本動画では、パキスタンの著名なソフトウェア開発者兼起業家のヤシル・バシール氏が、GPT-5の発表を受けて現在のAI技術の現実と限界について深く分析している。学生から経験豊富な起業家まで、様々な立場の人々に向けてAI時代における適切な戦略とキャリア形成について実践的なアドバイスを提供する内容となっている。技術的な観点から教育論まで幅広くカバーした貴重な議論である。
GPT-5の現実と限界
一方で、この人は言うてるねん。今日のAIは猫よりも賢くないって。もし人々がGPT-5のプロモーション動画を見てないなら、見た方がええと思うで。たぶんあの約束は、彼らが言うてる通りには実現せんかもしれん。マーケティング材料にそんなもん載せるのは、自分に的を描いてるようなもんや。
彼に聞いたんや、自分の子どもにはどんなアドバイスするか、何を勉強せえって。彼は言うたんや、配管工になれって。配管工は将来にとって素晴らしい職業や。配管工の仕事を、AIが今後100年でできるようになることはないからな。
彼は言うてた、スーパーインテリジェンスの定義はこれやって。この定義がええねん。AIが答えを出すのをやめて、正しい質問をし始める時やって。
今、エンジニア一人に250ミリオンって読んだやろ。兄ちゃん、もしあんたのAIがスーパーインテリジェントになるなら、なんで250ミリオンドルを人間に払うねん？そうやろ？突然、考えることができる人間がどんどん高くなってるねん。
企業、中小企業でさえ、上からプレッシャーを受けてるねん。この新しいツールがあって、生産性を上げてるから、人員削減してこのツール使えって。
大学教育の目的は、単にスキルやタスクベースのスキルを教えることだけやない。問題が来た時にこんなコード書け、こんな問題が来た時にこうしろって。大学教育の目的は、簡単な解決策がない問題が来た時に、どう考えるかってことや。
彼らは本当にもっとマシやと思う。コンピューターサイエンスやめて、何か物理的なスキルをやった方がええ。それは時代遅れにならんから。文字通り言うてるねん、電気工になれって。
エピソード開始
アッサラーム・アライクム、The Ahmadショーの別エピソードへようこそ。今日のエピソードは非常に興味深い時期に来てる。2日前にGPT5がローンチされた。私はテストしてるところや。生きてるのに興味深い時期やな。6ヶ月ごとに巨大な約束を見る。6ヶ月ごと、8ヶ月ごとに違う会社から。
だから、これについて話すのに完璧なゲストがおると思う。紹介する必要ないやろ。サムネイルでもう見てるはずや。3回目にショーに来てもろた、ヤシル・バシールやで。
アッサラーム・アライクム。
ワライクム・アッサラーム。元気か兄ちゃん。私は元気や。今年はどうしてるか分からん。世界がどこに向かってるか分からんから、毎日起きてこの潮流がどう変わるか考えてるねん。でも刺激的な時代や。
私の意見では、あなたが話してた約束がどこまで実現するか見ものやな。でも同意するで。もし人々がGPT5のプロモーション動画を見てないなら、見るべきや。そこには私の心を完全に吹き飛ばしたスライドがたくさんある。
GPT-5の技術的課題
例えば、一つのスライドでは「私のコードベース全体をRustに変換して、アーキテクチャも改善しろ」って書ける言うてる。もしこの約束が本当で、他の介入なしにできるなら、なんで誰もタイプセーフじゃない言語でコード書くねん？タイプセーフで非常に安全で高性能な言語でコードやアプリケーション書くのには大きな利点があるねん。
もしAIが約束通りにそれを実際にやってくれるなら、なんで世界中のすべてのコードベースをコンパイルされた高性能言語に変換せんのや。でも私は思うねん、たぶんその約束は彼らが言うような形では実現せんと。
マーケティング材料にそんなもん載せるのは、自分に的を描いてるようなもんや。全部のコードベースを渡して、うまくいくって。もしそれがうまくいかんかったら、人々は「偽の約束したやないか」って言うてくるで。
この手の約束をGPT5が実現するかどうか、私は非常に楽しみにしてるけど、2日間テストしてみて、せんと思う。
理由は、私は一連のテストを持ってるねん。まあ、プロンプトと言うてもええな。モデルが前のバージョンからこのバージョンに変わったかどうか見るためや。それは私独自のベンチマークや。私は問題をAIで解決しようとし続けてるから、よくつまずくねん。新しいモデルが出た時に、まだつまずいてるかどうか見たいねん。
確実に前のモデルがつまずいたのと同じところでつまずいた。
具体的なテスト例
例を挙げるなら、私がLinkedInに投稿したのを君も見たかもしれん。パズルがあって、これをコードで解決策作れって言うたんや。ペントミノパズルっていうパズルや。12個のピースがあって、ボードの上にフィットさせなあかん。
私がそのパズルを投稿した時、多くの人が解決策を投稿した。その中には非常に賢い人もたくさんおって、「見ろ、AIが5分で解決した」って言うてた。でも注意深く見ると、その解決策は間違ってるねん。それを指摘したら、AIが勝手にピースを作ってて、それが見えてないし、繰り返しも使ってるねん。各ピースは一回だけ使うはずなのに。
2、3回見た後で、彼らも「ああ、本当や、これは正しい解決策やない」って気づいた。それから何度も試して、何人かは正しい解決策にたどり着いたけどな。
でもこれを私はAIの本当のリスクとして数え続けてるねん。説得力を持って間違った解決策を出すことができるってことや。言語が素晴らしいから説得されてしまうねん。
これをGPT5でテストしたけど、同じ問題で変化なし。何度も間違いを指摘しても、正しくできなかった。エージェンティックモードをオンにして、ディープシンキングモードもオンにしたけど、変わらなかった。
これは単にプロンプトの問題やないと思う。実際、few-shotプロンプトも試したねん。このピースがこう記述されてるなら、このピースはこう記述されるべきやって。でもまだつまずいてた。非常に基本的なことやった。
だからGPT5が根本的にすべてを変えて、Rustの例のような約束を実現するとは思えんねん。その例は興味深いねん。以前は人々が「AIはJavaScriptとPythonのコード生成が得意や。GitHubの70-80%のコードがJavaScriptとPythonやから」って言うてた。他の言語を試すとつまずくって、そこでのトレーニングがないからや。
全部のコードをRustに変換するって主張は巨大な主張や。LinkedInの投稿で、もし誰かがやったら教えてくれって頼んだねん。おもちゃのプロジェクトや小さなプロジェクト以上はできんと思う。大企業システムでそれをやるのは完全なゲームチェンジャーやろうな。
私らは企業システムを構築してるから、もし開発者の効率をRustでコード書くスピードでPythonの開発スピードに合わせることができるなら、なんでやらんのやって。これは明らかやろ。
技術業界の歴史的前例
歴史的にテクノロジーの中で、公開ローンチイベントでそんな大きな主張や約束がされて、実現しなかった例を知ってるか？
この手のハイプ構築は、私の記憶にある限り見たことないな。明らかにiPhoneが出た時はそんな瞬間やった。でも完全にハイプに応えた。実際、それは面白いことやな。
普通Appleはそういうチャンスを見つけて、ハイプのバンドワゴンに飛び乗って、他のみんなを上回るねん。でもAppleはこの全部で非常に静かや。かなり後れを取ってるし、1、2回試したけど、特に成功してない。
