AIモデルの急速な進化と企業の実装スピードの乖離がもたらす、エンタープライズAIの現状と課題を解説する動画。社内チャットツールの普及から自律型エージェントの配備へとシフトする中で、高騰するトークンコストの予算管理や、各事業部門への予算分散といった新たな財務・運用の課題が浮き彫りになっている。また、デスクワークへのAI導入において、アクセス制御やデータの整合性、文脈の分散が大きな障壁となっている。これらを解決する「社内FDE」という技術職の台頭や、生産性向上による新たな業務と雇用の創出（ジェボンズのパラドックス）、既存ソフトウェアと連携するヘッドレスAIの未来について、企業の現実的な視点から論じている。
企業向けAIの現状と実装の難しさ
例えば、皆さんがGPT-5.5やClaudeのOpusを導入し、今すぐ一線を画すような取り組みを始めたとしましょう。この技術の普及にはおそらく2、3年はかかりますし、エコシステム全体として組織の変革管理を協力して進めることもできるはずです。しかし問題は、顧客が標準的なアーキテクチャを実装するよりも早いペースで技術革新が起き続けている点にあります。そして、その新たな技術革新によって、最後に実装したばかりの仕組みが時代遅れになってしまうことが多々あるのです。これは非常にほろ苦い現実です。テクノロジーが進化しすぎるあまり、以前に導入したものが陳腐化してしまい、結果として全社的な展開により長い時間がかかってしまうという状況が起きています。
こんにちは、FirstMarkのマットです。マッド・ポッドキャストへようこそ。本日は、BoxのCEOであるアーロン・レヴィ氏を再びゲストにお迎えしました。アーロン氏は、自律型AI（エージェントAI）に関して、現在のテクノロジー業界で最も深く思慮を巡らせているCEOの一人であり、世界最大級の企業でAIが実際にどのように配備されているかを最前線で見つめています。
今回のエピソードでは、高騰するトークンコスト、AIモデルの進化が逆説的に企業の導入スピードを遅らせている理由、ヘッドレスソフトウェアの台頭、社内FTEE（AIによるフルタイム相当の労働力）の出現、そしてスタートアップが依然として勝機を見出せる領域など、エンタープライズAIにおける今最も切実なテーマに深く切り込みます。いつも素晴らしいお話を聞かせてくれるアーロン・レヴィ氏との対談を、ぜひお楽しみください。
アーロン、お会いできて嬉しいです。
やあ、また戻ってこられて嬉しいよ。ありがとう。
こちらこそ、またお時間をいただきありがとうございます。あなたは私たちのテックエコシステムにおいて、非常に特別でユニークなポジションにいると感じています。というのも、長年にわたりシリコンバレーのインサイダーとして活躍され、最近では自律型AIの可能性を完全に信じ切っている一方で、上場企業のCEOとして、GEやプロクター・アンド・ギャンブル、モルガン・スタンレーといった世界最大級の企業へ製品を販売しているからです。まずはこのあたりから話を始めるのが良さそうですね。最近のシリコンバレーやベイエリアのテック界隈の盛り上がりと、グローバル2000に名を連ねるような大企業との間のギャップは、どれほど広がっているのでしょうか。
興味深いことに、私たちは常にそのような架け橋としての役割を果たしてきました。私たちが一貫して考えてきた本質的なコンセプトを一つ挙げるとすれば、それは「極めて高度なテクノロジーのブレイクスルーを取り込み、それを現実のビジネスの世界へとつなぐこと」が私たちの仕事だということです。クラウドコンピューティングの極めて初期の段階では、無限のストレージをクラウドに移行できるようになりました。しかし、それを多くの企業の手に届けるためには、シンプルなインターフェースや高度なセキュリティが必要でした。そのため、私たちは常に両方の世界に片足ずつ突っ込んだ架け橋であり続けてきたのです。一つの世界は、すべてが毎秒100万マイルの猛スピードで動いている極めて先進的な世界であり、もう一つの世界は、変革管理が必要で、システムのアップグレードを行わなければならない現実の世界です。私たちはクラウドの時にもそれを経験しましたし、現在はAIによってその新たな局面を確実に目撃しています。
ただ、ここで一つ付け加えておきたいのは、これは単に「シリコンバレー対その他の世界」という構図だけではないということです。より正確には「シリコンバレーのエンジニアリング対その他の世界」と言えます。明確にしておくと、現在AIに深く関わっているような企業のエンジニアリング部門にいる人であれば、シリコンバレーのエンジニアとかなり近い感覚を持っているはずです。したがって、より大きな問いは「シリコンバレー対エンジニアリング以外のナレッジワーカー」という構図になります。これこそが現在の大きなテーマです。私たちが知る限り完全に離陸したAIコーディングエージェントの仕組みから、組織のそれ以外の部門における自律的な業務へと、どのように移行していくのか。その展開はどのようなものになり、ユースケースはどう定義され、どのように実装されていくのか、という点です。
言うまでもなく、これは私たちが対話するあらゆる顧客企業において、現時点で最大の関心事となっています。私は今年だけでも、フォーチュン500やグローバル2000に属する企業のCIO（最高情報責任者）数百人と話をしてきましたが、かなりのサンプル数が集まっていると思います。そして、企業とのあらゆる対話において、このテーマが唯一無二の議論の中心になっていると言えます。あらゆる企業が解決しようとしている主要かつ根本的な課題です。
ただ、私たちはまだ信じられないほど初期の段階にいます。これが最も大きな結論になるでしょう。AIの波が始まってからもう3、4年は経っているのになぜ初期段階なのかというと、誰もが企業内でのチャットシステムの最終的な展開計画をやっと理解し始めたばかりだからです。皆、ようやくそのシステムを社内に送り出すことができたことを、当然のことながら誇りに思い、満足しています。明確にしておくと、一部の組織ではまだ展開の途上にあります。ナレッジワーク向けのチャットシステムには、今後5年ほどの成長の余地が残されているでしょう。
しかし、それが起きているまさにその瞬間に、AIの能力はさらにその先へと拡張されました。そのため、誰もが席に座ってこう考えています。質問を投げかければ回答が返ってくるというチャットの段階から、一歩先へ進むにはどうすればいいだろうか、と。チャットによる生産性の向上は、人間が対話を行う能力によってスピードが制限されてしまいます。しかしこれからは、企業内で実際に稼働し、実務をこなしてくれるエージェントを配備したいと考えているのです。タスクを処理させることもあれば、チャットを起点に起動させることも、あるいはバックグラウンドで常に状態を維持しながら自律的に実行させることもあるでしょう。ワークフローの中で起動させるかもしれません。今や誰もが、チャットの仕組みは理解できたと考えています。ちなみに、その仕組みが理解されたとはいえ、市場シェアの動向は今も変化し続けており、各社が導入するツールにも多くの変遷が見られます。そして現在、誰もがこう言っています。これからはエージェントを配備する、これらは遥かに先進的で、高い能力を持つようになるだろう、と。これこそが大きな議論のテーマであり、業界全体として私たちはその初日に立っている状態です。
企業の雰囲気はどのようなものでしょうか。あなたがチャットについて言及されたのは興味深いです。というのも、私自身のサンプル数はあなたより少ないものの、グローバル2000に属する企業の一部からは、このような声が聞こえてくるからです。「2年前、テック業界の人たちがやってきて、このチャットツールを導入しなければ時代遅れになる、社内チャットをやるか死ぬかだと言われて非常に緊迫感を持っていた。それでパイロット版を導入してみたが、実際には大して機能しなかった。それなのに2、3年経った今、またやってきて、今度はエージェントが本命だ、これをやらなければ生き残れないと言い出している」といった具合です。懐疑主義と熱狂の間で言えば、大企業の雰囲気はどのあたりに位置していると思われますか。
最も広い範囲のサンプルから判断すると、全体的な雰囲気は、今あなたが表現されたような一部の皮肉めいたCIOたちの見方よりも、統計的にはるかに楽観的な方向へ傾いていると思います。なぜなら、私たちの主な対話相手であるCIOたちは、自身のエンジニアリングチームがクラウドコードやCursorなどのツールを使い、そこから生産性の向上が生まれているのを目の当たりにしているからです。彼らは「チームがアプリを遥かに速く構築している。ITプロジェクトにずっと迅速に取り組めるようになった。セキュリティレビューの速度も上がっている」と、自分たちの部門での生産性向上を実感しています。
そして彼らは「このIT部門での生産性向上を、組織のIT以外の部門にどうやって浸透させるか」を考えています。さらに事業部門側からも「自分たちもAIツールを使いたい、これらのツールにアクセスさせてほしい」という要求が押し寄せているのです。そのため、これらのツールには今、ある種の魅力があり、現場が自律型AIの波に乗りたがっています。素晴らしいユースケースが次々と生まれているのを見ているからです。
したがって、雰囲気はガートナーのハイプサイクルにあるような典型的な幻滅期にあるというよりは、著しく楽観的で、エキサイティングで、ポジティブなものだと感じています。もちろん、これにはただ飯はないということ、すぐに魔法のように生産性が変革されるわけではないということを、誰もが冷静に理解しています。2、3年前のような浮ついた会話の段階はもう過ぎ去りました。導入すれば魔法のようにビジネスが変わるわけではないと全員が痛感している一方で、従業員からは「自分の代わりにすべての書類をレビューしてほしい」「クライアントのオンボーディングプロセスを加速させてほしい」「マーケティングキャンペーンでデジタル資産を自動生成したい」といった要望が出てきています。需要はビジネスの現場から生まれており、IT組織はコーディングの領域で実際に起きている成果を目にしています。
