〜10%パフォーマンスが向上します。新しい製品の使い方を示した新しい紙を人々に渡すだけでは対応できません。実質的にはカスタマーサポートやコーディングのための独自のモデルを作成したようなものです。
より「ブラックボックス」や「難解」または「UI非指向」であるほど、必ずしもその粘着性と相関するわけではなく、実際には逆かもしれません。
あなたはクラウドは「純粋な効率性」だと言っていましたね。ある大手銀行での講演で、聴衆の目が全員glazing overしていたというエピソードを覚えていますか？それはカンファレンスだったと思いますが、聴衆はあまり興味を示さなかったと。バックエンドインフラについて組織内の一般社員は気にしていなかったと。そのエピソードを簡単に教えていただけますか？そしてAIがどのように異なり、それが企業とあなたが持っている会話にどのように変換されるかについても教えてください。
そのエピソードを正しく思い出せば、クラウド採用のピーク時に、銀行や金融サービスの未来についての基調講演をしました。基本的にはクラウドのピッチで、私はとても興奮していましたが、聴衆はそうではありませんでした。「わかった、サーバーが自社のデータセンターにないというだけで、クラウドデータセンターにあるんだね、すごいね」という感じでした。
これは業界レベルでのクラウド移行を端的に表していました。ITオペレーションを高速化し、より多くのデータを保存して、より良い決定を下せるようになり、より良いソフトウェアがあるため、従業員の効率も向上しました。しかし、業界や部門全体を根本的に変革することはありませんでした。
一方、AIは企業の運営方法、意思決定の方法、顧客へのサービス提供方法、製品構築方法を根本的に変革する機会を持っています。技術移行の何が以前と似ているか、何が異なるかを理解することは常に有用です。
似ている点は、AIの採用もクラウドと同様、すべての変更管理、すべての会議、同じプライバシーとポリシーとガバナンスとコンプライアンスレビューが必要になることです。すべてそれが必要です。
しかし、両方の波を同様のタイムフレームで経験した私は、一つの大きな違いに気づいています。クラウドの非常に初期の段階では、銀行や製薬会社、政府機関との会議で「クラウドへのデータ移行について話し合いたい」と言うと、「興味ない」「絶対に起こらない」「ここでは絶対に起こらない」という反応でした。小さな開発テスト用ワークロードか、一部の部門が使用するかもしれないという程度でした。何年もただ営業し続け、何がそんなに良いのかを理解してもらおうとする時間でした。
対照的に、ChatGPTからわずか2年半の現在のAIを見ると、同じ顧客との会議は「これはすべてを変えることを知っている」「皆がこれを求めている」「すべての従業員がこれを必要としている」「職場に入ってくる新世代がこれを求めている」「上司が求めている」「取締役会が求めている」「戦略を考える必要がある」というものです。問題は「もし」ではなく「いつ」「どのように」です。「昨日よりもっと多くのことをする必要がある」という感じです。
まったく異なる世界です。つまり、このような大きな変化に通常伴う通常の抵抗をすべて回避し、今は「どうやって実現するか」「どの部門が使用するか」「AIが生成した応答に基づいて決定を下す場合、どのような影響があるか」「どの程度の人間介入が必要か」というフェーズに直接入っています。クラウドよりも5〜7年速く進んでいます。これは採用が異なる軌道に従うという意味ではありません。結局は人、変更管理、システムに関するものですが、躊躇や感情的な懸念は今回はまったく異なります。
組織に入っていくときの抵抗は何ですか？または「どのように」と「いつ」を超えて、長期的な問題は何ですか？それらはどの程度組織側にあり、どの程度商業ベンダー側にあるのでしょうか？
実際には、クラウドとの比較を濫用するかもしれませんが、クラウドは顧客が求めていた以上のことができました。なぜなら顧客が抵抗していたからです。常に実際の時点よりも50%以上、あるいは数百%多くクラウドを実装できたはずです。
おそらく今は逆が真実です。ほとんどの会話で、顧客はデモを見るとすぐに3歩先に飛び、「素晴らしい、その全体のプロセスを完全に自動化しましょう」と言います。そして「まあ、そのユースケースに必要な環境にデータがまだない」か「OpenAIやClaudeからの推論モデルのブレークスルーを待っていて、必要な精度の3%を得る必要がある」と答えることになります。