コンピューティングで純粋に話すなら、モバイルフォン、クラウド、そして2013-14年頃のAIの最初の到来でディープラーニングが非常に人気になった時やな。でもこの手のハイプは見たことないねん。多くの人が「もう世界は変わった」って言うてる。
でも人々が主張するような形では変わってない。多くの点で良くない方向にもな。以前2回話したように、例えばアーティフ・アワンがソーシャルメディア、LinkedIn、Facebook、TwitterがAIスロップで溢れてるって投稿したように。
変化は始まってるねん。今、あなたのところにはAIベースで生成されたコンテンツがある。これは世界にとって良いことか悪いことか？世界は変わったけど、私の意見では良い方向やない。
彼がその投稿で書いてたのは、徐々に人々がFacebookに行くのをやめるやろうってことや。ほとんど全部が生成されたもので、authenticity がないから、なんでこのストリームに行くねん？
そう、世界は変わってる。世界は非常に速く変わってる。すべてが良い方向やないし、多くの約束が果たされてない。これが私がAIについて一貫して持ってる立場で、私の考えを変えるようなことは特に起こってない。
AIの哲学的考察
哲学的レベルで、明らかに私は何度も考えるねん。私が年を取って、世界で起こってることを受け入れたくないだけなんやろうかって。でも私は見るねん、非常に鋭くて賢い人々、文字通りAIのゴッドファーザーと呼ばれる人々の間でも、同じ意見の違いが存在することを。
例えば、ヤン・ルカンは、スーパーインテリジェンスが欲しいなら、最初にすべきことはLLMsを諦めることやって言うまでに至ってる。世界を変えたと言われてるものを窓から投げ捨てろって。AIに本当に助けてもらいたいなら。
なんで彼みたいなAIのゴッドファーザーの一人がそんなこと言うねん？なんでこんなに広い意見の違いがあるねん？
あなたは何度も見たやろ、PhD論文を解決したとか、数学オリンピックでAIが勝ったってニュースが来るのを。一方でそんなこと言われてる。一方で同じ人が、今日のAIは猫よりも賢くないって言うてる。
一方では、PhDより賢いって言われてる。一方では、猫より賢くないって言われてる。この意見の違いは非常に大きく存在してる。
基本的にこの確率的モデルはそこまでしかいけないっていう考えは、非常に激しく争われてる。スケーリング法則が保持されるかどうかっていう話も、激しい議論になってる。
でも私個人的には、たぶん私はバイアスがかかってるかもしれん、たぶん私は年を取ってるかもしれん。私個人的には、この側の議論の方が強いと思う。
例えば、ヤンが言うのは、子どもに5、10枚の猫の写真を見せて訓練すれば、これが猫やってことが分かる。その後、どんな変な猫を見せても、子どもは猫やって認識するやろ。
AIには10枚の猫の写真を見せて、それを期待することは絶対にできん。100万枚の猫の写真で訓練しなあかん。猫がどう見えるか学ぶ前に。そしてそれでもつまずくかもしれん。
この技術は人間がトレーニングされるよりもはるかに多くのデータでトレーニングされる必要があるって言うのは、人間ははるかに少ないデータでトレーニングされるってことや。たぶん人間が少ないデータでトレーニングされる理由は、言語だけに頼ってないからや。
AIは言語だけに頼ってる。もしくは画像もやけど、人間は周りの世界全体でトレーニングされる。これが彼がワールドモデルの話をすることや。ヤンはまた、4歳児はインターネット規模のデータよりも多くのデータを摂取するって言う。
4歳の子どもは感覚情報、すべての感覚、触覚、匂い、そういうのを通して。それが議論の反対側やけど、純粋に視覚画像だけ見ても、コンピューターは人間よりもはるかに多く必要やろう。
ワールドモデルとAIの限界
彼はこの例も出すねん。子どもが歩き始めたら、どれくらいで教えることができるか？部屋の端に何かが置いてあって、それを取りに行って持ってこいって。ロボットにはどれくらいかかるか？非常に大きな違いがあるねん。
純粋にエネルギーの話をしても、人間が必要とする計算パワーとAIが必要とするもの。だから私が本当に興奮したのは、ワールドモデルのアイデア全体やった。彼らが取り組んでるJEPAっていう。
Joint Embedding Predictive Architectureやな。それが私の考えでは本当の革命で、拡散モデルや言語モデルのアイデアとは非常にかけ離れてる。
だから私はそのキャンプにおると思うし、哲学的レベルで前回2回話した時に言うたことを3回目に言うけど、私らはまだテクノロジー採用サイクルのハイプと期待のピークにおる。
あなたの指摘通り、そのピークは前回よりも高くなってる。人類の歴史でおそらくそのピークは今日あるところより高くなったことはないやろ。期待があって、見てみよう。
現実への影響と考察
私は100%あなたの言うことを理解してるし、確かに。あなたが話してることは、おそらく世界で作られる決定のトップ1%、2%に影響するやろう。もしも私らがあなたが話した問題、LinkedInのペントミノ問題やすべてを考えるなら。
でも95%の人々の人生に何らかの形でAIが影響してる現実がある。教師がAIで課題を生成して、学生がAIでそれをやって、教師がAIでチェックしてグレードをつけてる。それがAIが知的かどうかとは関係ないねん。
99.5%の確率で正しくやってくれるダムなブラックボックスとして扱っても、学習の現実は変わらんやろう。それは変わってる。
でも私らは議論してる。それが良い方向に変わってるか、悪い方向かって。それがメインの質問や。
コーディングと生産性の現実
例えば、このコーディングの話を取ろうか。私は言うねん、人々は「コーディングが非常に速くなった」って言う。10倍になったって馬鹿げた主張をする人もおる。
問題は、10倍っていうのはあなたのソフトウェア開発じゃないかもしれん。たぶんコード生成プロセスが10倍になったかもしれん。たぶんあなたが10行書いてたのを、今は100行のコード書いてる。
でもその現実があなたに開けるのはいつか？1年間それを書き続けた時や。今日は素早く10倍のコード生成した。1年後、あなたはAIコードで書かれた何百万行のプラグを持ってる。
そして今、あなたのAIがどこかでつまずいてる。私らが知ってるように、その定義によってつまずくはずや。それは非決定論的モデルで確率的モデルやから。
今、あなたは困ってる。AIはあなたの問題を解決してくれんし、あなた自身もできん。全部のコードがAIによって書かれてるから。これが教師の例、学生の例と同じや。
彼らは最終的に怠惰になって、自分でできなくなる。それが生産性への本当の影響を測るべき時や。
変化を1日や1ヶ月で測るべきやないと思う。年単位で研究して、この全体的な変化が社会、人類にとって良かったかどうか見るべきや。
そこで多くの研究が危険やねん。MITの研究があって、AIを使ってる学生が文字通り脳を使うのをやめるってやつ。かなり有名になった。物理的に認知的衰退が。
だから私らは脳を働かせ続ける方法を見つけなあかん。AIは次のレベルに連れて行ってくれんから、現在のAIは。
スーパーインテリジェンスの定義
