本動画では、IFSのCEOマーク・モファットが、AIの真の革命はオフィスではなく産業現場で起こると主張する。世界の労働力の70%はデスクワークではなく工場、建設現場、エネルギー施設などで働いており、これらの現場でこそ生成AIの真価が発揮される。具体例として、Boston Dynamicsのロボット犬「Spot」とAnthropicの大規模言語モデルを組み合わせたマンホール点検システムや、スコットランドの蒸留所での予知保全など、実際の産業応用事例が紹介される。マークは、AIによって2030年までに1億7000万の新規雇用が生まれ、労働力不足の解決と経済成長を実現すると予測する。AGIの到達を待つ必要はなく、現在の技術でも産業界に大きなROIをもたらせることを強調し、AIの価値は消費者アプリケーションではなく、エンタープライズ、特に産業分野で最も発揮されると結論づける。
AIは産業現場で真価を発揮する
AIがオフィスではなく産業現場で最大の効果を発揮する可能性があるというのは意外かもしれません。IFSのCEOマーク・モファットとこのテーマについて話をしましょう。この対話はIFSの提供でお届けします。マーク、今日はお会いできて嬉しいです。番組へようこそ。お越しいただきありがとうございます。
あなたと時間を過ごせて嬉しいですし、早速話を始めたいと思います。さて、私たちはAIについて本当によく話をします。本当に、本当にたくさん話します。その焦点は常に企業オフィスに向けられています。しかし、労働者の70%はオフィスにいません。労働の70%は産業現場で、オフィスの外で行われています。
これまで、生成AIがどのように彼らの仕事を変え、彼らを助け、プロセスを改善できるかについて、一言も聞いたことがありませんでした。しかしあなたは、AIが実際にはオフィスよりも産業界でより大きな影響を与えると信じていますね。
その通りです。考えてみてください。今話したことに基づくと、世界の労働力の70%はデスクの後ろに座っているのではなく、産業運営を行い、経済発展と繁栄を支える産業そのものを動かしています。
IFSが支援する産業の性質を考えてみてください。建設、エンジニアリング、製造、航空宇宙、防衛、通信、エネルギー、天然資源。これらはすべて産業の進歩と経済発展を推進する基盤となるものです。そしてこれらの組織のほとんどは、日々現場や運営の場で働く労働力を持っています。
ですから、その労働力を可能にするまでは、AIの完全な恩恵を得られないというのは理にかなっています。でもちょっと待ってください。聞いてください、私は弁護士ですよね、仮に。実際にはそうではありませんが、この例では。ちなみに私は会計士の経歴があります。
それなら会計の例で話すこともできますね。そうですね。大量のデータをChatGPTに入れて、自然言語でクエリを投げれば、今日にも答えが返ってきます。しかし、工場のラインで働いていたり、産業現場で運営を管理していたりする場合、生成AIがその環境でどのように適用できるのか、完全にイメージするのは難しいです。
では、どうやってやるんですか。まさにその通りです。私たちが実際に取り組んでいる例を考えてみてください。Boston Dynamics、Eversource Energy、そしてAnthropicと共同で開発中の実際のユースケースです。3つの組織が一体となって、マンホールダクトの点検を全く異なるレベルで運用しています。
実際にはどうなっているかというと、Boston DynamicsのSpotロボットを5キロメートルのマンホールダクトに送り込みます。Eversourceはマサチューセッツ州ボストンの法律により、定期的にそのマンホールダクトを点検することが義務付けられています。
そのロボット犬は、マンホールダクト全体を通じてライダー、ビデオ、画像、ガスセンサー、熱、温度、圧力などを収集しています。変圧器の亀裂や問題、その環境の課題を発見しますが、これは人間がしばしば見逃したり、同じレベルの精度で捉えられなかったりするものです。変圧器のストレス要因が発見されると、即座にGPS座標が記録され、すぐに作業指示が出され、予備部品を探し、作業員を派遣します。
これらすべてがほぼ瞬時に起こります。代替案を考えてみてください。人間がそれを行う場合、多くの場合、その仕事をやりたがりませんし、リソースの確保も難しく、それを発見できないかもしれません。そして壊滅的な故障が発生し、稼働時間の問題や送電の問題、あらゆる種類の問題が発生します。
