OpenAI vs. Anthropic vs. オープンソース：AI時代の資源配分、ROIの再定義、そして来るべき「ポリマス」の時代
AIが社会のあらゆる側面を変革しようとしている今、企業は未曾有の機会と課題に直面しています。フロンティアモデルの目覚ましい進化、オープンソースコミュニティの活発化、そしてこれらを活用するための新たな企業戦略が日々議論されています。本稿では、FactoryのCEO兼共同創業者であるMatan Grinberg氏との深遠な対談に基づき、AI時代のビジネスにおける本質的な問いかけと、その答えを探ります。
物理学者としての深い洞察力を持つMatan氏は、ソフトウェア開発の世界に革命をもたらし、世界の主要企業と連携しています。彼の視点は、AIがもたらす生産性向上、リソース配分の再考、モデル選択の戦略、そして未来の働き方について、私たちが抱く多くの疑問に具体的な示唆を与えてくれます。本記事では、AIモデルの競争、企業が直面する「AIハングオーバー」、そして「ポリマス」の復活といったテーマを掘り下げ、今後のビジネスランドスケープを読み解きます。
AIがもたらす生産性革命と「AIハングオーバー」
AIツールが経済全体にもたらす影響は計り知れません。Matan氏は、AIが「途方もない成長」をもたらし、個々の問題解決を加速すると断言します。企業は、これまでと同じ人員でより多くの問題を解決するか、あるいはより少ない人員で同じ問題を効率的に解決するかという、根本的な選択を迫られることになります。これは単なる効率化に留まらず、企業が追求する「問題」の範囲と深度そのものに影響を与えるでしょう。
「10xエンジニア」の再定義：コード量から影響力へ
AI時代において、「10xエンジニア」という概念も再定義される必要があります。従来、この言葉はコードの記述量や速度を指すことが多かったですが、Matan氏はこれを「組織におけるロードベアリング個人」、すなわち、その人がいなければ物事が立ち行かなくなるような、極めて高いレバレッジを持つ人材と捉え直します。AIツールは、このようなロードベアリング個人にさらに大きなレバレッジを与え、彼らの影響力を指数関数的に高めるでしょう。一方で、レバレッジを使いこなせない人材は、相対的に価値が低下する可能性があります。
企業における資源配分のパラダイムシフト
AIの導入は、企業のリソース配分戦略に劇的な変化を促します。Matan氏は、「今後24ヶ月間、すべてのC-suite（経営層）がこの問題に取り組むことになる」と指摘します。重要なのは、自社の「コアコンピテンシー」を明確にし、それに合わせてリソースを配分することです。例えば、物流会社にとってのコアコンピテンシーはソフトウェア開発ではありません。これまでエンジニアの評価指標となっていた「四半期にいくつの機能をリリースしたか」といった中間的なメトリクスではなく、「顧客満足度」「収益」「市場シェア」といった真のビジネス成果に直結するアウトプットメトリクスに焦点を当てるべきだというのです。これにより、多くの組織が陥りがちだった「肥大化」を解消し、真に価値ある活動に集中できるとMatan氏は考えます。
この変化の象ロジックとして、Matan氏はランチの例を挙げます。CEOがランチを買いに行くことは可能だが、それは効率的な時間活用ではない。同様に、企業は自社で多くのソフトウェアを構築できるようになったとしても、それがコアコンピテンシーでなければ、外部の専門家に委託する方が賢明だというのです。
「AIハングオーバー」の到来：コストとROIの現実
AIの導入初期段階では、「AI at all costs（とにかくAIを導入する）」という熱狂的なフェーズが見られました。Matan氏はこのフェーズを「AIを活用してどんちゃん騒ぎをした長い夜」と表現し、それに続く「ハングオーバー」期、つまり「請求書を見て、ROIが見えないことに愕然とする」時期が到来していると指摘します。
CIOとの対話で明らかになった衝撃的な事実として、ある企業が月に数十万ドルものコストをかけて、社員がフロンティアモデルに天気予報や食事のマクロ情報といった、取るに足らない、あるいは仕事とは無関係な質問をしているケースがありました。このような状況は、AI導入がコスト効率的でなく、ROIが不透明であるという「AIハングオーバー」の典型例です。
