本動画では、AI革命の父の一人とされるAndrew Ngが、agentic AIという用語の創出者として、現在のAI技術の進歩とその応用について詳しく語っている。彼は現在のAI進歩の複数のベクトル、特にコーディングエージェントの実用性や、AI支援プログラミングがスタートアップの開発プロセスに与える劇的な変化について解説する。また、技術系創業者の重要性、プロダクト管理のボトルネック化、そして今後5年間でAIが個人の能力を飛躍的に向上させるという展望を示している。
AI革命の父が語る現在と未来
リスナーの皆さん、No Priorsへようこそ。今日は私たちがアンドリュー・ングさんをお迎えしております。アンドリューはAI革命の父の一人なんです。Google Brain、Coursera、そしてベンチャースタジオのAI Fundの共同創設者でもあります。最近では、agentic AIという用語を作り出して、Amazonの取締役にも就任されました。
そして、彼は10年前に深層学習が未来やということを私に確信させてくれた最初の人の一人でもあるんです。ようこそ、アンドリュー。アンドリュー、一緒にいてくれて本当にありがとうございます。いや、いつでも会えて嬉しいですわ。
どこから始めたらええか分からへんねんけど、あなたはこれらの話題について非常に幅広い視点を持っていらっしゃるから、やっぱり一番大きな質問から始めるべきやと思うんです。つまり、ここから先の能力向上を見据えた時、それはどこから来るんでしょうか？より多くのスケールから来るんでしょうか？データワークから来るんでしょうか？
進歩の複数のベクトルがありますね。だから、スケーラビリティのレモンからもう少し絞り出せる果汁があると思うんです。うまくいけば、そこでも進歩を続けられるでしょうけど、本当に本当に難しくなってきてます。
社会のAIに対する認識は、素晴らしいPR能力を持つ少数の会社のPRマシーンによって非常に歪められてるんです。そして、その少数の会社がスケールを推進したため、人々はスケールを進歩のベクトルとして最初に考えるという物語になってます。しかし、私はagentic workflowsや、私たちがマルチモーダルモデルを構築した方法、具体的なアプリケーションを構築するためにたくさんの作業をしたことなど、他にも複数の進歩のベクトルがあると思うんです。
それに、画像生成に主に使用される拡散モデルのような全く新しい技術も、テキスト生成にも機能するかもしれません。これはワクワクしますね。だから、AIが進歩する方法は複数あると思うんです。
Agentic AIという用語の誕生
実際にあなたがagentic AIという用語を作り出したんですよね。その時、何を意味していたんですか？
私がagentic AIについて話し始めることにした時、私が使い始めた時にはそんな言葉はなかったんです。私のチームは私に少しイライラしてましたね。名前は言わんけど、私のチームメンバーの一人が「アンドリュー、世界はあなたが別の用語を作り出すことを必要としてない」って言ったんです。でも、とにかくやることにしたんです。そして、何らかの理由で、それが定着したんです。
私がagentic AIについて話し始めた理由は、数年前に人々が「これはエージェントか、これはエージェントじゃないか、エージェントって何やねん」みたいな議論に多くの時間を費やしているのを見たからなんです。そして、多くの良い仕事があって、エージェンシーの度合いのスペクトラムがあるって感じたんです。計画を立てて、複数の推論を行って、多くのことを自分でできる高度に自律的なエージェントがある一方で、プロンプトを出してアラーミングな出力をするような、より低い度合いのエージェンシーを持つものもありました。
そして、「これはエージェントか否か」という議論をするよりも、エージェンシーの度合いを言って、「すべてがagentic」だと言おうと感じたんです。そうすれば、実際にこれを構築することに時間を費やせるでしょう。だから、agentic AIという用語を推し進め始めたんです。
私が予想しなかったのは、数ヶ月後に多くのマーケターがこの用語を手に入れて、目に見えるあらゆるものにそれを貼るステッカーとして使うことでした。そして、agentic AIという用語が本当に離陸したと思うんです。
マーケティングの誇大宣伝が狂ったように速く進んだと感じますね。でも、実際のビジネスの進歩も急速に成長してますが、マーケティングほど速くはないかもしれません。
真のエージェント実装の課題
真のエージェントが実際にAIアプリケーションとして実装される最大の障害は何だと思いますか？あなたの指摘通り、私たちはもう少し前からこのことについて話してると思うんです。
最初に欠けていた特定のものが今は整っています。推論時計算の特定の形式から、状態を維持できるメモリやその他のものの形式まで、あなたがやってることに対して。まだ欠けているもの、構築する必要があるもの、あるいはその端での進歩を発酵させるものは何だと見ていますか？
技術コンポーネントレベルでは、改善を期待するものがあると思います。例えば、コンピューター使用は、まあ、時々うまくいくけど、しばしばうまくいかない。
ガードレール評価が大きな問題だと思います。これらのものを迅速に評価してeval を推進する方法。だから、コンポーネントには改善の余地があると思いますが、私が見ているのは、より多くのagentic AIワークフローを実装する最大のバリアは実際は人材なんです。
多くのチームがエージェントを構築する方法を見ると、市場で見る最大の差別化要因は、そのチームがevalを使った体系的なエラー分析プロセスを推進する方法を知っているかどうかなんです。つまり、任意の瞬間に何がうまくいってて何がうまくいってないか、何を改善すべきかを分析してエージェントを構築することです。経験の少ないチームはよりランダムな方法で物事を試そうとする傾向があって、それは時間がかかるんです。
小さいものから大きいものまで、非常に幅広いビジネスを見ていると、agentic workflowsを通じて自動化できる作業がたくさんあるような気がします。でも、人材、スキル、そしてソフトウェアツールが、この規律あるエンジニアリングプロセスを推進してこのものを構築するためにそこにないだけなのかもしれません。