この場合、顧客はほぼ終着点に近いところまで飛んでいます。「素晴らしい、すべての従業員に生産性向上を与え、組織にエージェントを展開する場所を見つけよう」という感じです。
大きな注釈を付け加えると、私は私たちと話している人々、つまり定義上前向きで少し先を見ている顧客と話しています。共有しているいくつかの逸話はそのような顧客からのものです。まだ「頭が爆発している、どこから始めるべきか」と思っている顧客が80%いると思います。しかし、彼らが持つユースケースのセットに基づいて、テクノロジーよりも先を行っている顧客がたくさんいます。
残念ながら、障壁はより実践的な考慮事項です。文字通り、すべてのデータを見るAIを単にオンにして、従業員が質問できるようにすることはできません。なぜなら、突然組織内の秘密が明らかになる可能性があるからです。5年前にアクセス権が過剰に付与されていたかもしれませんが、それにアクセスすべきではなかったものです。
あるいは、AIエージェントはコードの自動補完には非常に優れていますが、本番環境でAIエージェントを使用して完全なマルチファイル出力を生成する準備ができているでしょうか？人間が実際の編集プロセスに関与していなかった場合、どのように確認しますか？彼らは本当にコードを理解しているでしょうか？送信ボタンを押して本番環境に入れることは許可されていますか？これらが人々が取り組んでいる大きな問題です。
オンラインでは「3時間でビデオゲームを作った」と言って暴走していますが、銀行システムのエンジニアであれば、今すぐそれを実装するべきでしょうか？銀行口座が「バイブコーディング」によって運営されることに私たちは準備ができているのでしょうか？わかりません。
これらはすべての企業が理解しようとしている種類のことです。「どのようなペースでこれを実装すべきか」「データは準備できているか」「システムは準備できているか」です。皮肉なことに、業界は非常に速く動いているので、急速に変化する空間で将来的に固定されることになる決断をどのように今下すかということです。多くの場合、将来的なオプション性のためのアーキテクチャをセットアップできるかということです。なぜなら、今日働いているベンダーが将来最高のものであるとは限らないからです。異なる部分を交換できる必要があります。これらが私たちが持つ会話の種類です。
それに関連して、AIに早期に参入することは、正しい抽象化でアーキテクチャをセットアップしない場合、ある意味で負債になる可能性があるとあなたは注意していました。ブログ記事かツイートかは忘れましたが。Boxという組織にとってのこの適用性と、他の人に対するアドバイスについて、この変化のペースに柔軟であることをどう考えますか？それはモデル非依存的であることについてですか、それともデザインの要素でモジュール性を持つことについてですか？
すべてです。どのように構築するか、そして内部でAIをどのように実装するかがあります。構築方法は基本的に、スタックの部分でおそらくいくつかの異なるカテゴリがあると考えるようにしています。即席で用語を作っているかもしれませんが、スタックの中には決して変わらない部分があります。モデルのブレークスルーが起こっても、システムとのその特定のインターフェースは変更しません。そこでロックしてしまい、実行を開始することができます。
他の部分では、現在ベストインクラスのテクノロジーがあると考えていますが、それについて少し不安があるかもしれません。おそらくオープンソースバージョンがあることを好むでしょう。そのため、アーキテクチャの特定の部分にどれだけ傾倒するかについて本当に慎重である必要がある場所です。ベクトル検索やRAG（検索拡張生成）の実行など、多くの先行者がいて、5年後にどこに落ち着くかが正確にはわかりません。それについて慎重に考える必要があります。
そして、モジュール性についての最後の部分は、このスペースは3分ごとに変化しているため、最大限の柔軟性が欲しいかどうかを決定する必要があります。これらはモデルプロバイダーです。異なる部分を交換する方法を持ちたいですか？Boxには、同じワークフローに複数のモデルプロバイダーを使用する部分が複数あります。したがって、スタックのその部分でオプション性と柔軟性の高い度合いが必要です。そして、これらの異なるインターフェース間に異なる抽象化レイヤーを持つ必要があります。
