この動画では、ChatGPTなどの汎用チャットボットが抱える6つの構造的限界を明らかにし、それらのギャップを埋める12の専門AIツールを紹介している。空間認識、スプレッドシート処理、コード実行、運用可視性、物語構造、音声処理といった分野において、汎用LLMでは対応しきれない課題に対して、特化型ツールがいかに効果的な解決策を提供するかを解説している。
みんなチャットボット使いすぎやで
わしら、みんなチャットボット使いすぎてるで。ほんまにそうや。みんなチャットボット使うのは、それがデフォルトの選択肢やからなんや。そして、世の中に10万個もの他のツールがあるっちゅうのも問題を複雑にしてるんやな。これ、適当に言うてるんちゃうで。実際にそれぐらいのAIツールが世の中にあるんや。多すぎるんや。どれを使ったらええか、どうやって判断するんや？結局、チャットボットの世界に戻ってしまうんや。
そして、モデルを作ってる会社らも、わしらの注意がそこに向いてるってことを知ってるんや。やから、あの体験をもっと粘着性の高いものにするために投資し続けてるんや。ChatGPTにメモリー機能があるのも、そういう粘着性を高める機能なんやで。そう考えると、わしらが定期的にチャットボットランドから鼻を出して、実際に風景を見回して「LLMが本質的に埋めるのに苦労してるギャップを埋める他のツールって何があるんや？」って言うのも理にかなってるわな。
LLMが苦手な6つのギャップ
まず最初に、このビデオでLLMが世界一得意ちゃうかもしれへんギャップをいくつか説明するで。モデルを作ってる会社がそのギャップを埋めるのが不可能やからちゃうんや。そうやなくて、モデルを作ってる会社らが、もっと大きな汎用的な問題セットに忙殺されてるからなんや。率直に言うと、モデルを求めてるすべての人にサービスを提供するのに十分なGPUを見つけることに忙しいんや。これも適当に言うてるんちゃうで。AnthropicとOpenAIの両方にとって現在の最重要課題として、よう文書化されてることなんや。
ほな、チャットボットの中で今部分的に補償されてる、LLMの6つの構造的限界って何なんや？でも、もしかしたら特化したツールがあって、それを使えばもっと遠くまで行けて、もっと効果的に仕事できるかもしれへんで。そこから、12のツール、各構造的ギャップにつき2つずつを見ていくことにするで。
ここでの目標は、このツールらを使うように説得することちゃうんや。チャットボット体験の構造的ギャップについてどう考えるかの感覚を掴んでもらって、あんたにとって重要な構造的ギャップを埋めるのに役立つかもしれへんツールを理解してもらうことなんや。
ギャップその1、空間認識や。そう、LLMは絶対にこの分野で良くなってきてる。o3が3Dグラフを作れることにはまだ感動してるけど、根本的にデザインに取り組もうとするなら、LLMは驚異的なデザイナーちゃうんや。LLMがそれで素晴らしい仕事をしてるのをまだ見たことないで。
ここでの一番好きな逸話は、エージェントモードで大変な努力でChatGPTがAIエージェントにPowerPointを作ることを教えたっちゅうやつや。結果は、非常に優しく言うと、あんまりぱっとせえへん。テキストがはみ出す傾向があるんや。スライドから外れる傾向がある。スライド上で整理が悪い傾向がある。ビジュアルとうまく連携せえへん。ビジュアルがベタベタ貼り付けたような感じになる。わしの知ってるインターンでも、もっとずっと良い仕事できる人おるで。
ギャップその2、スプレッドシートのコンテキストや。スプレッドシートには直交する意味があるから問題なんや。つまり、水平方向の関係があり、直交方向の関係があり、複雑なスプレッドシートでは、タブ間の関係がある。特別な列と行と通常のデータの列と行の間の関係がある。数式がある。次のトークン予測用に設計されたLLMがスプレッドシートをマスターするのは、ほんまにほんまにチャレンジングなんや。
また、いくらか進歩は見られるで。エージェントモードに戻るけど、スプレッドシートは作れる。簡単な数式付きのスプレッドシートは作れる。今のところ、既存のスプレッドシートを処理することはできへん。まあ、まだ完全に複雑なスプレッドシートは作れへんな。試してみたけど、うーん、まあまあやな。