私が非常に尊敬してる人がおるねん。Demis Hassabis、GoogleのDeepMindの。Demisに聞いたんや、いつスーパーインテリジェンスが来ると思うか？あなたのスーパーインテリジェンスの定義は何かって。
彼が言うた定義を私は愛してるねん。AIが答えを出すのをやめて、正しい質問をし始める時やって。
今、AIは本物のPhD科学者が聞くような質問はせんねん。彼は言うた「どうテストするか？」って。彼は言うた「私はモデルを1900年までのすべてのデータで訓練して、量子物理学のアイデアを思いつけるか見る」って。
人間は古典物理学を全部読んで、量子力学のアイデアを見つけたんやから。一生ニュートンの重力理論を読んだけど、アインシュタインが来て完全に変えた。重力はこう働くんやないって。
今日、AIからそれを期待できるか？もし完全に依存するようになったら、人類はそんなイノベーションができるやろうか？今日の答えは私の考えではノーや。
時々例外的な例が来る。新しい材料をAIのおかげで発見したとか、医療で新しい薬の発見とか。非常に例外的な1、2の例がここそこにあるけど、大きな例は聞いてない。
だから私らは非常に注意深くある必要がある。私が言うのは、今のAIの状況でハイプが下がった時、安定化した時、勝つ人はAIをすべてに使う人やない。本当に限界を理解してる人や。
限界を正しく理解してる人だけが、正しく使えるねん。残りはダメージの方が多くて、利益は少ないかもしれん。
もしあなたが本当に優秀なPhD科学者なら、AIを使って仕事をスピードアップする方法を見つけるべきや。でも研究者やないなら、研究なしに考えなしにAIに研究者の仕事をさせられるとは言えんねん。
いつAIを使わないかがもっと重要や。いつ使わないか、そしてどう、いつつまずくかを非常に認識して、ガードレールを構築すること。これがAIの世界での本当の競争上の優位性やと思う。
エンジニアの高額報酬の矛盾
ところで、私が理解できんのは、OpenAIやFacebookのような会社が、エンジニア一人に250ミリオン。兄ちゃん、もしあなたのAIがスーパーインテリジェントになるなら、なんで250ミリオンドルを人間に払うねん？自分のAIにその人がやるはずだった仕事をさせればええやん。
これは大きなパラドックスや。突然、考えることができる人間がどんどん高価になって、考えることができない人間の仕事をAIがやるようになってる。興味深いな。
学生へのアドバイス
私らが今まで話したことは、基本的にトップ1%、2%の人間の発見の最先端、研究の最先端、アプリケーションの最先端のためや。
でも底辺90%への影響はどうや？ペットショップのミーティング予約エージェントの例みたいに。たぶん彼らは発見ができんくても気にせん。でも私は仕事を失ったか、少なくとも仕事を失う瀬戸際にある。
大学教育の本質
多くの例がある。Klarnaの例のように、でも現実はそうやねん。すべての上場企業、確実にやけど、企業、中小企業でさえプレッシャーを受けてる。この新しいツールがあって生産性を上げてるから、人員削減してこのツール使えって。
今、私らはハイプサイクルのピークにあるから、非常にプレッシャーがあるし、多くの仕事の置き換えも起こってる。私は単に言うてるだけやけど、この非常に狭いタスクでも、新しいノーマルが進化すると思う。私らは今ノーマルやない。
Klarnaの経験は、Klarnaは非常に早期のAI採用者やった。まだGPT-4も出てない時に、エージェントを置き換えるって言うてた。でも今、彼らがそのエージェントを再雇用してるって聞いた。
多くの人が「置き換えたし、エージェンティックワークフローで仕事が減った」って言うてる人も、たぶん少し戻ってくるやろ。全員を再雇用するとは言わんけど、少しノーマルが今いるところから離れてる。
理由は、90%、95%の時はAIエージェントが人間よりも良い決定をするけど、5%の時は非常に悪い決定をして、神経質になって人間をループに戻そうとするから。
私が知ってるAI会社、AI変革会社のほとんどは、人間がループにいないAIの準備ができてないって同意してる。徐々にその認識が重要になって、これが新しいノーマルになると思う。
学生のキャリア形成
私は人々に聞いてる、私の教育のために必要やから。君にも聞いたし、他の人にも聞き続けてる。今のAI変革で誰が最も利益を得てるか？
ナンバーワンのタイプの会社は、Google、Amazon、OpenAIなどのハイパースケーラー。彼らだけがGPT5やGemini 2.5の訓練を余裕でできる。それから、ツールを作ってる人。Bolt、Lovable、Replit、Cursor。これらは大規模言語モデルを使うけど、その上にツールやUIを構築して人々の生活を楽にしてる。
その後、会社があるはずや。ソフトウェア会社が来て「今年、CursorとBoltが導入されて10倍のソフトウェアを生産した。多くのソフトウェア開発者を減らして、10分の1の労働力で同じ仕事をしてる」って言うはずや。
でも私はそんな例を低レベルでも見てない。10,000人の人間エージェントがいて、今は500人のエージェントで同じ仕事をしてるって。そんな例を探してる。
小さな例はある。非常に狭い範囲で。それでも見ものや。私はAIの影響は週や月やなくて、年単位で見るべきやって言う。
実践的なアドバイス
バランスを取らなあかん。速くしてくれたけど、クエリが来て、AIが理解できんかったりつまずいたりする。でも今は誰も覚えてない、どうやるか。みんな怠惰になったから。時間がかかるようになる。
この全体を月や年単位で見て、最終的な影響が何だったか見るべきや。
ソフトウェア世界では、これと似てるのがボイラープレートや。以前から存在してた。新しいソフトウェアを書く時、ゼロから全部書き始めることもできるし、Djangoのジェネレーターみたいなボイラープレートジェネレーターを使うこともできる。
最初はゼロから書く人の方が時間がかかるけど、ボイラープレートを使った人より理解が深まってるねん。私はコードのすべてのピース、すべての部分を知ってる。時間が経つと、ゼロから書いた人は最初の動くバージョンには早く到達せんかったかもしれんけど、時間が経つとコードベースでずっと生産的になる。手で全部のコードベースを書いたから。
ボイラープレートの人は、時間が経つと生産性がゼロから書いた人に追いつくかもしれん。同じ例がここでも当てはまると思う。最初は巨大な生産性ブーストの錯覚があるけど、その錯覚は月や年の間に消えるかもしれん。
見てみよう。私が間違ってて、多くの人が仕事を失わんことを願うけど、もし私が間違ってたら、明らかに巨大な労働力の塊がどうするか考えなあかん。
でもここでもヤンの良い話が当てはまるな。すべての知性、人間の知識、知恵が言語に含まれてるって仮定するのは欠陥のある議論や。
人間は明らかに言語からも学ぶ。学習や物事をやったり伝えたりする非常に強力な手段や。でも他にもたくさんのことをする。
誰かが例を出してた。クリケットの本をどれだけ読んでも、実際にネットや実際のグラウンドに行くまではバッティングは学べん。言語から全部学べるなら、すべての仕事の本を読めばええ。
たくさんのことがあって、人間がすることで読むだけやなくて、何かをしなあかん。そこではまだAIは到達してない。ロボティクス、身体を持ったAIはまだそこまでやない。
