AIの次なる地政学的兵器としてのLLM、そしてAI時代のマージンと未来：Andrew Ng氏が語る知られざる真実と挑戦

「私のAIキャリアの中で、十分なコンピューティングリソースを持っていると感じたAI関係者に、いまだかつて出会ったことがない。」

この率直な一言は、AI分野における最重要人物の一人であるAndrew Ng氏が、現代のAIエコシステムが直面する根源的な課題を端的に表現したものです。彼はかつて「AIは新しい電力である」と述べ、その破壊的な影響力と遍在性を予言しました。今日のデジタル経済において、データセンターは電力網や鉄道のような基幹インフラとしての役割を担い、AIの進化を支える上で不可欠です。しかし、その成長はボトルネックに直面しており、その影響は技術開発のみならず、地政学的な力学、ビジネスモデル、そして我々の働き方、さらには社会全体に及んでいます。

本記事では、Andrew Ng氏が語るAIの現状、未来、そしてその裏に潜む課題を深く掘り下げていきます。AIのボトルネックから始まり、急速に進化するAIアシストコーディングの世界、ホワイトカラー労働市場の変革、そしてAIがもたらすGDP成長の可能性に至るまで、多角的に分析します。さらに、オープンAIモデルの地政学的な影響、米中間のAI競争の現実、そしてヨーロッパが取るべき戦略についても考察します。最終的には、AI時代のビジネスモデルにおけるマージンの重要性、ディフェンシビリティの再定義、大企業におけるAI導入の障壁、そして未来へのAndrew Ng氏の揺るぎない希望に迫ります。専門性と分かりやすさを両立させながら、読者の皆様がAIの深遠な影響を包括的に理解できるよう、詳細かつ説得力のある視点を提供します。

AIのボトルネック：電力と半導体

Andrew Ng氏がAIの「新しい電力」と表現したように、AIは現代社会において不可欠なインフラとしての地位を確立しつつあります。しかし、その普及と発展は、ボトルネックによって阻害されています。彼が指摘する最大のボトルネックは、電力と半導体です。

データセンターの建設と電力供給の課題

米国をはじめとする多くの西側諸国では、データセンターの建設が「許認可」と「地域社会の支持」の問題により滞っています。データセンターは「デジタル経済を構築するための重要なインフラ」であるにもかかわらず、その建設は容易ではありません。これは、かつて道路や鉄道が国家インフラとして認識され、建設が進められた時代とは対照的です。

一方で、中国では「左右に発電所、それも原子力発電所を含めて建設している」とNg氏は指摘します。この対照的な状況は、AI分野における米中間の力学に大きな影響を与える可能性があります。電力供給の安定性と規模は、AIモデルのトレーニングと運用に不可欠であり、このインフラ競争は、AI大国としての地位を確立するための重要な要素となるでしょう。

半導体の「飽くなき需要」とGen AIの台頭

もう一つの主要なボトルネックは半導体です。Ng氏は、「私のAIキャリアの中で、十分なコンピューティングリソースを持っていると感じたAI関係者に、いまだかつて出会ったことがない」と述べ、AI分野におけるコンピューティングリソースの需要が常に供給を上回っている現状を強調します。特に生成AI（Gen AI）の台頭は、この傾向を加速させています。

例えば、「AIアシストコーディング」は開発者の生産性を劇的に向上させる「非常に価値のあるワークロード」として挙げられます。しかし、このような強力なツールが普及するにつれて、企業は「過剰な需要」に直面し、大規模言語モデル（LLM）の推論やトークン生成のための半導体とデータセンターの電力が不足しています。Ng氏は、人々が必要としているのに供給できない現状に「苛立ち」を感じています。

スケーリング法則と効率化のバランス

一部の専門家は、GPT-5のような大規模モデルにおいてスケーリング法則の限界が近づき、効率化への移行が重要視されていると指摘します。Ng氏もこの意見に同意し、「トークン生成がより効率的かつ安価になっているのは事実」と述べています。OpenAIが公開した「非常に効率的なモデル」はその好例であり、100億を超えるパラメータを持つモデルでありながら、57億のアクティブパラメータで運用できるとされています。

しかし、効率化が進む一方で、「トークン生成のコストが低下しているにもかかわらず、その需要は飽くなきもの」であるとNg氏は強調します。これは、AIの能力が向上するにつれて、人々がより多くのAIを活用しようとするためであり、技術の進歩と需要の増加が常に綱引きをしている状態を示しています。この「飽くなき需要」を満たすためには、効率化だけでなく、根本的なインフラ供給の拡大が不可欠なのです。

AIアシストコーディングの現在と未来

Andrew Ng氏は、AIアシストコーディングを「非常に価値のある分野」として高く評価し、その影響が他の職種にも波及する「先駆け」であると見ています。

生産性向上の実態と現場の熱狂

AIアシストコーディングツールは、開発者の生産性を劇的に向上させています。Ng氏自身も、「AIアシスタントなしでコーディングに戻りたくない」と語るほど、その効果を実感しています。彼のエンジニアリング責任者も、「これらのツールがどうしても必要で、私のコードまみれの死んだ手からそれらをこじ開けてみろ」とまで言ったエピソードは、現場でのAIアシストツールの絶対的な価値を示しています。かつて半年かかったプロジェクトが、今では週末に一人でこなせるようになるなど、その加速効果は「信じられないほど」です。