ClaudeやOpus、Claude Opus 4やChatGPT o3やGemini 2.5 Proのような他のLLMに聞いてみると、トークンにより親和性のあるコンマ区切りのCSVにこだわるものから、Excelファイルを取り込んで処理しようとするけどまだ苦労してるものまで様々や。大きいファイルやとまだ苦労してる、すべての詳細を読むのにまだ苦労してる。40行や50行のExcelスプレッドシートをアップロードしたことがあるけど、Excelシートを使ってる人なら誰でも知ってるように、それは小さいスケールなんやけど、それでもそのスケールで、すべての行をリストアップするのに苦労することがある。
すべてのデータを読めへんみたいなんや。やから、スプレッドシートは問題なんや。
コード実行と運用可視性の課題
コード実行も課題として残ってるで。根本的に、LLMのどれもコード実行環境になるという考えで構築されてへんし、近いうちにコード実行環境になることも予想してへん。コーダーじゃない人らのために説明すると、これはコードを実行するっちゅうことなんや。
Claudeが小さなReactコンポーネントを立ち上げて、プレビューウィンドウ内で小さなアプレットを実行できるっちゅうのが、今のところベストな状況や。それでもまだめっちゃマイナーやろ？ほんまの完全なコード実行環境ちゃうし、確実にプロダクションに投入したいと思うようなものでもない。
それは明らかなことかもしれへんし、AI関連のことですらないと思うかもしれへん。でも、ますますプロンプトとAI生成コードとLLM自体がソフトウェアのプロダクションパイプラインに統合されてるから、コード実行とAI機能を持つソフトウェアが必要なんや。
もう一つのギャップ、運用可視性や。また、なんでこれを期待するんや？でも、LLMはプロダクション環境でのAIソフトウェアについて、どんな種類の運用可視性も提供するように構築されてへん。そうやないんや。そこは大きな驚きないで。
最後になったけど重要なのは、物語構造がAIにとって大きな問題なんや。これはあんまり話題にならへんと思うで。テキスト対体験をLLMが伝えるのはめっちゃ難しいんや。テキストを出力できるから、テキストのいろんなバージョンで応答することが多いけど、視覚的階層を考え抜くことができへん。
アクセスしやすい方法でストーリーの構造を考え抜くのに苦労することがある。これはChatGPT-5のようなブレークスルーが役立つことを期待する分野やけど、それでも物語の構造と物語が視覚的に提示される方法の間には複雑な相互作用があって、それは従来のLLMがマスターするのは難しいと思うで。
それはそれだけに集中せえへん限り、簡単にできることやないと思うし、そうやったとしても、かなり難しいことや。
もう一つ、最後になったけど重要なのは、音声処理や。ChatGPTは有名に最近会議メモを開始したで。使ったことあるけど、まあまあやな。ライブ文字起こしは提供してくれへん。一般的な要約を一つだけくれる。トランスクリプトにはほんまにアクセスできへん。めっちゃボルトオン機能や感じや。
そして、それは根本的にリソースが制約されていて、8億人以上のユーザーベースにたくさんのものを出荷しようとしてるチームから期待することそのものなんや。今、彼らはすべてを完璧にすることはできへん。そして、そこにわしらがここで概説する12のツールのような開発者らにとっての機会があるんや。
12の専門ツールで構造的ギャップを埋める
また、これらは史上最高の12のツールやないで。わしが指摘した6つのギャップに対する素晴らしい答えやと思ってるんや。その6つのギャップは、音声処理、物語構造、運用可視性、コード実行、スプレッドシートコンテキスト、空間認識や。これらがギャップのすべてやないけど、LLMが持ってるギャップの種類をほんまによく表してると思ったんや。
そして、この12のツールはそれらのギャップをうまく埋めてくれるで。これらを見てくれ。強みを考えてくれ。弱みを考えてくれ。わしが指摘するのを考えて、あんたのワークフローがチャットとうまくいかへんところを考えてくれ。
ツールその1。これはインターフェースビルダーやで。Magic Patternsや。Magic Patternsは、わしのところに人らがMagic Patternsを持ってきてるんや。わしが共有してるんやなくて、人らがわしのところに来てMagic Patternsを見せてくれるんや、それがめっちゃ気に入ってるからな。
