本動画は、AWSのCEOであるマット・ガーマンが、AI技術がホワイトカラー労働に与える影響、カスタムシリコン開発、モデル選択戦略、エンジェント技術の企業活用などについて包括的に語ったインタビューである。ガーマンは、AIによる自動化を「大量失業」ではなく「生産性向上と創造的業務への集中」として捉える楽観的な視点を示し、AWSの技術開発戦略と顧客第一主義のアプローチを詳しく解説している。
- AIがもたらす働き方革命とホワイトカラーの未来
- テクノロジー業界の楽観的展望
- 生産性向上と雇用の未来
- 技術変化への適応と学習の重要性
- AIの変化スピードが与える影響
- コーディングの未来とエンジニアの役割
- AWSにおけるAI活用の現状
- エンジニアの学習意欲と教育プログラム
- 新人開発者の重要性と指導
- AI活用の成功測定と組織改革
- インフラ構築のボトルネック
- 成長の源泉：推論が中心
- カスタムシリコンの差別化戦略
- AIチップ開発の歴史と戦略
- Anapurna買収の意義と価値
- モデル選択とオムニモーダル対専門化
- オープンソース対クローズドソースの議論
- モデル価格戦略と差別化
- オープンソースとクローズドソースの性能格差
- ベンチマークの限界と実用的評価
- エージェント技術の実践的活用
AIがもたらす働き方革命とホワイトカラーの未来
私らはホワイトカラーの大虐殺の瀬戸際にいるんや。これは「みんなが仕事を失って、ロボットが世界を支配する」っちゅう話やないで。つまり、もう採用せえへんっちゅうことなんか？世の中には仕事はぎょうさんあるし、全般的に経済はもっと大きくなって、平均してみんながより良い暮らしをしとるんやで。
もしトップクラスのフロンティアモデルを競合他社と張り合えるレベルで作ろうと決めたら、AnthropicやMetaとの関係は変わってくるやろな。最初から、人々が私らの上に構築するっちゅうことは分かっとったんや。時にはそれが競合することもある。
Anopernaの買収についてちょっと触れたいんやけど、これは外部の人にはあまり評価されてないかもしれんが、私にとっては違うで。AWSのコードのうちどれくらいがAIで書かれとるか知っとるか？80%以上の開発者がワークフローでAIを使っとるんや。エンジニアリングをキャリアとして勧めるか？もし特定のことだけを学んで「これが今後30年間の専門分野や」って考えとったら、30年後にはそんなもん価値がなくなっとるで。
マット、参加してくれてありがとう。こちらこそ、ありがとう。まず、仕事の未来とホワイトカラーの仕事について話したいんや。
テクノロジー業界の楽観的展望
ホワイトカラーの大虐殺から理想郷まで、幅広いスペクトラムがあるが、君はどの辺りに位置するか、そしてその理由は？
テクノロジーの世界では、今ほどエキサイティングな時代はなかったと思うし、業界全体を見渡しても、私は断然楽観的やで。まずそこから始めよう。
AIとテクノロジーの進歩は、仕事の効率性と有効性、そして可能性を大幅に向上させる enormous potential があると思うんや。しかし、このテクノロジーが約束してくれることの多くは、人々が日々の仕事で行う雑務を取り除くことやと思う。
今日のホワイトカラーの仕事を見てみると、人々が時間を費やしていることの大部分は、彼らが仕事でワクワクすると言うようなことではないんや。この特定のシステムに数字を入力することでもないし、自分がやっていることについて報告するためのレポートをまとめることでもない。実際に取り組みたいことを理解するために、たくさんの情報を照合することでもないんや。
それが今日の仕事の大きな部分を占めているが、時間の大きな割合を取っているんや。だから、AIがそこで本当に助けになれると思うんや。
人々は、創造的な側面により多くの時間を費やしたり、推進的な側面に取り組んだり、興味深い分析をしたり、仕事の好きな部分をやって、好きじゃない部分はやりたくないと思ってるやろ。今日では必要なことやけど、ほぼすべての仕事の必要な部分なんや。君の仕事も私の仕事も、他のたくさんの人の仕事もそうや。
もしその部分を縮小して、人々がワクワクすることにより多くの時間を集中できるようにできれば、それは企業にとって価値を生み出すし、人々にとっても価値を生み出す。人々は仕事をもっと楽しめるようになると思うで。
だから、これは「みんなが仕事を失って、ロボットが世界を動かす」というようなことにはならないと、私はとても楽観的なんや。私たちが最終的に行き着く場所ではないと思う。
生産性向上と雇用の未来
企業がより効率的になり、人々がより効率的になり、人々がワクワクすることにより多くの時間を費やせるようになることについて、私はもっと楽観的やで。だから私も楽観的や。そう言ってくれて本当に嬉しいわ。
多くの人が「もし人々の日々の業務タスクの大部分を自動化するなら、企業としてはるかに多くのことができるが、それはもう採用しないということなのか？」と思ってる。チームの一人一人がずっと生産的になる未来で、採用についてどう考えてるか？
それは状況によると思うで。どんな特定の企業に対しても、特定の答えがあるとは思わない。しかし、産業の歴史を見てみると、大規模な効率性の向上があったんや。そしてそれらの転換期すべてにおいて、移行期間があった。
より重要なことの一つは、人々が柔軟であること、学習を厭わないこと、そして自分の仕事が少し違うものになるかもしれないし、仕事の構成要素が少し違うものになるかもしれないことを受け入れること、そして2年前に持っていた仕事が必ずしも今から2年後に持つ仕事と同じ構成要素ではないということを受け入れることやと思う。
でも、コンピューターがあるから、自動化があるから、ロボティクスがあるからといって、今日の世界で大量失業があるわけではない。仕事はたくさんある。実際、より高い給与の仕事を持つ人々がいる。一般的に経済はもっと大きくなっていて、平均してみんながより良い状況にあるんや。
だから、そういう風に考えるんや。昔は、馬鹿げた例やけど、たくさんの人がたくさんの時間を計算に費やしていた。今はExcelがあるから、数学エンジンがすべての作業を行っているからといって、たくさんの人が職を失うということにはならない。そのツールがやってくれるものだと単に想定するだけやで。それは良いアナロジーやと思う。
AIは非常に異なるテクノロジーや。Excelのようなものよりもはるかに破壊的や。しかし、それは仕事があって、自動化が導入されて、今では人々がより高価値の仕事をするというアナロジーなんや。それが今日まさに起こることやと思う。
技術変化への適応と学習の重要性
それは私がワクワクする役割やが、人々が持つであろう不確実性を最小化しているわけではない。人々がそれについて心配していることも知っているし、一つのことはその技術を受け入れることや。その技術をより受け入れ、柔軟であり、それがどのように仕事をより速く、より良くするのに役立つかを理解すればするほど、その移行を行う際に人々がより良い状況になると思うで。それは本当にパワフルなテクノロジーになるからや。