そのため、現在はより実践的で戦術的な課題へと焦点が移っています。これについては後ほど詳しく掘り下げていくことになると思いますが、例えばトークンコストの問題や、これを実際にどう展開するか、そしてこれらのツールを配置するための人材が社内にいるのか、といった点です。ですから、企業との会話は非常に前向きで、ますます野心的なものになってきていると感じます。ただし、コスト面だけでなく導入のプロセスにおいても、何一つ簡単には手に入らないという強い現実感を伴っています。
トークンコストの高騰と予算管理のパラダイムシフト
トークンコストの話が出ましたので、その点を深掘りしていきましょう。これは非常に興味深いテーマですし、この収録を行っている現在、極めてタイムリーな話題でもあります。今週、マイクロソフトがトークンベースの課金によってコストが維持不可能になったため、社内のクラウドコードライセンスをキャンセルしたというニュースがありました。また、数週間前にはUberのCTOも同様の課題について語っていました。大企業の間で確実に浮上してきているテーマのようですね。
ただ、公平を期すために言うと、マイクロソフトの件に関しては少し面白い形で報道が歪められた可能性があります。というのも、あの動きの本質は彼らが自社のインフラ上で動く別の仕組みへ移行したいという意図の表れだった可能性が高いからです。彼らはトークンに資金を投じることになりますが、それは文字通り自社のインフラストラクチャ上で運用されることになります。ですから、メディアはあのストーリーを少し脚色して仕立て上げるのが好きだったのだと思います。
確かにそうですね。とはいえ、企業が最も頭を悩ませているテーマであることは間違いなさそうです。ここでも、トークンを限界まで使い切ることが当たり前になっているシリコンバレーのテックエコシステムと、コストを懸念する大企業との間に一種の緊張感があります。顧客企業からはどのような声が聞こえており、彼らにどのようなアドバイスをされていますか。
実は、まだ明確に優れた推奨事項を持っているわけではありません。しかし、今企業とエージェントの現状について話をするとき、トークンのコスト、予算編成、そして予算管理の計画は、AIに関連する最も熱いテーマの少なくとも3分の1を占めています。時には、半分以上の確率でトップの課題として挙げられることもあります。
なぜなら、彼らが目にしてきたのは、業界全体がこれまで行ってきた、ある種の補助金型モデルからの移行だからです。私は個人的にそれを単なる補助金だとは考えていません。単にこれまでは、Cursorのようなツールが膨大な利用枠をサブスクリプション料金の中にうまく収められる程度には、コストが十分に低かったのだと思います。企業側も月額の利用料の中で綺麗にモデル化できていました。
しかし突然、これらのエージェントが遥かに多くの仕事をこなせるようになりました。コンテキストウィンドウは劇的に広がり、パラメータ数の増加によって推論コストは跳ね上がり、その能力も格段に向上しました。つまり、チャットボットやGitHub Copilotの予測入力機能のような従来の料金モデルは、一つのコーディングエージェントが単一のタスクで1,000ドルのコンピューティングリソースを消費するような時代には、もはや通用しなくなってしまったのです。明らかに、それをユーザーあたり月額20ドルの固定料金にすべて詰め込むことは不可能です。このパラダイムの飛躍が、わずか1年、あるいは1年未満の間に起きました。これは基本的にはベンダー側の収益曲線と完全に相関しており、コストモデリングやトークンの予算管理に関する前提がすべてひっくり返った時期にあたります。
最先端のフロンティアモデルにおけるトークンあたりの実質的なコスト自体が上昇している、という側面もありますよね。長期稼働するエージェントがより多くのトークンを消費しているだけでなく、フロンティアトークンの実質的な単価そのものが上がっています。これは、過去数年間に私たちが互いに語り合っていた「トークンのコストは常に下がり続ける」というシナリオとは完全に真逆の現象です。
その通り、100%同意します。ただ、一つ補足するとすれば、これが単に補助金モデルの終了によるものなのかは分かりません。研究所の人たちをここに呼んで確認するのが一番ですが、それよりも、モデルの規模が遥かに大きくなり、ハードウェアがすぐに安くなる見込みもなく、容量の制約に直面しているからだと思います。
ここでは、通常のコンピューティングとは異なるいくつかの異例のパターンが起きています。通常であれば規模の経済が働き、これほどの供給不足は発生せず、インフラが構築されるにつれてすべてが安くなり、ムーアの法則が適用されます。しかし私たちは、通常であれば10年かかるような普及のプロセスを、わずか18ヶ月ほどの期間に圧縮してしまいました。その結果、データセンターのプロバイダーやAI研究所が圧倒的な価格決定権を持つことになり、あらゆるものの価格を下げる必要性がなくなっています。そのため、コンピューティングコストを押し下げるような典型的な動きが見られません。今後5年から10年のスパンで見れば、コストは下がっていくと非常に楽観視していますが、現時点では明らかにそれが起きていません。私たちが通常の10年サイクルで見るべき曲線が見られないのは、その10年分の変化が今まさに12ヶ月の間で起きているからです。
結果として企業側は「この請求書には非常に驚いている」と言っています。しかしその驚きは「もうAIをやめる」という性質のものではなく、生産性の向上を実証的に得られているからこそ、渋々ながらもそのコストを受け入れているという驚きです。ただ彼らは「これはビジネスにおける非常にリアルな支出であり、社員数に応じて1人あたり20ドルを適当に上乗せすれば解決するような種類のものではない」と気づき始めています。
ここで、もう一つの微妙なシフトが起きようとしています。AIの最初の2、3年は、IT予算がそのコストを吸収することができました。会社がMicrosoft Copilotにアップグレードしたり、特定のベンダーのAIアドオン機能を導入したり、IT支出の枠内でCursorのライセンスを取得したりする形で処理されていました。ご存知のように、企業におけるIT支出は基本的に売上高の3%から7%の間に収まります。それより低いことも高いこともありますが、大体その枠内に閉じ込められています。
では、企業の売上の残りの60%、70%、80%はどこにあるのかというと、それは業務全般にわたる一般管理費や営業費用（Opus/Opex）です。もしAIが、エンジニアリングチームやクライアントのオンボーディング、マーケティングチームに真の生産性向上をもたらしているのであれば、この3%から7%というIT予算の枠内に閉じ込めておく理由はありません。その枠を飛び出して、各事業部門の予算へと移行していくことになります。
これは一見、AI業界にとっては良いことです。企業のIT支出予算による制約を受けなくなるからです。しかし一方で、非常に興味深い下流の問題が派生することになります。事業部門は必ずしもコンピューティングリソースの予算の立て方を知りません。マーケティングチームにはクラウドのコスト最適化を行うFinOpsのような仕組みはありませんし、営業チームにもありません。それは本来、クラウドの専門家やITチームが管理し、その枠内に収めていたものでした。
そのため、今後はまず財務チーム、事業部門、そしてITチームの間で、これらをどのようにトリアージしていくかという興味深い小競り合いが起きるでしょう。ある程度は、ITシステムの管理や調達の窓口を中央集権化する必要がありますが、同時に、それらをどう使うかという意思決定は分散化させなければなりません。なぜなら、100万ドルのコンピューティング費用を使うべきか、あるいはそれをマーケティングイベントやその他の施策に使うべきかを最終的に判断できるのは、その事業を推進している事業責任者だけだからです。そして、マーケティング予算や営業予算、あるいはグローバルな製造予算の中にコンピューティング予算を組み込んで管理するという手法は、全く新しいフォーマットであり、これから誰もが模索していかなければならない領域です。
AI時代の新たな課題とスタートアップの好機
現在、私たちが持っていないツールの最たるものが「トークンの投資対効果（ROI）をどのように測定するか」というものです。このサイクルのこれほど初期段階でROIについて語ること自体、不条理で滑稽に思えるかもしれませんが、実際には極めて現実的な問題です。例えば、私が今自分のコンピューターで行える処理の中には、会社が支給してくれる昼食代と同じだけの費用がかかるものがあります。ボタンを1回押すだけで、その無料の昼食1回分が吹き飛ぶのです。企業側として、従業員が何も考えずにボタンを連打し、それが組織にとって本当に価値を生み出しているのかも分からないまま、10秒間で昼食10回分のコストを消費するようなツールを、野放しに配備するわけにはいきません。
そして、そのような管理を行うためのツールはまだ存在していません。従業員自身も、コンピューティングにどれだけのコストがかかっているかを本当には理解していません。そのため、彼らはこれらのシステムを可能な限り自由に使い続けます。エージェントに与えたその1つの小さなタスクが、プロンプトの構造を少し間違えただけで200ドルかかってしまうかもしれないとは知らずに。プロンプトの構造が不適切であれば、システム全体に処理が分散し、システム内のすべてのドキュメントやデータを読み込んで計算を始めてしまいます。そのプロンプトの書き方1つの違いが、その会社における従業員の1ヶ月分の福利厚生費に匹敵する差を生んでしまうのです。
これにどう対処すべきか、私にもまだ解決策はありません。これは今後最も興味深い問いの一つになるでしょう。従業員へのトレーニングや、中央集権的なキャパシティプランニングと分散型の意思決定の組み合わせなど、新しいソフトウェアが必要になるはずです。AIコンピューティングのためのERP（企業資源計画）のような領域には、おそらく50億ドル規模のスタートアップが誕生するチャンスが待っています。つまり「これらすべてのリソースが正しい方法で使われているか」「生産されている価値をどう測定するか」「適切なチームに展開されているか」を管理する仕組みです。これらはすべて現在、手探りの状態であり、登場したばかりの概念であるため、現時点ではベストプラクティスが圧倒的に不足しています。