ですから、この件におけるAIは明らかに運営を変革します。ちなみに、これがあなたとお話しできてとても嬉しい理由です。なぜなら、これらは冒頭で話したように、私たちが聞くことのないユースケースだからです。
しかし、ChatGPTの導入から約3ヶ月が経ち、自然言語とLLMがどのように以前に見られたデータを活用して実際に有用にできるかという応用例が見え始めています。私たちはAIのROIについていつも話していますが、ここは実際にROIを得られる場所のようです。では、あなたが話した例でのテクノロジースタックについて説明してください。
明らかにロボットのSpotがあり、犬のように見えます。それが環境の中を進んでいきます。そして、見るものの違いを拾い上げる視覚インテリジェンスを備えた機械学習があり、それが意思決定を行うLLMに送られるのですか。
その通りです。また、IFSが他の公益事業会社のために処理してきた何千ものワークフローとデータによって調整されます。どの部品を配備すべきか、どのサプライチェーンを起動すべきかを知っています。しかし、一般的なLLMでは、その環境で必要なものを発見することはできません。その問題の環境に対する特定のトレーニングと適応が必要です。
ですから、Spotの犬をEversourceの運営全体に適用することと、北米の顧客として他の公益事業会社と協力すること、OEMの情報やパターンと繰り返しの確率を理解するための他のデータと合わせて、これらすべてを特化したモデルのセットにまとめると、ROIを提供する能力は飛躍的に向上します。
IFSについて少し話をしたいと思います。なぜなら、ここには多くの動く部品があるからです。ロボット犬がいて、Anthropicの大規模言語モデルがありますが、これらの信号を現場の人々に伝えるために、中間に何らかのシステムが必要です。ではIFSがここで果たす役割について話してください。
今朝、私たちが主催しているイベント、Industrial X Unleashed、「産業Xの解放」と呼んでいるイベントで話したことですが、これは私がXの次元をもたらすことと説明しているものに関するものです。進歩と可能性の4つの次元、またはエンジンと呼んでいるものです。
これらすべてが関与する必要があります。モデルがあり、インフラストラクチャとデータがあり、ロボティクスがあり、そして再発明パートナーがいます。私たちはしばしばパートナーと協力します。アドバイザリー企業、トップティアのコンサルタントと。なぜなら、運営やチーム、スキル、能力を根本的に変えるとき、これらすべてが一緒になって、組織をAからBへ移動させなければなりません。それは一夜にして魔法のように起こるものではありません。
変化への抵抗などがあります。IFSは何十年もの間、私たちがサービスを提供する産業を支援してきました。組織全体が、私たちがサービスを提供するすべての産業の親密さを理解することに向けられています。そして、私たちはこれらの産業におけるフィールドエンジニア、資産保守、ERPのためのワークフローを40年以上にわたって開発してきました。
ですから、私たちにはノウハウが組み込まれています。バリューチェーンを調整する方法を知っています。IFSは進歩と可能性の4つのエンジンの中心に位置しています。私たちのプラットフォーム、アプリケーションスタックは消えません。なぜなら、現場の一般労働者には、まだ一貫性が必要だからです。彼らは日々のタスクをどのように実行することが期待されているかを理解する必要があります。
私たちは、別の例で言えば、電話塔や電力塔の上にいるエンジニアに、LLMをその場で使うように求めているわけではありません。彼らは、自分の仕事の自然な流れの中でAIを使用し、消化し、消費する必要があります。それがIFSの役割です。
それで、大規模言語モデルがここで果たす強化について話したいのですが。なぜなら、IFSは過去において、間違いなく私の理解が正しければ、何かが間違いを起こすタイミングを予測することに取り組んできました。
その通りです。Boston Dynamicsとのロボット犬の件は新しいことなのか、それとも常にこれらのロボット犬と協力してきたのですか。新しいことです。新しいことです。私たちはこの市場の進化を見てきて、自分たちだけではこれができないことを認識しました。それは極めて傲慢なことでしょう。そして、ロボティクスの分野で起こっている多くのイノベーションがあり、そこに流れているすべての資本と、そこで利用可能な専門知識があることを認識しています。特にBoston Dynamicsは、人間型ロボットを開発していないわけではありませんが、今は開発していますが、産業の課題に対応する異なるフォームファクターを開発してきた世界から来ており、Spotはその具現化です。