だから今はおそらく物理的な仕事が増えるやろうな。ヤンは現在のAIの懐疑論者やけど、彼に聞いたんや「子どもに何をアドバイスする？何を勉強しろって？」彼は言うた「配管工になれ。配管工は将来にとって素晴らしい職業や。配管工の仕事をAIが次の100年でやることはない」って。
そのために実体が必要やからな。
現在の学生への具体的指導
これは私らが理解するのに役立つな。ちなみに一つ明確にしとくと、あなたが言うてたペントミノの話は、難解なものやない。GitHubやStack Overflowに何千人もの人が解決策を作って置いてる。
実際、私が投稿した時に、誰かがRustで解決してる美しい解決策のリンクを一緒に載せた。それをすべて見て、それから学んでも、まだつまずいてる。
これは非常に難解で研究指向のコンセプトの話やない。視覚的要素がある。ピースがあって、それを配置せなあかん。それでひどくつまずく。
難解なものやない。これが私の問題や。前回2回話した時に言うてたけど、天井は上がり続ける。床は上がってない。最もシンプルなことでまだつまずく。
LovableやReplit で構築してる人たちは、すばらしいことやと思うけど、プロダクトマネージャーの生産性は急上昇した。これは私らの会社で感じてる。ほとんどのプロダクトにとって、最初の動くMVPに非常に簡単に到達できるようになった。
でも彼らに聞いても、使ってる人は誰でも、ある時点でフラストレーションがある。こんな簡単なことなのに、こんな難しいことをやったのに、なんでこんな簡単なことで詰まってるねん？AIを仕事で使ってる人は誰でもこのフラストレーションがある。
以前は何が起こってたかって言うと、プロダクトマネージャーが何かをモックアップしたり、アイデアがあって顧客からフィードバックを取りたい時、2週間のスプリントでそれを構築してからA/Bテストしなあかんかった。
たぶん今は30分でできる。またここでも狭いタスク、非常に自己完結型の小さな単一画面、単一インタラクション。これらは非常に速くできる。
LovableやReplit、Boltなどのツールで、まだプロダクションで誰が動かしてるか見たことないけど、私らは動かしてる。
企業SaaSモデルの変化
企業SaaSモデルが破綻するっていうのは、人の仕事がなくなったってことやない。破綻してるのは、以前は小さな仕事があって、そのためにSaaSを探して、試して、アプリケーションして、ニーズの90%は満たすけど完全やないから、ニーズで妥協するってモデルが急速に変化してるってことや。
企業は今「これが欲しい。作って展開しよう」って言うねん。またここでも非常に狭く、よく定義されたユースケース。
私らのケースでは、プロダクションアプリとして使ってるのは、毎年ハッカソンをやるねん。ハッカソン前にアイデアを集める。プロダクトマネージャーの一人が、美しい実際のプロダクションアプリを構築して展開した。
アイデア収集メカニズムで、人々がアップボート、ダウンボートでき、メダルをあげられて、アイデアレースで誰が勝ってるか見られる。たくさんの良い機能がある。プロダクションで動いてて、うまく動いてる。
どれだけ簡単だったか聞いたら、「最初の80%は1日で起こった。残りの20%に1ヶ月かかった」って言うてた。
でも企業がこの仕事をできるようになったってことや。今でもすべての仕事が1日で終わるわけやない。バックアンドフォースをせなあかん。でも新しい種類の仕事を作ってるねん。
たくさんのソフトウェアが書けると仮定するのは、そんなに恐ろしい仮定やないと思う。たくさんの人がこれをやることができる。基本的にReplitなどを使ってツールを書く。
ソフトウェアの需要は無限大やと仮定できると思う。世界で残ってる仕事、これからある仕事、作れるカスタムなもの、すべてを組み合わせると、終わりのない需要や。
その需要を満たすために、プロダクトマネージャー、プロジェクトマネージャー、ビジネスサポートエージェントでさえ、この新しいスキルを学んで、企業は組織の他の場所でこれらのツールを構築することに関与させる方法を見つけるやろう。
でもこれは多くのことを置き換える。参入障壁が非常に低く、民主化されてるから、なんでプロジェクトマネージャーがエンジニアの1/4の時間しか必要としないねん、このツールを構築するのに。
小さなツールなら分かる。でも大きなソフトウェアシステムは、1/4のエンジニアが必要やとは思わん。大きなシステムでは、実際のコーディングはそんなに大したことやない。
私らは新しい企業エンゲージメントがある。サードパーティプロバイダーとの統合がたくさんある。たくさんのことを理解せなあかん。すべてがよく文書化されてない。暗黙の知識を会話で引き出さなあかん。統合を書いて、テストして、展開する。
企業システムを構築する時、コーディングの仕事は10、12、15%、20%や。大きなシステムでは実際のコーディングはそんなに大きな問題やない。
他の部分は、あなたみたいに私ほど懐疑的やない人なら、エージェントがやるって言うやろう。顧客とも話して、企業とも話してって。
でもそれは今、全然やない。また正しい質問をしない。全然しない。それに喜ばそうとするねん。「これが正しい答えや」って言うたら、「ありがとう、この答えを受け入れる」って言う。
人間はそんなことせん。本当のことを知りたがる。
AIシステムの構築
基盤モデルがあって、人々はただ基盤モデルを使って、それに圧倒されて「すべてを知ってる」って言う。
でもClaude Codeは使ったことあるやろ？私は思うねん、これは何か非常に興味深いことの始まりや。チームに役割を与えて、知識ベースを与えて、非常に細かい情報を与えることができる。お互いに議論したりもできる。
このアーキテクチャは以前からあった。でもClaude 4、3.5から4への飛躍で、このアーキテクチャで非常に良くなったと思う。
AI Labsっていうチャンネルがあって、BeamATアーキテクチャがある。私らは社内でそれを使ってる。以前2週間かけてたディスカバリースプリントを、今は2、3日でできる。
基本的に、コール記録を取り出して要約して、BeMATに出発点として与える。人間がするように段階的に質問をしてくる。非常にまともな質問をして、段階的なPRDを吐き出す。チケット、実装詳細、すべて付きで、80%そこまで持って行ってくれる。
でも制御グループも持つべきやって提案する。制御グループなしには、これが機能してるかどうか決められん。チームを2つに分けて、一つにはこのプロセスを使わせて、もう一つには古いプロセスを使わせる。6ヶ月間研究して、AIがいい加減なディスカバリーをしたせいでプロジェクトを失ったかどうか見る。
でも人間がループにあるのは明らかや。人間は段々怠惰になる。6ヶ月で「90%の時間、正しい、正しい、正しいって見てるから正しくやってる」って言うようになる。それから怠惰になって、見るのをやめて、つまずいて、損害を受ける。
長期的な時間軸で研究することが非常に重要や。制御グループが非常に重要や。
Metaの研究があった。非常に有名なやつ。オープンソースプロジェクトでグループを2つに分けて、「Claude Code、Cursorなど、その時のトップラインのワークフローを使え」って特別に言うた。もう一つのグループは使わなかった。
そのMeta研究では、制御グループの方が良かった。10倍になるって言うてたのに、10倍どころか、AIグループより20-25%良かった。
そんな例がある。すべてのケースに当てはまらん。非常に特定のケースにしか当てはまらんやろう。