基本的に、現時点でAIに関わっている人は誰でもそのパターンで構築しています。Perplexityに行ってモデルを変更します。Cursorに行ってモデルを変更します。私たちはみな、ユーザーにモデルを変更させるか、少なくとも開発者として何らかのオプション性を持たせることが望ましいと理解しています。なぜならこの分野がいかに速く動くかを知っているからです。そして、スタックの他のどの部分をロックインして、再び心配しないかを決定する必要があります。
Claraの例（彼は以前にもお招きしたことがあり、素晴らしいCEOです）は、SaaSベンダーを統合しAIワークフローに移行するということを最近ツイートし、それがニュースになりました。社内では、これが長期的なものかどうか、ソフトウェアへの投資について存在的に心配する必要があるかどうかについて、少し騒動が起きました。なぜなら、エージェントワークフローが出現し、システムがインターフェースの必要性をなくし、すべてがある意味でCRUDデータベースに入るからです。
これを俯瞰したときのあなたの見解は？彼らがやっていることは他の組織にも広く適用できると思いますか？それとも、テスト中の例外的なケースでしょうか？
私はそれが非常に魅力的だと思いました。それが起きていて、まだ理論的に起きているのは喜ばしいことです。彼の更新によると、カスタマーサポート側ではそれほど多くを行っていなかったり、より多くのプレミアムエージェント（人間）を持っているようです。
挑発的な観点からは素晴らしいと思います。私たちは境界をテストする人々が必要です。それは、すべてのSaaSを再考させるようなものではありませんでした。これを初めて聞いたのは15年前くらいで、Teslaのあるリーダーと会っていたときでした。彼らは独自のERPシステムを構築していましたが、私はそれを聞いて「信じられない、あなた方が本当にこれをやっているとは」と思いました。それが将来になるかと考えましたが、すぐに気づくのは、これはイーロン特有の、エンドツーエンドを制御し、既製のものを望まなかったという特殊な例だということです。それを試みようとする勇気と起業家精神は非常に凄まじいものです。
Claraの例もその範疇だと思います。平均的な企業に行って「自分のHRシステムを運用する責任を負いたいですか？」と尋ねても、平均的な企業はそれにYesと言わないでしょう。AIエージェントがどれほどエージェント的であっても、あなたがその責任を負うことになります。HRシステムコードを生成したAIプロバイダーは、生成されたHRシステムに責任を持ちません。つまり、定義上、あなた（顧客）が生成されたものに責任を負うことになります。
ClaudeではなくAnthropicはあなたのHRシステムがどのように機能するかについて責任を負わず、データ漏洩があってEUから訴えられた場合、それはClaudeではなくWorkdayの責任です。Workdayはそれを行いますが、Anthropicは行いません。
どのソフトウェアが人々が非常に不満を持っているため自分で行いたいのか、どのソフトウェアがカスタマイズする必要があるのか、またはどのソフトウェアが戦略的ではないため、エージェントによって生成されるマイクロアプリを気にしないのかを考える必要があります。素早く展開して終了でき、3ヶ月だけ世界に存在する必要があるようなものです。予見可能な将来、次の2年間では、中断される可能性のある唯一のものがそれでしょう。
しかし、HRシステムがなくなるとは思いません。CRMシステムがなくなるとは思いません。デフレ効果についてのあなたの指摘に関して、新しい企業が「AIエージェントでOracleを構築してみよう」という考えを持つ可能性はあると思います。しかし、それでも出現するのはソフトウェア企業であり、AIはエンジニアリングの強化のためだけに使われるでしょう。顧客は最終的に、そのソフトウェアに責任を持ちたいとは思わないでしょう。
それが私の結論でもあり、それはソフトウェア企業に投資する人々にとって良いことだと思います。10年後、この発言について記録に残したいかどうかはわかりませんが、企業は世界のすべての問題に責任を持ちたいとは思わないと考えています。
ジェフリー・ムーアが提唱した「コア対コンテキスト」というアイデアがあります。コンテキストは、あなたのためにやってほしいものです。それについて心配したくないものです。コアは、あなたのビジネスにとって存在的に重要なものです。ほとんどの人にとって、HR システムはコアビジネスではありません。だからこそ、HR システムを担当する他の人を雇います。そのため、内部 IT チームに既製で入手できるものを再構築する責任を持たせたくありません。