ですから、私たちは、顧客が必要としていると信じるイノベーションのレベルにアクセスするつもりなら、これらの業界参加者と協力しなければならないことを認識しています。
さて、これで新しいデータポイントが入力として得られました。それがあなたのシステムに入ります。そして私にとって興味深いのは、LLMがなければ、それはただそこに座っているだけかもしれないということです。しかし今できることは、現場の人々に対してプロアクティブになり、データポイントが自然言語に翻訳され、そこで働いている人々に伝えられるようになったので、かなり迅速に物事に取り組んでもらうことができるということです。
非常に良い指摘です。なぜなら、LLMと自然言語の観点から私たちが見ているものは、技術者のために全く新しいエンゲージメント層を導入したということだからです。彼らは音声、ビデオ、写真を使って、手元の仕事を行うためにこれらの他の機能を引き込むプラットフォームに組み込まれているすべてのインテリジェンスと関わることができます。
別の例を挙げると、航空機エンジニアがジェットエンジンで見たことのないものに直面した場合、OEMが設定したメンテナンスで要求される修理を行うためにジェットエンジンを分解しているとき、彼らは自然言語を使って、手元のタスクを助けるために蓄積されたすべてのインテリジェンスと関わることができます。
さらに一歩進めると、私たちはNVIDIA Jetsonテクノロジーとメトロポリスプラットフォームの使用を検討して、これらの技術者に拡張現実を提供しています。技術者がタスクを実行しているとき、そのエッジベースのチップと、そのチップに搭載できる10億のパラメータを持つLLMを使用して、エンジン部品のトルク設定についてリアルタイムのガイダンスを得ることができます。
可能性という点では、本当に驚異的です。さて、Anthropicについて話したいのですが。Anthropicは大きなパートナーです。私たちは再び、ニューヨーク市で開催されたこのIndustrial X Unleashedイベントにいます。ニューヨーク市は、イベントを開催するのに素晴らしい都市ですね。同意します。そしてAnthropicがLLMで重要な層を提供しています。
では、彼らがこの全体像にどのように適合するか、少し話してください。私たちは常に市場でイノベーションがどのように起こっているかを見ており、もちろん私たちはフロンティアモデルを非常に注意深く追跡してきました。そして私は、DarioやAnthropicの他の共同創設者が戦略的ポジションをどのように設定したかを聞いて、非常に魅力を感じました。彼らは明確にエンタープライズに焦点を当てています。私たちの経験と見てきたことに基づくと、これは他のフロンティアモデルのいくつかよりも焦点が少ないと思います。確かに何らかの関連性はあると思いますが、Darioとチームはエンタープライズに非常に焦点を当てているようです。
彼らはエンタープライズで価値を引き出す可能性を見ていますが、リスクと可能性のバランスにも、私が思うに、独自に焦点を当てています。そして、私たちがサービスを提供する産業にとって、それは非常に重要だと思います。間違いを犯す余裕はありません。作業実行において99.9999%の信頼性が必要です。そうでなければ、サプライチェーンが停止し、航空機が運航停止になり、最終的には生命へのリスクが生じます。私たちが扱っているのは、そのようなミッションクリティカルな運営です。
ですから、彼らが社会的な観点から最も広い文脈でリスクがあることを理解していることは、本当に励みになりますし、私たちが見ている他のものとは違うと思います。
ですから、これら2つの要素を合わせると、Anthropicは私たちにとって非常に明白なパートナーとなりました。私たちは彼らにアプローチし、非常に迅速に、産業セクターにおいてIFSのような企業が提携する世界初のパートナーシップについての会話に入りました。その能力を一緒に発揮するためです。
どれだけ彼らを信頼していますか。非常に大きな信頼、非常に大きな信頼を置いています。しかし、信頼にはさまざまなレベルがありますよね。最初の信頼のレベルは、データで見ている信号を取ってもらうことを信頼するということです。このロボットの例に戻ると、ここに信号があります。それを誰かに送ります。その信号を私が協力している人々に正確に届けることを彼らに信頼します。