Uberが従業員一人あたり月額1,500ドルのAI利用予算を設定した事例も、このハングオーバー期におけるコスト意識の高まりを示しています。これは、無制限のトークン利用から、意識的なリソース配分へと移行する動きであり、短期的にはフロンティアモデルの利用が一時的に縮小する可能性もあります。しかし、Matan氏はこれを「健全な調整」と捉え、より戦略的なAI活用へと向かう良い兆候だと見ています。
企業は、どのタスクにどのレベルのインテリジェンスを投入するかを慎重に判断し、コスト、品質、速度のトレードオフを最適化する必要があります。この課題を解決するためには、AIモデルを賢くルーティングし、最適なモデルを適切なタスクに割り当てる仕組みが不可欠となります。
AIモデルの選択と「コモディティ化の戦い」
AIモデル市場は、OpenAI、Anthropic、Googleといったフロンティアモデルプロバイダーと、急速に進化するオープンソースモデル群との間で激しい競争が繰り広げられています。Matan氏は、この状況を「誰もが相手をコモディティ化しようとしている」戦いと表現します。
フロンティアモデル vs. オープンソースモデル：戦略的選択
オープンソースモデルの台頭は、フロンティアモデル市場にとって重要な「カウンターバランス」となっています。多くの企業は、当初フロンティアモデルでできることの限界を探り、その後、可能な限りオープンソースモデルに移行してコストを削減しようとしています。これは、タスクによっては最先端のインテリジェンスが不要であり、より高速で安価なオープンモデルで十分であるという現実を企業が認識し始めているためです。
Matan氏の企業Factoryは、モデルアグノスティックなアプローチを採用しています。これは、顧客に最高の価格、パフォーマンス、速度を提供するために、OpenAI、Anthropic、Google、Microsoftといった各モデルプロバイダーを競争させ、常に最適なモデルを選択できる状態を維持するという戦略です。これにより、単一のモデルプロバイダーが価格決定力を持ちすぎることを防ぎ、顧客はベンダーロックインのリスクなしに、最も効率的なAI活用が可能となります。
コアコンピテンシーと外部委託の重要性：Kirkland & Ellisの事例
Kirkland & Ellisが5年間で5億ドルを投じて自社AIツールを構築するという発表は、Matan氏にとって驚きでした。彼は「AI技術の構築がそのファームのコアコンピテンシーではない」と指摘し、これはむしろHarveyのような専門企業にとって良いニュースであると見ています。なぜなら、自社で構築することの難しさを体験することで、多くの企業は専門家への外部委託の価値を再認識するからです。
ソフトウェア開発における従来の「参入障壁」は、特定の技術知識やエンジニアリング能力でした。しかし、AI時代においては、「誰もが、理論上はあらゆるソフトウェアを構築できる」ようになります。このパラダイムシフトは、企業が本当に自社で構築すべきものと、外部から調達すべきものをより厳しく見極める必要性を高めます。Matan氏は「自分が何をしたいか」ではなく「自分のコアビジネスにとって何が重要か」を徹底的に追求し、それ以外はアウトソースするべきだと主張します。
モデル開発の持続性と連続的な進化
AIモデルの開発速度は驚異的です。Matan氏は「数週間ごとではなく、数日ごとに新しいモデルが登場している」と述べ、特に中国のオープンソースコミュニティではその傾向が顕著だと指摘します。しかし、この急速なモデルリリースは、企業にとって「モデル疲労」を引き起こしています。エンジニアはすべての新しいモデルを追跡し続けることはできませんし、そうすべきでもありません。