それは、技術的な創業者が販売報酬システムを再発明しようとするときに感じることと同じです。一つのベクターで差別化することは十分に難しいのに、これが成功の決め手にはならないでしょう。
いくつか短い質問をして、あなたの直感的な反応をいただきたいと思います。準備はいいですか？
AIのネット効果は、ある合理的な期間（5〜10年）で、平均的な知識労働者の労働時間を減少させると思いますか？
何年ですか？5〜10年ですか？今のところ「いいえ」にしておきます。
私もそう思います。AIは組織構造を何らかの意味で平坦化すると思いますか？例えば、中間管理職の減少、より速い承認、より多くのセルフサービス作業など。
これは信じられるかもしれません。過去数十年で階層はかなりクレイジーになっていると思います。なので「はい」だと思います。
その理由の一部は、AIが機能に時々隣接する機能を行わせることができるからです。デザイナーにフロントエンドコードを書かせ、バックエンド開発者にフロントエンドコードを書かせ、コピーライターに完全な白書を生成させることができます。つまり、エンジニアリング以外では考えないことですが、おそらくより多くのフルスタックワーカーが出現するでしょう。経済の一部では職務が過度に専門化されていると思います。AIはより広い責任を持つことを可能にします。そうなると、物事を成し遂げるために多くの組織を通過する必要がなくなるので、ある程度の平坦化が起こるでしょう。でも見てみましょう。
デイビッド・エプスタインの「Range: Why Generalists Triumph in a Specialized World」を読んだことありますか？
いいえ。
それは、多様なスポーツを経験したロジャー・フェデラーと一つのスポーツに特化したタイガー・ウッズの例を挙げ、社会の多くのブレークスルーが専門分野外の人々によってもたらされたことを説明しています。あまりに専門化しすぎると、他の人々のやり方の文脈を持たず、大きなブレークスルーはしばしば外部からもたらされるのです。
仕事はおそらくアダム・スミス的になりすぎていて、私たちは皆、ペーパークリップ工場の小さな部分だけを担当しています。AIはその労働分業を軽減してくれると思います。おそらく労働分業が時間とともにあまりにも細分化されすぎたのでしょう。そのため、リセットの機会が得られるかもしれません。つまり、より一般的な問題を誰かに与え、彼らがそれを完全に解決する能力を持つということです。これは知識労働者クラスにとって非常に刺激的で、より充実したものになるでしょう。
この3〜6ヶ月で見た中で最もクールで衝撃的なデモは何ですか？「ワオ、これが実際に可能だとは信じられない」と思ったものは？
面白い旅をしています。残念ながら、今では高い許容度と鈍感さを構築し始めています。ある意味ではヘドニック・トレッドミル（快楽の踏み車）のようなものです。私はいつもAIについてルイスCKの飛行機とWi-Fiのビットを参照します。「空を飛んでいてインターネットにアクセスできるのに」というものです。それが多くのAIについての私の感覚です。Deep Researchが少し幻覚を見ても、「このインタビューの準備に15時間かかるところを7時間しか節約してくれなかった」と思います。
ChatGPT以前の配線を個々のブレークスルーごとに持ち続けられたらと思います。そうすれば、「なんてこった、これは魔法だ」と毎日思えるでしょう。ChatGPTの1週間後に、LM（言語モデル）に詳しい友人に叫んだことを覚えています。「インターネットから一度もスキャンしたことのないビジネス戦略をどうやって書いたのか理解できない」と言いました。その時点で私は明らかに無知でした。
純粋に実用的な観点から見ても、私はまだDeep Researchを愛しています。自分に何度も強制的に「Deep Researchが存在する、7つのタブを開いてすべてを調べるのではなく、単にクエリを送信して戻ってくればいい」と言い聞かせています。48時間前にそれを使って1時間半節約しました。しかし、通常のやり方で調査しようとしていることに気づいて自分を止めなければなりませんでした。20年間やってきたことです。調査をして、私が確認できる限りでは幻覚なく、いくつかの回答を確認しました。素晴らしかったです。ただ問題を解決してくれました。今はおそらく週に5〜10回これをやっていて、素晴らしい生産性の向上です。