具体的な例として、Ng氏は娘さんの掛け算練習用のフラッシュカードを自分でコーディングして生成した話を挙げます。これは経済的価値が低い作業であっても、AIアシストコーディングを使えば迅速かつ容易に実現できることを示しています。このような「低経済価値」なタスクから、複雑な企業システム開発まで、AIアシストコーディングはあらゆるレベルで生産性を向上させています。

成熟度に関する見解の相違

Cohere社のJoel Pino氏は、AIアシストコーディングの成熟度が「2016年〜2017年の画像生成と同レベル」であると述べています。しかし、Andrew Ng氏はこの見解に異を唱え、「もっと進んでいる」と考えています。2016年当時の画像生成は「それほど価値があるとは思わなかった」と振り返り、現在のAIアシストコーディングは「実際に非常に役立っている」と強調します。この意見の相違は、ツールの「実用性」と「価値創出」に対する認識の違いに起因していると言えるでしょう。Ng氏は、ツールが実際にビジネスや個人の生産性向上に貢献している現状を重視しています。

他の職種への波及効果

AIアシストコーディングは、ソフトウェア開発者だけでなく、他の職種にもその影響を及ぼすと予測されています。Ng氏は、これを「他の職務機能にも起こりうることの先駆け」と見ています。AIマーケティングツール、AI採用ツール、AI金融ツールなどが効率化するにつれて、同様の生産性向上が期待されます。

Ng氏が例として挙げたのは、マーケターがユーザー調査のためにモバイルアプリを2日間で自力で開発したケースです。彼女はアプリストアで適切なツールを見つけられなかったため、自らコードを書いてユーザーフィードバックを得るツールを構築しました。これにより、彼女はマーケターとしての仕事をより良く遂行できるようになりました。また、彼の最も優秀な採用担当者は、AIを活用して履歴書をスクリーニングしており、人間では不可能だった効率で作業を進めています。

「Vibe Coding」と誰もがコードを学ぶべき理由

「Vibe Coding」（直感的なコーディング）という言葉には賛否両論あるものの、Ng氏は「誰もがコードを学ぶべきだ」という強い信念を持っています。ソフトウェアエンジニア以外の多くの職務においても、「コードをかける人」は「コードをかけない人」よりも多くのことを成し遂げられると彼は指摘します。

これは、AIが人間の仕事を完全に代替するのではなく、人間がAIツールを使いこなすことで、その能力を劇的に拡張できることを意味します。AIがコードを生成してくれる時代において、「手書きでコードを書くこと」は時代遅れになるかもしれませんが、「AIに正確に何をさせたいかを指示する能力」としてのコーディングスキルは、ますます重要になるでしょう。これにより、人々はより効果的、強力に、そして楽しく仕事ができるようになるとNg氏は語ります。

AIと人材、そしてホワイトカラーの未来

AIの急速な進化は、労働市場、特にホワイトカラーの職種に大きな影響を与えつつあります。Andrew Ng氏は、この変化を冷静に分析し、AGI（汎用人工知能）の実現にはまだ長い道のりがあること、そして人材育成の重要性を強調しています。

AIが人間の能力を10倍にするか、下位5%を代替するか

AIの成功を測るバロメーターについて、Sequoia CapitalのDavid Kahn氏は「AIが労働力の能力の下位5%を置き換えられるか」を提示しました。しかし、CohereのJoel Pino氏はこれを否定し、「真の問いは、AIが人々の能力を10倍にできるかだ」と主張します。

Andrew Ng氏は、ソフトウェアエンジニアリングの分野において、AIがコード作成を加速させ、人々の能力を劇的に向上させている例を挙げ、Joel Pino氏の意見に傾倒しています。彼は、AIは「仕事をより良く、より効率的に、より多くできるようにする」ことで、人々の能力を飛躍的に高めると見ています。

一方で、AIによる効率化が「人員削減」につながる可能性も否定しません。Ng氏は、「ごく一部の職種は間違いなく危機に瀕している」と認めつつも、「大多数の知識労働者にとって、AIは人間が依然として行う必要のある50〜70%の仕事を残す」と述べ、AGIが人間と同じことを全てできる日からは「数十年、あるいはそれ以上」離れているという現実的な見方を示しています。AIを活用する者と活用しない者との間には「大きな成果の差」が生まれるため、AIを使うことは不可欠であると説きます。

ホワイトカラーのタレントパイプライン問題

AIの台頭により、ジュニア層のコンサルタントや法務アソシエイトのような職務がAIに置き換えられ、将来的にシニア層に昇格する人材が不足する「タレントホール（人材の穴）」が生じるのではないかという懸念が指摘されています。

Ng氏は、この懸念は「それほど悲観的ではない」としつつも、「大きな問題がある」と認めます。彼はソフトウェアエンジニアリングの例を挙げ、現在の労働市場を4つのティアに分類します。

最も生産性の高いエンジニア: 10〜20年の経験を持ち、AIツールを熟知している。彼らは「世界のこれまで見たことのない速さ」で動く。
AIを熟知した新卒: ソーシャルネットワークやコミュニティを通じてAIツールを学んだ新卒。彼らは非常に速く動くが、経験豊富なAIエンジニアには及ばない。
旧来のコーディングに固執する経験者: 10年のコーディング経験があるにもかかわらず、AIを学ばず、2022年以前のChad GPT登場前のようにコーディングしている人々。Ng氏は「もはやこのような人々は採用しない」と述べており、彼らが「いずれ困ったことになるかもしれない」と警告します。
AIを知らない新卒: 大学のカリキュラムが遅れており、AIの基本的な知識やクラウドの利用経験がないまま卒業する新卒。彼らは「本当に苦戦している」層です。