Matan氏は、将来的にはモデルリリースがより「連続的」になり、バージョン番号の細分化が進み、最終的には企業がモデルの改善を逐一発表しなくなるだろうと予測しています。この状況において、Factoryのようなアプリケーションレイヤー企業が果たす役割は重要です。彼らは、コスト、品質、速度のトレードオフを考慮し、特定のユースケースに最適なモデルを顧客に提供することで、企業の負担を軽減します。
Factoryのビジネスモデルにとって最大の脅威は、「もし一つのモデルプロバイダーが他のすべてを大きく上回る」場合だとMatan氏は語ります。しかし、そのような状況は「経済全体が懸念すべき独占」状態であり、現在のところ、各モデルは特定のタスクや言語において優位性を持つものの、全体的に同等レベルの競争が続くと見ています。
未来の企業戦略と「エージェントネイティブ」への移行
AIは、企業の戦略立案、文化、組織構造、そして個人の役割そのものにまで深く影響を及ぼします。未来の企業は、AIエージェントを前提とした「エージェントネイティブ」な組織へと変貌していくでしょう。
ビジネス成果への回帰：中間指標の終焉
かつては「四半期に3つの新機能をリリースする」といった中間指標が評価の基準とされていましたが、Matan氏は「それがビジネスにとって重要であるとは限らない」と断言します。AIの導入は、企業が最終的なビジネス成果（顧客満足度、収益、市場シェアなど）に直接焦点を当てる機会をもたらします。マーケティング、セールス、エンジニアリングなど、あらゆる部門の業務をこのビジネス成果に紐付けることで、組織全体の効率とインパクトを最大化できるというのです。
「プロダクト」の再定義：顧客体験全体が価値となる
Factoryにおける「プロダクト」の定義は、単なるソフトウェアを超越しています。Matan氏によれば、それは「顧客が初めてFactoryの名前を聞いてから、10年後に満足して10回目の契約更新をするまでの旅全体」を指します。ソフトウェアはその旅の大きな部分を占めますが、マーケティング、セールスプロセス、ソリューションエンジニアリングといった顧客との接点すべてがプロダクトの一部であると彼は強調します。
この思想は、企業文化にも深く根ざしています。Factoryでは、エンジニアとセールス担当者が隣り合って座り、部門間の垣根を取り払っています。セールスが契約を獲得すれば、エンジニアも「我々が契約を獲得した」と言い、エンジニアが新機能をリリースすれば、セールスも「我々が新機能をリリースした」と喜びを分かち合うのです。このような一体感は、顧客中心のプロダクトを生み出す上で不可欠だとMatan氏は主張します。
彼が「ひどい営業・マーケティングチームを持つ伝説的な会社を一つ挙げてみろ、無理だろう」と挑戦的に語るように、優れたプロダクトだけでは成功できません。AIがプロダクト開発を容易にするほど、セールスやマーケティングの重要性は相対的に高まります。現在の「ゴールドラッシュ」期では、どんなプロダクトでも売れるかもしれませんが、競争が激化し「重力」が戻ってきたとき、これらの筋肉が衰えている企業は競争に敗れるでしょう。
エージェントネイティブ組織におけるエンジニアの役割変革
AIエージェントの普及は、エンジニアの役割を根本的に変えます。もはや「コードを書き、タスクを実行する人」ではなく、「エージェントのプロンプターでありマネージャー」となるのです。究極的には、エンジニアは「ソフトウェアを構築する工場（ファクトリー）を構築する人」へと進化します。Teslaの工場のように、人間は直接製品を作るのではなく、ロボットが製品を作るプロセスを設計し、最適化する役割を担うイメージです。
この変化は、エンジニアに新たなスキルセットを要求します。彼らは単に機能をリリースするだけでなく、顧客の行動を理解し、その行動を長期的に改善する方法を考案し、セールスチームが製品の価値を伝えられるよう支援するなど、エンドツーエンドのビジネス成果に責任を持つ「フルスタックエンジニア」になる必要があります。競争プログラミングの腕前や言語の構文知識といった従来の強みは相対的に重要性を失い、代わりに、ビジネス全体を見渡し、オーナーシップを持って問題解決に取り組む能力が求められます。