根本的に、スクリーンショットか何かからデザインを抽出して、それを動作するコンポーネントに変えて、新しいインターフェースのビジョンを示すスタイル的に準拠した動作するフロントエンドコードの塊を返すのがめっちゃめっちゃ簡単になるんや。複雑な言い方をすると、ウェブサイトからスタイルをコピーして、それを変更して、エンジニアに見せるのがほんまに簡単になったっちゅうことや。
そして、それはツールやアプリやウェブサイトについて何かが違うべきやっちゅうアイデアを持ってる、すべてのマーケター、PM、プログラムマネージャー、その他のCSが願ってきたことなんや。わしらみんな、これを魔法のように簡単にしてほしいと願ってきたんや。「ここがわしのスケッチや。ここがわしのコンセプトや。でも魔法のように正しいスタイルになってる」って言えるように。
今、それはスクリーンショットを撮ってMagic Patternsに投げ込むのと同じぐらい簡単や。特化ツールがLLMの特定のギャップを埋めるんや。完璧か？いや、完璧やない。完全なアプリ構築用に設計されてへんからな。でも、クイックスケッチの感覚を与えてくれるか？まさにそれ用に設計されてるか？うん、そうやで。
Visalyも別の選択肢やで。Magic Patternsよりちょっと安いんや。コード生成よりも迅速なモックアップ作成に焦点を当ててるんや。やから、コードコンポーネントが必要やったら、Visalyは使わんといて。クイックモックアップだけが必要やったら、ワイヤーフレーミングがVisalyでもっと速くできるで。
やから、また、両方ともインターフェースカテゴリにあるけど、ちょっと違うことをやってるんや。やから、別々のものとして説明したいんや。ここでの目標は、これらを競合他社のようにすることやなくて、実際にそれぞれのツールがチャットボットが持ってる特定のギャップをどう攻撃してるかを理解してもらうことなんや。
さあ、2番目に進もうや。スプレッドシートインテリジェンスや。何があるか？Shortcut AIが爆発的に伸びてるで。早期アクセスや。手に入らへんかもしれへん。複雑なスプレッドシート作成に取り組むのに、わしが見た中で間違いなく最高やで。そして、作成っちゅう言葉を強調したいんや。マクロや既存のスプレッドシートではまだいくらか苦労してるけど、何かを作りたくてPower Excelユーザーやったら、これについて絶賛のレビューをもらってるで。
また、わしやない。人らがわしのところに来て「Shortcut AI試してるけど、信じられへんぐらいすごい」って言うてるんや。やから、これがもっと広く公開されたら、AIとExcelの決定的な答えになる可能性が高いと思うで。
もう一つの解決策で、もっと広く利用できるのは、Numerous AIや。これはカスタム関数を通じて既存のスプレッドシートにAIを埋め込むことに本当に焦点を当ててるんや。
それは違う使用例なんや。新しいシートを作るだけやなくて、現在のスプレッドシートに役立つ方法でAIを追加するのを手伝うことになってるんや。製品戦略の観点から見ると、Shortcutの方が強いポジションにいるで、なぜなら彼らはわしが議論したスプレッドシート問題全体の解決策を発明してるからで、既存のシートにAIを包み込もうとしてるだけやないからな。
わしが分かる限り、Numerous AIが一から非常に複雑な新しいスプレッドシートを作って、特にプロンプトから、Shortcutがテーブルに持ってきてる種類の複雑さを処理する方法はないで。彼らは違うことをやってるんや。また、これは必ずしも競合他社の話やないで。彼らは違うことをやってるんや。
そして、Shortcutはスプレッドシートインテリジェンス問題のより大きな部分を解決してるんや。
コード実行と運用可視性のソリューション
別のギャップに進もうや。コード実行や。ほとんどのLLMがこれをするなんて期待せえへんけど、AIを含む解決策は必要なんや。2つ挙げるで。どちらについてもあんまり聞かへんけど、投げ出してみたいし、あんたらがどっちについて思うか、どっちがもっと役立つと思うか教えてくれや。
最初のはe2b.devや。フリーティアから始まるで。AWS Firecrackerを活用してるんや。重要な部分は、統合が楽やっちゅうことなんや。これを立ち上げて、コード実行を簡単にしたかったら、e2b.devがサンドボックスを立ち上げて何かを試すのを簡単にしてくれるで。めっちゃクイックやで。
Daytonaはそんなに安くない。ちなみに、Daytonaって名前が付いてるのが大好きや。また、予想通り、もうちょっと確立されてるんや、そうやろ？認証の観点からISO 2701、SOC 2、そういう良いものすべてを持ってる。そして、また、コード実行を簡単にして、プロダクションシステムを損傷しないことを保証してくれるんや。