もう1つの信頼のレベルは、以前は会社によって行われていた決定を、大規模言語モデルに実際に行ってもらうことを信頼するということです。あなたはどちらの立場ですか。私たちは盲目的に頼っているわけではありません。これらのものは、あらゆる方法で厳格なストレステストを経ずに本番に入ることはありません。
最終的に現場で決定を下す能力をストレステストする方法の1つは、何百万ものシナリオを実行することです。なぜなら、より多くのシナリオを実行し、クエリを実行する回数が増えるほど、正確さを得る確率が高くなるからです。そして、コンピューティングの利用可能性がそれを可能にします。
ですから、私たちはAnthropicが、手元の仕事、つまりミッションクリティカルな性質の運営を認識していると思います。ですから、私たちは共同で必要とする信頼のレベルを得るための方法を一緒に見つけます。なぜなら、私たちのブランドがかかっており、Anthropicのブランドもかかっており、私たちが行っていることの性質は非常に重要だからです。ですから、盲目的な信頼ではありませんが、パートナーシップの性質と、私たちが組織としてどうであるかが、そのような形で信頼を育む環境を作り出すと思います。
最終的に彼らに選択をさせるということですか。最終的にはテクノロジーが選択を行わなければなりません。しかし、私が言いたいもう1つのことは、私たちはあらゆるエージェント型の能力を人間をループに入れることとバランスを取っていることです。チェックポイントはどこにあるのか。エスカレーションポイントは何か。プロセスにおけるブレークポイントは何か。それでも何らかのレベルの人間の介入が必要でしょう。それが消えることはないと思います。
その線をどこに引くか、まだ発見しなければなりません。そして、あなたは実際に彼らとかなり印象的な結果をすでに見ています。スコットランド出身の人間として、これはあなたにとって身近な例だと思いますが、スコッチの会社、蒸留所と話をしていましたね。
Grantsです。彼らは実際には緊急事態でのみほとんどの問題に遭遇していましたが、よりプロアクティブな通知と自然言語への翻訳によって、以前に見ていたであろう問題のいくつかに先手を打つことができました。それについて少し詳しく説明してもらえますか。
もちろん、100%です。彼らは新しいチームの化学品製造施設に数億ドルを投資しました。私はそれを蒸留所と呼んでいます。彼らはGlenfiddichやBalvenie、Hendricksと協力していることを隠そうとしていましたが、施設での滞在時間がどれだけかかっているかについて不満を言っていました。
冗談ですが、ご存知の通り。しかし、彼らはその施設で多くの問題を経験していました。彼らは膨大な金額を投資し、私たちは彼らとの議論を始めました。それは新しいフィールド能力の開発につながりました。そこでは、Anthropicモデルを使用して、よりプロアクティブなメンテナンス能力のセットをもたらした問題を分析し、機器や故障点、問題をインデックス化することができました。
実際にはどのように機能するのでしょうか。地上でどのように見えるかを考えようとしている人のために、少し詳しく説明してもらえますか。はい。蒸留プロセスのどこかで、温度計や弁、またはスループットが正確に読み取れていない場合、チームはテレメトリーを通じて非常に迅速にそれを把握することができました。
ビデオや写真を使って手元の問題を非常に迅速に見ることができ、エンジニアリングの図面や図表の文脈にそれを入れることができ、手元のスピリッツを作るバリューチェーンを通じて起こっていることをエンドツーエンドで診断することができました。
それは大規模言語モデルで起こっているのですか。今日、LLMで起こっていますか。私が何度も尋ねるのは、このテクノロジーについて考えるとき、これらの応用について決して考えないからです。ウイスキーを作るためにそれを考えることは確かにありません。
いいえ、そしてLLM、大規模言語モデルは、今では言語をはるかに超えています。あらゆる種類のデータを超えています。ですから、LLMという表現そのものを変える必要があると思います。実際、今では私たちはワールドモデルについて話していると思います。ワールドモデルが、私たちが話していることのより正確な説明だと思います。
あなたが得ている入力、ビデオ、写真、それらすべてがこれらのモデルに供給され、あなたが彼らを配置している世界の認識に供給されます。製造施設から取り込むことができるデータの広範なモダリティについて考えてみてください。