この分析から、AI時代において最も重要なのは「経験」と「AIツールの活用能力」の組み合わせであることが分かります。特に、大学のカリキュラムが現実の技術進化に追いついていない現状が、AIを知らない新卒の苦境を招いているとNg氏は懸念しています。

高額報酬と「モチベーションの源泉」

一部のAIエンジニアが数億ドル規模の報酬を得ている現状について、Ng氏は「彼らにとって非常に喜ばしいこと」としながらも、その正当性については「判断が難しい」と述べます。高額な報酬がモチベーションの低下につながる可能性を問われると、Ng氏はシリコンバレーの友人たちの例を挙げ、「多くのテック文化では、人々はそれが楽しいから、世界を変える手段だから、という理由で働き続ける」と指摘します。「富が人々を怠けさせることは、想像よりもはるかに少ない」というのが彼の見解です。これは、真のイノベーターにとって、金銭的な報酬以上に「創造すること」や「影響を与えること」が強い動機付けとなることを示唆しています。

AIの経済的インパクトとGDP成長

AIが社会にもたらす経済的影響は計り知れません。Andrew Ng氏は、AIが「知能を安価にする」ことで、GDP成長率を劇的に押し上げる可能性を秘めていると語ります。

「知能の安価化」がもたらす変革

今日の社会において、最も高価な資源の一つが「知能」であるとNg氏は指摘します。高度な知識を持つ医師や教師、アドバイザーを雇うことは非常に高額であり、相対的に裕福な層しかその恩恵を受けられません。しかし、AIはついに「知能を安価にする道」を開きました。

「もし将来、誰もが賢く、情報に精通したスタッフの軍団によって、現在社会の比較的裕福な層だけが雇えるようなあらゆるテーマで支援されるようになるなら、個人ははるかにエンパワーされ、より多くのことを成し遂げられるようになるでしょう。」とNg氏は語ります。この個人のエンパワーメントは、社会全体に大きな変革をもたらし、GDP成長を「莫大なもの」にすると期待しています。

GDP成長率に関する期待値の議論

Andre Karpathy氏は、AGIが実現しても「GDP成長率2%に溶け込んでいくだけだろう」と予測し、劇的な変化ではないと見ています。しかし、Andrew Ng氏はこの見解に同意しません。彼は、「SoftBankの孫正義氏が期待するような、5〜6%以上のGDP成長」に「はるかに近づくこと」を望んでいます。

Ng氏の希望は、AIが単なる効率化ツールに留まらず、社会の根本的な構造を変え、新たな価値創造の機会を無限に生み出すという信念に基づいています。誰もが高品質な「知能」にアクセスできるようになれば、これまで不可能だったイノベーションが生まれ、社会全体の生産性と創造性が飛躍的に向上する、というのが彼のビジョンです。

知識の民主化と社会変革

AIによる「知能の民主化」は、知識と機会の格差を縮小し、これまで埋もれていた個人の潜在能力を解放する可能性を秘めています。高度な専門知識が必要な分野でも、AIアシスタントの支援があれば、より多くの人々が参入できるようになるかもしれません。これにより、社会全体のアウトプットが向上し、新たな産業が生まれ、既存の産業も革新されるでしょう。

これは、かつてインターネットが情報へのアクセスを民主化し、世界の経済と社会にパラダイムシフトをもたらしたのと同様、あるいはそれ以上のインパクトを持つ可能性があります。AIは、個人の生活、仕事、学習のあらゆる側面に深く浸透し、人類の文明のあり方を根本から変える力を持っているとNg氏は強く信じているのです。

オープンAIとクローズドAI：地政学的な視点

AIの進化は、技術的な側面だけでなく、地政学的な影響力、国家間の競争、そしてソフトパワーの源泉としても注目されています。Andrew Ng氏は、オープンAIモデルがもたらすこの新たな力学について、独自の深い洞察を提供しています。

オープンモデルとクローズドモデルの現状

現在のAIエコシステムは、「非常にダイナミック」であり、オープンモデルとクローズドモデルが混在しています。米国の多くの企業では、最先端のフロンティアモデルはクローズドに保たれ、その一段下のモデルがオープンソースとしてリリースされる傾向にあります。Ng氏は、これは「何もないよりははるかに良い」と評価し、オープンソース・オープンウェイトモデルをリリースするチームに感謝の意を表しています。

驚くべきことに、この領域でリードを取りつつあるのが中国です。Ng氏は、「中国が、大量の本当に優れたオープンウェイトモデルをリリースすることで、リードを取るか、あるいはそこに至るまでになっている」と指摘し、「10年前には予測できなかったこと」だと述べています。

中国がオープンAIを推進する理由

なぜ中国はオープンAIの世界を望むのでしょうか。Ng氏によれば、それは「オープンネスが国の発展に非常に役立つ」からです。オープンソースソフトウェアがリリースされると、「知識の流通が地域コミュニティにより速くなる」というメリットがあります。

