AIが世界を飲み込む：次のプラットフォーム・シフトをナビゲートする

テクノロジーの歴史は、ツールの線形な進歩ではなく、一連のプラットフォーム・シフトの歴史である。メインフレームからPCへ、ウェブからスマートフォンへといった、10年から15年ごとの根本的な変化が、価値の獲得方法、ゲートキーパー（門番）の正体、そしてどの業界が存亡の危機に直面するかを再定義してきた。私たちは現在、生成AIによるそのようなシフトの真っ只中にいる。

アナリストのBenedict Evansによれば、現在の時代は、大規模で、ほとんど必死とも言える資本の投入によって特徴付けられる。「big four」（Microsoft, Alphabet, AWS, and Meta）は、単一の恐怖、すなわち「過小投資のリスクは過剰投資のリスクよりもはるかに大きい」という考えに突き動かされ、データセンターやチップに数千億ドルを投じている。しかし、この設備投資（capex）競争の塵が収まったとき、重要な問いが浮かび上がる。均衡状態とはどのようなものか？

設備投資の爆発とコモディティ化の罠

半導体需要とデータセンター建設の空前の急増が見られる。米国では、データセンターへの支出がオフィス建設を上回るケースもある。これは、これまでのテック時代の「アセットライト（資産軽量）」な性質からの脱却である。これらの企業は、次なるフロンティアのためのインフラを構築するために、金融的な重力に挑んでいるのだ。

しかし、歴史が示唆するのは、コモディティ化したインフラがスタックの上層部で価値を捉えることは稀であるということだ。Evansは、2010年のモバイルネットワークとの類似性を指摘している。通信事業者はモバイル革命を可能にした数兆ドル規模の「パイプ」を構築したが、実際の価値を捉えたのは、そのパイプの上に構築されたアプリやサービス（Uber, Instagram, TikTok）であった。

もしLLMがこの軌道を辿るならば、モデル自体がコモディティ化するだろう。OpenAI, Anthropic, Google, and Metaのフロンティア・モデルがすべて同様の汎用的な能力に達したとき、価格決定権は消失する。このシナリオでは、知能は電気や水のように、使った分だけ支払うユーティリティ（公共料金）となる。

「空白の画面」から実用的な展開へ

ハイプ（熱狂）にもかかわらず、AI利用と潜在能力の間には大きな「キャパシティ・ギャップ（能力の差）」が存在する。ChatGPTは数億人の週間ユーザーを誇るが、その大多数は日常的なパワーユーザーではない。消費者利用は、現在は「幅は広いが、深さはわずか1インチ」という状態である。

実験段階から不可欠な日常利用へと移行するためには、AIは「空白の画面（チャット・インターフェース）」を超えなければならない。Evansは、チャットは一般的な利用におけるUX（ユーザー体験）として劣悪であり、真のイノベーションは「アプリ」――すなわち、AIを既存のプロセスに統合する特定のワークフローやツール――において起こると主張している。

展開のパターン

新しいテクノロジーは、通常、以下の3つの段階で展開される：

Absorb（吸収）: 古いことをより良く行う（例：AIを使ってより良いメールを書く）。
Innovate（革新）: 以前は不可能だったことを行う（例：100万件の顧客の通話をリアルタイムで分析して特定の感情を見つけ出す）。
Disrupt（破壊）: 問いそのものを完全に再定義する。

現在、最も成功している展開は、コーディング、マーケティング、カスタマーサポートといった、タスクが明確でROI（投資対効果）が測定しやすい領域である。特にコーディングにおいては、以前は数十人が数ヶ月かけていたことを、少人数のチームが1週間で構築できるという世代交代的なシフトが起きている。

自動化のパラドックス：仕事 vs タスク

AI時代の最も深い問いの一つは、労働に何が起こるのかということである。Evansは、「タスク」と「仕事（job）」を区別することを提案している。

The Task（タスク）: 仕事の退屈で反復的な部分（例：仕様書の作成、スプレッドシートの構築）。これらはゼロへと自動化されている。
The Job（仕事）: 目標を達成するために必要な、暗黙知、センス、意見、そして戦略的思考。

歴史的に、タスクが無料になったとしても、必ずしも仕事が破壊されるわけではない。多くの場合、仕事の範囲が拡大する。自動化された在庫管理（バーコード）が導入されたとき、食料品店は全スタッフを解雇したのではなく、単に5倍の製品を品揃えしただけだった。「退屈な」作業が自動化されたことで、より複雑なビジネスモデルが可能になったのである。

技術的な不確実性と「マウソレウム（霊廟）」のリスク

資本の投入は驚異的だが、現在の経路が非効率であるという技術的なリスクも存在する。一部の観察者は、AIの「メインフレーム時代」――問題に対してより多くのパラメータとより多くのデータを投入すること――が、不器用なアプローチである可能性を示唆している。

もし、よりコンパクトで効率的な知能の表現モデルが発見された場合、現在の巨大なデータセンターは、PC革命が初期のコンピューティング時代の巨大な計算センターを疎外したように、「旧技術の朽ち果てた霊廟（mausoleum）」となる可能性がある。この可能性は、中央集権的なデータセンター型知能と、潜在的に分散型の未来との間の緊張関係を浮察している。

結論：根本的な不確実性を前提とする

2026年以降を見据えると、最も価値のある戦略は、根本的な不確実性を前提とすることである。AI時代の勝者は、単に最大のモデルを構築した者ではなく、正しい新しい問いを投げかけた者になるだろう。「かつては不可能だったが、今は安価になったことは何か？ AIによってコストベースがゼロに自動化できる業界はどこか？」

Evansが指摘するように、歴史は繰り返さないが、韻を踏む。失敗するアイデアや不明確な製品形態が乱立する現在の混乱は、あらゆるプラットフォーム・シフトの際の特徴である。目標は、未来を完璧に予測することではなく、新しい能力をうツールのワークフローや製品を作ることである。