AIでのフロントエンドデザインの作成にもまだ驚き、興奮しています。スクリーンショットをCursorに入れるとコードが生成されたり、プロンプトをVzeroやReplitに入れると、エンジニアやデザイナーに依頼していたものが生成されます。残念ながら、私のブラウザ履歴は少し常軌を逸しているかもしれません。土曜日の夜11時30分にVzeroでデザインをしているので。それはまだかなり刺激的です。
エンタープライズにおけるAIの影響力が大きいのは、マルチモーダル機能（画像、テキスト、コード、音声など）とエージェントワークフローのどちらだと思いますか？
完璧に実行するエージェントワークフローがあれば、それが最高です。データサイエンスの例では、構造化データベースに入れるものについては、常に「この顧客ベースのこの地域で分析を実行する」などの大きなセットを計算する能力がありました。「ジョブが実行中で、1時間後に確認すれば答えがわかる」というような話をしていました。
すべての非構造化知識作業において、ジョブを実行するだけの世界を想像してください。「これら10のエージェントを送って、すべての臨床薬物試験研究を理解し、洞察を与えてくれ」というようなことができます。以前は企業の仕事の3%だけにこのような計算タスクを送る考え方がありましたが、今は残りの97%、少なくとも90%の80%にそれができると想像してください。「新しく参入したい地域を調査するジョブを送った」「製品フィードバックを理解し、検討すべきロードマップを構築するジョブを送った」などができるようになります。完全なエージェントワークフローが実際に可能になると、クレイジーになるでしょう。それがDeep Researchであれ、タスクの実行であれ、顧客体験の自動化であれ、今後2年、5年、10年で最大のアップサイド領域であり続けるでしょう。
2年、5年、10年後、最高のモデルはクローズドソース（独自）かオープンソースのどちらだと思いますか？
この点についての想像力が不足しているかもしれませんが、基本的に重要ではないと思います。ブレークスルーから3ヶ月以内に、オープンソースバージョンが出てくるからです。オープンソースバージョンが先に出たか、中国が出したか、OpenAIが出したかは重要ではありません。3ヶ月以内にクローズドソースのブレークスルーのオープンソースバージョンが期待できるからです。そうなると、定義上、トラフィックと使用の大部分はオープンソースになるでしょう。大きな差はないので、開発したばかりのオープンウェイトバージョンを使えるからです。
Boxの最も刺激的なAI機能やアプリケーション、ワークフローで、既存のユーザーベースにあまり評価されていないが、皆がもっと採用を考えるべきものは何ですか？
私たちが最も期待している機能は2つあります。1つ目は「ハブ」と呼ばれる製品です。Boxで任意のファイルシステムにアクセスし、フォルダを作成し、ファイルを入れ、それを共有すると、受信者にとってフォルダは直感的ではないという問題があります。どのサブフォルダに探しているセールス資料があるのかわからないからです。そこで私たちはフォルダ上にオーバーレイする「ハブ」を作成しました。ファイルとフォルダをハブに入れ、ハブに質問することができます。
これは非常に微妙だが重要なことを解決しました。一般的なAIチャットウィンドウに行くと、そのチャットウィンドウの向こう側に何があるかを推測するのに多くの作業が必要です。私たちのハブに行くと、そのハブが何にアクセスできるかがわかります。販売ハブはすべての販売情報を持ち、HRハブはすべてのHR情報を持っています。HRハブに行ってHRの質問をすると、すべてのHR文書に対してRAG（検索拡張生成）を行い、すべての販売プレゼンテーション、すべての顧客サポート製品文書に対してRAGを行います。
これにより、あらゆるトピックのマイクロ知識ポータルが提供されます。ユーザーは瞬時にこのハブで何のトピックがカバーされるかを知るので、幻覚を劇的に減らし、ハブにある権威あるコンテンツを劇的に増やすことができます。これはかなりクールです。
そして最後に、1年半前に期待していたよりもはるかにうまく機能しているのは、AIによる文書からのデータ抽出です。聞くと非常に単純すぎるかもしれませんが、契約書や請求書のレビュー、履歴書からのデータ抽出、財務報告書の標準化などが仕事なら、私たちはそのほとんどを自動化できるようになっています。
とても素晴らしいですね。アーロン、ありがとうございました。多くの領域をカバーできたと思います。
ありがとう、ローガン。評価についても幸運を祈ります。
コメント