エンジニアリングプロセスの自動化可能性
そのエンジニアリングプロセスのどの程度がAIで自動化できると想像しますか？
実は、エージェントワークフローを構築するこのプロセスの多くは、しばしば人々の頭の中に閉じ込められている外部知識を取り込む必要があるんです。
従業員にインタビューしてより良いビジュアルAIを構築できるAIアバターを構築して、コンピューターモニターを見ることができるまでは、いずれはできるかもしれませんが、少なくとも今後1、2年は、より多くのアジアンワークフローを構築するために人間のエンジニアがやるべき仕事がたくさんあると思います。
それは、人々がやっている特定のループのデータ収集、フィードバックなどの類のものですか？
そうですね。一つの例として、お客様があなたにドキュメントをメールしてくるワークフローをたくさん見ますね。そのドキュメントをテキストに変換して、何らかのコンプライアンス理由でウェブ検索をして、一緒に働いてはいけないベンダーかどうかを確認して、データベースレコードを調べて価格を見て、どこか他の場所に保存するなどですね。
マルチステートリージョンワークフロー、次世代のロボティックプロセスオートメーションみたいなもんですね。これを実装するとうまくいかないんです。請求書の日付を間違えたのが問題なのか、そうでないのか、検証のために間違った人にメッセージをルーティングしたのが問題なのか。
これらすべてを実装すると、最初はほぼ必ずうまくいかないんです。でも、あなたのビジネスプロセスにとって何が重要で、CEOに何回も迷惑をかけてもいいのか、それともCEOは何枚かの請求書を検証することを気にしないのか。そういった外部の文脈的知識は、少なくとも今は思慮深い人間のプロダクトマネージャーや人間のエンジニアがこれを考え抜いて、これらの決定を下す必要があると見ています。
エージェントがいつかそれをできるようになるでしょうか？分からないですね。今は非常に困難に見えます。
いつかはできるかもしれませんが、それはインターネットの事前訓練データセットにはないし、私たちが自動的に抽出できるマニュアルにもないんです。多くの作業を行うために、データセットは専有のものだと感じます。それはインターネット上の一般的な知識ではないんです。それを理解することは、まだまだエキサイティングな仕事なんです。
最強のエージェンシーの事例
agenticAIのスペクトラムを見た時、あなたが見た最強のエージェンシーの例は何ですか？
agenticAIの最先端では、AIコーディングエージェントの一部に本当に感銘を受けました。
経済価値の観点から言うと、非常に明確で明白な2つのバケットがあると感じます。一つは人々の質問に答えることです。OpenAIのChatGPTが実際の成長、テイクオフ、リフトオフの速度でその市場リーダーのようですね。
2番目の大きな経済価値のバケットはコーディングエージェントで、私の個人的なお気に入りのクラウド開発は今のところClaude Codeです。いつかは変わるかもしれませんが、私はただそれを使って愛用してるんです。ソフトウェアを構築するために何をすべきかを計画し、チェックリストを作成し、一度に一つずつ実行することにおいて非常に自律的です。
計画する能力、マルチステップなことです。計画の複数のステップを実行する。これは実際に機能している、使用されている最も高度に自律化されたもののうちの一つです。
コンピューター使用のようなもの、私のために何かを買い物してオンラインで閲覧してくれるような他のものもありますが、それらのいくつかは本当に素敵なデモですが、まだプロダクションではありません。
コーディングが成功する理由
それは、やる必要があることの基準が緩く、アクションの変動性が大きいからだと思いますか？それとも、コーディングのためのより良いトレーニングセットや出力セットがあると思いますか？一方が時には魔法のように感じるほどうまくいき、他方がユースケースとして本当に苦労している理由を知りたいんです。
エンジニアはあらゆる種類のものを動かすのが本当に上手だと思います。でも、コーディングの経済価値は明確で明白で大きいんです。だから、これに捧げられたリソースの純粋な量が、彼ら自身がユーザーである多くの賢い人々に本当に素晴らしいコーディングエージェントを作らせたと思います。そして、プロダクト構築に関する良い直感もありますね。
それが根本的な研究課題だとは思わないんです。実践中の資本主義とドメイン知識だと思いますね。
資本主義は根本的な研究問題を解決するのが得意だと思います。
モデルの自己ブートストラップ
どの時点で、モデルがエージェンティックなコーディングエージェントによってモデルのコードの99%が書かれたり、エラー解析が行われたりする形で、事実上自分自身をブートストラップするようになると思いますか？
徐々にそこに向かってると確信してます。主要な基盤モデル会社のいくつかは、明らかに彼らが公に言っているように、彼らはAIを使ってコードの多くを書いています。
私がエキサイティングだと思うのは、agentic workflowsを使って次世代モデルのためのデータを生成するAIモデルです。
Llamaの研究論文でこれについて話してたと思いますが、Llamaの古いバージョンは長時間考えて、次世代のモデルが長時間考える必要なしに本当に素早く解くためにトレーニングするパズルを生成するために使われるでしょう。それも私はエキサイティングだと思います。
複数の進歩のベクトルですね。AIが進歩する方法は一つではないと感じます。非常に多くの賢い人々が非常に多くの異なる方法で前進してるんです。
バイブコーディング vs AI支援コーディング
AI支援コーディングを支持して、バイブコーディングという用語を拒否したと思うんです。違いは何ですか？
後者をやってると仮定してるんでしょうね。バイビングしてないですよね。バイブコーディングは人々に、Cursorが提案するすべての変更を受け入れるような、ただバイブに行くようなことを考えさせます。