私はいつもチームに言ってるんやけど、AIはすべての業界、すべての企業、そしてすべての仕事を変革する可能性があると思う。でもそれらが消えるということではない。変革するんや、置き換えるんじゃなくて。だから本当にそのすべて一つ一つなんや。
もしその技術に身を乗り出して活用することを学ばなかったら、実際にそれについて考えて身を乗り出さなかったら、実際に職を失うかもしれないで。
でも、もしそうして、それがどのように仕事をより良く、より速くできるか、またはより良く、より速く仕事をできるかを理解し、正直に言って、好きなことをもっとやることを後押ししてくれるなら、それは企業がより良い状況になり、人々がより良い状況になり、経済成長がある世界やと思う。
AIの変化スピードが与える影響
世界を変える技術の歴史的な例がいくつかあったが、悲観論者は「AIが今影響を与えている変化のスピードは、過去の技術的変化とは非常に異なる」と指摘するやろ。そのスピードが本当にホワイトカラー市場に影響を与えると思うか？それが過去の技術的変化と比べて差別化要因やと思うか？
スピードは、つまりこれは本当に急速に発展している技術分野やし、人々はそれに対してより速く動かなければならんやろ。だから、それは見て、それが課題やということを最小化してるわけではない。人々はそれに対して動き、それを受け入れなければならないやろ。
君の視聴者のための開発者からの例を使わせてもらうが、開発者から「これらのコーディングツールが何らかの形で開発者を不要にしてしまうのではないか」と心配する声を聞いたことがある。
私が言いたいのは、私たちはより少ないソフトウェア開発者ではなく、より多くのソフトウェア開発者が必要になると思うということや。ソフトウェア開発者の仕事は少し違うかもしれん。地下室に留まって何週間も一人でコーディングするソフトウェア開発者の典型が仕事なのかは分からない。でも、ソフトウェアを本当に知っている人が必要やし、実際にコーディングを行うエージェントを持つかもしれない、ソフトウェアを知っている多くの人が必要になるやろ。
コーディングの未来とエンジニアの役割
実際、2、3年後にはおそらくやらなくてもいい仕事の部分は、Javaコードを書くことやと思う。これらのツールがJavaコードを書くのが本当に得意になるから、それはおそらく存在しない仕事やろ。
問題を分解し、何を構築するかを決め、それをまとめ、戻ってきたJavaコードを見て「これは自分が欲しいものとは少し違う」と判断し、エージェントにそれをやらせ、多くのエージェントを調整する、それがソフトウェア開発者のより多くの仕事になるやろ。
その人は、有能になることで、はるかに多くの価値を生み出すことができるやろ。自分の頭脳のスピードと実際に何かをするスピードにどれだけイライラしたことがあるか？アイデアを思いつき、実際にそれを実行したいと思うが、物事を行うのに長時間かかるんや。
創造的な人々が問題を解決し、興味深いアプリケーションや興味深い結果を開発する能力を解き放つことができれば、それが得意な人を持つ価値ははるかに高い。なぜそういう人々を取り除きたいと思うんや？そのようなことができる人をもっと持つことにとてもワクワクするやろ。
今度は、これらのツールをどのように使うかについて考えるように移行できる人々が必要やが、私の経験では、ほとんどの人は最初のハードルを越えると、実際にかなり興奮するんや。なぜなら、それは本当に可能にしてくれるからや。実際に、より速く創造し、構築することを可能にしてくれるからや。
AWSにおけるAI活用の現状
おそらく君のようなビジネスリーダーの考え方でもあるやろ。誰かを見て、突然その人が5倍、10倍生産的になったら、最後にしたいことは、その人を取り除くことや。そのタイプの人がより少なくて済むなんてことは。君はそのドルに対するROIが10倍になって戻ってくるから、さらに重いに投資したいと思うやろ。
その通りや。だから、なぜそういう人々がより少なくて済むのか、その数学が理解できないんや。そう、その通りや。
よし、楽観的な見方が大好きや。エンジニアリングについて具体的に続けよう。AWSのコードのうちどれくらいがAIで書かれているか？そして、AIで書かれたとはどういう意味かを定義してくれ。話している相手によって変わってくるからな。
ここしばらく、過去1、2年間、人々はAIで書かれたコード行数について自慢することに興奮してきたと思う。それはばかげた指標や。無限にもっと多くのコード行を書けると思うで。ちなみに、それは悪いコードかもしれんが、本当にコード行数のことではない。コード行数を測定することは、実際には決してベストな指標ではなかったんや。多くの場合、より少ないコード行の方がより多いコード行よりもはるかに良いんや。だから、なぜそれが人々が自慢したがるエキサイティングな指標なのか、本当によく分からないんや。
私たちにとって、最後に見た指標は、80%以上の開発者が何らかの形でワークフローでAIを使っているということやった。時には単体テストを書いたり、ドキュメントを書くのを手伝ったり、コードを書いたり、QCLIやNURO IDEと呼ばれるもののようなエージェント的なワークフローで、実際にエージェント的なことを行い、彼らと一緒に書いて協力することもある。
その数字は毎週上がっているんや。だから、最新の数字を持ってないかもしれんが、80%以上の開発者がAmazonの顧客のために構築しているものを何でも構築するために、何らかの形でAIを使っているということやった。
エンジニアの学習意欲と教育プログラム
エンジニアたちは、自分でこれらの新しいツールをスキルアップして使う方法を積極的に求めているか？それとも、彼らを助ける教育プロセスやプログラムも設置しているか？
両方やで。Amazonは非常に大きな会社やから、均質な従業員集団を持っているわけではない。ただ、Amazon開発者の大部分は好奇心旺盛やと思うで。AIコーディングツールを使ったことがない開発者の数は、ゼロかゼロに近いと思う。
どれだけが本当にそれを使って仕事を完全に変革しているか、それをピースの一部として使っているだけなのか。教育も重要やと思うのはその部分やな。私たちの従業員の何人かは、本当に最初から飛び込んで、実際に何が機能するかを理解したと思うんや。なぜなら、そこには学習曲線があるからや。
作業をどのように変化させるかを理解する種類のことなんや。実際に加速できることと減速してしまうことは何か。これらの第一世代のコーディングツールを使って、実際に rabbit hole に入ってしまい、実際に戻るのがかなり難しくなる例がたくさんある。なぜなら、実際には非常に線形なプロセスで、バイブコーディングをしているときにツールが君にコードを与えて、「これは私がやりたいことではない」となる。