ポッドキャストの場で、これほど素晴らしいスタートアップのアイデアが無料で提供されるとは。ありがとうございます。ちなみに、このアイデアに対してロイヤリティを請求するようなアプローチはあるのですか。
これまではやっていませんでしたが、今この瞬間から始めるべきですね。紹介料を分け合うことにしましょう。
先ほど、補助金を出しているわけではないとおっしゃいましたが、AI研究所の側はすでに反応を始めているようです。OpenAIは、価格設定の透明性を高めるための新しい料金プランを導入しました。このような動きも、業界が進化していくプロセスの一部になるとお考えですか。
企業の課題に関する私の長い話の中で、必然的に起こるであろうことがいくつかあります。一つは、OpenAIが提供しているような、特定のワークロードがあらかじめ分かっている場合に一定の価格を固定できる「専用キャパシティ」のプログラムです。これによりコストを保護することができます。
もう一つ起こると思われるのは、モデルの「分岐」です。2年前であれば、私はモデルの能力が一つに収束していくと予想したかもしれませんが、今は逆のことが起きると考えています。コーディングや先進的なライフサイエンス、あるいは複雑な契約プロセスや財務計画プロセスには、最高峰のフロンティアモデルの能力が適用されます。そこでは、GPT-5.5の最上位モデルやOpus 4.7といったモデルが使われるでしょう。しかし、あるタスクが確実に実行できるレベルに達し、その能力が飽和して安定して処理できるようになれば、それをより低コストなモデルに切り替えて継続的に運用することができます。
私たちはまだ、そのような運用の成熟度を持ち合わせていません。なぜなら、ほんの6ヶ月から12ヶ月前までは、モデルが私たちの業務タスクをそれほど高い信頼性でこなすことができなかったからです。しかし、これが可能になり始めれば「この特定のカスタマーサービス対応に関しては、100万トークンあたり50セントにコストを抑え、それ以上には絶対に上げない。将来的にはオープンソースモデルに置き換えてさらにコストを下げる」といった制御が可能になります。一方で、コーディングに関しては依然として最高の能力を求め続けるでしょう。
結果として、企業内ではさまざまなモデルがモザイクのように組み合わされて使われるようになると考えています。平均的な企業であれば、社内で少なくとも半ダース（6つ）ほどのモデルを併用することになるでしょう。パフォーマンスの観点から、あらゆる業務をフェラーリのような最高級モデルに丸投げするようなことはしなくなります。企業はそうした運用の習熟度を上げる必要がありますし、タスクを異なるレベルのコンピューティングリソースにどう振り分けるかを測定する新しい手法も必要になります。先ほどのスタートアップのアイデアにもつながる話です。
また、企業がいずれ「そもそもこれはエージェントを使う必要すらないのではないか」と気づくユースケースも出てくるでしょう。単に従来のソフトウェアを配備すれば済むような領域です。ソフトウェアであればCPU上で動作するため、圧倒的にコストを抑えられます。
おっと、ソフトウェアですか。ソフトウェアはまだ存在しているのですね。
ええ、ソフトウェアです。エージェントに毎朝ユーザーインターフェースをゼロから再レンダリングさせる必要はない、という話です。そのインターフェースを使うためだけに、毎日30ドルも支払うのは合理的ではありません。ですから、市場の健全な競争によって、より安価なモデルが登場することも含め、多様なソリューションが混在する形に落ち着くと思います。市場は期待通りに機能し、誰かが「ここにイノベーションのチャンスがある」と気づいて特定の領域を攻めていくことになるでしょう。
企業の雰囲気やコストの側面については話せました。技術面や製品面において、進化を阻む壁という観点では、他にどのようなことが起きていますか。例えば、評価のためのハーネスや、より多くのベンダー、あるいはオープンソースのモデルが必要なのでしょうか。
もっと多くのベンダーが必要です。答えは常に「より多くのベンダー」です。ベンダーの数が命です。
VC（ベンチャーキャピタル）の支援を受けたベンダーですね。
100%その通りです。理想を言えば、VCの資金で補助金が出されているベンダーが良いですね。
優れた上場企業はみなそうですね。
あるツイートで、あるいは何度も話題に上がっていることかもしれませんが、「一部の製品にまだ補助金が出ている今のうちに、人間の限界までコードを書きまくっておけ」という話があります。これはなかなか面白いコンセプトです。もし本当に抜け目のない人であれば、市場の特定の領域を利用して、そのLP（リミテッド・パートナー）の資本を自分のスタートアップの業務をこなすために活用できるかもしれません。そのようなエクスプロイト（抜け道）を見つけられる窓口が、今まさに開いているのです。
ベンチャーキャピタルは、かつてUberの乗車料金を補助していたように、今はトークンのコストを補助するという形で、確かに世界において重要な役割を果たしています。
皆さん、VCに感謝しましょう。さて、現在最も注目されているトピックは、メディアの報道もあり、CFOを驚かせる格好のネタである「トークン」かもしれませんが、最も現実的で本質的な課題は、技術的な実装と、ナレッジワーク全般へのエージェントという形でのAIの普及（ディフュージョン）にあります。あなたはこの点について多くの発信をされており、これまでにも素晴らしいゲストを呼んで議論を重ねてこられました。私がこの会話にどれだけの新しい知見を加えられるかは分かりませんが、私が見ている現実を共有させてください。
これは、個人的に「AIサイコシス（過剰な熱狂状態）」の期間を経験し、それを乗り越えて反対側に抜け出した人でなければ分からない感覚だと思います。私自身、週末を丸々費やしてプロジェクトを構築し、「これは人類の歴史上で最も素晴らしい出来事だ、これからは従業員が1人しかいない企業が登場し、彼らがすべてをこなすようになるんだ」と興奮していた時期がありました。しかし、その熱狂の時期を通り抜けて反対側に着地すると、こう気づくのです。「いや、実際にそのシステムを維持管理するには膨大な労力がかかる。AIが引き起こす非常に多くのミスをキャッチしなければならない。プロジェクトを作った後、すべての内容をレビューし、修正し、変更することに同じだけの時間を費やしている。さらに、モデルがアップグレードされると、自分が作り上げた仕組みがすべて壊れてしまい、また最初から設計をやり直さなければならなくなる」と。
AIサイコシスの期間を一度通り抜ければ、現実の地平に降り立つことができます。私はこれらのツールのパワーユーザーであると同時に、現実のビジネスの世界も見ています。大企業の環境においては、私が週末に趣味でできているようなことをそのまま実行できる可能性はゼロに近いと言わざるを得ません。セキュリティの観点やその他の無数の理由から、企業がそれを許容することは決してないからです。
ここからは、これから取り組まなければならない課題のリスト（元帳）です。クラウドコードやCursorを使い、「これは明らかに史上最大のブレイクスルーであり、ナレッジワーク全体に波及して一晩ですべてを変革し、すべての仕事が完全に影響を受けるだろう」と考えているとします。しかし、現実のチェックリストは以下の通りです。
コーディングの領域においては、ユーザーは高度な技術を持った専門家であり、モデルはコーディングに特化して高度にトレーニングされています。さらに、コードは実際に動作するかどうかをQAやテストで検証できるため、成果物が「検証可能」であるという特徴があります。また、技術的なユーザーであるという点は極めて重要です。エージェントが何か愚かなことをしたり、問題に突き当たったりした瞬間に、ユーザー自身がそれをどう修正し、軌道に戻せばいいかを理解しています。
彼らは技術者であり、このエコシステムに深く組み込まれているため、最新のニュースやベストプラクティスを圧倒的な速さで吸収します。誰かが「君のSkillsファイルやAgents.mdファイルはどうなっている？」と尋ねれば、「ああ、それならここにこれが入っていて、あの場所に格納されていてアクセスできるよ」と即座に答えられます。これは、一般的なナレッジワーカーの会話や言語感覚ではありません。
これについては、ダリオをはじめ多くの人々が素晴らしい議論を展開していますが、コーディングにおいては、コードベースそのものの中に膨大な文脈（コンテキスト）がすでに存在しています。一方で、それ以外の一般的なナレッジワークにおいては、文脈が20の異なるツールや、デジタルですらないアナログな媒体に分散して存在しているのです。
そして、比較的退屈な問題に見えて、実は最も重要になるのが「アクセス制御」です。コーディングの領域であれば、エンジニアリングチームのメンバーの大半は、自分が作業をこなすために必要な全領域へのアクセス権をあらかじめ持っています。
アクセス制御と企業向けAI導入の壁
逆に、一般的なデスクワークに目を向けると、例えば「ボブに特定のアクセス権が与えられすぎていた」とか「サリーのアクセス権が足りなくて必要なものを申請しなければならない」、あるいは「ボブのアクセス権を削るべきだ」といった問題に常に直面します。
プログラミングであれば、エージェントは必要なコードベースをすべて読み込んで必要なものを生成できますが、一般的なデスクワークで同じことをしようとするエージェントは、すぐに権限の問題にぶつかってリソースにアクセスできないか、あるいは逆にアクセス権が広すぎて、会社がアクセス制御のためのクリーンな環境を用意していなかったために、本来知るべきではないデータを使って質問に回答し始めてしまいます。
このように、AIコーディングが他のデスクワークと大きく異なって見える理由は5、6個あります。
これが意味することは、要するにAIの普及には時間がかかるということです。私たちはこのための適切なアプリケーションをますます手に入れるようになっています。Cloud Co-workerは素晴らしいですし、スーパーアプリとしてのCodexが強力な仕事馬車として台頭しているのは明らかです。GeminiにはSparkなどがありますし、Cursorもその空間的な関係に基づいて進化しようとしているという噂もあります。ツールはますます登場していますし、すでに存在しています。