具体的には、中国のチームがオープンウェイトモデルをリリースすると、アメリカの企業もそれを利用できる一方で、中国経済はそれ以上に大きな恩恵を受けます。オープンなモデルは、チーム間での協力や知識共有を促進し、「イノベーションにとって非常に価値のある知識の流通」を生み出します。一方で、米国がよりクローズドなモデルを維持し、高額な給与で才能を引き抜こうとすると、「知識の流通が非常に遅くなり、アメリカやヨーロッパのイノベーションの速度を遅らせる」とNg氏は警告します。

地政学的な影響力とソフトパワー

さらにNg氏は、オープンウェイトモデルが「地政学的な影響力の巨大な源泉」となる可能性を指摘します。例えば、発展途上国の子供が政治的に敏感なテーマや歴史的イベントについてAIに質問した際、使用するモデルの「原産国」が、その回答に特定の価値観や国家の視点を反映させる可能性があります。これは、AIモデルが「ソフトパワー」として機能し、国家の価値観や思想を世界に広める手段となることを意味します。

Ng氏は、韓国のK-POPやハリウッド映画が、それぞれの国の文化や価値観を世界に広める「ソフトパワー」として機能してきた例を挙げ、AIもまた「コミュニケーションとソフトパワーの新たなフロンティア」になると考えています。AIモデルを通じて提供される情報や視点が、世界の認識や価値観形成に大きな影響を与える可能性があるのです。

米中AI競争の現実

AI競争における「中国対米国」という二極化された見方について、Ng氏は「協力の余地も多くあり、競争的な側面もある」と冷静に分析します。彼はAIを単一のゴールがある「レース」ではなく、「一般的な目的の技術」と捉え、コーディング、質問応答、マーケティング支援など、多くの異なる能力を持つものとしています。AGIを「ゴールライン」と見なすのは、過剰なhypeであると彼は指摘し、AIは「今後数十年にわたって継続的に改善される能力」を持つと考えています。

しかし、AI能力が強力な国は、より「強力」になり、市民は「より豊か」になり、経済は「より速く成長する」ことも認めます。このため、国家間のインセンティブが一致しない場合、AI能力の差が国力に直結すると見ています。

Ng氏は、中国のAI開発能力を「過小評価すべきではない」と強く警告します。彼は、中国の「勤勉さ、スピード」、そして政府が「国家を挙げてのコミットメント」を行う能力を強調します。半導体への国家レベルの投資、K-12教育でのAI訓練、ビジネス間の知識共有、レアアースの支配などが、中国の「国全体、経済全体での努力」を非常に強力なものにしていると分析しています。

米国チップ輸出規制の裏目

米国が半導体チップの輸出規制を行ったことについて、Ng氏は「概ね裏目に出た」と評価しています。Huaweiへの規制、そしてNVIDIAやAMDなどの半導体輸出規制は、「中国に半導体開発を加速させるインセンティブを与えた」と指摘します。規制以前の中国の半導体開発は「正直言ってそれほど速くはなかった」が、規制後には「本当に加速した」と述べています。

結果として、中国企業は個々のチップの性能は劣るものの、大量のチップを組み合わせることで、NVIDIAの旧世代、そして現世代の製品とも競争力のある製品を開発し始めています。Ng氏は、この動きが米国の長期的な国益にとって「必ずしも有益ではない」と懸念を示しています。

ヨーロッパのAI戦略と規制の問題

Andrew Ng氏は、AIにおけるヨーロッパの立ち位置と、その戦略的課題について厳しい意見を述べています。特に、過度な規制がイノベーションを阻害している点を問題視しています。

ヨーロッパのAI後進性

Ng氏は、ヨーロッパがAI競争において「非常に遅れをとっている」という認識があることを認めます。一部の意見では「すでに負けた」とまで言われる現状に対し、彼は「欧州には賢い人々が豊富にいる」としながらも、現在の方向性では追いつくのが難しいと見ています。

「規制リーダーシップ」の幻想

Ng氏は、ヨーロッパの規制当局者から「AI規制のリーダーになりたい、それが競争優位になる」という発言を聞くことがあると明かします。しかし、彼はこれに対し「敬意を込めて言えば、それは競争優位ではない」と断言します。

彼のヨーロッパへの「たった一つの願い」は、「規制しすぎるのをやめて、投資と構築に集中すること」です。AIはまだ「初期段階」にあり、過度な規制は、本来イノベーションに費やされるべきエネルギーとリソースを吸い取り、発展を阻害します。Ng氏は、勤勉な人々が努力することを妨げず、彼らが「建設的な活動に集中できる環境」を整えるべきだと訴えています。

どこに投資すべきか

投資の具体的な対象について、Ng氏は「データセンターとインフラには大量の資本が投入されている」と指摘し、これが「バブル」ではないかという議論があることを認めつつも、「確かに多くの投資が必要」であると強調します。

しかし、それ以上に彼が重視するのは「アプリケーション層」への投資です。基盤モデルのトレーニングに巨額が投じられた今、それらのモデルを「安価に」利用して「大量のアプリケーションを構築すること」が可能になりました。かつては不可能だった多くのアプリケーションが、今では現実のものとなりつつあります。

VC投資の観点からは、「試行のコストが非常に低い」ために、大規模な資本を投入すべきアイデアが少ないという「奇妙な問題」があるとも指摘します。1億ドルをデータセンターに投資する方法は明確ですが、同じ金額をアプリケーション構築にどう使うかという問題です。しかし、Ng氏は「それでも多くの価値ある賭けがアプリケーション層には存在する」と信じており、資本効率の良い方法で多くのアイデアを試すべきだと主張しています。