問題は、ディスカバリーの90%の仕事をAIにアウトソースしたことや。ある意味、仕事を早く終わらせたけど、少しハンディキャップを負わせた。そのドリフトは時間と共に大きくなる。
AIにはドリフトがあって、それが時間と共にカスケードする。そのカスケーディングで、全体的にどんな利益があったか見なあかん。
いくつかのワークフローで実際にはるかに良い結果を出すかもしれんってアイデアに反対やない。人々は注意深くあるべきで、何が起こったかを注意深く測定すべきやって言うてるだけや。
起業家・ファウンダーへのアドバイス
話を少し変えよう。一般的な人口、80-90%のシンプルな人間は、結果により関心がある。私らにとって何を意味するかってことに。
このチャンネルには4、5種類の人が聞いてる。学生、初期段階のプロフェッショナルでAIを恐れてる人、昔の人が勉強してたデータ構造など、でも今はこれらの小さなことを解決してる。FYPを作るのもAIにとって超簡単なタスクになった。
学生の露出は企業やエンタープライズソフトウェア、中小企業に対してはないから、視野がそんなに広くない。彼らは非常に怖がってて不明確や。
初期段階のキャリアプロフェッショナルも同じ。ビッグテックから始まって、ジェンセン・フアンからのプレッシャーが下に流れてくる。「もう科学の利益はない。10倍になる、これが起こる、あれが起こる」って。
彼らにも流れてきて、「1ヶ月でやってたことを1週間でやらなあかん」って。
経験豊富だけど、ピボットを考えてる人、自分の事業を始めることを考えてる人。初期段階のファウンダーと中期段階のファウンダーで、生産性のプッシュのプレッシャーを感じてる人。
これらを一つずつ見ていこう。学生にとって一番大きな質問は、アルゴリズム、データサイエンス、データ構造、これらが良いエンジニアの聖杯だったのが、今はこれらなしでもできるし、これらをやってくれるから、どうすればいいかってことや。
良い質問や。大学もよく私に聞いてくる。教授も何を学生に教えるか考えてる。すべての仕事をAIがやってるから。
でも私の質問は、大学の仕事は決してそんなことやなかったってことや。高いレベルの抽象化に行けば、大学でコンピューターサイエンスを勉強してるか、哲学、文学、芸術、人文学を勉強してるかは関係ない。
大学に行く時、一つの仕事がある。それは筋肉を少し伸ばすことを学ぶことや。その筋肉を伸ばす問題を与えられて、筋トレして、自明でない質問の答えを見つける苦労を経験する。
コンパイラ構築のコースは簡単やない。パーシング、トークン化がどうなってるか、非常に考えなあかん。FSc をやった子どもに与えても理解できん。非常に頭を使わなあかん。
実際にその苦労が大学教育の本当の目標や。タスクを完了し始めることが目標やない。
その角度から見ると、大学も私に何をすべきか聞いてきた時、私は何も変える必要がないって言うてる。ただし、アルゴリズムのコースを教える時、教室で最低限一度はテストして、アルゴリズムの複雑性が分かってるかどうか見る。監督付きで部屋に座って見るテストで。
でもアルゴリズムの課題ではAIを使って、創造性を見せろ。アルゴリズムを視覚化するゲームを作れ。以前はできなかったことを。
一つの側面は、想像力と創造性を野放しにすること。でも理解の苦労をバイパスすることはできん。どう動くかを理解する苦労。それが大学教育の本当の目的や。
大学教育の目的は、スキルやタスクベースのスキルを教えることだけやない。この種の問題が来たらこの種のコードを書けってことやない。
大学教育の目的は、簡単な解決策がない問題が来た時、どう考えるか、人々とどう話すか、思考をどう表現するか、どうディスカバリーするかってことや。これは決して変わらん。
80%の卒業生の需要は減るかもしれんって同意する。でも20%の需要は以前よりずっと高くなる。これが私のテーゼや。
もう、アルゴリズムの理解もデータ構造の理解も適当でいいけど、プログラミングはできるし、仕事は見つかるって感じではいられんねん。それはもうあかん。
学生は今、本当に理解せなあかん。AIがアルゴリズムの仕事をできんからやない。単にアルゴリズムを学ぶことが筋肉を鍛えるからや。筋肉として心を考えるなら、一番筋肉質な人が欲しいやろ？
心が筋肉やとしたら、4年間その筋肉を本当に鍛えた人が大学から卒業して欲しいねん。AIを使ってその筋肉をより鍛えるために使え。
FYPが簡単になったって言うなら、AIでも難しいFYPをやれ。はるかに進めるねん。
例えば、世界には4、5000のボードゲームがあって、人々が知らんやつがある。その解決策を書け。AIの内部について、すべての学生が知るべきや。内部を知ってる人はdemystifyされて、どこで限界があるかも分かる。
内部でどう動いてるか知らん人、LLMがどう動くか、トークン、確率、コンテキストなどを知らん人。これが理解できると、もっと安心できるねん。これはできる、これはできんって。
学生には、メンタルマッスルを伸ばせって言う。それをバイパスしたら、将来非常に困る。でも鍛えてるなら心配ない。哲学を取ってもええ。哲学は非常に考えさせる。英語文学を真剣に勉強しても非常に考えさせる。
ソフトウェア会社として人を雇う時、何を勉強したかはそんなに気にせん。でも何か高度なレベルのメンタルな苦労を勉強で見せて欲しい。その苦労をバイパスして欲しくない。
3年前なら違った。3年前は世界にたくさんのルーチンな仕事があった。たくさんの人が必要で、ソフトウェアでテクニシャンの仕事をしても良かった。エンジニアにならんでもテクニシャンになればええって。
そのテクニシャンの需要が段々なくなってる。だから底辺50%のクラスは非常に心配すべきや。彼らにとって仕事を見つけるのは、以前も難しかったけど、今は不可能になる。
底辺50%か底辺90%かは、どれだけが考えてるかによる。10%だけが考えてるなら、底辺90%や。
パキスタンの30位の大学の底辺50%の誰かは、コンピューターサイエンスをやめて、何か物理的なスキルの方が良いと思う。時代遅れにならんから。文字通り言うてるねん。電気工とか、手でスキルを鍛える何かや。
4年間大学でコンピューターサイエンスを勉強して、考えることなしに、すべての思考をAIにアウトソースして、良い仕事が見つかると期待することはできん。その期待はやめるべきや。
でも大学の目的が何かを理解して、その目的を達成しようとする方が良い。それをしたくないなら、自分を苦労に置け。その苦労を避けたら、将来非常にチャレンジングや。
メンタルマッスルを鍛えろ。基礎を固めろ。本当の問題は、コンピューターサイエンスプログラムに行く多くの子どもの基礎が非常に弱いことや。文字通り分数が分からん。マトリックやFScで勉強した数学が何の目的だったか分からんまま、コンピューターサイエンスプログラムに入学してる。
そして4年間そこで過ごして、今は少しでもあった苦労もAIにやらせてる。そんな子どもの将来は何か？非常に暗い将来やと思う。
でもエコシステムを学生が変えることはできん。私らのような人の責任や。私らは大学に言い続けてる、間違いをするなって。
大学の仕事は考え方を教えることや。もし大学がその仕事をしてないなら、大学に行く意味がない。学位がどんどん無意味になってるから。
エコシステムは自分で直さなあかん。子どもは何ができるか？子どもは自分でもっと学べる。