Matan氏が予測する未来の組織で一般的になる新しい役割は、「GM（ゼネラルマネージャー）」のようなエンジニアです。彼らは単に機能をリリースするだけでなく、マーケティングコピーの作成、プロダクトメトリクスの改善、セールスチームの支援など、広範なビジネス成果に責任を持つ、より起業家的な役割を担うことになります。
「Agent Operations（エージェント運用）」の台頭
「Agent Operations」という、エージェントの作成とメンテナンスを担当する新たな職務も登場する可能性が指摘されています。Matan氏は、これは今日の組織における「オペレーション」と同様の役割であり、エージェントを活用して組織全体の効率を高める役割を担うと見ています。理想的には、各部門の従業員自身が能動的にエージェントを活用すべきですが、そうでない場合にAgent Operationsが介入して効率化を促進するでしょう。
AI時代のエンジニアリングと「ポリマスの復活」
AIは、私たち人間が知識を習得し、創造する能力を劇的に向上させます。この変革は、歴史的な「ポリマス（博学者）」の時代を再来させる可能性を秘めているとMatan氏は語ります。
ポリマス（博学者）の再来
レオナルド・ダ・ヴィンチやニュートンといった歴史上のポリマスは、当時の知識分野が比較的「浅かった」ために、生涯のうちに複数の分野のフロンティアに到達できました。しかし、2000年代以降の分野は、Matan氏が専攻した理論物理学のようにあまりにも深く、一つの分野の最前線に到達するだけでも50年かかると言われるほどでした。この状況は、AIによって一変します。
AIツールは、人が各分野の「フロンティア」に到達するまでの時間を劇的に短縮します。詳細な専門知識の深さは依然として必要かもしれませんが、AIがそのギャップを埋めることで、人は複数の分野でイノベーションを起こせるようになります。制約の中で考え、システムを理解し、不確実性を受け入れることができる人材は、開発者マーケティングの最前線を推進しつつ、ソフトウェア開発エージェントのトークンキャッシングを改善し、同時に優れたソリューションエンジニアとしても活躍する、といった「ポリマス」的な働き方が可能になるでしょう。Factoryは、このようなポリマスを積極的に採用しています。
エンジニアリングにおける旧来のタスクの自動化
AI時代において、従来エンジニアが多くの時間を費やしていたタスクの多くが自動化されます。その典型例が「リリースノート」や「ドキュメンテーション」の作成です。Matan氏は、数年後には「リリースノートを書くのに何時間も費やしていたなんて信じられない」と振り返ることになるだろうと予測します。Stripeのように優れたドキュメンテーションで名を馳せた企業も、AIによる自動化の恩恵を受け、この分野での差別化は薄れるかもしれません。しかし、Matan氏は「誰もがStripeと同等の良いドキュメンテーションを持てる、より良い世界」が来ることを歓迎しています。
コードレビューの変革とDevEx（開発者体験）の重要性
AIによるコード生成の初期段階では、質が低い「スロップPR（sloppy Pull Requests）」が大量に生成され、スタッフエンジニアがレビューに追われるという問題が発生しました。しかし、エージェントネイティブなソフトウェア開発においては、エージェントを本番環境に「生産準備完了」な状態にするための投資が重要になります。
具体的には、エージェントに最新のドキュメンテーションへのアクセスを確保したり、リモートマシンを起動して生成したコードを実行・テストさせたり、CI/CDパイプラインやリントツール、pre-commitフックを設定したりすることです。これらは、従来の開発者体験（DevEx）を向上させるための投資でしたが、AIエージェントがコードを生成する時代においては、その影響が10倍、100倍にもなります。DevExが優れているほど、エージェントは組織の標準に適合したコードを生成し、レビュー時間を削減し、ソフトウェア開発のスループットを向上させるのです。
APIの価値向上とエージェント間コミュニケーション