規制とイノベーションのバランス

ヨーロッパが直面する課題は、イノベーションを促進するための環境整備と、懸念されるリスクへの対応という、規制の二律背反をどう乗り越えるかという点にあります。Ng氏のメッセージは明確であり、AIの初期段階では、過度な慎重さや規制よりも、大胆な投資と迅速な構築が未来を切り開く鍵となるというものです。これは、AI技術の潜在能力を最大限に引き出すためには、柔軟で適応性の高い政策フレームワークが不可欠であることを示唆しています。

AI投資とビジネスモデルの変革

AIの進化は、投資の世界とビジネスモデルのあり方にも根本的な変化をもたらしています。Andrew Ng氏は、AIアプリケーション層における「マージン」の課題、VC資金の流れ、そしてディフェンシビリティの再定義について深く分析しています。

AIアプリケーション層におけるマージン問題

多くのAIアプリケーション企業は、「マージンが悪い」という問題を抱えています。高いエンジニアリングコストに加え、OpenAIやAnthropicなどの基盤モデルプロバイダーへのトークン使用料が大きな負担となっているケースが多いためです。実際、一部の企業では「パススルーの80%がAnthropicに流れている」とNg氏は指摘します。これは、AIアプリケーションが「基盤モデルの上に構築される」という性質上、避けられない課題です。

しかし、Ng氏はこの状況が「変わる」と見ています。「LLMトークンのコストは下がり続ける」と予測されており、これによりアプリケーション層の経済性が改善される可能性があります。彼はこれを、かつてのフードデリバリー業界における「VC補助金付きの食事」になぞらえます。現在は「VC補助金付きのAIコーディング」のような状況ですが、「いずれ物理法則や金融法則によって、この状態は永遠には続かない」と述べ、将来的には「永久にVC補助金に依存しない、非常に価値のあるビジネス」が生まれると確信しています。

投資戦略：「アイデア創出」 vs. 「ホットディールへの参入」

Andrew Ng氏が率いるAI Fundは、「ファンド」と名乗ってはいるものの、その実態は「ベンチャースタジオ」あるいは「ベンチャービルダー」に近いと説明します。彼らの主要なスキルセットは「構築すること」にあり、一般的なVCのように「ホットなディールを巡って競争する」ことよりも、「アイデアを見つけて新しい会社を創造すること」に重点を置いています。

AI Fundは、投資家やパートナーと協力してアイデアを練り上げ、その後で「最適なファウンダーを見つけて共同で会社を設立する」というアプローチを取っています。初期投資は、通常100万ドル（400万ドルキャップ）で、20〜25%の株式と、設立の「スウェットエクイティ」に対する普通株式を取得します。Ng氏のチームは、「世の中に存在しなかった新しい会社を創造すること」で、より多くの価値を生み出していると考えています。

AI時代のディフェンシビリティの再定義

AI時代において「模倣にかかる時間が大幅に短縮され、ディフェンシビリティ自体が問われている」という意見があります。Ng氏も「堀（Moats）は変化している」ことを認めつつ、ディフェンシビリティは「技術の機能というよりも業界の機能である傾向がある」と説明します。

かつては「10年かけて構築したソフトウェア」が模倣しにくい「ソフトウェアの堀」として機能しましたが、AIの進化により、この堀は「以前よりもはるかに弱くなっている」と彼は見ています。しかし、他の種類の堀、例えば「非常にディフェンシブルな双方向市場の構築」や、「消費者ブランドや評判の効果」などは依然として有効であると指摘します。つまり、AIそのものがディフェンシビリティを生み出すわけではなく、AIを活用して「業界固有の堀」を強化する戦略が重要となるのです。

大企業におけるAI導入の障壁

大企業がAIを積極的に導入する上で最大の障壁は何か、という問いに対し、Ng氏は「人々とチェンジマネジメント」であると断言します。「データではない」と彼は明確に否定します。データは重要ではあるものの、データ不足が導入のボトルネックになることはないと考えています。

Ng氏は、AIのhypeには常に「真実の宝石」が含まれているが、「現実よりも10倍誇張されている」と指摘します。例えば、「従業員1人のユニコーン企業」という考えは、AIが少人数で多くのことを成し遂げられるという真実を誇張したものです。

大企業は、独自の豊富なデータを保有しており、それを活用することで大きな価値を生み出すことができます。例えば、金融機関の取引データや医療データ、SEC提出書類のような公開情報も、AIとスクラッピーなチームがあれば価値を引き出せます。

JPモルガンやゴールドマンサックスがChatGPTの使用を禁止し、内部システムを構築している例から、エンタープライズAIの採用には「セキュリティとパーミッション」が大きな課題であることが分かります。Ng氏は、「最終的には到達する」としつつも、オンプレミスからクラウドへの移行と同様に、「AIの採用には、hypeが言うよりもはるかに長い時間がかかるだろう」と予測します。彼は、「10年後も、企業で価値あるアプリケーションを特定し、構築する作業を続けているだろう」と述べ、長期的な視点での取り組みの重要性を強調しています。