この一例として、流量、温度、ガス、振動、スループット測定。データをカタログ化し、取り込むことができる方法は非常に多くあります。難しいのは、それらすべてをどのようにまとめるか、そしてどのようにそれから意味を作り出すかということです。
さて、ここで労働について少し話をしましょう。なぜなら、例えばBoston Dynamicsのロボットが、私が今日見たように、工場の床を歩き回って漏れを探しているとき、これらの質問は常に出てくるからです。おそらく、コンピュータビジョンを通じて非常に効率的に、ここに漏れがあるという通知を出し、多くの時間や潜在的な製品のバッチを節約しているでしょう。
しかし、以前はそれは人がやっていたことかもしれません。では、これが今後労働にどのような影響を与えると思いますか。私は楽観主義者です。そして、私たちが経験するのは成長、経済成長であることを大いに興味を持って読んでいます。
予測では、今後数年間で世界のGDP成長率が1パーセントポイント増加するとされています。そして、世界経済フォーラムが今年初めに行った「仕事の未来」研究を見ています。彼らは、2030年までに1億7000万の新しい雇用が創出されると結論づけました。
既存の9200万の仕事が置き換えられます。私の計算では、2030年までに7800万の純新規雇用、増分雇用と雇用があります。そして、私たちが経験しているのは、あらゆる意味で経済成長です。成長について考え、その研究の一部について考え、私たちが経験してきた以前の汎用技術のシフトについて考えると、この技術は異なりますが、それらすべてが成長、より多くの労働、より多くの雇用、より多くのビジネスモデルをもたらしました。
そして、ここでも同じことが絶対に当てはまると思います。それを現実世界に当てはめると、その話を一旦脇に置いて。私たちが扱うすべての顧客、北米であれ、ヨーロッパであれ、アジアであれ、私たちがサービスを提供する産業において、程度の差はあれ、今日労働力不足に対処しています。
そして、それは労働力の高齢化によって引き起こされています。また、西側経済の再工業化によっても引き起こされています。グローバルサプライチェーンの移動、米国での再工業化、この国への製造業の進出によって引き起こされています。
これらの工場を建設する必要があります。これらのデータセンターを建設する必要があります。送電網ネットワークを改善する必要があります。私たちがサービスを提供する産業の全体像を見てください。成長です。能力への需要です。私の見解では、それに対処できる唯一の方法は、デジタルワーカーとロボティクスを使用することであり、労働力の増加成長も同様です。
日本の例がすべての人に当てはまっているようなものですね。日本は高齢化する労働力を抱えているため、これで先行してきました。高度なスキルを持つ労働力が不足しており、彼らは本当に自動化に懸命に取り組んできました。自動化とロボティクスで、彼らは皆よりもはるかに先を行っていると思います。
彼らはあそこでロボットが大好きです。そしてそれが得意です。それは私たちに起こることのプレビューですか。詳細には研究していませんが、私が理解していることから方向性としてはそう思います。そして、長期的には雇用の成長が本当にあると心から信じている環境に戻ります。
役割の性質は根本的に変わるでしょう。疑いの余地はありません。そして、それは政府、高等教育にかかる責任だと思います。今後の労働力の形はどうなるのか、そしてそれに対してどのように計画するのかを考えることです。仕事の性質は異なるでしょう。世界経済フォーラムは9200万の仕事が置き換えられると言いました。そして、それらの役割にいる個人は、スキルを強化する方法と、新しい役割を引き受けるために成長する方法について考える必要があるでしょう。
そして、高度なスキルを持つ労働力についてのこの質問に戻りますが、世界中で出てくるテーマは、高度なスキルを持つ労働者によって行われるべき仕事が、高度なスキルを持つ労働者よりも多いということです。同意します。では、これがまさに介入して、その生産性のギャップを埋め、企業がより多くを作り、市場が実際に必要としているものを提供できるようになり、そこで成長が見られるということですか。
その通りです。そして、それを非常に実用的にして、基本に落とし込むと、高齢化する労働力において、40年分の指先の経験を持つ個人がいます。彼らには、場合によっては40年以上かけて本当に開発できる生来の知識があります。