ここに戻る簡単な方法がないんや。「これが今君が持っているコードや」となってしまうから、この前の日それを説明したんや。
Curoでは、エージェント的コーディングファーストの考え方の一部として行ったことは、実際に構築したいもののspecから始めて、そのツールと一緒に働いてそのspecの一部を実際に構築することなんや。バイブコーディングをしながら、それはそのspecの一部を自動的に変更できるが、いつでも戻って、その側面や機能や何でも変更できるコアなものとしてそのspecを持っているんや。
新人開発者の重要性と指導
電球が点灯するのを見てきたんや。なぜなら、実際にその素晴らしいことの一つは、より経験の浅い開発者に対して、優れたコーディング実践とは何か、これについてどう考えるかをガイドできることやからな。
だから、私が本当に情熱を持っていることの一つは、リーダーシップグループにいて、人々が私に「AIで会社のジュニアの人材をすべて置き換えることができると思う」と言ってきたんや。私は「それは今まで聞いた中で最もばかげたことの一つや」と言った。彼らはおそらく君が持っている最も安い従業員やし、AIツールに最も身を乗り出していて、10年後に誰も何も構築したり学んだりしたことがない時にどうやってうまくいくんや？
だから、私の見解では、大学から出たばかりの子供たちを絶対に雇い続け、ソフトウェアを構築し、問題を分解し、それについて考える正しい方法を教えることが必要やと思う。今まで以上にそうやな。
だから、Kuraoのようなツールの利点の一部は、実際にいくつかのベストプラクティスに導いてくれ、これらのシステムを構築する正しい方法を教えてくれるかもしれない、より経験豊富なエンジニアの何人かと一緒に働く方法を実際に学ぶことができることや。
大学にいる、または大学に入る誰かにエンジニアリングをキャリアとして勧めるか？答えは分かってると思うが。
私の考えは、長男が高校3年生になるところやが、まず第一に、子供たちは情熱を持っていることを学ぶべきやと思う。
でも私が言いたいのは、強調されるべきスキルの多くは、自分で考える方法やと思う。問題解決の批判的推論をどう発達させるか？創造性をどう発達させるか？次のことを学ぶために学習していく学習マインドセットをどう発達させるか？なぜなら、今の技術の進歩のペースでは、一つの特定のことを学ぶことにすべての時間を費やして、「よし、それが今後30年間専門とする分野や」と言うなら、私が約束できる最も重要なことは、それはおそらく30年後には価値がないということやろう。
でも、学習方法を学ぶか、考え方を学べば、学校が非常に価値がある場所やと思う。だからエンジニアリングは、特定のことの基本的なことを教えるのではなく、どう考えるか、どう問題を分解するかを本当に教えてくれるから素晴らしいと思う。学校を出る子供たちが本当にそれに集中すれば、素晴らしい状況になるやろ。
AI活用の成功測定と組織改革
社内のエンジニアリング組織を見たとき、人工知能の使用に関してどのように成功を測定するか？
今日、そんな魔法の測定方法があるとは言わないで。以前と何も変わらないと思う。それの一部は生産性や。
技術が変化しているので、私たちはまだベストプラクティスを学ぼうとしている。だから実験を奨励している。異なるツール、異なる方法論をテストすることを奨励している。異なるセットアップも実験している。
興味深いことの一つは、本当に大きくて複雑なシステムを構築しなければならなかった時は、みんながそれぞれの小さな一片に集中できるから、たくさんの人が必要やった。
このテクノロジーの素晴らしい可能性の一つは、推進していることについてより広いビジョンや範囲を持てることや。だから、私たちが見つけているのは、多くの場合、問題に集中した、より多くの小さなチームを持つことを好むということや。
実際に、これらの製品を、本当にその何かに取り組む集中したチームがある領域に分解でき、その小さなチームが本当に速く動くことができる。君はかつてスタートアップにいたことを知っているが、スタートアップが大きな企業に対して持つ利点の一つは、速く動けることや。それは、違う方法で組織化しなければならない固有のものではない。
私たちが学んでいることの一部は、これらのツールが、大きな組織においても、本当に速く動くこともできる人々の小さなポッドで組織できることを可能にしてくれることや。速く動け、ツールが速く動くことを可能にしてくれるなら、顧客のために優れたものを提供することができる。比較的大きなビジネスとしても、それはみんながより速く動けることを可能にすると思う。
インフラ構築のボトルネック
トピックを少し変えよう。容量とインフラ構築について話したい。今から2年、5年先を考えた時、君のインフラ構築のボトルネックは何か？シリコンか？エネルギーか？何や？
ビジネススクールの時に「The Goal」という本を読んだんや。読んだことあるか？ない。それは古い本やが、アイデアは生産ラインを最適化する時、一つのボトルネックがあるわけではないということや。解決されるまではボトルネックがあり、それから次のものがボトルネックになる。
多くの点で、まさにそれがこの状況や。だから、それらすべてがある時点でボトルネックになる。一つのことがあるとは思わない。次のものがあるだけや。だからそれらすべてのものを解決しなければならない。
無限のチップがあれば問題ないということはないと思う。なぜなら電力が必要になるからや。無限の電力があって、十分なネットワーキングデバイスがなければ、それが問題になる。だからそれらすべてのピースが必要なんや。
課題の一つは、インフラプロバイダーでありクラウドプロバイダーである私たちにとっての課題と機会は、機会が巨大だということや。だからコンピュートの必要性がたくさんある。電気の必要性がたくさんある。サーバー、チップ、HPMメモリ、ネットワーキングデバイス、ディスク、それらすべてのピースの必要性がたくさんある。
確実に過去数年間の不足は、Nvidiaチップと一般的なチップにあった。それが緩和されると、電力かもしれないし、また再びチップかもしれない。成長に対してこれらすべてのものを正確に同期させるのは本当に難しい。なぜなら、これらの多くは投資するために多くの資本を必要とするからや。
成長の源泉：推論が中心
だから私たちの仕事は、それらすべてについて考えることや。1年先、3年先、5年先を考えて、顧客と私たちのビジネス、そして私たちの顧客が探しているもののための十分な電力を持てるようにすることや。幅広い容量へのアクセスを持てるようにすることや。必要なネットワーク接続を持てるようにすることや。それには何年も先の人々が必要とする容量の量について考えることが必要や。時々私たちは間違うし、時々十分でないが、それは顧客のために引き受けようとしていることの一部やから、みんながそれらすべてのことについて考えなくてもいいようにするためや。
確かに、インフラ構築の計画の一部は、使用がどこから来ているかを理解することやと思う。成長の観点で何を見ているか？強化学習か？推論か？訓練か？どこから最も成長が来ているか？