AIに関する誤解

Ng氏は、AIの採用と実装に関して「多くの人が間違っている」こととして、次の点を挙げます。

コーディング不要論の誤謬: 「AIが自動化するからコーディングを学ぶな」というアドバイスは「これまでで最悪のキャリアアドバイス」だとNg氏は批判します。AIがコーディングを容易にするからこそ、「より多くの人がコードを学ぶべき」であり、AIを使ってコードを書かせる能力は、今後ますます強力なスキルとなるでしょう。
AGIの過剰なhype: 「2年後にAGIが来る」といった予測は「とんでもない」と一蹴します。AIは今後10年で多くの進歩を遂げるが、それでも「終わりはない」と見ています。

結論として、AI投資とビジネスモデルの変革は、技術の進化と市場の成熟度、そして人間がAIをどう活用し、組織を変革できるかに深く依存しています。Andrew Ng氏は、楽観的であると同時に現実的な視点から、この複雑なエコシステムの未来を指し示しています。

AIのアーキテクチャ：モノリシック vs. 専門化モデル

AIの能力が進化するにつれて、どのようなアーキテクチャが最も効果的かという議論が活発化しています。大規模なモノリシックモデルが全てをこなすのか、それとも小さく専門化されたモデルが最適なのか。Andrew Ng氏は、この問いに対し「全てのモデルが共存する」という見解を示し、Andrej Karpathy氏の「エージェントは10年先」という見解に異を唱えています。

大小さまざまなモデルの共存

Ng氏は、将来のAIエコシステムは「大規模モデル、中規模モデル、そして非常に小さな小型モデル、全てが存在する」と確信しています。その理由は「知能の性質が多様である」ことにあります。

人間が「蝶の綴りを教える」ような簡単な知的タスクから、「複雑な技術的問題について何時間も考える」ような非常に難しいタスクまでこなすように、AIに求めるタスクの範囲も広大です。

小型モデルの適用: 「基本的な文法チェックやスペルチェック」のようなタスクには、巨大なモデルは不要であり、「ローカルで実行できる小さなモデル」で十分です。
大型モデルの適用: しかし、「複雑な推論を行ってコードを書く」ようなタスクには、「強力なモデル」がより良いパフォーマンスを発揮します。

このように、タスクの難易度や要件に応じて、最適なモデルのサイズや種類が異なるため、Ng氏は「大小さまざまなモデルの膨大な範囲が存在する」ことになると予測しています。これは、リソース効率とタスク特異性を両立させる上で理にかなったアプローチと言えるでしょう。

「有用なエージェント」はすでに存在するか？

TeslaのAIディレクターであったAndrej Karpathy氏は、「有用なエージェントは10年先」だと述べています。しかし、Andrew Ng氏はこの意見に「同意しない」と明確に表明します。彼は、「有用なエージェント的ワークフローはすでに存在している」と見ており、AI Fundのチームが構築した数々の実例を挙げます。

Ng氏が提供した具体的なエージェント的ワークフローの例は以下の通りです。

関税コンプライアンス: 1年以上前、AI Fundは「関税コンプライアンス」支援技術の構築を開始しました。自転車の輸入など、関税書類は非常に複雑で、人間が手作業で処理するには途方もない労力を要します。AIエージェントは「関税コンプライアンス文書を注意深く読み込み、輸入したいものの仕様を入手し、マッチングを試み、提案を行う」ことで、この複雑なプロセスを自動化し、大幅に効率化しています。これは現在、AI Fundのポートフォリオ企業であるGuy-GA Dynamicsが提供しており、関税コンプライアンスの複雑化に対応しています。
医療アシスタント: インドで活動する医療アシスタントAIや、法律文書を処理するKactusのようなスタートアップも、エージェント的ワークフローを活用して、これまで不可能だったタスクを遂行しています。
大企業における内部ワークフロー: ハイパースケーラーなどの大企業でも、AIエージェントなしには実行できなかった多くの内部ワークフローが存在するとNg氏は指摘します。

これらの例は、AIエージェントが単なる未来の概念ではなく、すでに現実世界で具体的な価値を生み出し、人間では困難だった複雑なタスクを自動化・支援していることを示しています。Ng氏は、エージェント技術の進化が、ビジネスと社会に即座に影響を与えていると見ています。

ディフェンシビリティ、エンタープライズAI、そして誤解

AIの波は、企業のディフェンシビリティの概念を変え、大企業のAI導入には特有の障壁が存在します。Andrew Ng氏は、AIに関する一般的な誤解についても言及し、現実的な視点からその影響を分析しています。

AI時代のディフェンシビリティの変遷

AI時代における「堀」（ディフェンシビリティ）は変化しています。Ng氏は、堀は「技術の機能というよりは業界の機能である傾向がある」と述べ、AI技術そのものが普遍的な堀を提供するわけではないと指摘します。

かつて、ソフトウェア自体が強力な堀となり得ました。10年かけて構築された複雑なソフトウェアは、容易には模倣できない資産でした。しかし、AIの進化、特にAIアシストコーディングのようなツールの普及により、「ソフトウェアの堀は以前よりもはるかに弱くなっている」とNg氏は見ています。AIを使えば、ソフトウェアをより速く、より効率的に構築できるようになるため、模倣の障壁が低くなるからです。

しかし、他の種類の堀は依然として重要です。例えば、「非常にディフェンシブルな双方向市場の構築」や、消費者向け企業における「ブランドや評判の効果」などが挙げられます。AIはこれらの堀を構築・強化するためのツールとして機能しますが、AI単独で堀を形成するわけではありません。ディフェンシビリティは、業界固有の戦略とAIの賢明な活用を通じて築かれるべきものなのです。