では、それを現代の技術にどのように取り込むのでしょうか。非常に基本的な手段を通じてです。これらの人々を何日も何日もインタビューします。日常の仕事で彼らに従います。彼らにカメラをつけて、彼らがこれまでに行ったすべてのレポート、すべての書き起こし、すべての作業を取り込む能力を持ちます。できるだけ多くの知識をLLM、モデルに吸い込む必要があります。
そして、OEMから得られる他のデータと合わせて、産業の性質に応じて、行うべき役割に非常に特化したモデルを作成する方法を見つけることができると思います。しばしば、困難な仕事をすることと、最初の原理的思考に到達することについて話しますが、それはしばしばそれを必要とします。
わかりました。しかし、ここで引用があります。今日ここで聞いたので、それを取り上げなければなりません。引用は、「未来の工場では、人間と犬が必要になる。人間は犬に餌を与え、犬は誰も機械に触れないようにする」というものです。
私はそれを聞きませんでした。私はその部屋にいませんでした。それはBoston Dynamicsのセッションでのことだったと思いますが、そうですか。はい、そうでした。では、それが未来だと思いますか、それともジョークの一種ですか。いいえ、いくつかのケースでは絶対にそうだと思います。
今朝、PWCのグローバル会長であるMohammad Kandiとステージで対談しましたが、彼は最近韓国で個人的に経験した話をしました。彼は製造プロセスを観察するために工場に行きました。
どの会社だったか、どの業種だったかはわかりませんが、文字通り彼が到着したとき、彼らは照明をつけました。彼はロボット、ドローン、自動化された生産ラインで全体の運営が自動化されているのを見ることができました。ですから、多くの産業において、それは断固として起こることであり、それが私が話している9200万の例になるでしょう。しかし、すべての産業に当てはまるわけではありません。
産業に非常に近い立場で働く人間として、あなたは明らかに電力の必要性と、これらの大規模言語モデルがエコシステムから取り出す予定の量を鋭く認識しています。その点での未来はどうなると思いますか。
未来は2つの面で展開されると思います。明らかに、電力生成の増加はエネルギー危機を解決する1つの方法です。エネルギー危機を解決するもう1つの方法は、既存のものからより多くを得ることです。Siemensのグリッドソフトウェアの最高経営責任者であるSabineの話を聞いていたかどうかわかりませんが、私の目を引いた統計は、停電の結果として米国で年間1500億ドルの生産高が失われているということでした。
ですから、それらの停電に対処する場合、そこでの電力消費の問題がどのようなものかはわかりませんが、それらの停電に対処すれば、その種の数字で、何かが私たちにもっとエネルギーが利用可能だと言っています。では、既存のインフラストラクチャをどのように見て、既存のインフラストラクチャからより多くを絞り出すことができるでしょうか。ダウンタイムをどのように避けることができるでしょうか。既存のインフラストラクチャでスループットを増加させることができ、それに新しい発電を重ね合わせることができるでしょうか。そして、それを行うには、明らかにさまざまな方法があります。
新しい原子力技術の導入は、明らかによりカーボン効率的なものの1つです。明らかにカーボン集約的な炭化水素を使用することができます。さまざまなものの増殖があります。また、再生可能エネルギーにもっと注意を払う必要があると感じています。主に中国から出てくる太陽光発電の技術開発の一部は、その技術でワット数を生成するコストを、これまでにないほど大幅に低下させています。
ですから、エネルギー危機に対処するには、非常に幅広いものが必要になるでしょう。ほぼ最近誰かと話していました。これは全く別のことですが、ブレイン・コンピュータ・インターフェースについて話していました。ブレイン・コンピュータ・インターフェースはある意味で、医学と並行して役立つ並行トラックになりうるものです。医師による典型的な医学があり、ブレイン・コンピュータ・インターフェースは助けになるものです。
例えば、視力を失っている場合、2つの選択肢があります。コンタクトレンズやメガネを手に入れるか、将来的には小さなプローブを挿入して、その情報を視覚野に届け、見ることができるようになるかもしれません。そして、奇妙ですが、産業においてもいくつかの類似点があるかもしれません。従来の方法でより多くの電力を作ることもできますし、テクノロジーを使って最近まで考えられなかった型破りな方法で最適化し、産業のすべてをより効率的にすることもできます。そしてそれで解決です。