最も成長は、結局のところ推論から来ていると思う。顧客が最終製品を使うことやからな。だからみんなは、モデル構築の新しいテクニックについて学ぶのが楽しいから話したがる。強化学習やファインチューニングかどうかにかかわらず。でも使用の大部分は実際にエンドユーザーから来る。それは最終結果の推論やし、それからより良く、より良いモデルを創造する方法に入る多くのピースがある。より安く、より効率的に使用でき、より有能で、よりコスト効果的で、それらすべての異なるピースが、その他のバケットにある。この分野に非常に集中している多くのスタートアップがいる。
カスタムモデルを作成し、多くのモデルをまとめる方法について考えている多くの大企業がある。でも、コンピュートの大部分は、正直に言って、それがすべてまとめられた後、顧客がやって来て質問をしたり、アプリケーションと相互作用したり、ワークフローや何かを実行しようとしたりすることによって駆動されている。それが最も多くのその使用を駆動しているものや。
でも私たちはそれらすべてのピースに焦点を当てている。インフラや電力の観点から、それは実際には関係ないと思う。コンピューターは、強化学習に使っているのか、ファインチューニングに使っているのか、推論に使っているのかを気にしない。
正直、これらのプラットフォームの多くは実際に収束している。大きなパイプライン用のネットワーキングに関してはいくつかの違いがあるが、同じシリコンがこれらすべての異なるニーズに対応できる。絶対にそうや。興味深い。絶対にそうや。
だから私たちはトレニウムを例として構築している。ネーミングは下手やが、推論と訓練の両方にとって素晴らしいプラットフォームや。多くのNvidiaチップにとってもそれは同じや。両方に優れた同じサーバーセットや。
カスタムシリコンの差別化戦略
カスタムシリコンについて話し続けよう。それは明らかに君たちにとって大きな差別化要因やからな。君たち自身のカスタムシリコンについて考える時、例えばGoogleのTPUのような競合他社と何が違うのか？コストか？スピードか？製造能力か？
私たちがカスタムシリコンについて考える時、常に顧客から始める。競争については考えない。顧客が何を望んでいるかについて考える。顧客と話すと、彼らは最も幅広い選択肢を望んでいる。どんな異なる能力を持てるか？どんな異なるコストポイントを持てるか？価格とパフォーマンスの間のトレードオフは何か？すべての顧客のすべてのワークロードにとって最良の一つのソリューションを見ることは稀や。
だから、私たちは実際にNitroカードと呼ぶものを最初に構築した。これは10年前にカスタムシリコンの旅を始めたんや。私たちの最初のカスタムシステムを構築したのは10年前のことやった。Anaperunaの買収、そしてAnnaperunaは私たちが買った会社で、私たちのシリコンチームを始めた会社やった。
それによって、すべての仮想化機能をオフロードすることができた。だから、高価なx86コアを使う代わりに、ネットワーク仮想化、VM仮想化、ストレージ仮想化などをオフロードした。プロセッサーからそれらすべてを移動することによって、顧客にとってはるかに良いパフォーマンスを得た。顧客がEC2インスタンスからベアメタルパフォーマンスを得ることができるようになった。
そして、他のクラウドプロバイダーのオファリングとは非常に異なる、はるかに良いセキュリティ体制を得た。これは10年後の今でも、私たちにとってかなり重要な差別化要因やと思う。
それで、私たちは汎用プロセッサーを構築すべきやと言った。これらはARMコアに基づいて構築された。だから、私たちはGravitonと呼ばれるカスタムARMプロセッサーを構築した。実際にGraviton 2が、私たちの最初の本当のエンタープライズ対応汎用プロセッサーやったと思うし、それは大成功やった。実際に、私たちの主要顧客の大部分は、すべてではないにしても一部の、私たちのCPUフットプリント、Gravitonでのフットプリントを持っている。
この選択肢のピースのおかげで、私たちはまだIntelプロセッサーを大量に販売しているし、AMDプロセッサーも大量に販売している。でも、この低コストオプションを持つことによって、実際に今日の私たちの現在世代のGraviton 4プロセッサーは、絶対的な意味で得ることができる最高のx86プロセッサーよりも20%速く、私たちはそれを20%安く請求している。だから顧客にとって本当に素晴らしい価値提案なんや。
まだIntelコードやIntel用に特別に設計されたカスタム、AMD、何でもに依存するワークロードがあるし、多くの顧客がまだそれらのプラットフォームで動かして素晴らしいパフォーマンスを得て、動かすのを愛している。
AIチップ開発の歴史と戦略
それで約5年前に早送りして、当時はGeniではなくAIやったが、AIワークフローの台頭を見て、NvidiaGPUの代替を顧客が望むかもしれないと思ってAIチップを構築すべきやと言った。私たちは世界で最初にクラウド環境でNvidiaを提供したクラウドで、その人気を見て、顧客がNvidiaGPUの代替を望むかもしれないと言った。
だから私たちの最初のAIアクセラレーターチップを構築しに行った。Inferenciaが最初のもので、推論だけのための本当に軽量なチップやったが、実際に私たちの最大の顧客はAlexaやったんや。Alexaデバイスと話す時、推論コストを約70%削減することができた。だからその時「よし、ここで何かを掴んでいる」と分かったんや。
それで私たちは最初の訓練チップやと思ったTrenium 1を構築した。そこで多くの学習があった。それは本当にソフトウェアエコシステムがこれらのものに書けるようになるための種類のものやった。今、私たちはTrenium 2の第二世代にいる。
今日でも、AWSでは顧客の大部分がNvidiaで動いている。それは長い間そうやと信じている。彼らは素晴らしいチームを持っている。素晴らしい製品、素晴らしい実行。私たちの顧客の多くが本当にNvidiaエコシステムで生活することを楽しんでいる。
それはCUDAモードの機能か？CUDAは素晴らしいソフトウェア製品や。絶対にそうや。彼らのチップに書くための素晴らしいインターフェースや。だからとても良い。
そして、Anthropicなどの私たちの最大の顧客の一部は、Treniumから得るコスト効果のトレードオフを本当に愛している。だから、Anthropicのような人々や他の人々が身を乗り出して、大量のTreniumを使っている。
私たちはまた、カバーの下でTreniumを使って、顧客がカバーの下のチップについて知らないサーバーレス推論の世界で多くのBedrockモデルを動かし、顧客にそのコストパフォーマンス効果を提供できる。だから、顧客が持つその選択肢は非常にパワフルやと思うし、時間が経つにつれて顧客により多くの価値を提供するために、ますます多くの選択肢を追加し続けている。