大企業のAI導入における最大の障壁：人々とチェンジマネジメント

大企業がAIを積極的に導入できない最大の障壁は何か、という問いに対し、Ng氏は「データ」ではなく、「人々とチェンジマネジメント」であると断言します。データは確かに重要ですが、それがボトルネックになることはほとんどありません。多くの大企業は、トランザクションデータ、セールスデータ、製品データ、製造データ、ロジスティクスデータなど、独自の貴重なデータを豊富に保有しています。これらを「スクラッピーなチーム」がAIと組み合わせて活用すれば、大きな価値を生み出せるとNg氏は指摘します。

むしろ問題は、組織内の文化的な抵抗、新しいワークフローへの適応、そして変革を管理する能力にあります。AIの導入は、既存の職務内容や役割、意思決定プロセスに大きな変更を迫ります。これに伴う不安や抵抗を乗り越え、従業員を新しいツールや働き方に適応させる「チェンジマネジメント」こそが、最も困難な課題なのです。

また、エンタープライズ環境におけるデータセキュリティとプライバシーの課題も、AI導入を阻む大きな要因です。JPモルガンやゴールドマンサックスがChatGPTの使用を禁止し、独自の内部システムを構築している例は、機密データ保護への厳格な要件を示すものです。しかしNg氏は、これはオンプレミスからクラウドへの移行と同様に、時間をかけて解決されていく問題だと見ています。AIの本格的なエンタープライズ採用には「hypeが言うよりもはるかに長い時間」がかかり、「10年後も、企業で価値あるアプリケーションを特定し、構築する作業を続けているだろう」と予測します。

AIに関する一般の誤解とHypeの弊害

Ng氏は、AIに関する「hype」が、人々の認識を歪め、不適切な意思決定を招いていることを強く懸念しています。

「従業員1人のユニコーン」の幻想: AIが少人数で多くのことを成し遂げられるのは事実ですが、「従業員1人で10億ドル規模のスタートアップを構築できる」という考えは誇張です。これはAIの真のポテンシャルを不必要に歪め、非現実的な期待を生み出します。
AGIの誤解: 「2年後にAGIが来る」というような過剰な予測は「馬鹿げている」と一蹴します。このようなhypeは、社会の優先順位を誤らせ、重要な議論を逸脱させる可能性があります。
コーディング不要論の危険性: 最も危険な誤解の一つは、「AIがコーディングを自動化するから、コーディングを学ぶ必要はない」というアドバイスです。Ng氏はこれを「これまでで最悪のキャリアアドバイス」と呼び、AIがコード作成を容易にするからこそ、より多くの人がコードを学び、AIを使いこなせるようになるべきだと強調します。

このようなhypeは、AIに対する「一般の支持」を損なう可能性もあります。Ng氏は、高校生の少女がAIが「人類絶滅」につながるというhypeを聞いて、AI分野へのキャリアを諦めてしまったという悲しい例を挙げます。また、地域社会がデータセンターの建設を拒否する決定も、誤った情報によるものです。Ng氏は、「規制当局が『人類絶滅』について話すよりも、労働力のスキルアップや投資について議論すべきだ」と訴え、AIに関する正確な情報と冷静な議論の必要性を強調しています。

AIの将来と希望

Andrew Ng氏は、AIの未来に対して揺るぎない楽観主義を抱いています。彼は、AIが社会全体に計り知れない恩恵をもたらすと信じつつ、その過程で直面するであろう課題にも現実的に向き合っています。

「コスト削減」から「成長」への転換

AIの導入は当初、「コスト削減」の観点から議論されることが多いですが、Ng氏はAIが「成長」を牽引する可能性に焦点を当てています。彼は、既存のワークフローを単に20%効率化するだけでなく、ワークフロー全体を「再考」することの重要性を強調します。

具体的なパターンとして、彼は「より速く行う」と「より多く行う」という2つのアプローチを挙げます。

より速く: 例えば、ローンの承認プロセスにおいて、これまで2週間かかっていた意思決定をAIがわずか10分で初期回答を出すようにすれば、それは単なるコスト削減ではなく、「製品自体を変革し、成長を促進する」ものとなります。
より多く: また、これまで高価なハイエンド顧客にしか提供できなかった手厚い顧客サービスや金融アドバイスを、AIの活用により「はるかに多くの人々」に経済的に提供できるようになれば、これもまた「製品を変革し、成長を促進する」ことにつながります。

Ng氏は、このような「より速く、より多く」という思考が、AIがGDP成長を大きく押し上げる鍵となると見ています。

スタックの垂直統合と水平分業

AI業界の構造が、垂直統合型になるのか、それとも水平分業型になるのかという問いに対し、Ng氏は「時間とともに進化する」と答えます。彼はコンピューティング産業の初期段階を例に挙げます。当時はキーボードとCPUの連携など、インターフェースの標準が確立されていなかったため、IBMのような垂直統合型企業が全ての問題を解決し、価値ある製品を構築できました。