AIエージェントが主要な「買い手」となる未来において、APIの価値はますます高まります。エージェントにとって使いやすいAPIは、人間にとっても使いやすい傾向があるためです。エージェントはUIやデザインには関心がありませんが、データ構造、統合の可能性、そして優れたドキュメンテーションには強く関心を示します。
しかし、無秩序にエージェントがコードを生成すれば、「肥大化」や「技術的負債」の増加といった問題も生じかねません。ここで人間のエンジニアの役割が変化します。彼らは直接コードを書くのではなく、エージェントが生成するソフトウェアが効率的で、組織の標準に準拠し、技術的負債を増やさないように、「工場」全体を設計し、管理する「足場（scaffolding）」を構築する役割を担うことになるでしょう。
AIと社会、そして未来への展望
AIは技術的な側面だけでなく、社会、経済、倫理といった広範な領域に影響を及ぼします。Matan氏は、これらの課題に対する自身の見解を率直に語ります。
労働市場の変革：短期的苦痛と長期的恩恵
AIによる労働力の「置換（displacement）」は、短期的な懸念材料であるとMatan氏は認めます。AIによる大規模なレイオフは、数千、数万人の人々に影響を与えています。しかし、長期的には、この問題に対して「まったく心配していない」と彼は言います。なぜなら、世界にはソフトウェアで解決できる途方もない数の問題が残されており、そのうちごく一部しか解決されていないからです。
AIによって解放されたエンジニアリング人材は、より広範な経済において、これらの未解決の問題の解決に再配分される可能性があります。ヘルスケア、製薬研究、認知症治療といった分野は、より優れたエンジニアリングとAIによって大きく前進できるとMatan氏は強調します。AI開発を減速させることは、これらの社会問題を抱える人々に対し、その解決を先延ばしにする「利己的で有害な」行為だと彼は批判します。
政府介入の是非：市場と社会目的のバランス
Matan氏は、政府の介入に対しては慎重な姿勢を示します。国防や安全保障といった特定の領域では介入が不可欠ですが、一般的には自由市場のメカニズムを信頼すべきだと考えます。しかし、資本主義が即座のフィードバックループを見出せない社会的な問題（例：気候変動）においては、政府がインセンティブを調整して、望ましい結果を促すことが有用である可能性も認めています。
気候変動の例では、AIを迅速に開発するためには短期的に化石燃料の消費が増加するかもしれませんが、AIが気候変動問題そのものを早期に解決する可能性も秘めているというジレンマが存在します。Matan氏は、政府が介入する際には、その目的と影響を非常に慎重に検討する必要があると強調します。
AIインフラストラクチャバブル：短期的な調整と長期的な成長
AIインフラストラクチャ市場は、一時的な「バブル」や「短期的な調整」があるかもしれません。Uberの例のように、過剰な消費の後に利用が抑制されるような現象は起こり得ます。しかし、Matan氏は「長期的には絶対にバブルではない」と断言します。AIの需要は根本的に高く、成長は続くという強い確信を持っています。
最大のボトルネックは「人間側の行動変容」
多くの組織と仕事をする中で、Matan氏が最も大きなボトルネックだと感じるのは、技術的な問題ではなく「人間側の問題」、すなわち「行動変容」です。長年エンジニアとして働いてきた人々は、確立されたワークフローに固執し、新しいツールやアプローチの採用に抵抗を示すことがあります。
しかし、長年の経験を持つエンジニアリングマネージャーは、AIツールを「どのように委任するか」を知っている点で優位性を持つ場合があります。彼らは、ジュニアエンジニアが誤った方向に努力を続けるリスクを理解しているため、AIエージェントへの指示出しもより効果的に行える可能性があります。一方で、若手エンジニアは新しいワークフローへの適応が早いものの、委任の経験が不足している場合があります。この間の興味深いバランスが、組織におけるAI導入の成功を左右するでしょう。
企業への販売戦略：顔を合わせ、問題を理解する