時々それができて、うまくいくのは問題ないんですが、そんなに簡単やったらええなと思います。だから、一日中、あるいは午後中コーディングしてる時、私はバイブに乗ってるわけやないんです。それは深い知的な作業なんです。そして、バイブコーディングという用語は、それが実際よりも簡単やと人々に思わせると思うんです。
正直言うと、AI支援コーディングを一日した後は、精神的に疲れ果てるんです。だから、AIが私たちに真剣なシステムを構築し、これまで以上にはるかに速く製品を構築させてくれる急速なエンジニアリングだと考えてるんです。でも、それは本当に急速に行われるエンジニアリングなんです。
スタートアップの変化
これがスタートアップの性質を変えてると思いますか？必要な人数、物事の構築方法、物事へのアプローチ方法、それとも同じ古いアプローチだけど、これらのツールのおかげでより多くのレバレッジを得る人々がいるだけだと思いますか？
AI Fundでスタートアップを構築していて、急速なエンジニアリング、AI支援コーディングがスタートアップの構築方法をどう変えてるかを見るのは本当にエキサイティングです。
6人のエンジニアのチームが3ヶ月かけて構築してたであろう多くのものを、今日では私の友人と私が週末に構築してるんです。
私が見ている興味深いことは、スタートアップを構築することについて考えると、私たちがすることのコアループですよね。ユーザーが愛する製品を構築したいんです。だから、コアの反復ループは、ソフトウェアを書く、そのソフトウェアエンジニアリング作業、そしてプロダクトマネージャーがユーザーテストをして、それを見て、製品を改善する方法を決定することです。
このループを見ると、コーディングの速度が加速し、コストが下がってるので、ボトルネックは実際にはプロダクト管理になってきてるんです。
プロダクト管理のボトルネックは、今や私たちが欲しいものをはるかに速く構築できるけど、実際に何を構築したいかを決定することがボトルネックになってることです。以前にプロトタイプを構築するのに3週間かかって、ユーザーフィードバックを得るのに1週間必要やったとしたら、それは問題なかったんです。でも、今やプロトタイプを1日で構築できるなら、ユーザーフィードバックを1週間待つのは本当に痛いんです。
私のチームが、正直なところ、ますます直感に頼ってるのを見てます。なぜなら、ユーザーが何を望んでるかについての私たちの非常に人間的なメンタルモデル、私たちの脳のメンタルモデルを知らせる多くのデータを収集して、それから深い顧客共感を持って、本当に本当に速く製品決定を下し、進歩を推進する必要があるからです。
プロダクト管理の自動化
それの一部を実際に自動化するものを見たことありますか？例えば、一連のボットがリアルタイムで反応して、それがあなたの市場やユーザーベースをシミュレートされたユーザー環境として形成するようなもので市場調査を生成しようとしてる人々のバージョンがあることを知ってます。
そのようなツールが機能したり、普及したりするのを見たことがありますか？それとも、それが来ると思いますか？それとも、それは難しすぎると思いますか？
プロダクト管理を速めるためのツールがたくさんありました。最近のFigma IPOは、デザインAI Heidiの素晴らしい例の一つですね。HeidiとDylanが素晴らしい仕事をしました。
それから、AIを使って見込みユーザーにインタビューを支援しようとするツールがあって、あなたが言ったように、ユーザーのグループをシミュレートするためのAIエージェントの群れを使うことや、それをどう較正するかについての科学論文を見ました。すべて有望で初期段階で、将来的には非常にエキサイティングになることを期待してます。
しかし、これらのツールがプロダクトマネージャーを加速させてるとは思いません。コーディングツールがソフトウェアエンジニアを加速させてるほどには。だから、これはプロダクト管理側により多くのボトルネックを作ってるんです。
創業者プロフィールの変化
私のパートナーのマイクには、コンピューターが今や人間を大規模に尋問できるという考えがあって、これはいくつかの異なる方法で広く適用可能だと思うんです。Lucen Labsのような会社が消費者研究タイプのタスクでこれに取り組んでる会社がありますよね？でも、トレーニングのためのタスクを理解したり、あなたが説明したデータ収集の部分のためにも使えるでしょう。
この反復ループにいるあなたのチームについて考える時、意味のある創業者プロフィールは時間とともに変わったんでしょうか？私には、世界が2022年にやってたことで2025年にはうまくいかないことがたくさんあります。
実際、よく自分に問いかけるんです。今日やってることで2022年にもやってたことがあるか？もしあるなら、見直して、今日でもまだ意味があるかを確認しましょう。なぜなら、2020年の多くのもの、2020年の多くのワークフローは今日では意味がないからです。
だから、今日では技術が非常に速く動いてると思います。agentic技術の上にいる創業者、つまりtech指向のプロダクトリーダーは、よりビジネス指向で、よりビジネスに精通してるけれど、AIがどこに向かってるかについて良い感覚を持たない人よりも、成功する可能性がはるかに高いと思います。
この技術が何をできないかについて良い感覚を持たない限り、戦略について考えることや、会社をどこに導くかを考えることは本当に困難だと思います。
私たちもそれを信じてます。クールですね。
それは昔ながらのシリコンバレーのようなもんですね。GatesやSteve Jobs、Wozniak、あるいは半導体コンピューター、初期インターネット時代の本当に初期のパイオニアの多くを見ても、彼らは皆非常に技術的でした。
だから、少しの間それを失ったような気がするんですが、今では技術会社には技術的なリーダーが必要であることが非常に明確になってます。以前は「あ、彼らは以前に一度エグジットしたことがあるから」とか「2回でもエグジットしたことがあるから、またその創業者を支援しよう」と考えてました。でも、その創業者がAIの最新情報についていってるなら、それは素晴らしいことですが、そしてその一部は、AIが急速に変化してる技術的破壊の瞬間では、それが希少な知識だということです。