ここからが難しい部分です。これをいかにして、安全で信頼性が高く、従業員がセキュリティ上の深刻な被害範囲（ブラスト・レジアス）を作り出さないような方法で、また従業員が自分たちにとって有用なワークフローを構築する正しい方法を理解できる形で、組織内にデプロイ（展開）するかという問題です。
ここには、AIの普及における巨大な技術的課題が存在します。
これは、私たちがチャットのパラダイムで慣れ親しんでいたものよりも、はるかに技術的な問題です。なぜなら、チャットができることは基本的に2つだけだったからです。検索へのアクセスと、LLMへのアクセスです。それだけで驚異的でした。しかし、そのどちらにも権限の問題はありません。大量のデータ漏洩が発生するような他のシステムと連携する必要もありませんでした。
言ってみれば、せいぜいDLP（データ流出防止）の問題に過ぎなかったわけです。
まさに単なるDLPの問題です。正直なところ、多くの意味で、ある顧客について調べるためにGoogleで検索するのと、Catchに行って調べるのとでは、企業のセキュリティパラダイムという点において、ほとんど何も変わっていません。プロンプトに少し多くの知的財産（IP）が含まれる可能性はありますが、行っていた作業の被害範囲はかなり限定されていました。
対照的に、エージェントを使い、たまたまSalesforceのMCPサーバーへのアクセス権を持っている場合を考えてみましょう。これは本当に信じられないほど素晴らしいものであり、私がヘッドレスソフトウェアを完全に信じている理由の一つでもあるのですが、それを使えば大量の作業をこなし、多くのデータを引き出し、非常に強力な質問を投げかけることができます。
そうなると企業は、すべての従業員が同じレベルのアクセス権を持つべきなのか、そのためにアクセス制御をどうクリーンアップすべきか、また、従業員に対してコストプロファイルが異なるようなクエリをどのように出し分けるべきかを指示しなければならなくなります。
これを、ソフトウェアベンダーやアプリケーションごとに個別に行う必要があり、さらにその先にある新しいワークフローがどうあるべきかを考えなければなりません。従業員が1日の勤務時間中、大量のツールに対してプロンプトを叩き続けながら仕事を進める世界を本当に望んでいるのか、それとも標準化されたベストプラクティスが欲しいのか。後者であれば、社内で大文字の「Skills（スキル）」を構築しなければならず、あるいはエージェントを正しい情報や適切なコンテキストに導くためのナレッジグラフなどの手段を用意しなければなりません。
これらはすべて、ほとんどの組織で構築に1年、2年、3年、あるいは5年かかる高度に技術的な作業です。
超AI加速主義者以外の、おそらく90%の人々にとって本当に素晴らしいニュースは、その作業が膨大なチャンスを意味するということです。これはスタートアップにとって大きなチャンスであり、新しい種類の職種が生まれるチャンスでもあります。最もホットなトピックの一つとして、多くの顧客から「社内FDE（フィールドデプロイメントエンジニア）や社外FDEという新しい役割は一体何なのか」「これらのシステムを実際にデプロイするのを支援するために、どのような技術的才能を採用すべきなのか」という質問を受けています。
私たちは、このようなAI普及のプロセスに何年も費やすことになりますが、これは決して些細なことではなく、すべての企業が一つずつ経験していかなければならない、今まさに私たちが歩んでいる道のりなのです。
技術の進化スピードと企業の受容力
クラウドが皆の予想以上に時間がかかったように、これも10年かかる可能性があると思いますか。クラウドは最終的にはITの問題であり、企業全体の問題ではありませんでした。これも10年以上かかると思いますか。
私たちが「それ」や「これ」をどう定義するかにもよります。なぜなら、これは意味論の議論をしたいわけではありませんが、単発の変革ではなく、継続的な進化になると思うからです。重要なのは、私たちがどのような最終状態（エンドステート）を想定しているかです。AI破滅論者や加速主義者は何らかの最終状態があると考えているようですが、私は最終状態など存在しないと考えています。
これは仕事が行われるための基盤（サブストレート）であり、常に向上し続け、私たちは常に抽象化レイヤーを上がり続けなければなりません。私には何が終わりなのかさえ分かりません。これは基本的には業務を実行するための新しい方法であり、ある領域では生産性が5倍になり、別の領域では10%の向上にとどまる、といったことが展開され、5年後にはまたその次のバージョンが登場するのです。
常に進化し続ける状況だと思います。しかし、大まかな時間軸としては、完全に10年単位で考えるべきでしょう。
例えば、コカ・コーラやプロクター・アンド・ギャンブル（P&G）の社内のあらゆる隙間で、あらゆるタスクをエージェントが走り回って超成功裏にこなしている状態がいつ訪れるかと言えば、それは複数年にわたる変革です。今のは例え話で、彼らは特定の分野ですでに達成しているかもしれませんが、これこそが今後起こることです。
皮肉なことに、私たちの業界におけるいくつかの要因が、奇妙な副産物を生み出しています。
現在、私たちは驚くべき「能力のオーバーハング（未活用の能力）」を抱えています。例えば、仮に今この瞬間にGPT-5やClaude Opusのラインで技術を固定したとします。そうすれば、この普及プロセスはおそらく2、3年で完了し、エコシステム全体で集合的にチェンジマネジメント（組織変革の管理）を実行できるでしょう。
問題は、顧客が何らかの標準的なアーキテクチャを実装するよりも速いスピードで、次々とブレイクスルーが起こり続けていることです。そして、それらのブレイクスルーは、多くの場合、前回実装したものを実質的に白紙に戻すか、陳腐化させてしまいます。
ですから、これは本当に一長一短（ビター・スウィート）な状況です。テクノロジーがあまりにも進化するため、以前に実装したものが陳腐化してしまい、結果として安定した環境で展開することができず、ロールアウトにかえって時間がかかってしまうのです。
今、企業に行くと、ITの世界でこれまでに見たことがないほど一貫性が欠如している時期だと感じます。例えば、顧客のオンボーディング（導入支援）を行ったり、社内の特定の一連のナレッジワークをレビューしたりするためにエージェントをデプロイしたいと考えたとします。その問題を解決するために、おそらく10から15種類のリファレンス・アーキテクチャを提示することができます。
これは、すべてのシステムインテグレーター、すべてのソフトウェアスタートアップ、すべての研究所が、その一つの問題を解決するために10から15の異なるバリエーションを顧客に提案していることを意味します。
その結果、皮肉なことに、営業サイクルが長期化し、意思決定が複雑化しています。なぜなら、「Anthropicのマネージド・エージェントは素晴らしい、これこそが私たちがやるべき方法だ」と思った直後に、「いや、OpenAIのフロンティアモデルも本当に良い」となり、さらに「待てよ、このスタートアップの提案なら、そのどちらにも依存せずに済む」となり、最終的には「いや、実は私たちが使っているワークフローベンダーがこれを機能として提供し始めた」となるからです。
今、CIO（最高情報責任者）の立場からすると、この最前線はまさに戦場です。そのため、今のミーム（お決まりの現象）の一つとして、主要な研究所と1年を超える長期契約を結ぶ企業はほとんどありません。イノベーションのスピードが速すぎるため、あえて長期契約を避けているのです。これは私たちが目にしているイノベーションの多さの副産物ですが、同時に、普及にはほとんどの人が考えているよりも時間がかかるということを意味しています。
企業の次なるステップとデータの重要性
非常に興味深いですね。取り組むべき一連の課題やイノベーションの広がりがある中で、会話の中で人々には何を勧めていますか。同時に、社内FDEについて言及されましたが、それは非常に興味深いです。社外FDEについてはより理解が進んでいると思いますが、人々はどこから始めるべきか、あるいはどうすれば加速できるでしょうか。
私が「金槌を持つ者にはすべてが釘に見える」状態になっているアドバイスとしては、私はほとんどの物事をデータの問題、そしてそれに付随するアクセス制御や、ワークフローがどれだけ明確に定義されているかという問題として捉えています。
ほとんどのエージェントに関する課題は、基本的にはデータ課題の裏返しだと考えています。エージェントが業務を行うための正しい情報にアクセスできないという問題です。アクセス権が広すぎれば、エージェントは迷走して間違ったことをしてしまいますし、アクセス権が狭すぎれば、当然ながら機能しません。あるいは、タスクを実行するための十分なコンテキストがない場合は、そのタスクを取り囲むより多くの情報が必要になります。
私たちは、どこを見てもデータの問題に直面しています。そのため、最初のステップの一つは、企業がデータの観点、そしてコアとなるアーキテクチャの観点から準備を整えることです。
ITの世界では20年から30年の間、システムが冗長であっても、うまく管理されていなくても、そこに人間を投入して「データサイエンスチームがデータベースのどこに問題が隠されているかを知っているし、どのテーブルを使ってどのテーブルを使うべきでないかも分かっている」と言っていれば、何とかなっていました。
彼らはその特定のデータモデルの扱い方を理解していました。そのため、ビジネス側から質問、例えば「離職率を教えてほしい」「スペインでの成長率を教えてほしい」「この製品のアップセル率を教えてほしい」と言われたとき、ビジネス側は分析チームやデータサイエンスチームという、制限された中央集権的な機能に依頼していました。そこには10人、あるいは100人が所属していたかもしれませんが、全従業員ではありませんでした。
彼らは数字の動かし方を知っており、Tableauの上に重ねられた別のスプレッドシートを持っていて、そこでデータを動かし、計算を行って答えを出していました。
ところが突然、「それを全員に民主化したい、データストアにMCP（モデルコンテキストプロトコル）で接続したい」となったとします。するとどうなるでしょうか。全員がそれぞれのクエリに対して異なる定義の回答を得ることになります。なぜなら、その会社が計算していた方法は、為替影響調整後の数値だったり、あるいはモデルがトレーニングされた方法とは異なるネットリテンション率（純継続率）の測定を行っていたりするからです。