そして、それは人らがvibe codingについて持ってる最大の懸念の一つで、プロダクションシステムを損傷するリスクがあるっちゅうことなんや。やから、ここでの賭けは本物なんや。そして、E2B.devやDaytonaのようなスタートアップからこの分野で多くの牽引力を見ることになると思うで。あんたらが両者の間で強い意見を持ってるか気になるで。
LLM observabilityに進もうや。プロダクショングレードのAIを通じて多くのプロンプトを実行してるなら、それらが実際にどう動作してるかを理解するのがほんまに重要なんや。
そして、この2つも指摘したいんやけど、この時点で両方ともめっちゃ確立されてるで。Heliconeは非常にシンプルに、あんたのスタック全体に座って、チャットボットログがどこにあるか、どうモニターできるかをほんまに明らかにする明確な可視性プロキシで、最終的に100以上のモデルプロバイダー全体で単一のゲートウェイでレイテンシコストエラーを追跡できるようにしてくれるんや。今のところ順調やで。
実際にほんまに気に入ってるで。多くの会社が使ってるで。もう一つの強力なのはLangfuseや。observabilityトレーシング評価フレームワークを持てるで、また彼らはSOC 2とISO2701を持ってる、実行トレーシングで親子関係を追跡できる、Heliconeがいつも試みるとは限らん方法で品質評価を自動化できるで、やから2つの間にはいくつかの違いがあって掘り下げることができるで。
ある意味、observabilityの部分は、もうちょっと長い滑走路があったものやから、しばらくの間、もっと明らかな問題やったと思うで。一方、vibe coding実行の部分とサンドボックスの部分は新しいで、なぜならvibe coding自体がほんの数ヶ月前からやからで、やからわしらはまだそこでの風向きを把握してるところなんや。
ストーリー作りと音声処理のツール
ストーリー配信に進もうや。わしらが指摘した別のギャップや。これももう一度、できるだけ広くアクセス可能やないかもしれへん。今パブリックベータやと思うけど、彼らが圧倒されることを心配してるで。Chronicleが出てるで。
やから、Chronicleはほんまにほんまに高品質なストーリーテリングを可能にするんや、ピクセルパーフェクトなコンポーネント、組み込みのインタラクティビティとモーション付きで。そして、アイデアは、いつもPowerPointを作ってて、それを効果的にやるためにAIを使うのに苦労してる大規模なコンサルタント軍団にたどり着きたいっちゅうことなんや。
やから、キーボードファーストで、時間ではなく8分か10分でプレゼンテーション作成を可能にするワークフローを探したいんや。そして、ストーリーの観点から何を言いたいかを知ってる限り、最初からほぼ完璧にその約束を果たせるポジションにいたいんや。
ここでGammaについて言及してへんことに気付くやろうけど、それはGammaが進化することはできたけど、わしや真剣なCEOにプレゼンする他の誰もがほんまにそのツールを使いたいと思うような専門的品質のレベルに達してへんからなんや。単にストーリーテリングの弧を視覚とテキストで組み合わせることをマスターできてへんのや。
Story Docは選択肢やで。もうちょっと成熟してるんや。ChatGPTが概念化できへん要素を作ることに本当に設計されてるんや。Chronicleがやってるのと同じようにPowerPointのバケツにきれいに収まらへんのや。やから、ある意味、Chronicleがやろうとしてることの一部は、PowerPointが単にできへんもっとダイナミックな機能を持つ新しいPowerPointになることなんや。
そして、わしらがスライドをほんまに好きで、職場で40年間スライドを持ってきたっちゅう事実をキーにするように設計されてるんや。やから、その意味で、Chronicleは卓越性、特にデザインの卓越性が重要な高い賭けのプレゼンテーションにはもっと良いポジションにいると思うで。そして、Story Docは、クイックでちょっと視覚的なドキュメントをまとめる必要があるだけやったら、ほんまに便利やで。営業チームが使えるかもしれへん、マーケティングコンテンツ、そういう類のものや。