Anapurna買収の意義と価値
GoogleがTPUチップを第三者に販売するかもしれないという噂がある。AWSが実際にカスタムシリコンを第三者に販売し、彼らがインフラを構築することを予見しているか？
何事にも「決して」とは言わないという一般的な感情を持っている。興味深いモデルやと思うし、いつかそうするかもしれない。今日、私たちは私たち自身の環境でのみチップを販売することによって多くの利点を得ている。
それを考えてみると、実際に大きな簡略化なんや。マーチャントシリコンを構築したり、異なる環境で動かなければならないものを構築したりする時は、多くの異なるサーバープラットフォーム用に構築しなければならない。多くの異なるデータセンター環境用に構築しなければならない。多くの異なる、ファームウェアアップデートやその他のもののことを心配しなければならない。
私は正確に一つの環境用に構築すればいい。AWSデータセンターにある。AWSサーバーや。AWSネットワークを持っている。だからそれは非常に簡素化されたスタックで、第三者製品を販売することには多くの複雑さがあるが、決して「決して」とは言わない。
Anapurna買収について少し触れたい。それは外部では少し過小評価されているかもしれないが、私にとってはそうではない。生成AI以前のその時に、何を見たのか？カスタムシリコンを構築する必要があるかもしれないという先見の明を持っていた。そのチームで何を見て、そのプロセスはどのようなものやったかについて話してくれ。
そのチームについて愛したことの一つは、彼らが非常にミッション駆動型で、Amazon文化と非常によく融合したことや。その時、私たちが言ったように、仮想化をオフロードカードに移すというアイデアを持っていた。
市場でこのようなものを持っている人を見たが、誰もこのアイデアを本当に持っていなかった。だから誰もこの製品を作らなかった。でも、Anapernaは、これらのコアが載った強化されたネットワークカードの種類である、仮想化されたネットワークを提供できるカードを構築していた。
私たちはその製品を見ていた。それには汎用的にものを書けるARMコアがあった。私たちは、EC2に接続するEBSボリュームの仮想化をオフロードするためにも使えるというアイデアを持っていた。
だから私たちの外部ブロックストレージ製品で、これがどのように機能するかについて彼らと話し、スタートアップとして彼らと一緒に働き、彼らと一緒になって、これがどのように機能するかを共同設計した。私たちは彼らのチームと本当にうまく噛み合った。
彼らは非常に賢く、本当に前向きで、スクラッピーで、非常に顧客中心で、それについて大きく考えていた。大きな機会はどこにあるかについて考えた時、私たちは買収することに決めた。おそらく私たちが今まで行った最高の買収やろ。
間違いなく最高の一つやと思うし、ちなみにそのチームの大部分は今でも10年後にAmazonで働いている。だからこれは、私たちがそのような人を買う時に多く気にかけることの一つは、私たちがやろうとしていることを気にかけるかということや。私たちが気に入ったのは、彼らが私たちと一緒に大きなビジネスを構築し、AWSを構築したがっていたことや。私たちはそれにワクワクしていたし、彼らもそれにワクワクしていて、今でも私たちと一緒に働いている。
それは素晴らしいことや。よし、このカスタムシリコンに読み込まれるモデルについて話そう。新しいモデルを見て、それに対して推論を提供するかどうかを決める時、どのようにその決定を下すか？
最終的に、今日、私たちがすべてスケーリングしているので、トレードオフをしなければならない。すべてのモデルを顧客が利用できるようにしたいが、使えるようにしたい。世界中で使える最高のモデルのどれからでも顧客が選択できるようにしたい。これらのモデルはたくさんあると思う。
本当に大きなフロンティアモデルは、構築するのに非常に高価やから、これらの本当に大きなフロンティアモデルは少数しかないやろうが、目的別に構築されたモデルがたくさんあるやろ。今日、実際に先月だけでもおそらくBedrockにいくつかの新しいスタートアップを追加した。エージェント的ワークフローを作るWriterや、ビデオの理解を行う12 Labsを追加した。
時間が経つにつれてさらに追加し続けると思う。コーディング特化モデルを作るPoolsideのような顧客がいる。興味深い画像やビデオ生成を続けるStabilityのような大きなロングテールがある。
実際に最高のビデオ生成モデルの一つを持つLuma AIは非常に興味深い。だから、私たちはBedrockでモデルを追加し、サポートし続けている。どれだけ多くをサポートしたいかの制限は分からない。みんなをサポートできるようにしたいし、今日のマーケットプレイスでやっているのと同じようにしたい。
モデルがSaaSアプリケーションや他のアプリケーションに類似していると考えると、SalesforceやService Nowのような大きなアプリケーションから、小さな1、2人の店が構築して置いた小さなアプリケーションまで、すべてのモデル、すべてのアプリケーションをAWSマーケットプレイスで利用できるようにしたい。
だからそれが私たちの目標や。世界中のすべてのモデルを持てるようにしたい。いくつかは最終的に同意しなければならないし、すべてのモデルが今日利用可能ではない。いくつかは他の場所に独占的やが、完全な時間の中ですべてを利用可能にしたい。
モデル選択とオムニモーダル対専門化
エンジニアリングチームについて先ほど言った時、より小さく、より専門化されたチームがより効果的やと分かっているという話をした。モデルマーケットプレイスを見ると、OpenAIの一部の人々はオムニモーダルな未来が最も可能性が高いと考えていて、一つの巨大なモデルがあってそれがすべてを支配するということや。
私は反対方向に向かうと思う傾向があって、多くのユースケースでより専門化されたモデルを持つことになると思う。どう思う？特にAWSにオンボードして推論を提供するモデルについて考える時、その問題についてどう考える？
それは2、3年前の支配的な見解やったと思うし、私たちは生成AIの最初から、顧客がたくさんのモデルを使いたがるという見解を長い間持ってきた。今日のほとんどの顧客システムを見ると、彼らはたくさんのモデルを使っている。
多くの場合、彼らは推論と計画を行うために大きな種類のプレミアモデルを使うが、それから彼らの特定のワークフローを本当に理解している、Llamaモデルからカスタム調整されたかもしれないし、Anthropicモデルから蒸留されたかもしれないし、Novaモデルからかもしれない、モデルに仕事を任せる。
彼らはコスト、能力、そしてそこでのトレードオフについて考える。この専門家の混合とさまざまなモデルを人々が使っているんや。だから私はそれがその初期段階にあると思う。