このように、奇妙なことにデータの問題、データの整合性の問題、そしてアクセス制御の問題が浮き彫りになり、これが今後最も意味のあるプロジェクトの一つになります。あなたが今とても笑顔になっているということは、この領域の何かに投資したか、あるいは実際にそれを目にしているかのどちらかでしょう。
私は、古い問題が形を変えてまた新しく現れたことに笑っているだけです。実質的にセマンティックレイヤー（意味論レイヤー）の話をしておられますが、これは「オントロジー」とリブランディングされて新しいもののように扱われています。しかし現実には、20年以上前からまったく同じ問題ですよね。
100%その通りです。20年間ずっと同じ問題です。しかし、以前はそこに人間を投入することができました。データについて疑問があれば、誰に聞きに行けばいいか正確に分かっていましたし、データサイエンスチームがそれを処理してくれていたので、私自身が会社の中で悩む必要はありませんでした。
しかし今、もし誰かが私にそのデータへのアクセス権をリソースとして与え、私が質問を始めると、一気に大きな問題に発展します。私が誰かのところに行って「ねえ、なんであのエリアは13%も成長したの？」と聞いたとき、相手から「いや、そのデータは間違っているよ。実際には16%だよ、為替調整をしていないだろう」と言われるようなことが、誰もが自由にアクセスできる環境ではるかに大きな問題として発生するのです。
そして、これは構造化データに限った話です。すべての非構造化データについても考えてみてください。ほとんどの企業では、契約書が5つの異なる場所に保管されています。ロードマップは、データ環境内の30の異なる場所に散らばっています。これこそが、私たちが日々目にしている領域です。
もし皆さんがエージェントの世界を迎え、どのエージェントプラットフォームやどのタイプ（Co-worker、マネージド・エージェント、あるいはCodex）をデプロイするかについて柔軟性を持ちたいのであれば、データをそのエージェントエコシステム内で機能するフォーマットに落とし込む必要があります。
ですから、企業におけるITの取り組みの多くは、エージェントにいかにしてそのコンテキストを提供するかという、基礎的な仕組み作り（ブロッキング＆タックリング）になります。エージェントが、適切なセキュリティレベルと適切な権限を持った正しい情報に確実にアクセスできるようにするにはどうすればいいか。これが、エージェントを適切に機能させるために今後取り組むべき大きな作業の塊です。
社内FDEの台頭と組織の進化
ここで、先ほどの社内FDE（フィールドデプロイメントエンジニア）の動きが登場します。
この役割が増えているのを目にしています。その一部は、社内のIT人材やソフトウェアエンジニアの配置転換（リポジショニング）によるものです。また、組織のために新しい種類の人材をストレートに採用しているケースもあります。私は、これが高度に技術的なスキルであり、高度に技術的な役割であると考えています。
社内に技術的な人材を配置し、ビジネスの現場の隣、あるいはビジネスの中に席を置かせ、現場の人々がどのように働いているかのパターンを理解させ、彼らがエージェントを使ってその業務を遂行できるようにサポートする仕事です。
その中には、プロンプトを入力する人間のためのエージェントもあれば、背景でただ動作し、デスクワーカーのために自動的に価値を生み出すエージェントもあるでしょう。しかし、FDEの仕事は、ワークフローを理解し、プロセスを理解し、それをテクノロジーが向かっている可能性のすべてと結びつけ、データが正しい方法でセットアップされ、エージェントへの指示が正しい方法でセットアップされ、業務の中に適切な「ヒューマン・イン・ザ・ループ（人間の関与）」の要素が組み込まれていることを確認することです。
これはほとんどの組織にとって膨大な作業量であり、これから主要な仕事の一つになります。ただし、Metaのように全員のデスクトップにソフトウェアを導入することでそれを実現してしまう場合は別ですが。
そうですね。それは例外的なケース（N=1の状況）かもしれませんね。
普通の一般企業であれば、人間が現場に行ってこれを実行することになります。そして、そうした人々は次世代のソフトウェアエンジニアやITエンジニアのような存在になるでしょう。
命科学の会社がどのように運営されるか、製造業の巨人がどのように機能するか、マーケティングキャンペーンがどのように制作されるか、といったことを自らの手で変革できるため、実際には非常に刺激的な技術的仕事だと思います。しかし、多くの企業は現在、この才能を持っていません。そのため、コンピューターサイエンスのプログラムから人材を採用したり、既存のエンジニアをこうした機能に転換させたりする必要があります。
注釈として付け加えると、AI破滅論者が雇用の件について間違っている理由もここにあります。なぜなら、これは一回エージェントを実装してシステムをアップグレードすれば、その後は永遠に機能し続けるといった性質のものではなく、非常にリアルに持続する雇用になるからです。モデルが変われば、また別の取り組むべき作業が発生します。モデルの向上によるメリットを十分に得られているか確認したり、前のモデルのために構築せざるを得なかった足場（スキャフォールディング）を撤去したりする必要があり、この領域にはやるべきことが山ほどあります。
非常に興味深いです。では、社外FDEのポジションも同様に存続するとお考えですか。社内FDEは企業の中に存在し、社外FDEはベンダーの中に存在するわけですが。現在、スタートアップや大手テック企業におけるFDEのやや冷ややかな見方として、「結局のところ、これらはまだどれもうまく動かない。だから、人間の集団を顧客のオンプレミス（現場）に送り込んで、なんとか機能させる必要があるのだ」というものがあります。しかし、あなたが言っていることはより本質的であり、これが一時的なものではなく定着するものになるということですね。
ええ、本当に面白いですよね。AIの超加速主義者たちは、時としてAI破滅論者や懐疑論者と同じ極端な結論に着地することがあります。この特定のトピックにおいて、彼らは同じ場所にたどり着くのです。彼らは「まさか人間を現場に送り込んでこんなことをさせなければならないなんて信じられない。これでは懐疑論者が正しいと証明しているようなものだ」と言います。そして、破滅論者や加速主義者は「ああ、自分たちが思っていたようには進んでいない」と冷ややかに捉えます。
面白いのは、私のように「企業の現実を知っている」人間からすると、「こんなことは100%起こるに決まっているだろう」ということです。これが起こらないと考えていたのだとしたら、みんなどうかしています。これはテクノロジーが素晴らしくないという証明でもなければ、何かの敗北を意味するものでもありません。当然、このように展開するしかなかったのです。
なぜこうなるしかなかったのでしょうか。私たちが構築したこの驚異的なテクノロジーは、コンピューターを使い、ソフトウェアを使い、コードを書き、ツールを使うことにおいて信じられないほど優れています。
しかし、考えてみてください。それらは固定されたメモリ（記憶容量）を持ち、扱えるコンテキストの量も固定されています。また、データに対して完全にドラスティックで突飛なことを行う可能性もあります。ですから、高度に技術的な誰かによって実装されなければならないのは当然ですし、その組織にとって適切な方法でチェンジマネジメントを推進する形で実装されなければならないのも当然です。
私にとっては、これは100%最初から織り込み済み（プライスイン）のことでしたが、市場がそこに気づくまでには、誰もが想像していたよりもはるかに長い時間がかかりました。エージェントが現実のものになった瞬間、肌で感じたはずです。「これは素晴らしい、そして企業がこれを導入するには確実に膨大な作業が必要になる」と。
ヘッドレスソフトウェアの未来とBoxの取り組み
先ほどヘッドレスソフトウェアについて言及されましたが、それはあなたの意見では不可避であり、明確な未来なのでしょうか。
ヘッドレスに関する議論は、歴史上のほぼすべてのテクノロジートレンドと同じような場所に行き着くと思います。私たちは常に、次の新しいメディアが前のメディアを完全に根絶すると思いがちですが、実際には「いや、私はiPadもMacBookもiPhoneも持っている」となります。なぜかiPadを電話として使ったりはせず、3つのデバイスを持ち、それぞれが異なる役割を果たしています。
ですから、これも同じような現象になると思います。もし私が、Boxのデータ、Salesforceのデータ、Workdayのデータを巻き込み、多くの事柄をトリアージ（優先度づけ）しなければならないような複雑なクエリを実行したい場合、それは間違いなく、Co-workerやCodex、あるいは他のツールの内部で完全にヘッドレスに行うでしょう。
一方で、一連のドキュメントを扱い、データルームを構築し、すべての契約書が正しい方法で共有されているかを確認したい場合、ある時点において、テキストを介してそれを行うのは、見慣れたグラフィカルユーザーインターフェース（GUI）のツマミを操作してやり取りするよりも遅くなります。GUIを使った方がはるかに大きなレバレッジを得られます。
したがって、これは一種のデュアル（二元的な）モデルになると考えています。ただし、一つのニュアンスとして、データベースクエリの量ベースで見れば、ヘッドレスの領域はインターフェースを介した作業方法よりもおそらく100倍大きくなるでしょう。
出来高のボリュームで見れば、エージェントは人間がこれまで行ってきたよりもはるかに多く、これらのシステムを叩き続けることになるという点を理解する必要があります。
人間はおそらく、そのソフトウェアの内部のエンドユーザー席（シート）に落ち着き、そのシートの一部として一定量の利用割り当てを受け取るでしょう。そして私は、人間がエージェントを介してそのソフトウェアやデータを利用する権利を、一定量までは持つべきだと考えています。