よし、音声取り込みに行こうや。やから、ChatGPTがただメモを要約するだけやっちゅう話をしたで。世の中にはたくさんのノートテイキングがあるで。わしはGranolaを使ってる。Granolaは実際にここで話すつもりやないんや。NataとWhisper Flowについて話したいんや。
やから、Nataはめっちゃ正確で高品質なオーディオトランスクライバーで、1時間の録音をたった5分で処理できるんや。処理と録音でめっちゃ効率的なんや。58の異なる転写言語を扱ってる、山ほどあるで。そして、会議メモにたどり着いて、それらをほんまに効果的に転写しようとしてるだけやったら、そんなに得意やない。
間違いなく、これらの目的構築ツールのほとんどがそうであるように、その体験に関して標準的なチャットボットよりも良いやろうで。Whisper Flowは違うアプローチを持ってるんや。やから、Nataは転写にただ夢中になってるんや、そうやろ？Whisper Flowはもっと、わしらは音声が新しいインターフェースやと思ってて、システム全体での口述を可能にするつもりや、みたいな感じなんや。
やから、Whisper Flowをあんたの既存のアプリすべてで使えるようになるで、一部の人はほんまに気に入ってるんや。話すのがタイピングより速いから、音声をインターフェースとして移行したいんや。やから、Whisper Flowは幅広いアプリで従来のタイピング速度の3倍か4倍を与えてくれるんや。そして、サブセカンドレイテンシやと思うで。試したことあるけど、いつもサブセカンドレイテンシやないけど、かなり速いで。
そして、自動検出付きで100いくつかの言語をサポートしてるで。また、これらの例で、これらの製品が問題の異なる部分を解決してるのを見るのはほんまに興味深いと思うで。Whisper Flowはほんまに音声をインターフェースとして概念化してて、やからあんたの既存のアプリにプラグインしようとしてるんや。一方、Nataは音声を転写するために正確性が必要なものとして概念化してて、やからそれにただ夢中になってて、ほんまにきれいなポイントソリューションなんや。
あんたの状況は様々やろうし、問題セットも様々やで。ワークフローのスピードアップについて本当にケアする場所について考えなあかんで。
一番の時間の無駄を見つけろ
これを締めくくるにあたって、そこであんたに残したいんや。あんたの一番大きな時間の穴について考えてほしいんや。チームにいるなら、一番大きな共有の痛い点について考えてほしいんや。
ほんまに、あんたに必要なのは、それについてはっきりさせることや。そして、戻って意味のあるツールを見ることなんや。ここでLLMに出てくる構造的ギャップに役立つと思う12のツールを説明したで。あんたの一番大きな時間の穴、一番大きな痛い点は、わしがChatGPTのようなAIチャットボットで特定した6つの問題の一つかもしれへんし、そうやないかもしれへん。
あんたは違うのを持ってるかもしれへん。それでええんや。ポイントは、このビデオがあんたにチャットボットで過ごす時間やチャットボットフローの回避に時間を過度にインデックス化してる場所について考えるように挑戦して、「投資する時間を取ってへんだけで、これを解決できるAIのポイントソリューションがあるんやないか？」って自分に問いかけてもらうべきやっちゅうことなんや。
そして、もしそれが週に10時間節約してくれるなら、それができるAIツールがあるかどうか調べる価値があるで。そして、わしが説明した12のツール全体で、そのカテゴリにある多くのストーリーがあるで、なぜならShortcutを使っててたくさんのExcelシートを作れて、それがあんたの生活やったら、めっちゃ時間を節約してくれるって想像できるからや。Nataと同じ方法で、ただ何かを転写しようとしてるだけやったら、めっちゃ時間を節約してくれるで。
やから、わしからあんたへの挑戦は、10万のツールのAIツールの宇宙を、ただ解析するのが不可能なツールの真っ白な海として見なさんなっちゅうことや。そこには役立つツールがあるんや。そして、それらを釣り上げる方法は、あんた自身の痛い点を理解することなんや。それがほんまに重要なことなんや。それが、ChatGPTができへんことを修正するツールを戦略的にスタックに追加できる人と、ただ目を回して「多すぎる、できへん」って言ってる人を区別することなんや。
やから、そういうことや。あんた自身の痛い点を知ってるか？
コメント