現在、彼らがやりたいモデルに自分のデータセットを深く理解させたいと思っている多くの企業を見続けている。だから彼らは、より良いファインチューニングをどうやって行うかについて私たちと話している。そのものが出てくる時に、彼らのデータを本当に理解するために。
たとえば、保険ワークフロー、支払いワークフローについて顧客と話す時、彼らは自分の特定の領域について多くを知っている。彼らは顧客について多くを知っている。彼らは自分のワークロードについて知っていて、自分のモデルにそれを知ってもらいたい。
彼らはスマートなインテリジェンスのための汎用化されたモデルを望んでいるが、それから自分のデータでそれを調整したい。それから、やって来て画像作成を行うような他の専門化されたモデルのためのコストとパフォーマンスをトレードオフしたい。それは実際にはここの汎用化された目的のもの以外の専門化されたモデルなんや。
だから、ますます多くのそれらを見つけていると思う。また、より多くのエージェント中心の世界に移行する中で、モデルは非常に重要で、これらの多くのことを駆動するエンジンやと思うし、それが唯一のものではない。
今日、みんながこれらの種類のモデル開発者にとても夢中になっているのは、とても新しくて興味深いからやと思う。でも、カバーの下でそれを活用して興味深いことを行うアプリケーションを欲しがる世界に急速に移行していると思う。
でも足場について考えるやろ。ワークフローについて考えるやろ。達成しようとしている非常にビジネス特化のもののカスタムピースについて考えるやろ。
ADP のように給与計算を処理している人と、映画制作を管理しているNetflixとでは、それらは異なるワークフローで、それについて考えるカスタムなものを欲しがるやろ。
だから、顧客と話すと、人々がAIシステムから得るROIの大部分は、彼らの代わりに実際に作業を行うこれらのエージェントワークフローから来ると思う。それらは全く異なる能力セットを必要とすると思う。そのシステムのメモリを管理したり、相互作用を管理したり、それが何をしているかの監査ログを持ったり、やっていることにカスタム設計された全体的なピースを持ったりしたいやろ。
オープンソース対クローズドソースの議論
これらのモデルについて考える時、オープンソース対クローズドソース。君はAnthropicのクローズドソースモデルを提供していて、提供しているオープンソースモデルもたくさんある。Metaはフロンティアがクローズドになり、その下のすべてがオープンになる方向に動いているという噂がある。OpenAIも同じや。オープンとクローズドソースの間のトレードオフについてどう考える？それから、君、Anthropic、OpenAI、Meta間のパートナーシップについてもどう考える？
私たちはみんなとパートナーシップを組みたい。それらすべての人々と素晴らしいパートナーシップを持っている。実際、それらのモデルのすべては大部分がオープンウェイトや。オープンソースではない。その詳細は、本当にある程度は、このモデルを自分のユースケースにどれだけカスタマイズできるかということや。
Llamaのようなもの、今では他にもStrowやその他のようなものの利点の一つは、実際に高いレベルのカスタマイゼーションを持てることや。自分のデータを持参できる。本当の価値は、自分のデータをそのモデルに持参し、追求したいユースケースでそれを強化し、それからカスタムワークフローを持つことや。
自分でできるオープンウェイトか、蒸留やファインチューニングを行えるAPIを通してか、いわゆるクローズドソースモデルに対して実際にやりたい方法にカスタマイズできるAPIを通してかということやと思う。それは、Novaでやっていることの一部で、必ずしもウェイトを見ることはできないが、実際に多くのカスタマイゼーションを行うことができ、今日Novaを使う人々が本当に好んで使う場所や。
時間が経つにつれて、みんなが自分のモデルをカスタマイズしたがると思う。人々がそれを行うためのAPIを優先するか、それを行うためのプロフェッショナルサービスを持つか、ただウェイトをリリースして人々に自分でやらせるかは、価格の違いと、どれだけがマネージドな環境かということやが、基本的に人々はこれらのモデルをカスタマイズしたがっていて、すべてのモデルが何らかの形でそれを行えるようにすると思う。
Novaについて言ったが、君たちは素晴らしいモデルを持っている。AWSが、ソースラボからのフロンティアモデルと競合するかもしれない、競合ではないかもしれないが、フロンティアモデルへの別の選択肢を提供する、真のフロンティアモデルの構築を見ているか？
顧客にとって選択肢を持つことが重要やと考え続けているし、Novaで構築しているもので何らかのユニークで差別化された能力を提供できると思っていて、そこでやったことにとてもワクワクしている。Bedrockで動いているAnthropicのような世界や他のパートナーとの素晴らしいパートナーシップを愛している。
だから、そのモデルの組み合わせが顧客にとって重要やと思う。今日絶対に重要やし、時間が経つにつれてさらに重要になると思う。だから、顧客に対して継続的に差別化された能力を提供できると思う範囲で、投資し続ける分野や。
もし競合するトップクラスのフロンティアモデルを構築することを決めたら、AnthropicやMetaとの関係はどう変わると思う？
Amazonが素晴らしいことの一つは、AWSで過去19年間にわたって行ってきた本当に良い仕事をしたと思って誇りに思っていることは、信頼を築き、時には競合するが、顧客を一緒にサポートし続けるパートナーエコシステムを構築することや。だから、この場合もそれが真実やと期待している。
最初から、人々が私たちの上に構築することを知っていた。私たちが能力を構築し、彼らが能力を構築するやろ。時にはそれらが競合するやろ？時には、SnowflakeやMongoDBのような素晴らしいパートナーや、他にもたくさんいて、競合することがある。
コンタクトセンタースペースを見ると、私たちのConnectオファリングと競合するGenesisのような顧客がいるが、彼らは私たちの素晴らしいパートナーや。彼らは私たちの上に構築し、私たちが約束することは、特定の方法で君を不利にしないということや。競合するための素晴らしいアクセスを提供するし、ストレージへの素晴らしいアクセスを提供する。
モデルへの素晴らしいアクセスを提供するし、私たちと競合するものを構築したからといって良い価格を提供しないということはない。適切なボリュームを持ち、素晴らしいビジネスを推進していて、顧客がそれに興味を持っているなら、素晴らしい価格を提供する。
実際に、これらのパートナーの多くと素晴らしいマーケット参入の動きも構築してきた。ちなみに、それを行う方法を学ぶのにしばらく時間がかかった。フィールドを正しい方法で得て、競合他社と歯と爪で戦い、それから世界で彼らにとって絶対最高のチャネルとパートナーとして入る異なるチームを持つ方法について考える方法を学んだ。