その一定量がどれくらいになるかは、そのワークロードがどれだけコンピューティング集約的であるかによってベンダーごとに異なります。そして、その一定量を超えた場合、あるいは完全にエージェントだけで動作する場合は、従量課金（コンサンプション）モデルになるでしょう。
そのため、今から3年後、このAI変革期を乗り越えたあらゆるエンタープライズソフトウェアは、エンドユーザー要素があることを前提とした「シートベースのビジネスモデル」と、「従量課金のビジネスモデル」の両方を持つことになると思います。ビジネスによっては、シートベースよりも従量課金モデルの方が大きくなる場合もあれば、小さくなる場合もあるでしょう。シートが依然として業務の多くの割合を占めるからです。しかし、完全に従量課金や完全にヘッドレスに移行することはないと考えています。インターフェースに入り込んで色々と触ってみたい理由は、依然としてたくさん存在するからです。
必然的に、人間にはシート、エージェントには従量課金が適用されるとお考えですか。それとも、エージェントはある意味で人間と大きく変わらない（ただし、より多くのデータボリュームを扱い、より多くの作業をこなす）ため、エージェントに対しても何らかのシートベースの料金設定があるべきだ、という議論は成り立つでしょうか。
これはより難しいカテゴリだと思います。すべてはエージェントのユースケースに依存するからです。
例えば、一部の顧客がすでに「エージェントにBoxのシートを与えるべきか」というアイデアを検討し始めている世界は完全に予見できます。なぜなら、エージェントは長期にわたって保持され管理（ガバナンス）されるデータを保存する必要があり、人間と同じようにそれを追跡・管理したいからです。また、エージェントがステートフル（状態を維持する形）である必要があるため、それを機能させるためにシステム内で名前と実体を与えることは理にかなっています。
通常の通常のエンドユーザーシートと同じ金額を請求するかと言えば、おそらくそれはないでしょう。もっと安くする必要があります。
しかし、エージェントが継続的なシートを必要とせず、大量のオペレーションを実行するだけでよい状況も多く存在します。その場合は、おそらく純粋な従量課金になるでしょう。したがって、あなたのソフトウェアカテゴリが、その組織内でエージェントをステートフルにしてアイデンティティを持たせ、継続的な業務を担わせる理由があるか、それともすべての従業員がオンデマンドで呼び出すだけのものか、という点のどちらに着地するかによって、ビジネスモデルの姿が決まると思います。
Boxにおける「ヘッドレス」とは何を意味するのでしょうか。皆さんはどのように取り組んでいますか。
私たちは、企業のコンテンツに対して行いたいすべてのことを、外部のエージェントインターフェースを介して実行できる状態にすること、と考えています。
例を挙げると、エージェントに100通の契約書を読み込ませたり、クライアントのリスクを調べるために作成したデータルームをレビューさせたりしたいとします。私たちはちょうど、この例を「Claude for Legal Solutions」の発表と共にローンチしました。
すべての契約書をフォルダに入れると、Claude Co-worker内のエージェントがそのすべてのデータを処理し、業務のためのナレッジリポジトリ（情報貯蔵庫）として利用することができます。あるいは、クライアントが大量の書類をアップロードし、それをどこかに保存して処理しなければならないような顧客オンボーディングプロセスも考えられます。
これらはすべて、ユーザーがエージェントとやり取りしているか、あるいは決定論的または非決定論的なイベントの発生によってエージェントがバックグラウンドで動作しているかを問わず、発生するエージェント業務の裏側（バックエンド）としてBoxが機能するシチュエーションです。
そして、私たちにとって幸都合だったのは、モデルの急激でクレイジーな変換などを行う必要がなかったことです。なぜなら、私たちは実質的にビジネスの初日から常にAPIを提供してきたからです。そのため、私たちにとっては、ヘッドレスなエージェントユーザーであれ、ヘッドレスなシステムマシンのアプリケーションユーザーであれ、最終的に私たちのシステムとほぼ同じ方法で通信することになります。
いくつかのニュアンスの違いはあります。例えば、ヘッドレスユーザー自身がサービスに登録したいと考える場合があるため、アカウントのプロビジョニング（発行）を異なる方法で考える必要がありました。あるいは、プラットフォームの決定論的なユースケースよりも多くのコンテキストを必要とする形で、私たちの検索機能を異なる方法で利用する場合もあります。彼らは私たちの検索ツールを非常にアグレッシブに利用するでしょう。
そのため、彼らが検索を行う際には、これらのファイル内にある特定のコンテキストをどのように捉えるべきかを通知する必要があります。システムをエージェントにとってより良いものにするために行っている作業はたくさんありますが、ヘッドレスであるという概念や、APIファーストであるという概念は、私たちのDNAに組み込まれています。
組織図（組織構造）はどのように進化するとお考えですか。
エージェントが登場し、社内FDEが登場することになります。組織の他の部分はどのように進化していくのでしょうか。グローバル2000の企業と話すとき、それは間違いなく核心にある現実的な懸念ですよね。「AIに仕事が奪われるのではないか」といった一連の議論です。
これは、AIコーディングと他のデスクワークの違いに関する話、そして私が冒頭で述べた普及（ディフュージョン）の話につながります。私が雇用の件について懸念を抱いておらず、むしろ楽観的である理由は、私たちが雇用に対して最も恐怖を感じるとき、コーディングを例として見てしまうからです。
先ほどのコーディングの問題に戻りますが、コーディングには他の多くのデスクワークとは異なる独自の特性があります。もし私がコードを書き、エージェントが書いたコードだからといってそれが非常に雑（スロッピー）だったとしても、セキュリティリスクや、不要なメモリを消費しているといった問題を除けば、最終的には（動けば）あまり問題になりません。
ソフトウェアがただ動くのであれば、アプリケーションのコードが10万行あろうが1,000行あろうが関係ありません。やるべきことをこなしてくれれば、中身はどうでもいいのです。だからこそ、コーディングの分野では、人間がハンドルから手を離すような状況が生まれつつあるわけです。エージェントにエージェントを重ね、さらにエージェントを投入して問題を解決させればいい、という発想です。
一方で、もう一つの代表的なカテゴリである法務（リーガル）を例にとって比較してみましょう。法務ではそんなことは不可能です。エージェントに契約書を丸ごと書かせたせいで、たとえば2004行目にある免責条項の比率が意図せず少し変わってしまった、ということは許されません。それでは困るのです。つまり、その内容を検証する方法がありません。もちろん、エージェントを何重にも重ねて互いにレビューさせ、リスクの確率を極限まで下げることはできるでしょう。しかし最終的には、どこかの弁護士が「これは100%有効であり、クライアントに提示できる、あるいは発行できる」と太鼓判を押さなければなりません。
そのため、エージェント業務の最後の1マイル（最終確認）の領域は、私たちが想像している以上に、はるかに幅広いナレッジワークの分野で人間の手に残り続けると考えています。以前にも少しお話ししたかもしれませんが、3週間ほど前のフィナンシャル・タイムズに面白い記事がありました。弁護士たちが、クライアントの作成した大量の契約書や、クライアントがChatGPTに投げた大量の法的質問への対応に追われているという内容です。弁護士はそれらを精査し、見解を示さなければなりません。
これはAIが実社会でどのように適用されるかを明確に示している縮図だと思います。つまり、ある一つの作業を劇的に加速させるということです。契約書のレビューははるかに速くなり、リスクのある箇所にすぐ到達できるようになりますし、契約書の作成自体も大幅にスピードアップします。しかし、どちらのシナリオでも、プロセスの入り口と出口には依然として弁護士が存在し、実際の業務を行っています。ボトルのネックを一つ解消しても、別のボトルネックに制約されている状態なのです。だからこそ、まず第一に、仕事がすぐに消滅してしまうわけではないのです。
ジェボンズのパラドックスと雇用の需要
第二の点として、市場ではすでに「ジェボンズのパラドックス」の概念がこれでもかと語り尽くされていますが、実際の予測においてこのパラドックスを計算に入れている人はほとんどいません。先ほどデザイナーを例に挙げましたが、これは今後この現象が起きるあらゆる分野に比べれば、ほんの小さな例に過ぎません。
たとえば、シリコンバレーではない場所にあるキャタピラーやイーライリリー、ジョンソン・エンド・ジョンソン、ジョンディアといった巨大な製造業や産業界の企業を見てみましょう。これらの企業も、他のすべての企業と同じように、常に優秀なエンジニアを求めています。新薬の開発や、自律型の産業用機器の製造など、非常にミッションクリティカルな領域に取り組んでいるからです。そのため、他と同じように優秀なエンジニアが必要ですし、他と同じ規模のプロジェクトを立ち上げる必要があります。しかし、そうしたエンジニアの大半は、コンピューターサイエンスを専攻した後はGoogleやMetaに行くものだ、と考えてしまいがちでした。
ここでエージェントが登場すると何が起きるかというと、それ以外のすべての企業で、社内のテクニカルなプロジェクトや技術的な業務が一気に活性化することになります。なぜなら、史上初めて、在籍している1人のエンジニアが、3人分、5人分、あるいは10人分の生産性を持つようになるからです。その結果、企業はこれまで不可能だったはるかに大きなプロジェクトを立ち上げることができるようになり、それは結果として、そうしたエンジニアリング能力へのさらなる需要を生み出すことになります。
さらに別のカテゴリとして、地球上のあらゆる中小企業が、これまで社内に持てなかった機能をエージェントによって拡張できるようになります。そして、それらの機能のすべてにおいて、「ヒューマン・イン・ザ・ループ（人が介在する仕組み）」の要素に戻るわけですが、エージェントを真に効果的に機能させるためには、人間が追加の作業を行う必要があります。
