Ali Ghodsi による AI スーパーサイクルの経済学

AGI はすでに到来しているが、コンテキストが欠けている

人工汎用知能（AGI）はすでに達成されていますが、人間が持つ特定の組織的なコンテキスト（文脈）が欠けているため、企業環境においては依然として大部分が役に立たないままです。モデルは複雑な数学的問題を解決することはできますが、長期雇用されている従業員、つまり、物事が実際にどのように機能するかを熟知している企業の「ジョンやジェーン」が持つ組織的な知識を複製することはできません。

AI が大きなインパクトを与えるためには、「超知能」を追求することから、人間のコンテキストや組織のプロセスを AI エージェントにどのように転送するかを考えることへと焦点を移さなければなりません。この「脳をシリコンにダウンロードする」作業なしには、モデルは高価値な企業タスクにおいて効果を損なうようなミスを返し続けるでしょう。

「SaaS アポカリプス」とソフトウェアの未来

ソフトウェアは「死んで」はいませんが、ソフトウェア企業を保護する経済的な堀（moats）は変化しています。この進化を推進している主な要因は 2 つあります。

1. 参入障壁の低下: AI はソフトウェアの記述を大幅に安価かつ迅速にし、生産コストをゼロに近づけています。
2. スイッチングコストの低下: ユーザーが複雑な UI から AI エージェントとの対話へと移行するにつれ、以前はユーザーを特定のソフトウェアエコシステム（例：Android 対 iOS）に縛り付けていた慣性が消失します。

これらの変化にもかかわらず、ソフトウェア企業は、規模の経済、ブランドの信頼、特許、および独自のデータを通じて、依然として堀を維持することができます。10 年間イノベーションを起こせなかった企業は、AI を活用して優れた製品を迅速に構築できる新しいプレイヤーによって淘汰される高いリスクがあります。イノベーションを継続し、深い顧客データを持つ企業は、生き残り、繁栄する可能性が高いでしょう。

生産性のギャップとプロセスのリファクタリング

AI の能力と、組織で見られる実際の生産性向上との間には大きな隔たりがあります。これは AI の失敗ではなく、人間のプロセスの失敗です。Ali Ghodsi はこれを PC の導入や電気エンジンの導入と比較しています。

• PC のパラドックス: 初期の採用者は PC を高価なタイプライターとして使用し、シートを印刷して手動でファイリングしていました。その結果、即座の生産性向上は見られませんでした。
• 電気エンジン: 電気エンジンが経済的生産性に影響を与えるまでには 40 年（1880 年から 1920 年）かかりました。なぜなら、工場は、高密度の蒸気駆動式ラインシャフトから、分散型の電力レイアウトへと完全に再設計される必要があったからです。

同様に、現代の企業は、フロアプランを変更せずに「蒸気エンジンを電気エンジンに置き換えよう」としています。真の生産性向上には、組織のプロセスを第一原理から再配線する「人間のリファクタリング」が必要です。

ケーススタディ：Databricks におけるコネクタ開発

Databricks では、本番環境向けのコネクタ構築は、従来、3 四半期（9 か月）を要していました。AI を導入した際、プロセスを最適化しようとする最初の試みは、チームが同じ硬直的なプロセス（長い要件定義フェーズ、逐次的なテスト、および単一の担当者による所有権）を維持していたため、期間を 1.5 か月しか短縮できませんでした。

第一原理思考を適用し、プロセスをリファクタリングすることで、チームは画期的な成果を達成しました：1 四半期に 7 つのコネクタをリリースすることに成功しました。これは、以下の方法によって達成されました：

• 要件定義フェーズを 1 四半期から 1 週間に短縮し、より迅速にイテレーションを行う。
• 外部ソフトウェアインスタンスのセットアップをアウトソーシングし、テストを並列化する。
• 「バス・ファクターが 1」 (1 人 per コネクタ) から、コラボレーティブなチームアプローチへと移行する。

この改善は、より賢い AI モデルによるものではなく、プロセス・チェンジの結果でした。

AI スタックにおける価値の蓄積

長期的には、価値はスタックを上方に移動し、アプリケーション層へと向かいます。現在の「ブルー・トライアングル」の価値はハードウェア（Nvidia）とインフラストラクチャに集中していますが、IBM から Microsoft、VMware へと続くテクノロジー業界の歴史的パターンは、価値が最終的にボトム層でコモディティ化し、トップ層に蓄積積されることを示唆しています。

高価値 AI アプリケーションの予測

• ヘルスケア: 何百万もの患者の遺伝的および医学的履歴を分析し、パーソナライズされた、命を救う介入を提供できる企業は、数兆ドルの価値を持つ可能性があります。
• 教育: 教育への投資は不採算であるという VC のコンセンサスがあるにもかかわらず、AI 駆動型の優れた教育を提供できる企業は、大規模なスケールとデータの堀（moats）を構築できる可能性があります。

フロンティア・モデルの役割

独自のフロンティア・モデルを提供することは価値が残り続けますが、それを提供するビジネスは、Amazon の書籍販売ビジネスのように、薄い利益率の規模の経済のゲームになります。オープンソース・モデルは、独自のモデル層に対する価格圧力をさらに強めるため、急速に独自のモデルとの差を縮めています。