しかし、業界が成熟し、USBのような「標準」が確立されると、異なる企業がそれぞれの部品を製造し、それらを組み合わせて機能させることが可能になりました。AI業界も同様に、現在はまだ「未成熟」な段階にあり、どの部分に境界線を引くべきか、どのような標準が必要かが不明瞭です。しかし、将来的に「圧縮されたLLMモデルのファイル形式」のような標準が生まれるにつれて、各プレイヤーがそれぞれの専門分野に特化し、エコシステム全体に貢献する「水平分業」の構造へと移行していくと予測しています。

バブル議論への冷静な視点

AI業界における「バブル」の可能性について、Ng氏は「泡立つ可能性はある」と認めつつも、その議論に「苛立ちはしない」と述べます。彼の懸念は、「hype」が人々や政策決定者を誤った方向へ導くことにあると説明します。

特に「人類絶滅」のような過剰なhypeは、AIに対する社会の認識を歪め、投資やスキルアップといった建設的な議論を妨げ、AIの発展を遅らせる可能性があります。Ng氏は、AIの「アプリケーション層」には明確なROI（投資収益率）があることを強調しつつ、データセンターやインフラへの適切な投資額を見極めることが「難しい問い」であるとしながらも、「多額の投資が必要」であることは明らかであると述べています。

最大の懸念：全員を連れて行くことの難しさ

Andrew Ng氏が最も懸念しているのは、「全員を連れて行くことの難しさ」です。過去の経済的変革（農業から非農業への移行など）では、古いスキルを持つ人々は引退まで働き続けることができ、その子供たちが新しいスキルを学ぶという形で社会が適応できました。しかし、AIによる変革は「今回は非常に速い」ため、「今日生きている人々が新しいスキルを学ぶ必要がある」状況にあります。

これは「非常に困難な課題」であり、歴史的に見ても人間社会が「得意としてきたことではない」とNg氏は指摘します。AIの恩恵を社会全体で享受するためには、大規模な労働力再訓練プログラムや教育改革が不可欠であり、この課題にどう取り組むかが、AI時代の社会の安定と公平性を左右するでしょう。

未来への希望：誰もがソフトウェアの「創造者」になる世界

Andrew Ng氏が最も興奮している未来のビジョンは、「誰もがAIを構築できるようにする」ことです。彼は、「アイデアを持ってからそれを構築するまでの距離が、はるかに短くなった」と語ります。未来において、人々は「アプリはありますか？」と尋ねるのではなく、「アプリを構築しました」と言うようになることを望んでいます。

ソフトウェアの単なる「利用者」ではなく、「創造者」になることで、世界中の人々が「はるかにエンパワーされ、より多くのことを成し遂げ、より楽しくなる」と彼は信じています。このビジョンは、AIが人間の創造性と生産性を解放し、新たな可能性を無限に広げるという、彼の深い信念の表れです。Andrew Ng氏の言葉は、AIの未来が技術の進化だけでなく、人間の教育、社会の適応、そして個人のエンパワーメントにかかっていることを強く示唆しています。

まとめ

Andrew Ng氏の洞察は、AIが単なる技術革新に留まらず、地政学的な力学、経済成長の源泉、労働市場の構造、そして個人の働き方にまで深く影響を及ぼす「新しい電力」であることを改めて浮き彫りにしました。彼の言葉から見えてくるのは、AI時代の多層的な課題と、それらを乗り越えた先に広がる計り知れない可能性です。

私たちは、電力と半導体という物理的なボトルネックに直面しながらも、AIアシストコーディングのようなツールがもたらす劇的な生産性向上を目の当たりにしています。この変化は、ホワイトカラー労働市場に新たなスキル要件を課し、AIを知らない層を厳しく選別する一方で、AIを使いこなす人材にはかつてない機会を提供します。GDP成長率の議論は、AIが「知能を安価にする」ことで、社会全体の生産性と創造性を劇的に高めるというNg氏の楽観的なビジョンを示しています。

オープンAIモデルの台頭は、技術開発だけでなく、国家の地政学的な影響力やソフトパワーの源泉となるという新たな局面をもたらしました。米中間のAI競争は避けられない現実である一方で、Ng氏は過度な規制ではなく、投資と構築に焦点を当てることの重要性を説き、特にヨーロッパに対するメッセージは明確です。

AIビジネスにおけるマージンの問題やディフェンシビリティの再定義は、新たな時代におけるビジネスモデルの模索を促します。大企業がAIを導入する上での最大の障壁が「人々とチェンジマネジメント」であるという指摘は、技術的な課題以上に、組織文化と人材育成の重要性を強調しています。そして、「AGIの過剰なhype」や「コーディング不要論」といった誤解が、社会の適切な意思決定を阻害する危険性についても警告を発しています。

しかし、Andrew Ng氏の最終的なメッセージは、力強い希望に満ちています。彼が最も期待するのは、誰もがソフトウェアの「利用者」から「創造者」へと変わり、AIを通じて自らのアイデアを実現し、世界をより良く、より楽しく、そしてよりエンパワーされた場所にする未来です。このビジョンを実現するためには、社会全体でAI教育を推進し、労働力再訓練に積極的に取り組み、イノベーションを促進する環境を整備することが不可欠です。

AIはまだ旅の始まりに過ぎません。その道のりには多くの課題が横たわっていますが、Andrew Ng氏のような先駆者たちの洞察とリーダーシップが、この新しい「電力」の恩恵を最大限に引き出し、より良い未来を築くための羅針盤となるでしょう。私たちは、この壮大な変革の時代において、常に学び、適応し、そして創造し続ける姿勢が求められています。