実際、モバイル技術を例に取ると、モバイル電話が何をできて何をできないか、モバイルアプリが何か、GPSなど、みんなある程度知ってますよね。みんなそれを知ってます。だから、そのためのモバイルアプリを構築できるかどうかについて直感を持つために非常に技術的である必要はありません。
でも、AIは非常に急速に変化してます。音声アクト、ワークフローで何ができるか、基盤モデルがどれほど急速に、推論モデルが何か。だから、その知識を持つことははるかに大きな差別化要因なんです。モバイルゲームを構築するためにモバイルアプリが何をできるかを知ることに対して。
興味深い点ですね。最大のモバイルアプリを見ると、それらはすべてエンジニアによって始められたからです。WhatsAppはエンジニアによって始められました。Instagramもエンジニアによって始められました。UberのTravisは技術的、技術的に隣接してたと思います。Instacartも Amazon のエンジニアでした。
そして、TravisはGPSが新しいことを可能にするという洞察を持ってたんですが、だから GPSやモバイルが早期に来るのを見た人の一人でなければ、それをやりに行けなかったんです。
能力を本当に意識してる必要があるんですね。技術を知ってる必要がある。本当に興味深いです。
創業者に求められる他の特性
他にどのような特性が共通してると思いますか？例えば、努力することがある種軽視されてた時代があったような気がするんですけど、創業者は努力しなければならないと思いますか？成功する人々が、アグレッシブさ、時間、仕事のような、あなたの心の中で相関する、あるいは相関しない他のことは何でしょう？
私は非常に努力してます。私の人生では、素晴らしいキャリアを持ち、インパクトを与えたいと思う他の人々に、努力することを勧めた時期がありました。でも、今でも、社会の一部では努力することが個人の成功と相関するとことが政治的に正しくないと考えられてるので、それを言うのは少し神経質になります。
それはただの現実だと思います。人生のあらゆる時点で、すべての人が努力できる状況にあるわけではないことを知ってます。私の子供たちが最初に生まれた週には、私はあまり努力しませんでした。それで問題ありませんでした。だから、すべての人が努力する状況にあるわけではないことを認識してます。事実の現実は、努力する人々がはるかに多くを達成するということです。
しかし、もちろん、その段階にない人々を尊重する必要があります。
私は多分もう少し政治的に正しくないことを言うでしょう。スタートアップは誰にでもできるという声明があった時代があったと思うんです。私はそれが真実だとは信じません。
非常に短期間で多くの価値を生み出し、人々にインパクトを与えるという非常に非合理的なことをしようとしてるんです。非合理的なことをしようとしてる時は、おそらくかなり努力しなければならないでしょう。だから、世界を非常に迅速に動かすために必要な労働倫理が消えてしまったと思います。
「世界を変えるのは、自分にできると思うほど狂った人々だけ」という引用があったと思います。誰が言ったか忘れましたが。世界を変えようと思って、「よし、世界を変えるのに一撃加えてみよう」と言う度胸、決断力を持つ人が必要だと思います。そして、その確信を持った人々だけがこれをできると思うんです。
それは任意の取り組みで真実であるように思われます。私は以前生物学者として働いてたことがあって、生物学でも真実だと思うし、技術でも真実だと思うし、私が見てきたほぼすべての分野で真実だと思います。本当に一生懸命働く人々が非常にうまくいくということです。それから、スタートアップでは、少なくとも私がしばらく忘れがちだったことは、競争心や本当に競争して勝ちたいと思う人々がどれほど重要かということでした。時々、人々は本当に控えめに見えるけれど、それでもその推進力と衝動を持っていて、勝者になりたいと思ってるんです。だから、それが重要だと思うし、同様に少なくとも社会的観点から、会社と比較して少しの間脇に置かれてました。
実際、私が見てきたと感じるのは2つのタイプです。一つは彼らが本当に自分のビジネスが勝つことを望んでる。それは問題ない。一部はうまくいく。一部は本当に顧客が勝つことを望んでて、顧客にサービスを提供することに非常に執着してて、それがうまくいった。
Courseraの初期の頃、競争について知ってたし、いろいろ知ってたけど、私は本当に学習者、顧客に執着してて、それが私の行動の多くを推進したんです。
それは本当に良いフレームワークで、私が競争と言う時、必ずしも他の会社との競争を意味してるわけではなく、自分で設定したメトリックや勝ちたいもの、最高になりたいものとの競争のようなもんです。
スタートアップ環境で私が見つけたことの一つは、毎日非常に多くの決定を下さなければならないということです。多くの場合、直感に頼らなければならないんです。スタートアップを構築することは、微積分の問題を解くよりもテニスをすることに似てると感じます。考える時間がない、ただ決定を下すんです。
だから、顧客と、会社と一日中夜通し執着して、本当に深く考えて、その概念的知識を持ってる人々が、誰かが「製品機能AとBのどちらを出荷するか」と言った時に、多くの場合、いつもではないけれど、ただ知ってる必要があります。そして、Jeff Bezosの言葉を使うと、スタートアップには非常に多くの「二方向ドア」があることが判明してます。正直なところ、失うものがほとんどないから、決定を下して、間違ってたら1週間後に変更すればいいんです。
でも、本当に決断力があって非常に速く動くために、通常は顧客について、技術についても執着して、本当に迅速な決定を下しながらも、ほとんどの場合正しくいるための知識の状態を持つ必要があります。
プロダクト人材の希少性