その通りです。マルチモーダル。問題を解決するために、すべてを常にすべて押し進める。それが私がそれについて考える方法だと思います。そこであなたが説明し始めたことは、私の心を吹き飛ばします。しかし、それが起こったら、私が真っ先に並ぶことを信じてください。
はい、それはすでに本番環境にありますが、簡単に挿入できるようになるまでには長い道のりがあると思います。そうですね、もう少し多くの人が試してから待つかもしれません。はい、私もそうです。最初のNeuralinkの患者、Nolan Arboに会いました。
そうですか。そして私たちはビデオゲームで対戦しました。はい。彼は四肢麻痺なので、手でコンピュータを使うことができません。しかし、彼は画面上で考えることができ、カーソルが動いてクリックすることができました。すごい。
そして彼は私をそのゲームで打ち負かしました。そして彼が言った興味深いことの1つは、彼は動きについて考えることができ、カーソルはすでにそこにあるということでした。ですから、彼の予測では、この能力を持つ人々のビデオゲームのリーグができるでしょう。なぜなら、実際に指で物を動かさなければならない人々は、決してできないからです。
OpenAIから出てくるIOデバイスを予測し始めていると思いますか。もしOpenAIが最終的に私たちの脳に接続したいと思うなら、それは私が実際に彼らが大きすぎると言う時期かもしれません。はい、同意します。
しかし、彼らが話すことの1つはAGIです。私たちはそれに近づいていると思いますか。そして、正直なところ、それは重要ですか。なぜなら、AIから本当の経済的価値を得るにはAGIが必要だと人々は考えているからです。
あなたはそれを信じますか。つまり、私たちが見ている顧客の目の前にある即座の機会については、AGIは今のところ必要なステップではないと思います。つまり、実際の現実に到達しましょう。今週初めの月曜日に顧客と会いました。商業航空の顧客で、彼らは今日のテクノロジースタックで何を持っているかについて話していました。彼らはコアにIFSを持っており、メンテナンス、計画、修理、オーバーホールを支援しています。そして彼らは有機的に構築された約80の境界アプリケーションを構築しており、すべてがミッションクリティカルな目的を果たし、すべてがFAAなどの規制要件に対応しています。
そして、そのコアテクノロジーはまだクラウド上にありません。すごい。ですから、それは私が会う多くの顧客の代表です。今週、別の顧客にも会いました。港湾ターミナル事業のCEO、CIO、COOに会いました。
非常に似た状況です。まだ一部の資産がオンプレミスにあります。それが今日多くの企業がいる厳しい現実です。ですから、彼らをレガシーアプリケーションアーキテクチャからクラウドへ、AIの利用可能性を可能にし、それからAGIに到達するまでは、そこには道のりがあります。
ですから、現実は、それが超エキサイティングであり、人類にあらゆる種類の前向きな意味を持っている一方で、ビジネスに関しては、私たちが遭遇する多くのビジネスには、まず正しく整える必要がある基本的なことがあるということです。
私たちが始めたところで終わりたいのですが、それはAIのROIです。AIについて話すとき、そしてこの技術のROIについて話すとき、多くの人々が疑問に思っているのは、大規模な評価額を正当化するためにはAIがすべてのコーダーを置き換える必要があるのかということです。そして、あなたがこれらの産業環境でAIがどのように採用、展開されるかについて話すのを聞くと、ちょっと待って、これがROIが来る場所かもしれないと思います。
もしそれが工場や産業で働く人々をはるかに効率的にするなら、それは非常に価値があります。全く同意できません。そして現実は、私が推測できることに基づくと、現在のほとんどのフロンティアモデルは、Anthropicを除いて、消費者アプリケーションから収益のほとんどを上げていると思います。Anthropicは特徴的でエンタープライズに焦点を当てており、それが私たちがAnthropicと協力している理由の1つだと思います。
マーク、どうもありがとうございました。あなたと話せて素晴らしかったですし、この技術の新しい応用について私の視野を広げてくれたことに感謝します。ロブ、私を楽しませてくれて、関わってくれて、Industrial Xにいてくれてありがとうございます。喜んでです。
コメント