たとえば、あなたが1人で、あるいは3人のチームで副業として起業しているとしましょう。マーケティングキャンペーンのエージェントを使ってみたところ、「これは本当に効果がある。マーケティングキャンペーンがうまく機能している」となったとします。そうなれば、次に取るべき行動は、これらのエージェントを管理して大規模に運用するためのマーケティング担当者を実際に雇うことでしょう。
ですから、私は「ジェボンズのパラドックス」の信奉者です。なぜなら、まず第一に自分たちのビジネスでそれを目の当たりにしていますし、顧客企業や小さなスタートアップでもそれを見ているからです。そうしたスタートアップは、生産性の向上によって新たな業務が発生し、それに対応するために猛烈な勢いで採用を行っています。どの議論を支持するかは自由ですが、多くの組織でAIが実際に導入され始めると、雇用が失われるという議論が破綻する理由はいくつもあるのです。
一例として私たちの場合を挙げると、これまで維持してきた職種の大部分において、引き続き妥当な割合で採用を続けています。ただ、それらの職種が担う業務の内容が、将来的にはまったく異なるものになるというだけです。なぜなら、エージェントが彼らのために追加の業務を行うことで、その能力が大幅に拡張されるべきだからです。もちろん、何に投資し、どちらの方向に舵を切るかという点には変化が生じています。しかし、その一部は単に私たちのビジネスの進化や、市場の需要がどこにあるかによる副産物に過ぎません。私たちはマーケティングでも採用していますし、エンジニアも非常に積極的に採用しています。これらのエージェントを構築するためにIT部門でも採用していますし、営業担当者も採用しています。つまり、職種名というレベルで見れば、その輪郭は世間で予想されているほど変化していません。
もし、将来のシナリオに本気で踏み込んで考えるとするならば、大半の職種にAIやITの専門能力が組み込まれるようになると思います。営業チームの中にAI担当者が配置され、マーケティングチームやその下の各部門にもAI担当者が配置されるようになるでしょう。エンジニアリングの分野では、すでにこうした生産性の向上が進んでいるため、そうした人材がすでに存在しています。そうした担当者やチームの仕事は、たとえば「デマンドジェネレーション（需要創出）の担当者として毎日何をしているか」を分析し、そこにどう自動化を取り入れられるかを考えることになります。それによって、テストできるキャンペーンのアイデアやキーワードの数を5倍に増やしたり、デザインプロセスの一部をキャンペーンのライフサイクルに迅速に統合したりできるようになります。
つまり、ビジネス部門のすぐ隣に技術的な人材が寄り添う形になります。そして時間が経ち、たとえば今から20年後には、それがビジネスパーソンにとっての新たな当たり前のスキルになっているかもしれません。その可能性は十分にありますし、そうなれば職務の定義自体が凝縮されるでしょう。10年後のマーケティング職では、エージェントが何を行っているかについて、実質的にコンピューターサイエンスの副専攻レベルの知識を持っていることが求められるかもしれません。仕事としては、単にChatGPTとチャットができるというレベルではなく、エンドツーエンドのマーケティングワークフローをエージェントを使って完全に構築できる必要があります。現在、多くのナレッジワークの領域ではそのような状態にはなっていませんが、その変化が訪れるでしょう。
すべての職種がエージェントによって強化される、これが私の見立てです。一部の企業では、世間でリスクだと捉えられているようなシナリオがそのまま起きることも完全に予想できます。たとえば、「これまでデザイナーが10人いたけれど、トップ5人のデザイナーの隣にエージェントを配置すれば、すべての作業をこなせるようになった」というケースです。これは非常に現実的な話だと思います。しかし、それと同時に「これによって、初めて非常に高品質なデザインを内製化できるようになった」という企業が20社現れるはずです。そして、それらの企業がその溢れた5人のデザイナーを新たに雇用することになります。
そのため、純雇用のベースで考えれば、私はほとんど心配していません。一部の企業では、特定の職種に対する需要が人間だけで完全に飽和しているため、エージェントが導入されてもそれ以上こなすべき仕事がない、ということは確実に起きるでしょう。しかし、それは経済全体のせいぜい10%程度に過ぎないと思います。残りの90%の経済においては、「もし1人のデザイナーが10人分の仕事をこなせるようになるなら、今こそそのデザイナーを雇おう。ウェブサイトも、キャンペーンも、動画もすべて手がけてもらえるからだ」となるわけです。そのため、職種の細かな境界線が融合していくような現象は確実に起きますが、業務のドメイン全体が崩壊して消滅してしまうような極端なことにはならないと考えています。
デザインのセンスを持つ人々というのは確かに存在します。そして、デザインのセンスを持つ人々は、デザイナーであると同時に、エージェントにデザインを行わせるマネージャーにもなるでしょう。コピーライターを連れてきて、いきなり世界一流のデザイナーに変えられるという意味ではありません。
エンジニアリングの分野でも、すでにこうした摩擦が起き、そしてその先の段階へと進みつつあります。「プロダクトマネージャーがプロダクトのコードをリリースできる」と言われた時期がありましたが、実際に出てくるのは雑なコード（スロップ）である可能性が高いわけです。あるいは、「エンジニアは自分で仕様書を書けるからプロダクトマネージャー（PM）は不要だ」という話もありましたが、「では、その機能へのフィードバックが欲しいとき、次の20社の顧客とのミーティングに誰が出席するのか。エンジニアの開発時間を削ってまでそれをやらせたいか」となれば、答えはノーです。それらは専門職として分かれているからこそ意味があるのです。アダム・スミスがずっと昔に証明した通り、分業というのは非常に強力な仕組みです。エージェントが登場したからといって、分業という根本的な概念が変わるわけではありません。分業の境界線がどこに引かれるかという定義は新しくなるかもしれませんが、デザイナーはデザインに秀でているべきですし、営業担当者は販売に秀でているべきです。営業担当者に副業としてリードジェネレーション（見込み顧客獲得）をやらせるべきではありませんし、プロダクトマネージャーが無理にデザイナーになろうとする必要もありません。現在、過剰なハイプ（お祭り騒ぎ）の波が押し寄せていますが、そこまで極端な崩壊は起きないと考えています。ただし、10年前に私たちが想像していたよりは、段階的な変化は大きくなるでしょう。
個人としてキャリアをAIプルーフ（防御）する方法
もし私がプロクター・アンド・ギャンブル（P&G）のような大企業の従業員だとしたら、どのようにして自分を「AIプルーフ（時代の変化に耐えられる状態）」にすればよいでしょうか。不意を突かれないために、今すぐすべきことは何ですか。
あまり説教じみたことは言いたくありませんが、企業は従業員や社会全体に対して、この面で手を差し伸べる義務があると考えています。次の世代がきちんと職を持てるようにすること、そして若者が大学を卒業するときに「この先に仕事はあるのだろうか、それとも冷酷なディストピアに向かっているのだろうか」という絶対的な恐怖を抱かずに済むようにすることは、一種の社会的責任であるはずです。
卒業式のスピーチで有名なCEOがブーイングを浴びる、といったことも起きていますね。
まさにそうです。そしてそれは、これから起きる問題のほんの始まりに過ぎません。私は、全体の社会的影響や人間の側面への配慮を怠らない限りにおいては、誰よりも熱狂的なAI推進派であり、イノベーション推進派であり、加速主義的な人間です。政治的な問題として社会主義が台頭するといった反乱を心配しているわけではありません。単純に、人々が企業で働きたいと考え、実際に働くことができ、家族を養うことができる状態にあるとき、社会は極めてうまく機能するということです。わずか1パーセントの営業利益率を上乗せしたいがために、その基盤を爆破するような真似はすべきではありません。だからこそ企業は、従業員や未来の従業員に対して、スキルや才能をアップグレードする本物の機会を提供する義務があります。リスキリングやトレーニング、イネーブルメント（能力向上）といったことにかかる一定の割合は、企業側の責任です。
その上で、従業員個人としての防衛策についてですが、私自身はどちらかといえば独立独歩で何でもやりたいタイプなので簡単に言えてしまう面もありますが、もし自分が従業員の立場なら、自分の時間の5%や10%といった時間を割いて、これらのツールを徹底的に使いこなすことに投資します。たとえば、あなたのこのポッドキャストを聴くだけでも、地球上のあらゆる人が平均的なエピソードを聴けば、知識が30%は上乗せされるはずです。このエピソードは例外かもしれませんが（笑）。
気を付けてください、その部分を切り取ってリピート再生するかもしれませんよ（笑）。
（笑）。でも、本当にそうすべきです。他にも同様のポッドキャストはいくつかありますが、これほど素晴らしいものはありません。大半はジェンスン・フアンと議論しているだけですからね。
冗談はさておき、誰もがこうしたコンテンツをある程度インプットし、共通言語として理解できるようになっておく必要があります。そして、ツールを実際に使わなければ道は開けません。こればかりは避けて通れないのです。月に50ドルでも100ドルでも予算を確保する方法を見つけるべきです。ケーブルテレビのサブスクリプションを一つ解約してでも、エージェントを徹底的に使い始めてください。
Codecs、Co-work、PerplexityのComputer機能、あるいは少し技術的な知識があるならCursorを使ってみるのもいいでしょう。これらが何をしているのか、どのように動いているのかを把握し、いくつかのシステムに接続してみて、個人のワークフローで試してみるのです。そうして扱いに慣れてくれば、「もし自分にこのような存在がいたら何ができるだろうか」と想像を膨らませることができるようになります。