あなたが言及したプロダクト管理のボトルネックや、良いプロダクト直感を持つ人々について、どう考えますか？最もよく知られたテック系公開会社CEOの一人と話してたんですが、彼の見解では、シリコンバレー全体や世界的なテック全体で、せいぜい数百人の素晴らしいプロダクト人材しかいないということでした。それは本当だと思いますか？それとも、それに非常に有能な人々のより広い層がいると思いますか？そして、10倍エンジニアがいるように10倍プロダクト洞察があるように思われるので、それらの人々をどう見つけるかということです。それは実際に非常に稀なスキルセットのように感じます。
素晴らしい質問ですね。数百人以上の素晴らしいプロダクト人材がいなければならないと感じます。数百人以上の素晴らしいAI人材がいると思うのと同じように。でも、非常に困難だと思うことの一つは、ユーザー共感や顧客共感です。なぜなら、ユーザーや顧客のモデルを形成するためです。
データソースがたくさんありますよね。調査を実行したり、少数の人と話したり、市場レポートを見たり、他の並列や競合するアプリでの人々の行動を見たりしますが、データソースがたくさんあるんです。でも、このすべてのデータを取って、自分の頭から出て、あなたが正しく仕えたい理想的な顧客プロファイルや一部のユーザーが何を考え、どう行動するかについてのメンタルモデルを形成して、彼らによりよくサービスを提供するために非常に迅速に決定を下すこと。その人間の共感。
私の失敗の一つ、私のキャリアの初期段階でうまくやれなかったことの一つは、何らかの愚かな理由で、多くのエンジニアをプロダクトマネージャーにしようとしたことです。彼らにプロダクトマネージャートレーニングを与えて、多くの本当に良いエンジニアを良いプロダクトマネージャーでないことで気分を悪くさせただけでした。
でも、誰かが良いプロダクト直感を持つかどうかの一つの関連性は、非常に高い人間共感で、多くの信号を統合して本当に相手の立場に立って、それから彼らにサービスを提供する方法について非常に迅速にプロダクト決定を下すことができることだと分かりました。
ユーザーフィードバックへの依存度
コーディングアシスタントに戻ると、本当に興味深いことです。Cursorチームは、ユーザーと話すことに多くの時間を費やすのではなく、実際に非常に本能的に決定を下すことがかなりよく知られてると思います。あなたがユーザーで、自分自身の精神的モデルが多くの人に適用できるなら、それは理にかなってると思います。
同様に、今は時々変わるものですが、Claude Codeは使用規模にもかかわらず、今日はトレーニングループの観点からフィードバックデータを組み込んでないと思います。製品がこの段階で何であるべきかということでしかないので、それは人々を驚かせると思います。
実は、スタートアップが持つ利点の一つは、初期の段階では一種のユーザープロファイルにサービスを提供できることです。今日、Googleのようになってるなら、Googleは非常に多様なユーザーペルソナのセットにサービスを提供してるので、多くの異なるユーザーペルソナについて考えなければならず、それがプロダクト変更に複雑さを追加します。でも、市場で最初の波を得ようとしてるスタートアップの時は、広いユーザーセットを代表するのに十分な一人の人間を選んで、一人のユーザー、一人の理想的顧客プロファイル、一人の仮想的な人のための製品を構築すれば、実際にかなり遠くまで行けるはずです。
これらのビジネスの一部、CursorやClaude Codeなどにとって、内部的に非常に多くの見込みユーザーに十分近いユーザーの精神的な絵を持ってるなら、実際にその方法でかなり遠くまで行けるんです。
変化の速度と適応の課題
私たちの会社の一部で観察してることで、あなたたちも見てるかどうか興味があるんですが、ただ床が溶岩であるということです。能力の面で地面が常に変化してて、競争も既に明らかに重要で複数のプレイヤーがいるカテゴリで非常に激しいんです。だから、一世代前の会社で本当に効果的だったリーダーは、スケールしながらこれらの会社に採用された時に、必ずしもそれほど効果的ではないんです。運用の速度や変化のペースのようなもののせいで。
あなたが今日と2022年にやってたことを見て、それがまだ正しいかどうかを言うのを見るのは興味深いです。エンジニアリングリーダーやGo-to-marketリーダーで、それがどのように行われるかについて本当に素晴らしいキャリアを築いてきたなら、それはもはや適用できないかもしれません。
それは多くの人にとって課題だと思います。
多くの異なる機能の多くの素晴らしいリーダーが、まだ2022年のやり方でものをやってるのを知ってます。新しい技術が来た時は、それは変わらなければならないと思います。
かつてはウェブ検索のようなものは存在しませんでした。今日、ウェブを検索する方法を知らない人を任意の役割で雇うでしょうか？そして、多くの職種で、効果的な方法でAIを使えないなら、使える人よりもはるかに効果的でないと思います。
実は、AI Fundの私のチーム全員がコーディング方法を知ってます。みんな良いアカウントです。私のチームメンバーの多くにとって、私のアシスタント法務顧問やCFOや受付係がコーディングを学ぶ時、彼らはソフトウェアエンジニアではないけれど、コンピューターの言語を学ぶことで、コンピューターに彼らがやってほしいことをより正確に伝えることができ、コンピューターが彼らのためにそれをやってくれるので、彼らの職務をより良く行えるようになるんです。
急速な変化のペースは多くの人にとって当惑するものだと思います。でも、世界がこのペースで動いてる時、世界のペースで変化しなければならないだけだと思います。それは、特にプロダクトについての採用で現れます。
私が関わってるある後期段階のAI会社では、プロダクトを運営する人とデザインを運営する人の検索をしてたんですが、どちらの場合でも、バイブコーディング、AI支援コーディングツールの使い方を本当に理解してる人を選択しました。なぜなら、彼らが言うには、あなたのポイント通り、何かを非常に迅速にプロトタイプできて、それがどのように見えるか、感じるか、非常にシンプルな方法で何をするかを単にモックアップできないなら、プロダクト要求仕様書やその他すべてを書いて話し合うのに膨大な時間を無駄にしてるということです。