それが私たちが築き上げた筋肉や。重要やし、この場合も真実であり続けると思う。
モデル価格戦略と差別化
モデル価格について考える時、業界の多くの人々は、本当にそれは底辺への競争やと言っている。最終的にモデル価格はシリコンのコストプラス電気代に収束するやろう。君がインフラ構築について考える時、それは君の計算にどう影響するか？
それが真実になることはありそうにないと思う。これらのモデルは今日コモディティではない。なぜ明日コモディティになるのか分からない。実際に、私たちが最初にクラウドを立ち上げ始めた時のクラウドを例に取ることができる。みんなが「これらのものは1、2年でコモディティになるだけや」と言ったが、今日そうではない。
可用性の違いがあるし、機能と能力の違いがある。新しい価格パフォーマンス能力と私たちが構築する他のもので顧客を喜ばせるために、革新し続けなければならない。モデルプロバイダーも違いはないと思う。
今日顧客に聞いてみれば、「LlamaとClaudeとOpenAI、GPTを全く同じコモディティやと考えるか？」と聞けば、「いや、もちろん違う。いろんな点で違う」と言うやろ。それからLumaモデルのようなものを加えると？「いや、もちろん違う」と言う。そしてそれを下がって、すべてが違うと言う。
オープンモデルでも、「MistralとLlamaはコモディティか？」と人々に聞けば、「いや、異なるユースケースで一方を他方より好む」と言うと思う。
だから、みんなが新しい能力を追加し続けなければならないし、革新し続けなければならないと思う。でも、クラウド環境と、能力を構築しているモデルの両方によって、多くの価値が創造されていると思う。そこには多くの価値があり、人々はそれからお金を稼ぐことができるやろ。
オープンソースとクローズドソースの性能格差
オープン対クローズドソースについての最後の質問。オープンソースは、ベンチマーク性能の観点で、クローズドソースより3〜6ヶ月遅れているように見える。その傾向が続くと思うか？中国から出てきたオープンソースで素晴らしいいくつかのモデルで最近感じたのは、おそらく追いついて、その差を縮めているということやが、フロンティアクローズドソースが常に先を行くという傾向を見ているか？
ある時点で、クローズドソースやオープンソースモデルであることの固有の利点はないんや。それは単なる選択や。だから中国のモデルが彼らが持っていた最高のモデルをオープンソースにして、彼らは遅れていたと思う。彼らは遅れていたが、非常に良いと思うし、私たちの顧客の多くがDeepSeekを使うのを愛していると思う。Quinは本当に良いモデルやと思う。それらのモデルの多くがかなり印象的やと思う。
それは単なる選択や。OpenAIが彼らのフロンティアGPT5より小さなモデルをオープンソースにしたのを見た。Anthropicはモデルをオープンソースにしないことを選択した。Llamaはすべてのモデルをオープンソースにすることを選択している。だから、Llamaがオープンソースにしているから、必ずしも他より遅れているのか？いや、たまたま彼らのモデルが今日最高の最高にまだ追いついていないだけやと思う。
Metaはそれをやる設計を持っていると思う。彼らがそれをオープンソースにするかどうかは分からない。でも固有のものはない。それは価値創造と、企業から何をしようとしているかと、価値をどこで捉えることができると思うかということや。
だから、どこに落ち着くかを推測するのは誰の推測でもある。君の方が私より良い推測を持っているかもしれん。分からない。
彼らは遅れているからオープンソースにしているようなもので、オープンだから遅れているわけではない。
その通りや。Llamaは違う話かもしれんが、確実に中国から出てきている一部のモデルについては、絶対にその通りやと思う。
ベンチマークの限界と実用的評価
ベンチマークについて話そう。これらのベンチマークやモデルの一部を見ていると、モデルがこれらのベンチマークの多くを本当に飽和させている。AM24、A2、MMLUのようなすべてのベンチマークが次々と破壊されていて、新しいモデルに対して一桁パーセントの改善しか得られない地点にいる。
それは単に異なるベンチマークが必要やという機能やと思うか？それらのベンチマークはどのようなもので、その問題についてどう考える？
ベンチマークはコモディティを測定するのに特に優れていると思う。SSDがどれだけ速いかを測定するなら、ベンチマークは実際にかなり良い。いくつかのIOレート、ストリーミングスループットレートを得て、「よし、だいたいそれだけや」と言えるやろ。
物事が複雑になればなるほど、ベンチマークは悪くなる。だから、データベースの初期の頃、TPBCベンチマークのようなものがあって、「よし、素晴らしい。それが素晴らしいベンチマークや」と言われていた。もうどのデータベースベンダーもそれについて話しているのを聞かない。なぜなら、彼らがそのベンチマークケースを超えて移行したからで、君のユースケースのためにテストしなければならない。
モデルでもそこに移行すると思うのは、ベンチマークを思いつくことができる種類のことをやるようになると、すぐにそれが興味深いものでなくなるからや。ベンチマークで素晴らしくなるようにこれらのモデルを教えるのは実際にかなり簡単で、それが最高のモデルにするわけではないからや。
それで君個人、マットは、新しいモデルを得た時、テストしてみる。君の個人的なベンチマークはどのようなもの？これらのモデルをどうテストしている？
これらすべてのもののベストテストではないかもしれん。なぜなら、多くのことをしなければならないと思うからや。私の個人的なテストは、アプリケーションの一部として使うのが好きやということや。生でテストする時、アプリケーションの一部として使うのが好きや。
研究能力のようなものを考えることができる。何かが多くの考えをどれだけうまく統合し、ドキュメントに書き、実際に一貫したものを持って戻ってくるか。それは多くのものをテストすると思うから、それがテストしたいもののひとつや。どれだけ情報を見つけることができるか、どれだけ異なるアイデアを思いつくか、どれだけうまく相互作用するか。スピードの一部もある。
新しいモデルがどのようなものかをテストしたい時、それが私のお気に入りのひとつや。これらのモデルの一部の実装も個人的にテストする傾向がある。だからモデルだけでなく、どれだけうまく統合されるか。
私たちのパートナーの一例として、時には使っているモデルさえ知らないことがあるが、Perplexityのようなものを使う。彼らは本当に良い仕事をしていると思う。素晴らしいUIを持っている。質問に答えたり、舞台裏で作業をしたりする時に考えていることを知らせてくれる。
ますます、それはモデルと同じくらい重要やと思う。だからArvinとチームは、そのUIについて考え、perplexity検索に組み込む良い仕事をしていると思う。だから、純粋なベンチマークタイプのものをテストすることだけではない。興味深くて楽しいけど、レイテンシもそうや時があるんや。