Matan氏は、理論物理学者からいきなりFactoryのCEOになった異色の経歴の持ち主であり、これが彼の初めての「仕事」です。彼が企業への販売活動から学んだ最も重要な教訓は、「対面でのコミュニケーション」の重要性と、「商品を売ろうとしないこと」です。
顧客と対面し、彼らの抱える「問題」を心から理解しようと努めることが、真のソリューション提供につながります。銀行、コンサルティングファーム、製薬会社など、それぞれの組織がソフトウェアを構築する方法は驚くほど多様であり、その違いを理解すること自体が魅力的だと言います。顧客は、自身の問題点や官僚的な悪夢について話すことを喜びます。そうした対話を通じて、自社のソフトウェアが顧客の問題解決に役立つかどうかの確信を得ることができます。
創業者Matan Grinbergの軌跡：物理学者から起業家へ
Matan氏の個人的な物語は、AI時代の「ポリマス」的生き方と、既存の常識を打ち破る精神を体現しています。彼は12歳で幾何学の先生から再履修を勧められたことをきっかけに、数学と物理学に没頭し、12年間「世界最高の弦理論家の一人」を目指しました。プリンストン大学でフアン・マルダセーナ教授と共に論文を執筆し、UCバークレーでPhDを取得するまで、彼の人生は物理学一色でした。
しかし、バークレーでのPhD課程中に、彼は自身の選択が「難しかったから」という理由だけで突き進んできたことに気づき、深い実存的危機に直面します。TAとして教壇に立った際、物理学に興味のない学生たちを目の当たりにし、「これが残りの人生なのか」と自問したのです。
そこから彼は転身を遂げます。クオンツ金融の道を考えたものの、アドバイザーの助言でバークレーに留まり、CSの授業を取り始めます。そこで「プログラム合成（現在のコード生成）」という概念に出会い、それが「コードが自らを生成する」という根本的なアイデアに魅了されます。物理学者や数学者が常に探求する「n次元の解」「根本的な解決策」という視点が、この分野に惹きつけられた理由でした。
Matan氏は、この問題を学術界ではなく産業界で解決するには、会社を立ち上げる必要があると悟ります。起業について何も知らなかった彼は、ピーター・ティールの「ゼロ・トゥ・ワン」を読み、YouTubeで起業方法を学びます。そして、自身がプリンストン時代に論文を引用した、元理論物理学者でSequoiaの投資家であるショーン・マグワイア氏にメールを送ります。
マグワイア氏との3時間にわたる散歩での対話を通じて、二人は物理学への興味とそこからの転身理由に共通点を見出します。マグワイア氏はMatan氏にPhDを中退し、Twitterに加わるか、起業するよう勧めます。その翌日、Matan氏はハッカソンで共同創業者となるEno氏と出会い、彼らはすぐに意気投合してFactoryの最初のデモを構築します。
デモを見せたマグワイア氏の「まあまあだね」という反応に、Matan氏は「ふざけんな、これは世界を変えるんだ！」と反論。マグワイア氏は彼に「フルタイムで取り組むか？」と問い、Matan氏が「はい」と答えると、「PhDを中退してスクリーンショットを送れ」と指示します。ソビエト連邦からの移民である両親の誇りであったPhDを中退するという大きな決断を下し、スクリーンショットを送ったMatan氏は、翌日にはSequoiaのパートナーシップミーティングに招かれます。
彼は創業期のSequoiaのパートナーシップにプレゼンを行い、翌日には100万ドルの投資を受けることになります。この初期の信頼関係は、彼にとって何よりも重要でした。「他の誰も信じてくれなかっただろう」とMatan氏は語り、信頼と忠誠心こそが、困難な時期を乗り越え、伝説的な企業を築く上で最も大切だと考えています。彼は他の創業者にも、特別なつながりを持つ投資家に対しては「ディスカウント」を受け入れる価値があると助言します。
市場の成熟：モデルとアプリケーションの分離
AI市場の成熟は、クラウド市場の教訓から学ぶことができます。Matan氏は、モデルプロバイダーとアプリケーションレイヤーの分離が、消費者にとって最良の結果をもたらすと主張します。もしモデルプロバイダーが同時にアプリケーションも提供すれば、彼らはトークン消費を最大化しようとするインセンティブが働くため、トークン効率の良い製品を作る動機が弱まる可能性があるからです。