だから、製品を開発するために使うプロセス、さらにはそれをピッチすることについてさえ、どう考えるかというシフトがあると思います。製品について話す時の会議に何を持って現れるべきか。時にはプロトタイプを持ってくるべきです。
完全にそうです。最近、ある役職のためにエンジニアを面接してて、約10年の経験を持つ人を面接しました。フルスタック、非常に良い履歴書でした。新卒も面接しました。違いは、10年の経験を持つ人はAIツールをあまり使ってなくて、新卒は使ってたことでした。私の評価では、AIを知ってる新卒の方がはるかに生産的で、代わりに彼らを雇うことにしました。素晴らしい決定だったことが判明しました。
今日私と働いてる最高のエンジニアは新卒ではありません。10年、15年、またはそれ以上の経験を持つ人々ですが、彼らもAIツールを本当に使いこなしてて、そのエンジニアたちは完全に別格です。
ソフトウェアエンジニアリングは、他の分野で起こることの先駆けだと実際に思います。なぜなら、ツールがソフトウェアエンジニアリングで最も進歩してるからです。
リーガルテックの変革事例
私たち両方が関わってる会社の一つがHarveyと呼ばれてて、私が彼らのシリーズBをリードしたんです。それをした時に、多くの顧客に電話をかけました。それらの顧客電話で最も興味深かったことは、リーガルは新しい技術を採用するのが困難な職業として悪名高いですよね。素晴らしいリーガルソフトウェア会社は多くありません。
私が電話をかけた顧客は、大手法律事務所やHarveyを採用するのにかなり進んでる人々でしたが、彼らは皆、これが未来だと思ってました。皆、AIが彼らの業界にとって本当に重要になると思ってました。彼らが提起する主な質問は、「これがユビキタスになった世界では、100人のアソシエイトを雇う代わりに10人しか雇わず、大きなプールがないなら、将来のパートナーや昇進させる人についてどう考えるか」のようなものでした。
そのマインドセットの変化は本当に興味深いと思ったし、あなたのポイントに対して、それはすべてのこれらの市場や業界に浸透してると感じます。業界ごとに人々がビジネスの側面を本当に興味深い方法で再考し始めてるのをゆっくりと起こってるけれど、この変革が起こるのに10年、20年かかるでしょうが、最も早期に採用してる業界や最も深く考えてる人々を見るのは魅力的です。
私もリーガルスタートアップのKosが、AI fundが構築を支援してるんですが、非常にうまくいってると思います。将来の仕事の性質は非常に興味深いと思います。多くのチームが多くの仕事をアウトソースしてることになったと思います。部分的にはコストのためです。
でも、AIとAIアシスタンスを使って、本当に小さくて本当にスキルの高いチームがたくさんのAIツールを持つことが、はるかに大きくて、より低コストのチームで、少ない調整コストを上回るのではないかと思ってます。
実際、私が今参加してる最も生産的なチームの一部は、私が参加してる最小のチームよりも小さいチームです。たくさんのAI対応を持つ本当に良いエンジニアの非常に小さなチームで、非常に低い調整コストで、すべて一緒に対面でいます。世界がどう進化するかを見てみましょう。電話をするには早すぎますが、世界がどこに向かうかもしれないと思ってる方向を見ることができます。
私は今、いくつかのチームと働いてます。そのうちの一つはOpen Evidenceと呼ばれ、現在米国の医師の50%のようなかなり良い浸透率を持ってて、インパクトを成長させながらできるだけ小さくいることを明示的な目標として試してる会社です。時間が経つにつれて会社で成長する必要がある多くの機能があるので、これらの会社がどこに着地するかを見ることになるでしょうが、それは確実に私が聞いたことがある目標ではありませんでした。
実際、私は2010年代にその目標をよく聞いたことがあって、実際にかなり劇的にアンダーハイアしたり、利益を上げ続けて利益を上げてることを自慢してたけれど、成長はもっと強くなり得たであろう多くの会社があると思います。だから、実際にそれは罠の一部だと思います。
それは基本的に、あなたが会社の進歩に対してあまりにもレイジーダジカルか、あまりにも受け入れてるかということです。相対的にはまだ素晴らしく進んでるから、うまくいってるだけです。はるかに良くなり得るけれど、まだ素晴らしく進んでるんです。だから、「見て、チームを小さく保つ。超リーンになる。お金を一切使わない。私がどれほど利益を上げてるか見て」と言うようになります。
時々それは素晴らしいですよね？資本効率は素晴らしいけれど、時々実際に機会を逃したり、できるほど速く行かなかったりして、通常、スタートアップライフの初期段階では他のスタートアップと競争してて、はるかに先にいるなら素晴らしく感じますが、最終的にあなたの市場に既存企業がいるなら、彼らが入ってきて、より速く市場を獲得してアップマーケットに移動するほど、彼らが何が起こってるかを理解してキャッチアップする時間を与えないので、しばしばスタートアップライフの5、6、7年目に実際に既存企業と競争することになって、彼らがディストリビューションや他のもので殺してしまうんです。
だから、人々は本当にマークを外してると思います。SlackとTeamsのようなものだったと議論できるでしょう。デザイン面では、覚えてますか？Bohemian Codingでしたね。彼らはオランダにいて、とても幸せでした。利益を上げてて、素晴らしくやってました。そしてFigmaの波が来たんです。
チーム規模の最適化
あなたの会社がこの小さい状態を保つと思いますか？あなたのチームがこの小さい状態を保つと思いますか？私のチームがこの小さい状態を保つと思いますか？
効率性の観点から、10人、50人、100人のチームで数百万、数十億の人々に実際に影響を与えることができるかということですか？
チームは確実に以前よりも小さくなれると思います。でも、私たちが過剰投資してるか過小投資してるか？そして、あなたのポイントに対して、市場ダイナミクスの分析ですよね。もしそれが勝者総取り市場なら、インセンティブはただ行かなければならない。動く必要がある。
Minecraftが Microsoftに売却された時は何人だったと思いますか？5人かそれくらいで、数十億ドルで売却され、大規模に使用されました。
