本動画は、スプレッドシート作業をAIによって劇的に高速化しようとするスタートアップMeridianの創業者John Lingへのインタビューである。彼はAIと大規模言語モデルの発展を背景に、世界で最も広く使われているプログラミング言語とも言えるExcelの作業をAIで20倍高速化するというビジョンを語る。Scale AIでの経験、AI研究への深い探究、そして金融業界の実務を通じて見えてきた課題を踏まえ、AIが知的労働のあり方をどのように変えるのかを論じている。特に金融モデルの構築やスプレッドシート業務の自動化におけるAIの可能性、実験と失敗を許容する文化の重要性、そしてAI時代に必要となる新しいスキルとしてのプロンプト設計について語られている。
AIでスプレッドシートを変えるという挑戦
私は新しいことを学ぶのが本当に好きなんです。
仕事をたくさんするということは、単純にそれだけ学ぶ機会が増えるということでもありました。
例えば、50個くらい問題があったとしますよね。
その問題一つ一つに取り組むたびに、まったく別の何かについて少しずつ学べるわけです。
私はいつも、まずやってみようと考えていました。
そしてもし失敗しても、それはまったく問題ではありません。
私はこう思っています。
地球上で、AIを使って金融モデルを作ることに1000時間費やした人は、まだ誰もいないのではないかと。
例えばこう考えてみてください。
「AIを構築すること以外は何もしない。仕事で本来なら作らなければならないLBOモデルを、AIで作ることだけを徹底的に試してみよう」と。
しかし銀行家たちは基本的にこう言います。
「全部手作業でやる」
そして、もしそれができなければ、単にやり方を知らないだけだという話になります。
でも私は、こういう作業は大きく分解できるのではないかと思っています。
ワークフローの異なる部分を、それぞれモデルが非常にうまく処理できる可能性がある。
ただ、そのことはまだ誰もよく分かっていません。
なぜなら、誰もその調査に十分な時間を費やしていないからです。
だから私は思ったんです。
「この問題を解決しに行こう」と。
私の名前はJohnです。
Meridianの共同創業者でありCEOです。
私たちが作っているのは、スプレッドシートのためのAIです。
Microsoft Excelは、世界で最も広く分散しているプログラミング言語だと私たちは考えています。
そして私たちの目標はこうです。
今日スプレッドシートソフトに多くの時間を費やしている人たちを、20倍速く働けるようにすること。
その前はScale AIで約1年半働いていました。
さらにその前にはいくつか会社を立ち上げています。
これまでに1500万ドル以上を調達しました。
シリーズシードはAndreessen HorowitzとGeneral Partnershipがリードしています。
まだかなり初期段階ですが、これから成長していければと思っています。
学び続ける姿勢
私は新しいことを学ぶのがとても好きでした。
何よりも、仕事をたくさんすることは学ぶチャンスが増えることだと感じていました。
問題が50個あれば、その一つ一つから違うことを学べます。
Scaleはそういう意味でとても面白い場所でした。
ビジネスの別の側面を学びたいと思えば、実際にそれをやることができたんです。
普通の会社だとこう言われます。
「あなたの仕事はXです。Xだけをやってください」
しかしScaleでは違いました。
「あなたの仕事はXだけど、もしXをやっていてYやZやABCも必要だと気づいたなら、それもやっていい」
つまり、自分の知識の範囲を広げていく機会があったんです。
研究をじっくり掘り下げる姿勢は、とても重要です。
特にAIでは、実行にばかり集中してしまうことがあります。
「これをやらないといけないから、とりあえずやる」という状態です。
でも一度立ち止まって考えることが大切です。
「なぜこれをやっているのか？」
その答えを探すために研究論文を読むことになります。
例えばデータ品質について考えてみましょう。
高品質のデータとは何か。低品質とは何か。
研究者は何を重視しているのか。
どのような要素がデータポイントを価値あるものにしているのか。
私は実際に膨大な量のデータを読み込みました。
多くのドメインにわたるデータを調べ続けたんです。
それも一つの学び方です。
John Lingの人物像
私は共通の友人を通じてJohnに会いました。
彼がScaleで働いていたときの話を何度も聞いていました。
彼はScaleの中でも上位1%のパフォーマーだと、いろいろな人が言っていました。
当時のScaleはすでに成長段階に入った大きなスタートアップでしたが、
彼はその枠組みに縛られませんでした。
「会社にとって何が本当に正しいのか」を、常に第一原理から考えていました。
そして自分の考えを遠慮なく伝え、
実際にそれを実現するために大きな行動を起こしていました。
なぜScale AIに入ったのか
Scaleに行った最大の理由は、AIの進化を観察できる非常に特別な場所だと感じたからです。
彼らは確信していました。
次の世代の大規模言語モデルが、世界の軌道を劇的に変えるだろうと。
そして私自身も、いずれまた会社を作りたいと思っていました。
LLMが何をできるのかを知らないまま過ごすこと、
あるいはこの急速に発展している技術のエコシステムに深く関わらないことは、
大きな間違いだと思ったんです。
当時はこう考えていました。
「これから4年間はScaleにいて、できる限り多くを学ぼう」
大規模言語モデルがどのように動くのか。
技術の進化はどこに向かっているのか。
人々はどのようにそれを実装しているのか。
それを徹底的に理解したいと思いました。