一方、Factoryのようなモデルアグノスティックなアプリケーションレイヤーが存在すれば、モデルプロバイダーは常に「最高か、最も安価か、最も速いか」であることを強いられます。これにより、企業はベンダーロックインのリスクを避け、タスクに応じて最適なモデルを柔軟に選択できるようになります。クラウドベンダーが初期に大幅な割引で顧客を獲得し、その後価格を吊り上げた経験から、多くのCIOは単一のAIモデルプロバイダーに依存することに警戒心を抱いています。
CodeXやClaw Codeのような統合型製品が市場の大部分を占めている現状は、この分離の原則に反するように見えますが、Matan氏は、企業が複数のツールを使いこなす負担を考慮すると、Factoryのような統合プラットフォームの価値が高まると見ています。
セキュリティへの懸念と国家間の競争
AIによるコード生成の急増は、セキュリティ上の大きな懸念をもたらします。「生成されるコードの量は指数関数的に増加しているが、セキュリティ対策はそれに追いついていない」とMatan氏は指摘し、今後数年で「かなりの規模のインシデント」が発生する可能性を警告します。さらに、AIツールが悪意ある行為に利用される可能性も高まっており、高度なセキュリティ対策の重要性は増すばかりです。
国家間の競争という視点では、Matan氏はアメリカ国内にフロンティアレベルの「オープンモデル」が存在しないことを「恥ずかしい」と感じています。彼は、中国製オープンソースモデルの利用は可能であるものの、悪意のあるトリガーワードが埋め込まれている可能性や、データ流出のリスクなど、特定の懸念は存在すると認めます。しかし、適切にデプロイされていれば、これらのリスクは軽減可能だと見ています。
ヨーロッパのAI開発については、Matan氏はモデル開発のフロンティアでは「おそらく遅れている」と認識しています。民主主義国家特有の意思決定の遅さ、そしてデータセンターやエネルギーインフラ構築に必要なリードタイムの長さが、その背景にあると分析します。
データセンター開発への世論と「ペトリ皿」としての米国
データセンター開発に対する公共の反発は高まっています。承認されたデータセンターの40%が最終的に建設されないという統計もあり、データセンターが「富の集中と技術的優位性の象徴」として見られる可能性も指摘されています。しかし、Matan氏は米国の「州」システムを「小さなペトリ皿」と表現し、データセンターを拒否する州と受け入れる州で、それぞれ異なる経済的・社会的結果が生じることを観察できるという、一種の実験場としての側面を指摘します。
「Grind Slop」批判：中間指標ではなく成果を追求する文化
Matan氏は、「Grind Slop（不必要な労力や中間的な作業）」という概念を批判します。これは、中間的なメトリクスに焦点を当てることから生じる問題であり、例えば「どれだけ汗をかいたか」でバスケットボールの試合の勝敗を測るようなものです。Matan氏がFactoryで重視するのは「最高の選手」であり、彼らがどれだけ汗をかいたかではなく、どれだけ成果を出したかです。
彼は、企業が従業員に過剰な労働時間を強制したり、オフィスにベッドを置いたりするような文化を批判し、十分な睡眠と休息を推奨します。なぜなら、Factoryで行うような「深い思考」や「脳力を最大限に使う」タイプのエンジニアリング作業では、休息不足は意思決定の質を著しく低下させるからです。
チームを「プロアスリート」のように扱う
Matan氏は、最高の企業はチームを「Seal Team 6」や「NBAオールスター」のようなプロアスリートのように扱うべきだと考えます。これはGoogleが提供したような派手な「バウンスキャッスル」のような福利厚生ではなく、アスリートがパフォーマンスを最大化するために食事、回復、マッサージなどを徹底的に管理されるように、知的パフォーマンスを最大化するための投資を意味します。