人々はこれらの例をすべて忘れてると思います。突然、本当にリーンに物事をできるようになったということです。以前でも常にリーンに物事をできたんです。本当の質問は、人員でどの程度のレバレッジを持ってたか？どうディストリビュートしたか？実際にお金の後ろに投資する必要があったものは何か？ということです。
そして、AIを使った小チームが非常に効率的である理由の一つは、小チームが一般的に効率的だからだと議論できるでしょう。邪魔になる30人の余分なカスタマーを雇わなかったんです。多くの場合、人々はそれをします。例えば、今の大手テック企業を見ると、すべてではないけれど、多くは70%縮小してより効果的になれるでしょう。
だから、人々はa）AI効率性、b）通常それらを持たないであろう市場に裁定される高価値資本の存在も忘れてると思います。リーガルは良い例で、素晴らしいエンジニアはリーガルで働きたくなかったけれど、Harveyのようなもののおかげで今は働きたいと思ってます。ヘルスケアでも、突然これらの素晴らしい人々が現れますが、もう一つの部分は、小チームがより効果的になりがちで、AIがチームを高度に小さく高性能に保つ他の理由を議論するのを助けてくれることです。それはあまり議論されてないと思います。
AIの直感がそれほど重要である別の理由だと感じます。ある週に2つの異なるチームメンバーと2つの会話をしたことを覚えてます。一人は私のところに来て「ねえアンドリュー、これをやりたいんだけど、これをするためにもう少し人員をくれる？」と言いました。私は「いいえ」と言いました。その週の後で、独立して別の誰かが非常に似たようなことを言いました「ねえアンドリュー、これをするためにAIを雇う予算をくれる？」私は「はい」と言いました。
その認識では、このためにもっと多くの人間ではなく、AIを雇うんです。その直感を持たなければならないんです。
次の産業変革
ソフトウェアエンジニアリングで起こってることを次の産業変革の先駆けと考えると、あなたはアプリケーションレベルでの投資や物事の構築に多くの時間を費やしてます。次は何だと思いますか？次に何になってほしいですか？
ツーリングレベルで多くのことがあると感じます。実際にランクリストを好むでしょう。この種のものに投資してるんです。
実際に本当に興味深いと思うことの一つは、ウェブエコノミストがAI破壊のリスクが最も高い仕事についての多くの研究をやってることです。実際に時々それらを見て、プロジェクトを構築するアイデアを見つける場所のインスピレーションにしてます。
私の友人の一人、Eric Brynjelsson、彼と彼の会社Helixは私たちが関わってて、その性質において非常に洞察に富んでます。彼を好きです。だから、時々彼と話すことは有用だと思います。
実際に私が学んだ教訓の一つは、トップダウン市場分析の観点では、AIは非常に多くのアイデアがある標的に富んだ環境だと思います。技術が非常に新しいので、まだ誰も取り組んでないものがたくさんあります。だから、AI Fundで学んだことの一つは、スピードへの執着があることです。私は人生ずっとスピードへの執着を持ってたけれど、今は以前よりもさらに速く行くツールがあります。
そして、学んだ教訓の一つは、私たちは本当に具体的なアイデアが好きだということです。だから、誰かが「市場分析をやった、AIはヘルスケアを変革する」と言うなら、それは本当だけれど、それで何をすればいいか分からない。
でも、主題専門家やエンジニアが来て「アイデアがある、ヘルスケア運用のこの部分を見てください、これをすべて推進する」と言うなら、「オーケー、素晴らしい。それは具体的なアイデアです。良いアイデアか悪いアイデアか分からないけれど、少なくとも具体的で、お客様がこれを望んでるか、これが技術的に実行可能かを非常に効率的に把握して、進めることができます」となります。
だから、AI Fundで、何を構築するかを決定しようとする時、進めたい少数を選択するために長いアイデアのリストを回します。具体的でないアイデアを見るのは好きではありません。
投資企業の自動化可能性
あなたのようなインキュベーションスタジオや投資企業が2年後に手動でやらなくなることは何だと思いますか？
多くのことが自動化できると思いますが、問題はどのタスクを自動化すべきかということです。例えば、フォローオン決定をそれほど頻繁にしないんです。ポートフォリオが数十社あるからです。それを完全に自動化する必要があるでしょうか？おそらく不要です。非常に自動化が困難だから。
個々の会社に対する詳細な調査、競合調査をするのは、自動化に適してると感じます。だから、OpenAI researcherやDeepResearcherタイプのツールを多くの人が、少なくとも表面的な市場調査をするために多く使ってると思います。
LPレポーティングは大量の書類作業で、それを簡素化できるかもしれません。基本的なコンプライアンス以外は、一般的な回避戦略を取ってます。
私のパートナーの一人、Bella、彼女は以前Bridgewaterで働いてて、一塊の資本を取ってAIでBridgewaterがやってることを破壊しようとする内部努力があったところです。マクロ投資のような、非常に異なるスタイルですが、人間の判断部分である私たちのビジネスは明らかではないと思います。新卒の時に紙の上での履歴書やGitHubや少ない職歴があるとき、起業家が私たちが探してる資質を持ってるかどうか。それはあまり示唆的ではありません。
これをする他のアイデアを持つ人々を知ってます。例えば、起業家との会議の録画を見て、コミュニケーションスタイルなどから何らかの信号を得ることができるかどうかを見ようとしてる投資家を知ってます。でも、その部分は非常に困難だと思います。全体的にチームの質をランク付けするために、例えば資料を見ることについてプログラマティックにできると思います。