17歳の女の子の心温まる話を読んだ。学校に行ったことがなくて、ホームスクールされてた。Khan Academyで数学のビデオを見て、数学に興味を持った。数学を始めて、両親がカリフォルニアに行く時、バークレーでサマー数学プログラムがあった。
「これは分かる」って言うて参加した。学校に行ったことがない女の子が、100年間解けなかった予想を解いた。世界で最も求められる数学学生になった。
それが道やろ？エコシステムがサポートしてくれんなら、オンラインで自分のエコシステムを見つけて、AIを使って自分を教育しろ。でも筋肉を鍛える仕事をしろ。
それをすれば問題ない。でもショートカットを探してるなら、以前は通用したショートカットも今は通用せん。非常に難しくなった。
これが学生への私のアドバイスや。学べ。深いことについて考えることを学べ。質問することを学べ。
答えが分かることやない。どう質問できるかや。私らの会社でも、私らが望む第一のスキルは良い質問をすることや。
クライアントが私らの人に望む第一のスキルも、良い質問をしないで仕事を始めることやない。まず何をするか理解しろって。
質問することを学べ。根本的に、それは正しい質問をすることを学ぶスキルや。知識と科学と人類の進歩の根本は、答えを出すことやなくて質問をすることや。分野が何であれ、コンピューターサイエンス、哲学、文学、どの分野でも。
うまくやる人は答えを出す人で、本当にうまくやる人は良い質問をする人や。
Demisも同じこと言うてた。AIが私より良い質問をしてきた時、AGIが来たと認めるって。
すべての学生に、これは非常に明確やけど、理解できん学生もいるかもしれん。これを巻き戻して聞いて、コメントで質問してくれ。
私らの国民性には、ショートカットを教えてくれって気質があるねん。残念ながらショートカットはない。今はない。今は特にコンピューターサイエンスでは。以前はあったかもしれん他の分野でも、以前もなかったかもしれん。
最小限の努力で何かをして、うまくいくことを期待するのは、もう見込みがない。チャンスがない。残念ながら、余地が減った。
国として、手抜きをやめなあかん。これは国民的問題や。配管工でさえ、70%の仕事をして「はい、できました」って言う。チェックすると水が漏れてる。「じゃあこれも直しましょう」って。
手抜きをやめろ。100%やれ、120%やれ。私らが大学で課題をする方法も、そこそこで良いやって40点取れば50点中って。
今はAIが来たから50点やなくて60点で見せろ。70点で見せろ。聞かれたことの5倍やって見せろ。AIがあるから。努力は同じだけかかるけど、はるかに進める。
教授にも言うねん。データ構造でハッシュテーブルを教えるなら、ハッシュテーブルの試験をして、ハッシュやコリジョンについて質問しろ。課題では、ハッシュテーブルを効果的に使うゲームを作れ。ハッシュテーブルを理解してないと解けないゲーム、チャレンジを作れ。
チャレンジをはるかにチャレンジングにしろ。AIも使えばええ。私がやったペントミノは、アルゴリズム問題や。実際にはペントミノパズルの解決策のアルゴリズミック視覚化が欲しかった。
まだ誰も完璧な解決策を投稿してない。多くの人が良い解決策を投稿したけど、完璧なアルゴリズミック視覚化を見せてくれてない。どうバックトラッキングするか、どうなるかを。
これを課題として出して、人々がどこまで行くか見ろ。最高の人は問題について考えて、問題を理解しなあかん。AIに「美しいものを作って」って言うだけやあかん。
学生のキャリア選択
もう一つ質問。学生として、FScにいて、コンピューターサイエンスをするかどうか選ばなあかん。アカデミアと産業需要のラグが非常に大きいから、4年後にこの要因が効き始める。
コンピューターサイエンスの需要がシフトしてることは確実に分かってる。今参加してる人は、2019、2020年のハイプのせいで参加してる。
今コンピューターサイエンスをすることを決めたい子どもは、自分に何を聞くべきか？両親は何を聞くべきか？
非常に難しい質問や。軽視したくない。非常に困難で非常に重要な質問や。多くの子どもが行くべきでない場所に行ったのを見てきたから。
すべての両親に言えたらええのに。子どもにたくさんのことを試させて、仕事に感じなくて楽しく、より多くやりたくなる場所を見つけさせて。ほとんどの子どもがそれを見つけられたら、世界にとって非常に良いことやろう。
残念ながら決定は良い仕事が見つかる場所によって決まる。それはうまくいかん。私が話した女の子の例は良い例や。彼女は興味深いと思って、そこでもっとやった。
子どもたちに言うのは、夏休みや大学前の時間に、たくさんのことを実験しろってことや。数学も勉強してみろ。物理も見てみろ。
誰かと話してた時、興味深いアイデアをもらった。いろんな科目についてのアプリを作ろうとしてた。その人が例を出してくれた。
「変な事実を読んだことがある。ヒトデは貝を食べるねん。貝殻があるのに。こんなに魅力的な事実やったから、海洋生物学をもう少し見るようになった。今、人生は過ぎたけど、海洋生物学を勉強すべきやったと思う。これを読むのがこんなに楽しいから」
すべての分野のトップの人たち、おそらく以前も話したことがあるけど、トップ30-40%の人には関係ない。AIが来ようが去ろうが、コンピューティングが今人気だろうがなかろうが。
トップの会計士、トップの弁護士、トップの物理学者、トップの海洋生物学者、トップのアーティスト、トップのデザイナーなら関係ない。トップ10%やなくて、トップ40%の話をしてる。
すべての子どもの目標は、FSc、マトリックで、そこに行ける場所を見つけることや。ポテンシャルが大きいからやなくて、仕事が楽しくて、努力が嫌やないから。努力はせなあかん。
Demisみたいな人でも、おそらく今世界で最も優秀な頭脳の一つやけど、彼も非常に努力した。努力はせなあかん。本当のトリックは、努力が嫌やない分野を見つけることや。
私は幸運やったと思う。プログラミングやコード書くのに、そんなフラストレーションを感じたことがない。いつもチャレンジングやった。10時間、12時間、18時間やっても、いつも楽しかった。最後に解決策を見つけるのが報われるから。
この人はこんなアルゴリズムで解けるって分かったり。私は幸運にも、仕事に感じない分野に行き着いた。
でも多くの子どもが、仕事やない、努力が努力に感じない、疲れない、楽しいものを見つけるのを助けたい。
責任の90%は両親にある。両親の仕事は機会を与えることと、しつけをすることの両方や。今の子どもはしつけされてない。今の世界で、無駄な時間をdoom scrollingに費やしてる。
Hasbbedで誰かがSlackで質問した。朝起きて最初に何をするかって。ある人が文字通り書いた「doom scrollingしないと一日が始まらん。1時間頭を抱えて座ってる」って。どんな朝の活動やねんって思った。
子どもをしつけして、可能な限り異なることを学び、異なることを試す機会を与える。数年前にパキスタン人が来た。非常に著名なナルギス・マバル。どんな波を発見したかで、ノーベル賞を受賞した大きな発見があった。彼女はそのチームの一員で、今はMITの物理学部の部長や。
非常に魅力的な講義やった。ITUであった。子どもたちを連れて行ったけど、私も魅力的やった。重力波。彼女は重力波が存在することを証明したグループの一員や。