彼がもし無限の資金を持っていたら、従業員一人ひとりの睡眠の質、回復力、意思決定能力を向上させるために投資すると言います。これは「見かけは贅沢に見えるかもしれないが、実は負担でもある」とMatan氏は説明します。プロアスリートのように、オンシーズンには徹底的に集中し、オフシーズンにリフレッシュするという考え方で、最高の知的パフォーマンスを引き出す環境を整えるべきだというのです。
「AIが仕事を奪う」発言への批判
OpenAIのSam Altman氏やAnthropicのDario Amodei氏が「AIが仕事を奪う」という発言を繰り返したことに対し、Matan氏は「非常に不快で、不誠実で、間違っている」と強く批判します。この発言は、多くの人々の心理に悪影響を与え、AI開発を減速させるべきだという誤った感情を煽り、最終的には社会がAIの恩恵を受ける機会を遅らせる結果につながると彼は主張します。
彼は、この発言の背後には、数百億ドル規模の資金調達を正当化するために「資本主義が終わり、我々だけが残るから投資すべきだ」という、利己的なインセンティブがあったと分析します。そして、いざIPOを迎える段階になって、急に「人間は重要だ、仕事は残る」と言い始めるのは、非常に不誠実であると考えています。
最もAIを受け入れたレガシー企業：EYの事例
Matan氏が最もAIを積極的に受け入れた「レガシー企業」として挙げたのは、会計事務所のEYです。これは「衝撃的だ」とMatan氏自身が語るほどですが、EYはクラウド導入の遅れから学んだ教訓を活かし、AIに対しては「どんなに困難でも、我々の組織をエージェントネイティブにする」という強い意志を持って早期から取り組んできました。一部のスタートアップよりも、EYの方がエージェントネイティブであるという事実は、勇気あるリーダーシップと明確な戦略があれば、伝統的な企業でもAI変革の先頭に立つことができることを示しています。
Matan氏が考えを変えたこと：モデルの多様性
過去12ヶ月でMatan氏が最も考えを変えたのは、「フロンティアとベストとなる企業が1社か2社に集約されるかもしれない」という見方から、「少なくとも4社程度が同等のレベルで存在し続けるだろう」という見方に変化したことです。これは人類にとって「勝利」だと彼は語ります。なぜなら、単一の企業が市場を支配する独占状態は、最も悪いシナリオだからです。複数の強力なモデルプロバイダーが存在する競争環境こそが、イノベーションを促進し、より良いAIを社会にもたらす鍵となるでしょう。
結論
Matan Grinberg氏との対談は、AIが単なる技術革新に留まらず、私たちの働き方、企業の組織構造、経済の根本原則、さらには社会全体との関わり方までをも再定義する、まさに歴史的な転換点に私たちが立っていることを示唆しています。
「AIハングオーバー」期を迎え、企業はAIの活用をコストとROIの視点から厳しく見直す時期にあります。フロンティアモデルとオープンソースモデルの戦略的な選択、自社のコアコンピテンシーへの集中、そして外部リソースの賢明な活用が、この新たな競争環境で生き残る鍵となります。
未来の企業は、「エージェントネイティブ」な組織へと進化し、エンジニアはコードを記述するだけでなく、AIエージェントを指揮し、ソフトウェア開発の「工場」を設計する「ポリマス」へと変貌するでしょう。この変化は、エンジニアリングチームの文化、評価基準、そしてリソース配分のあり方を根本から変えます。
短期的には労働市場の混乱を招く可能性はあるものの、長期的にはAIが未解決の社会問題を解決し、人類全体の生産性と幸福度を高める大きな可能性を秘めています。そのためには、技術的な進歩だけでなく、人間側の行動変容、企業文化の変革、そして政府と市場の健全なバランスが不可欠です。
AIは、私たちに新たな思考様式と挑戦を促しています。この変革の波に積極的に適応し、深い洞察と戦略的アプローチを持ってAIと共生していくことが、これからの時代をリードする企業と個人に求められるでしょう。Matan氏の言葉が示すように、AIの未来は単一の支配者によって築かれるのではなく、複数の強力なプレイヤーと、彼らを支える革新的な企業、そして何よりも人間の知恵と適応力によって形作られていくのです。