実際に私が感じることの一つは、AIモデルが本当に知的になってるけれど、人間がまだAIに対して大きな利点を持ってる場所のセットがあって、それは何らかの理由でAIモデルが得ることができない追加的なコンテキストを人間が持ってる場合が多いということです。創業者に会って、人としての彼らがどうであるか、リーダーシップの質やコミュニケーションなどを見極めることのようなものかもしれません。ビデオをレビューすることで、最終的にそのコンテストをAIモデルに得させることができるかもしれませんが、人間として、バックグラウンドリファレンスチェックをして、誰かが決定に影響する何気ないコメントをして、私たちがそれをキャッチすることがあります。友人は私に話すけれど、私のAIモデルには本当に話してくれないので、AIモデルにその情報を得るために必要な配管やその他のものを理解してない多くのタスクがあると感じます。
もう一つ非常に持続的だと思うのは、関係の利点に依存するもんですよね？私の会社の一つで働くよう誰かを説得していて、彼らが以前の会社で働いてて、何らかの理由で私を信頼してるなら、これが良い機会である理由についての世界のすべての情報は、私が「サリー、これをやらなあかん。うまくいくで」と言うのと同じやないんです。
会社構築が実際に投資収益と相関してるかどうかはまだ分からへんけど、その側面は完全に自動化するのが困難やと思います。
一般的な会話では、私たちは高度に技術的な人々がファーストタイム創業者になろうとするのをますます見てるので、ファーストタイム創業者が本当に素晴らしくなるために必要なすべての困難な教訓とすべての狂気を学ぶプロセスを設定する方法について多くの考えを費やしてます。
彼らが本当に素晴らしくなるために必要なスキルの80%を持ってるけど、私たちが手助けできるもう少しがある時に、創業者を成功のために設定する方法。それは非常に手動のプロセスです。
それを心配してないです。私はそれを、似たような人々や創業の旅で一歩か二歩先にいる他の人々に囲まれることができるピアグループのミックスとして見てます。それから二番目は補完的な採用です。
一般的に私の大きな学びの一つは、キャリア初期では人々は持ってないスキルを構築しようとするか、構築しようとします。キャリア後期では、本当に得意なことに寄りかかって、残りをやってくれる人を雇うんです。会社がうまくいってるなら、Bill Gatesは彼のCOOがいつも最も学ぶことが多い人やったと有名に話してて、ある規模レベルを持ったら、次のCOOを雇うんです。
創業者にとってそのレンズを通して見なあかんと思います。競争は理にかなってます。何かを学ぶ最良の方法はそれをやることやと思います。だから、ただ行って、めちゃくちゃにしても構いません。ビジネスにとって致命的でない限り、誰が気にします？だから、非常にゆるい傾向があります。おそらく会社にとって致命的やと思うものが多すぎると思います。
顧客がいて製品を構築してるかどうかのようなもんです。ユーザーが愛する製品を構築してるかですよね？それからもちろん、市場進出も重要で、すべて重要やけど、まず製品を解決して、通常は時々残りも理解できます。
ほとんどの場合、それに同意しますが、いつもではありません。反例もたくさんありますが、一般的にはあなたに同意します。時々、しょぼい製品を構築して、それを押し通すことができる販売チャネルを持つことができますが、それは私のデフォルトではありません。うまくいくこともあります。今、大企業になってる本当に悪い技術がたくさんあります。
初回創業者への支援
知識やスキルセットにギャップのあるこれらのファーストタイム、非常に技術的な創業者が、あなたが支援してる人々のコアプロファイルやとして、どのように彼らを補強しますか？彼らが始める時に何が助けになりますか？
多くのことやと思います。実際に私が気づいたことの一つは、ベンチャー企業、ベンチャースタジオでは非常に多くの繰り返しをするので、リピート創業者でさえ人生で2回か1、2回しかやったことがないものをたくさん見ることです。
だから、私の会社が創業者と一緒に座って、顧客のプロダクトマーケットフィットをより速く得る時期はいつか？本当に最新の技術トレンドの上にいるか？物事をスピードアップする方法は？資金調達の方法は？という私たちの直感を共有することが、私たちがすることのおかげで、より多くの繰り返しを持ってることで役立つと分かります。ほとんどの人は人生でそれほど資金調達をしないですよね？ほとんどの創業者は数回しかしません。それは非常に良い創業者であっても、彼らができることのおかげで助けになります。
それから、彼らの周りに他の人を雇うこと、ピアグループ、これらはあなたたちがやってることやと知ってる多くのことです。最高の創業者でさえ助けが必要やということが分かります。
うまくいけば、VCs、ベンチャースタジオがそれを素晴らしい創業者に提供できるでしょう。私よりもはるかに賢いです。リクルーティングのような、彼らができなければならないいくつかのことについて創業者を具体的にアップスキルしようとすることを自分で止めることができませんが、そうやって周りに人を置いて、仕事で学ぶことができるというより高いレバレッジの道に同意します。
最後の質問です。今後5年間のAIの広範囲な影響について、ほとんどの人が思わないことを何だと思いますか？
多くの人が数年後には今日よりもはるかに力を与えられ、はるかに有能になると思います。そして、AIを受け入れる人々の個人の能力は、おそらくほとんどの人が理解してるよりもはるかに大きいでしょう。
2年前、ソフトウェアエンジニアがAIを受け入れた時に今日ほど生産的になることを誰が理解してたでしょうか。将来、あらゆる種類の職務機能の人々、そして個人的なタスクについても、AIを受け入れる人々は、おそらく想像してるよりもはるかに強力で、はるかに有能になるだけやと思います。
ありがとう、アンドリュー。ありがとう、ありがとう。
Twitterでno prior podで私たちを見つけてください。私たちの顔を見たいなら、YouTubeチャンネルを購読してください。Apple Podcasts、Spotify、または聞く場所でショーをフォローしてください。そうすれば、毎週新しいエピソードが得られます。そして、no-briers.comでメールにサインアップしたり、すべてのエピソードのトランスクリプトを見つけたりしてください。
コメント