子どもの時にこれを見てたら、物理学を勉強しようと思ったかもしれん。
そんな機会が、幸い今はオンラインでもたくさんある。実際にその人がいる必要はない。でも例えば、子どもがオンラインでたくさん過ごすなら、何をしてるか見て、Khan Academyのようなものにtuneしてることを確認しろ。
私の子どもが見てるチャンネルが2、3あって、私も魅力的になるほど、新しいコンセプトを素晴らしく教えてる。Three Blue One Brownもそうやけど、それはもっと高度なコンセプト用や。
基本的に、子どもを監視して、しつけして、デジタル時間を減らして、様々な物理的・精神的活動に触れさせろ。
残念ながらパキスタンには機会が少ないけど、あるものは両手でつかめ。アートにも触れさせろ。これは重要や。
子どもがステージでパフォーマンスに興味を持ったなら、それで良い。それが好きで1日12時間できるなら、キャリアを見つけるやろうし、インターネットで確実に。
アンフェアーのコンセプトを思い出す。世界でトップ1%のコンピューターサイエンティストになるのは非常に難しい。世界でトップ1%のコミュニケーターになるのも非常に難しい。世界でトップ1%の交渉者になるのも非常に難しい。
でも3つすべてでトップ10%なら、その交差点で、コンピューターサイエンス、コミュニケーション、交渉が上手なトップ1%の人になれる。それがその1%になる簡単な方法や。
何度もそれは見つけるのが難しいけど、努力は続けるべきや。DHHの足跡に興味深いポッドキャストがあった。彼は3回プログラミングで落第した。「これは私向けやない」って思った。でも3回目に理解し始めた。明らかに彼はRailsを作った。
今彼は言う、「トップ1%のプログラマーにはなりたくない。非常に困難や」でも彼はレースカードライバーでもあるし、他のこともしてる。でも彼がプログラミングが愛やと発見したら、狂ったようにやった。
何度も、あまりに早く諦めてしまう苦労がある。異なることを試してる時も、早く諦めるな。少しハンプがあって、その後物事が簡単になるかもしれん。そのハンプまで行こうとしろ。
子どもたちも「楽しくない」ってすぐ言う。少し試してみろ。実際にやってみるまで、楽しいかどうか分からん。
私は子どもに言う。たくさんのことがある。「楽しくない」ってすぐ言うな。少しやってみろ。楽しくなかったらやめればええ。
初期段階のソフトウェアエンジニアへのアドバイス
次に聞いてるグループは、コロナで始めた初期段階のソフトウェアエンジニアや。その時はクレイジーなハイプで、みんながソフトウェアエンジニアを雇ってた。でもこれらのことが来て、AIと生産性ブーストのプレッシャーを感じてる。
彼らへのアドバイスは、今はエージェンティックワークの需要が爆発的に増える。しそうや。すでにしてる。だからMCP servers、MCPクライアント、エージェントのオーケストレーション、エージェントに依存するシステムの構築のトリックを学ぶべきや。
今、この市場でハイプも需要もかなり続くと思う。問題についても後で議論できるけど、すでにまともなコンピューターサイエンティストなら、AIパワーシステム構築の雑草に入り込むべきや。
AIパワーシステムを書くのにAIエンジニアになる必要はない。
二つ目は、ドメイン知識が非常に重要になったってアドバイスを誰かにした。コンピューターサイエンティストでfinTech を知ってるなら、それは本当に素晴らしいスーパーパワーや。ed techについて知ってて、プロダクトサイドを少し知ってるなら、それも素晴らしいスーパーパワーかもしれん。
インターンシップをしたり、そのことに興味があることで、バーティカルやドメイン知識を学べるなら、かなり重要になった。専門化の時代やから。
今、ジェネラルワークは面倒を見てもらえるけど、スペシャリストワークは必要になると思う。ドメイン知識を取れば利益になる。ファイナンス、ヘルスケア、ed tech。
その中でも、また以前言ったように、解決策やなくて、そのドメインでのまともな質問が何かや。それが非常に役立つと思う。
明らかにAIの内部を知ることも非常に役立つ。AIエンジニアなら、それは本当に価値がある。
AIエンジニアは今、歴史上どの職業も受け取ったことがないような金を受け取ってる。5000万ドルが、ザッカーバーグがOpenAIエンジニアに提示した最新の数字や。
もしそれができるなら、難しい問題は、数学、確率、線形代数の基礎が強くないと、AIエンジニアにはなれんってことや。
これがコンピューターサイエンスで基礎を読むことが重要な理由の一つや。AIを作ってる人は基礎が非常に強い。特に線形代数、確率統計、離散数学、グラフ理論が非常によく分かる。
でも世界のこの部分でやられる仕事の95%は、最先端の研究や基礎モデルをどう改善するかやない。アプリケーション寄りや。
だから一つのことはあるって言ってる。誰でもできるとは言わん。すべきでもない。でもクラスのトップ学生で、これらの科目の理解が非常に良いなら、AIの分野に素早く入って、実際に機械学習エンジニアになって、ニューラルネットワークがどう動くか理解するなら、非常に需要がある。
ローカル産業でも、多くの人が良い給料で雇ってくれる。今、MLエンジニアを維持するのが最も困難になった。他の場所での維持は簡単になったけど、MLエンジニアの維持は困難や。
それは5%の人のためや。次の20%はバーティカル知識。残りの75%はエージェンティックシステム、LangChain、LangGraphのようなツールを学べ。将来証明ができるように、もしそのシフトが起こったら。
中級レベルのプロフェッショナル
5、6年働いた人で、自分のエージェンシーを始めることを考えてる人。AIファーストソフトウェア開発エージェンシー、ニッチソフトウェア開発エージェンシーはどう見えるか？3年前のようにすべての役割を雇う必要があるか、違うか？
まだ判断は出てないと思う。私はまだ判断が出てないキャンプにいる。そんな会社の長期的成功が分からんから。
何かが起こって、「いや、一歩戻ろう」って言うイベントが起こる。非常に困難や。
でもテクニシャンスキルよりエンジニアスキル、研究者スキルが少ない底辺60、70%の人に依存するなら、今日構築したいAIファーストの会社は、エージェンティックワークフローを作るだけの会社や。
エージェンティックワークフローは、エンジニアリングチャレンジよりも、コーディネーション、オーケストレーションチャレンジや。コンフィギュレーションチャレンジや。かなり素早く商品化されてるけど、世界の企業は非常に大きくて、世界の企業のほとんどが正しくも間違いも、70-80%の仕事を将来エージェントにやらせると信じてる。
正しいか間違いかは別として、それを実行してくれる誰かが欲しい。
AIファーストの会社なら、可能な限り自分のワークフローを自動化することから始めるべきや。他人にクールエイドを売るなら、自分で飲んでないとあかん。
まずそのクールエイドを自分で飲んで、動いてることを示して、他の会社にもできることを示せ。
ソフトウェア会社として、自分の仕事のどれだけが今エージェントによってやられてるか？
私らは採用で非常に多くやってる。興味深いことに、ジョブのための履歴書スクリーニング。もうジェネリックプロンプトやない。
チームのために雇う人は皆、カスタムGPTを作って、「これにアップロードしろ。これがYesと言ったら面接に呼べ」って。ジェネリックなやつやない。