モデルが遅すぎたら、そのユースケースを本当に満たさないやろうし、私はスピードが過小評価されていると感じる。みんなが品質について話すが、私のユースケースの大部分では、答えへのスピードが非常に重要や。
時々、今日それが真実やと思う。消費者が持っているユースケースの大部分はリアルタイムやろ？質問をして、答えが欲しい。だからスピードは、スピードは常にある程度重要やが、君の作品が、ADPのような人の例に戻ると、もし君のピッチをすべて処理して、それらすべてのワークフローを行うエージェントを持っているなら、スピードよりも精度の方を少し気にかける。なぜなら、月末にそれをやることができて、おそらくそれらすべてのものを通過するのに数日あるからや。
そのようにやらなければならないわけではない。いつ来るかを知っているし、それらのものを処理できるが、精度の方が重要や。実際、先週か数週間前に立ち上げたもののひとつは、一連のルールに数学ベースの証明アプローチである監査人推論を取り、それをLLMに適用する能力やった。
それについてのビデオを見たが、とてもクールや。
すごくクールで、それらふたつのテクノロジーの組み合わせが本当に興味深いと思う。だからそれは、スピードを求めているのではなく、精度を求めている例や。この場合のように、または多くのエージェント的ワークフローの場合、実際に非同期モードでも構わない。
今日のコーディング世界でも、バイブコーディングをしている時はレイテンシが重要やろ？タイプして、戻ってきて欲しい。でも、実際に「このタスクをやって欲しい、このタスクをやって欲しい、このタスクをやって欲しい」と言うエージェント中心の世界では、作業中として、1時間後に戻ってきても大丈夫や。なぜなら実際に他のことをやっていて、他のピースで作業していて、それが戻ってきて見るからや。
3週間後に戻ってきたら、おそらく遅すぎるやろ。だからレイテンシは常にある程度重要やが、非同期やからコストを下げることができたり、少し長く考えてより良い結果を得ることができるなら、状況による。
消費者のユースケースの同期的でリアルタイムな性質。絶対にそうや。でも、非同期の結果でも大丈夫な企業のユースケースがたくさんあると思う。
エージェント技術の実践的活用
時間はどうや？4分や。ちょうど聞こうと思っていた。数分間エージェントについて話そう。私はたくさんのエージェントを使ってきた。エージェントを使うのが大好きで、実際に自分のワークフローにかなり適用してきた。素晴らしい。
ポジティブなROIで反復可能で正確なエージェントの実装を見ているユースケースはどのようなものか？
いくつかの方法があると思う。ひとつは、少し話したコーディングのユースケースで、開発者が本当に自分の可能性を解き放ち、もっと構築できるエージェント的コーディングで大きな機会があると思う。だからエージェント的コーディングにとてもワクワクしている。多くの可能性と多くの顧客の可能性を見る分野やと思う。
エージェントを阻んできた問題のひとつは、実際にひとつを構築するのが難しく、それを持った後で、スケーラブルな方法でどう運用し、実行するかということや。自分で構築できる多くのエージェントがあるやろ？「メールを読んで、これに入れて、何でも」のような、簡単なルールベースのエージェントや何でものような種類の。
でも企業全体のエージェントについて考える時、実際に管理するのがちょっと難しい。私たちはBedrockでエージェントコアと呼ばれる一連の能力を立ち上げた。これは人々にスケーラブルで安全で監査可能で測定可能なエージェントを構築するためのこれらの構築ブロックを提供する。
完全にサーバーレスで、ゼロまでスケールダウンするが、コンテナや何らかの非セキュアな境界ではなく、完全にセキュアなコンテナでエージェントを実行できるセキュアなランタイム環境のようなものがある。その環境で実行し、何百、何千、いくつでも実行したい数まで規模を拡大できる。
短期と長期のメモリのための組み込み能力も構築したので、やっている相互作用を短期と長期の両方で覚えることができる。他のエージェント、外部のシステムとの認証を行えるエージェントゲートウェイのようなものがある。
ホストされたMCPサーバーや、これらの他の種類の相互作用ケースのいずれかを実際に行うことができるので、世界とやり取りする時に、セキュリティ境界と認証境界の両方を持つ。それから組み込みフローがあるので、AWSサービスや第三者サービスに入れることができる可観測性のようなものを持つことができる。
これは完全にオープンなフレームワークなので、どのモデルでも動く。GeminiモデルやOpenAIモデルやBedrockモデルと一緒に使うことができる。どのような種類のフレームワークでも使うことができる。
そこに行く。私たち自身のオープンソースフレームワークであるStrandsやLang Chainや何でもそのようなもので使うことができる。企業がこれらのエージェントワークフローを構築していないのを見るのは、この足場をすべて構築しなければならなかったからで、本当に難しかった。
今、人々がそれに群がって、「よし、このようなものがあるなら、本当にユースケースのブロックを解除すると思う」と本当に考えているのを見る。だから、ワークフロー処理のためのユースケースを見る。個人の生産性のためのユースケースを見る。マーケティングのユースケースを見る。営業のユースケースを見る。
ほぼすべての業界で人々が構築しているこれらの本当に全体的なホストを見る。これらのエージェントワークフローの多くは、まだ多くが人間をループに入れているので、まだ完全に自律的ではないが、これらがもっと自律的なものになり、人々がさらに多くのことを解き放つことができる道筋を見る。
最後に君に質問したい。話をするAIリーダーに聞くのが好きな質問や。自動化されることや、一般的にAIについてかなり心配している人がたくさんいる。彼らにどんな励ましの言葉をかけるか？
自分を価値あるものにすることやと思う。これは価値創造の世界で、AIとエージェントはそれ自体の中で価値があるわけではない。従業員を増幅し、みんなをより価値あるものにする方法で価値があるやろ。
だから、マーケティングが得意な人がいるなら、その人にはマーケティングをやってもらいたいし、キャンペーンをまとめる雑草の中にいてもらいたくない。アプリケーション構築が本当に得意な人がいるなら、特定の言語を知っているからではなく、アプリケーション構築が得意でいてもらいたい。
人々はそれらの能力を学ばなければならないが、顧客の問題を解決することについて考えることができるほど、これらのテクノロジーや新しいツールの一部を学ぶことについて学べるほど、仕事がなくなって、そこで働くロボットの世界になるということをほとんど心配していない。
ありがとう、マット。素晴らしい。参加してくれてありがとう。本当に楽しかった。
コメント