最近よく使われる優れた比喩として、「どんなタスクでも丸投げできて、すべてをこなして戻ってきてくれるチーフ・オブ・スタッフ（参謀・補佐官）が、もし制限なしで使えたらどうするか」というものがあります。制限のないチーフ・オブ・スタッフに何を任せるかを考えることで、「なるほど、これこそが真のパワーであり、組織内のワークフローをどう再構築すべきか」という視野が広がります。
ですから、できることはたくさんあります。それを行うのに、並外れて高い主体性（ハイ・エージェンシー）が必要なわけではありません。Yコンビネーター（YC）のスタートアップ創業者である必要もないのです。今私が言ったことは、すべてのナレッジワーカーが実践できます。とにかく試してみるか、世にある無料のツールを使ってみることです。ベンチャーキャピタルが注ぎ込んでいる補助金（無料・低価格プラン）を、自分のアドバンテージとして最大限に利用してください。
そうしてこれらのツールに触れ始めるべきです。私自身でさえ、この1年の間に仕事に対する考え方を何度も見直さざるを得ませんでした。ここで一つ、お気に入りのツールを紹介させてください。PerplexityのComputer機能は、ウェブサイトを巡回して検索関連の作業を行う、たとえば「ページをクリックして内容を読み込む」といった泥臭い作業をこなすPCベースのエージェントとして、他のどのツールよりも優れた働きをしてくれます。
私はこれにタスクを投げる中で、「もし常にバックグラウンドで動き続けてくれるエージェントがいて、特定の一連の作業、たとえば営業のワークフローなどをこなしてくれたら、これを継続するだけですぐに大きな利益を生み出せるのではないか」と考え始めるようになりました。しかし、ある日の夜11時に、このツールの限界を試すようなプロジェクトを自分で始めてみなければ、そのことには気づけなかったでしょう。そして試した結果、「これは信じられないほど強力だ」と確信したのです。
ただし、面白い後日談（アスタリスク）があります。そのプロジェクトが終わった後、私が出した結論は「自分自身では、二度とこの作業はやりたくない。誰かを雇って代わりにやってもらいたい」というものでした。これもまた、新たな雇用が生まれるケースの一例です。エージェントを駆使して特定の業務をこなしてくれる人を雇えば、その人件費は一晩で回収できるようなタスクが私にはいくつもあります。しかし、私自身がその接続設定（ワイアリング）やプロンプト作成をすべてやりたいわけではありません。
そのため、エグゼクティブが実際にこれらを使い始めると、逆に「もっと人を雇うべき領域」がたくさん見えてくるという興味深い現象が起きます。「おいおい、このツールは信じられないほどの価値の宝庫を生み出しているけれど、これを引き継いで形にするのは誰だ？ 生み出された価値を使って次に何をする？」となったとき、そこに次の新しい仕事が生まれるのです。ですから、従業員としてはツールを使いこなし、自身の思考をアップデートし続けることが不可欠です。
AI市場の未来とこれからのスタートアップ
対話の終盤にあたり、適切な表現が見つかりませんが、「市場の構造」についてのお考えを伺いたいです。私たちは明らかに並外れたIPO（新規公開株）に向かって進んでおり、かつてないスピードで成長を遂げている企業を目にしています。これが、特定分野に特化したバーティカル・スタートアップを含む、他のスタートアップにどのような影響を与えるとお考えですか。どのようなチャンスがあるのでしょうか。最終的に誰もがOpenAIやAnthropicの従業員になるか、あるいは彼らを支えるサービス産業に属するような世界になるのか、それとも多くのプレイヤーが多様なビジネスを展開する余地が残されているのでしょうか。
私は、AIの基礎能力をエンドユーザーのワークフローへと繋ぐ「ブリッジ層（架け橋となるレイヤー）」の必要性について、かなり強い確信と楽観的な見方を持っています。人によっては、これが「ビター・レッスン（苦い教訓）」の歴史をたどり、「それらのアプリはモデルのラッパーに過ぎず、いずれ行われるモデルの最終的なトレーニングによって、バーティカルなアプリや特定の機能に特化したアプリの有用性は失われる」と言うかもしれません。
しかし、それは人々がこのツールを使って何を行っているかという実態に対して、少し加速主義に偏りすぎた見方だと私は思います。重要なのは、モデルが何を出力するかや、モデルの情報レビュー能力そのものだけではありません。その仕組みが「ビジネスのワークフローにどう組み込まれているか」です。そして、実用的なものになるために必要な「コンテキスト」をどのように取得したかという点です。
特定の業界やビジネスラインに属している場合、データセットとの膨大な統合や、その企業ならではのオーダーメイドのワークフローが数多く存在します。それは通常、チェンジマネジメント（組織変革の管理）や導入支援、継続的なサポート、そして継続的な専門知識が必要とされることを意味します。AI開発ラボが、文字通りあらゆる業界のあらゆる職種に対して、それぞれ何百人、何千人もの体制を構築して対応しない限り、その「ブリッジ」となる領域には非常に大きなチャンスが残されていることになります。
では、その業務の具体的な組み合わせや構成、そしてチャンスの全貌はどのようなものになるでしょうか。それは現在も進行形で変化していますし、これこそが大きな問いの一つだと思います。現在、私も思考を巡らせ、検討を重ねている興味深い論点があります。それは、AIラボが応用ユースケースのレイヤーへと進出し続け、あるものは成功し、あるものは失敗するだろうということです。日々新しい発表が行われていますが、中には「非常に優れているため、バーティカルなアプリケーションではなく、ラボが提供する機能を直接使うようになった」という発表もあります。その一方で、「これはまだ、その業務の簡易版（プアマンズ・バージョン）に過ぎない」というものもあり、その場合は依然としてバーティカルなアプリケーションが必要とされます。これらが混在しているのが現状です。
ある時点で、状況が落ち着くところへ落ち着くかもしれません。そのときラボは、自らの技術を応用ユースケースのための「プラグイン型のインテリジェンス（知能の提供）」に留めるのか、それともすべてを自社のアプリケーションの軌道内に収めようとするのか、判断を迫られることになるでしょう。この摩擦が最終的にどこに着地するかは見守る必要があります。
これには、ある程度「顧客アカウントのコントロール権（主導権）」の問題が絡んでいます。あなたがAIラボの立場であれば、先ほどのトークンコストの話にもあったように、いつでも自社を切り替えられるようなベンダーが上に位置することは避けたいはずです。戦略的に考えれば当然のことで、「競合モデルの効率が少し上がったからといって、次の瞬間に自社を他社製モデルに差し替えられるような状態にはしたくない。顧客アカウントの主導権は握っておきたい」となるわけです。しかし、主導権を握ろうとすればするほど、その上のバーティカルなレイヤーで行えることは少なくなってしまいます。このバランスをどう取るか、私たちは模索していく必要があります。
まだその結論が出るには非常に早い段階にいますが、もしかすると一種の「平和条約」のような世界が訪れるかもしれません。「このラボのインテリジェンスを組み込むなら、プロダクト内でXというメリットが得られる」といった形です。まだ非常に不透明ですが。
興味深いことに、ハイパースケーラー（巨大クラウド事業者）たちもかつてこの問題に直面し、解決を迫られました。彼らは、応用レイヤーのどこで競争し、どこでパートナーシップを結んで自社インフラへの牽引役（プルーイン）とするかの境界線を見極めなければなりませんでした。たとえばAWSマーケットプレイスなどは、彼らにとって非常に成功したプロジェクトと言えます。本来であれば競合する可能性のある無数の製品を、彼らは自社のマーケットプレイスに引き込んでいます。なぜなら、彼らにとってのより大きな果実は、インフラの利用量を最大化することだからです。
同様にAIラボにとっても、「最大の果実は最終的なインファレンス（推論）の総量を最大化することだ」と考え、エコシステムのバランスを確保することが重要だと判断する可能性があります。私たちはまだ、こうした事態がどう着地するかの初期段階にいるに過ぎません。そして素晴らしいのは、資本主義という仕組みがこの調整を非常に得意としている点です。どこかの企業がエコシステムを無視したアプローチに傾きすぎれば、必ず別の企業が登場し、それによってバランスが保たれるようになります。
いずれにせよ、私はAIの応用レイヤーの多くに対して、引き続き非常に強気（ブル）な見方を持っています。なぜなら、これらのタスクで必要とされる「フォーカスされたアプローチ」のレベルは、世間で思われているよりもはるかにインテンシブ（濃密）なものだからです。
AIでプロンプトを入力し、驚くような結果を目にして、「これならあのアプリケーションを完全に破壊できる」と思うことと、そのプロダクトを日々動かす実際のメカニズム、ワークフローへの組み込み、そしてそんなことに一切時間を割きたくないナレッジワーカーの現実との間には、大きな隔たりがあります。現場のナレッジワーカーは、ファイルシステム内のどこにスキルファイルが保存されているかなど知りたくもありません。「ただ目の前の業務を進めたいだけだ」というのが本音です。それらすべてを応用ユースケースへと凝縮していくプロセスこそが、バーティカルなプレイヤーたちが競争し、チャンスを掴む場所になるのだと思います。
なるほど、最終的には「資本主義がすべての問題を解決する」という結論に至るわけですね。対話を締めくくるのに、これ以上ない素晴らしい着地点だと思います。アーロン、本当にありがとうございました。素晴らしいお話でした。心から感謝します。
ありがとう、マット。こちらこそ感謝しています。
改めまして、マット・タークです。Mad Podcastのこのエピソードをお聴きいただきありがとうございました。もしお楽しみいただけましたら、まだの方はぜひチャンネル登録や、ご視聴・お聴きいただいているプラットフォームでの高評価・コメントをいただけますと大変励みになります。これらは私たちがポッドキャストを成長させ、素晴らしいゲストをお迎えする上で本当に大きな力になります。それでは、ありがとうございました。また次のエピソードでお会いしましょう。
コメント