一つの例で、自分でまずやらなあかん。そうしないと実証できん。
AIトランスフォーメーション会社が次の5年で巨大になると思うか？
そう思う。今でもすべての流行や。今お金を稼いでる4番目のタイプの会社は、世界のアクセンチュアや。彼らは今、AIトランスフォーメーションを売ってる。不確実性、FOMOが非常に高いから。
彼らには既存の市場がある。企業はすでに顧客や。企業は必死に「エージェントを作って」って言ってる。
彼らは行って、「プロセスを研究して、エージェンティックワークフローで変換する」って言う。今、金を転がしてる。アクセンチュアは数十億ドルのビジネスをこれを売ることでやった。
今は需要が非常に高い。次の5年やなくて、今や。
それは3年前のスキルでは非常に構築困難な会社や。今は誰かがビジネスに頭から飛び込んで、人々が何をするか見る必要がある。私らのスキルやないから。
世界のこの部分は、「問題を解決してくれ。私らはピースをつなげて実装する」って。私らには残念ながら、「この部門が動いてる。30%効率化してくれ」っていう筋肉がない。
パキスタンで8-10年の経験がある人の大多数に聞いても、できんやろう。正しい質問をできるかどうかに帰結する。解決策に飛び込むことよりも。
そのスキルはないし、パキスタンではそんなに利用可能やない。
ファウンダーへの指導
次に聞いてるのは、初期段階や中期段階のファウンダーや。2010年代にRの成功でモデルが機能することを見て、数年働いて、アウトソーシング会社、ソフトウェア開発会社を運営することを学んだ。
コロナの頃に始めた。その時は需要が非常に高かった。でも今、AIと生産性ブーストのプレッシャーを感じてる。
プロトタイプやPOC、MVPを構築する市場が枯渇したと思う。2、3ヶ月のMVPが今、BubbleやBoltでやられてる。80%そこまで行って、「Boltの開発者を見つけたい。エンドツーエンドでやってほしい」って言う。4、5人のエンジニアチーム、非常に困難や。
複数の会社が店を閉めるのを見た。でも少しクリエイティブにもなれる。
誰かがLinkedInで興味深いことを投稿してた。Lovableでプロトタイプを始める人と終える人の数字を持ってるか？70-80%はおそらく終えない。
これは新しい市場を開く。「Boltプロトタイプを終わらせるチーム」になれる。
興味深いことに、人々は以前、そのMVPに投資してた。チームも「これはうまくいかん」って知ってたかもしれんけど、その金は使った。
私が見るには、その産業は数年で生まれるかもしれん。でも新しい産業があるかもしれん。実際に誰かのLovableプロトタイプを終わらせる会社になれる。
LovableやBoltは、あるレベルまでスケールする。その後、セキュリティ、パフォーマンスの問題がある。それらを解決する会社になれる。
一つの答えは、市場が閉じて、他が開いてるかもしれん。開いてるものに目を光らせろ。
もう一つの答えは、一貫してる。汎用化の時代が去って、専門化が来てる。狭いニッチやドメインの問題だけを解決するスペシャリスト会社になれる。
例えば、エージェントを構築するけど、コンタクトセンター用だけ。非常に狭いニッチで、世界のすべてのコンタクトセンターが今、どう自動化するか考えてるかもしれん。
専門化が少しでも多ければ、市場により多くタップインできる。新しい機会と同時に、ニッチでの専門化が、将来証明戦略として何らかの形で有効かもしれん。
私らのケースでは、データと働くことが将来証明戦略やと思う。世界がどこに行っても、AIがどれだけ進歩しても、データニーズはどこにも行かん。だからデータエンジニアリング、データウェアハウシング、データアナリティクス、MLとAI用のデータパイプラインのスキルを構築する。
それが非常に将来証明された戦略やと思う。
変動が市場に来る時、犠牲者がいる。何もできん。でも犠牲者に対してのセーフガードは、専門化、AIトランスフォーメーションの結果の新しい機会に目を光らせることや。
ゴールドラッシュがある時は、いつもシャベルを作る機会を探さなあかん。データはそのシャベルの例や。他にどんなシャベルが必要か考えられる。
ゴールドラッシュに参加するのは、競争が激しくて困難や。でもシャベル屋は、より多くの金を稼ぐことが多い。
一つのシャベルはevals やって言った。人々はAIを構築してるけど、どうテストするか知らん。evalsが非常に上手になれる。evalsの会社になれる。
何のシャベルで働くか考えなあかん。
組織変革の実践
経験から言えるのは、チームを舵取りするのは非常に困難ってことや。20人、30人でもチームには慣性がある。
ファウンダーとして会社を舵取りするなら、みんなに「これをやってた。あなたの誇り高い芸術作品、コード書くこと、何でもやってたことやけど、状況が変わってる」って言わなあかん。
みんなに新しいクールエイドを飲んでもらうアドバイスは？
第一のアドバイスは、新しいクールエイドを人に飲ませたいなら、まず自分で飲めってことや。自分が変革しないのを見たら、決して変革しない。実践してないことを説教できん。
AIトランスフォーメーションを売りたい会社にも言うねん。まず、どう自分をAIで変革したか聞かれる。
基本的に、ファウンダーとして自分で始めろ。ワークフローにどれだけAIが統合されてるか、より良く、速く、安く、効率的にできることを実証しろ。
二つ目は、意識的なトレーニングがあるべきや。良い機会やから宣伝するけど、私らは「AIファースト会社の構築方法」ワークショップをやってる。今月末にArchitectsoft で、他の会社のアーキテクトだけを招待してる。
このchange がトップダウンで来るべきやと思ったから。ジュニアエンジニアに「AI使え」って言うてもディレクターが上で使ってないと、非常に困難や。でもトップダウンでchange が来ると、より良くなる。
ペイドワークショップにして、みんながvalue を感じるようにする。
基本的に、AIの使用と、世界のAIトランスフォーメーションについていくことを、意識的に人々をトレーニングする。
それと自分でやって推進することで、組織にこれを取り入れる興味深い方法になるかもしれん。
結論
いつも興味深いチャレンジや。多くのことを学んで、明確になる。学生のことについて言ったことが特に好きや。4歳の子どもがいるから、これをどうナビゲートするか分からんけど、次の2、3年で何が起こるか。でもポインターをくれた。
いつものように、ここに来てくれてありがとう。
3回目でラッキーって言うけど、いつもショーに来るのは素晴らしい。話しやすいから。私らはお互いを非常によく知ってる。
多くの人が私に怒る。LinkedInでポッドキャストに呼ぶ人がどれだけいるか分からんやろう。でも「やらん」って言い続ける。それからこれを見て、「やらんって言うのに、どうやってそこに行ったん？」って言う。
私らが長い関係があることを理解してない。それがこのショーに来やすくしてる。
ありがとう。何か他に言いたいことはあるか？
大丈夫や。
これでおしまい。このエピソードを見てくれてありがとう。ほとんどすべてのタイプの人にとって素晴らしい洞察やったと思う。
これを見て、理解できることをコメントしろ。理解できないことは質問しろ。すべてに答えようとする。
ありがとう。次のエピソードで会おう。
コメント