私の仕事の多くは、Scaleが作るデータが本当に価値あるものになっているかを確認することでした。
ベンチマークや評価について多くの時間を使いました。
また、LLMを使って社内プロセスをどう効率化できるかも考えていました。
それはとても興味深い経験でした。
バイブコーディングの衝撃
ここ数か月、私はCursorをかなり使っています。
最近のモデル世代では、コーディング体験が本当に現実的になりました。
ゼロから何かを作る作業が、
2週間から30分、あるいは半日程度まで短縮されたんです。
その瞬間、私は思いました。
これは魔法のようだ。
そしてこう感じたんです。
チーム全員がこのツールを使うべきだと。
私は言いました。
「全員バイブコーディングをやるべきだ」
もしそれを知らないなら、
置いていかれる可能性があると思います。
これは新しい電卓のようなものです。
ただし、超強力な電卓です。
サンフランシスコとニューヨークのAI温度差
私はニューヨークに住んでいます。
友人の多くは金融業界で働いています。
そして感じるのは、エネルギーがまったく違うということです。
サンフランシスコでは、みんながAIに興奮しています。
最新のバイブコーディングの突破。
Claudeのようなモデルをどう使うか。
複雑なアーキテクチャをどう構築するか。
ツールの数は指数関数的に増えています。
しかしニューヨークに戻ると、
その空気はあまりありません。
チームメンバー、候補者、投資家と話していると、
私はよくこう考えます。
AIで金融モデルを作ることに1000時間費やした人は、
おそらくまだいない。
例えばLBOモデルです。
誰も座ってこう言っていない。
「AIだけでこれを作ることに集中してみよう」
銀行家たちは言います。
「手で作る」
もしできなければ、
それは単にやり方を知らないだけだと。
でも私は思うんです。
このワークフローは分解できるはずです。
モデルはその一部一部を非常にうまく処理できるかもしれない。
ただ、それを誰もまだ検証していないだけです。
一方で、コードの世界は違います。
多くのコーディングツールは、
それを使う人たち自身が作っています。
だから成功の形がよく分かっています。
どんなユースケースがあるか。
モデルがどこで失敗するか。
しかし専門家ではない分野で同じことをやると、
「このモデルは間違っている」とは言えても、
なぜ数字が期待通りにならないのかを特定するのはとても難しい。
そういう考えから、
私はこの問題を解決しようと思いました。
起業家のマインドセット
大学卒業後の最初の仕事を振り返ると、
営業の人なら誰でも言うと思います。
誰かに話しかけなければ、
何も始まらない。
私はいつもそうしてきました。
人に連絡することを怖がらないでください。
「Satya Nadellaは絶対にメールに返信しないだろう」と思ってしまうと、
当然ながら返信は来ません。
でも送れば、
返事が来るかもしれません。
それはとても面白いことだと思います。
人はよくこういう物語に陥ります。
「それは不可能だ」
でも本当は分からないんです。
多くの起業家は、
その可能性を信じています。
強い「不信の停止」が必要です。
多くの人が
「それは狂っている」と言う状況でも、
「いや、普通にできそうだ」と思えること。
そして実際に試してみる。
やったことのないことに挑戦することで学びます。
失敗しても問題ありません。
少なくとも結果は分かります。
そして経験値が積み上がります。
私たちの会社でも、
社員が自分のやり方で問題を解決することを推奨しています。
もし失敗しても大丈夫です。
みんなで支えます。
締切を少し延ばすかもしれません。
他のメンバーがサポートするかもしれません。
会社全体で助けるんです。
人が実験して失敗できる環境を作る必要があります。
Excelワーカーという巨大市場
会社を作る以上、
誰もが傑作を作りたいと思っています。
誇れるものを作りたい。
多くの人の人生を変えるものを。
5年後に振り返ったとき、
「これは多くの人の生活を大きく変えた会社だ」
そう言えるものを作りたい。
AIによって知的労働がどう変わるかを考えたとき、
最大級のカテゴリーの一つがスプレッドシートです。
私は銀行家として、
そしてコンサルタントとして、
短い期間ですがExcelで働いた経験があります。
だから直感的に理解できました。
これは巨大な市場だ。
そしてAIは、
スプレッドシート作業のやり方を根本から変える。
Meridianのビジョンは、
開発者を強化したコーディングツールと同じように、
スプレッドシートを使う知識労働者を強化することです。
ここには非常に大きな可能性があります。
スプレッドシートの作業に、
本物の知能と自動化を組み込むことができる。
AIを理解するための最良の方法
技術に触れる時間が長いほど、
何が可能かを直感的に理解できるようになります。
長期間続ければ、
3か月後、6か月後、1年後に何が可能になるかも予測できるようになります。
これは非常に価値があります。
できるだけ多くの時間、
この技術で遊んでください。
例えば金融に興味があるなら、
AIを使って金融をやることに
1万時間費やした人になると有利です。
プロンプト設計は今でもとても重要なスキルです。
Y Combinatorに応募すると、
応募プロセス自体に価値があると言われます。
なぜなら、
自分のビジネスを深く考えることになるからです。
頭の中では曖昧だったことが、
書くことで明確になります。
大規模言語モデルにタスクを説明するときも同じです。
具体的に説明する方法を学びます。
そしてその過程で、
自分が本当に何をしたいのかが
はっきりしてきます。
そのプロセス自体が、とても価値あるものなのです。
コメント