00:00:00 ショーの紹介とホワイトカラー職へのAIの影響
00:02:20 大規模言語モデル (LLMs) の紹介
00:03:27 ジョアネスが生成AIとGPT-4に気付く
00:05:44 LLMs を普遍的なテンプレート機械として
00:07:05 自動化の可能性と視点の転換についてジョアネスが語る
00:10:38 サプライヤーとのコミュニケーション自動化の課題
00:12:24 LLMs の影響の要約
00:14:11 自動化における平凡な問題
00:15:59 絶滅レベルの事象の規模
00:17:48 業界用語に対するAIの理解
00:19:34 職務へのAIの影響に対する疑問
00:21:52 自動応答システムとエンドツーエンド自動化の重要性
00:28:08 既にプロセスを自動化している企業
00:30:36 AIによる効率改善と競争優位性の獲得
00:34:28 AI市場の準備状況
00:36:27 AI開発の起源
00:38:55 サプライチェーンの困難な部分の自動化
00:41:36 自動化によって豊かになる社会
00:44:23 サプライチェーンサイエンス学習の未来
00:46:54 聴衆からの質問への移行
00:50:12 Lokad の技術ロードマップの再考
00:52:29 Q&A セッションの開始
00:55:00 サプライチェーンにおける財務視点
00:58:46 価格設定と利益への影響に関する質問
01:01:00 小規模で平凡な問題に対するLLMsの活用
01:07:17 一般知能と絶滅事象
01:09:49 中小企業におけるAIの影響
01:13:02 Lokadにおける自動化の利点
01:17:55 非採用企業への絶滅事象の予測
01:20:32 自動化による進歩の例としてのパリ
01:22:20 成功するAIと人間の協働に関する質問
01:26:19 高次の人間知能の限界
01:28:31 小国のサプライチェーンにおけるAIに関する質問
01:32:25 発展途上国のためのイコライザーとしてのAI
01:34:05 裁縫機のシンプルさとその影響
01:35:31 革命ではなく進化
01:36:19 閉会の思い
サマリー
Conor Doherty と Lokad の Joannes Vermorel の対談において、Vermorel は 人工知能 (AI) が2030年までにバックオフィスのホワイトカラー職を大量に絶滅させると予測しており、以前の予測よりもはるかに早い時期にこの事態が訪れると述べている。彼はこれを大規模言語モデル (LLMs) の成功に帰しており、特にサプライチェーンにおけるバックオフィス職全体に影響を与えると考えている。Vermorel は、目標は単調な作業の完全自動化であり、それにより大幅な生産性向上が得られると主張している。また、多くの企業が数か月以内にこれらの職務から人員削減を始めると予測し、戦略的な意思決定など高度な人間の知性を要求するタスクは依然としてLLMsの能力を超えていると示唆している。
詳細なサマリー
最近、Lokad のコミュニケーション責任者 Conor Doherty と同社の創設者であるCEO Joannes Vermorel の対談において、両者は人工知能 (AI) と サプライチェーン最適化 の影響について議論した。Vermorel は、AI がバックオフィスのホワイトカラー従業員に対して大量の絶滅事象を引き起こすと考えていると述べた。彼は、以前は2050年までにホワイトカラー職の90%が消滅すると予測されていたが、これが2030年までに実現するとの見解を示した。
Vermorel によれば、鍵となるのは大規模言語モデル (LLMs) の成功であり、特にサプライチェーンにおけるバックオフィスのホワイトカラー職全般に大きな影響を与えるという。彼は、当初LLMsの革命を見逃しており、約18か月前に生成AIと関わり始めた際にその可能性に初めて気付いたと明かした。自身のGPT-4（OpenAI製）の使用経験を共有し、この技術が実用レベルであると実感したと述べた。彼は、GPT-4 が数年前から存在していた GPT-3.5 よりも桁違いに賢く、仕組みを理解すれば GPT-3.5 でも活用できると説明した。
Vermorel はLLMs を、極めて強力でノイズに対して レジリエント な普遍的テンプレート機械と表現した。彼は、約1年前に Lokad のロードマップ全体を書き直し、その後の12か月間で次々とタスクを自動化してきたと述べ、自動化によって得られる成果の大きさと、自動化できない問題を見つける難しさに驚嘆している。また、Lokad は10年前に最も難しい部分である定量的判断を自動化し、最新のLLMsの助けを借りて残りの部分もここ12か月で自動化してきたと説明した.
Vermorel は、特に言語関連のタスクにおいて自動化が、人間のスキルと知性を速度と 予測 の面で既に上回っていると説明した。彼は、LLMs が製品名の色を実際の色と誤解するといった一般的なミスを回避するのに長けている例を挙げ、LLMs を各業界の用語やジャルゴンに精通した使用人に例え、特定の専門用語に不慣れな一般人よりも優れていると述べた。彼は、これまで試みた全てが機能していることから、本当に自動化できないものは何かが重要な問いであると指摘した.
Vermorel は、AIが人間の意思決定をサポートするコパイロットとして機能するという見解に異議を唱え、目標は単調な作業の完全なエンドツーエンド自動化にあり、これによって大幅な生産性向上が実現できると述べた。彼は、非反復的な職務は存続するものの、日常的には非反復的に見える多くのタスクが年間を通しては実際には反復的であると確認した。また、自動化が実現する期間は非常に短縮され、多くの企業がすでに迅速に自動化へと舵を切っていると述べた.
Vermorel は、これまでの技術革命が特定の業界に限定されていたのに対し、大規模言語モデルはほぼすべてのホワイトカラー職、特にバックオフィス職に適用されると説明した。彼は、市場全体の自動化の進行はバックオフィスほど速くなく、一般の期待がそのペースを決定すると強調した。クライアントは、生産の実行が完全に自動化されているか、事務員によって行われているかには関心がないと述べた.
Vermorel は、バックオフィス職の自動化は驚くべきものであると予測したものの、過去150年間、ブルーカラー職で類似の変化が進行してきたことを指摘した。彼は、上下水道の導入により絶滅したパリの水運び人の例を挙げ、また契約書の草案を一行ずつ比較するというタスクがMicrosoft Wordに取って代わられたように、すでにいくつかの業務が自動化によって消滅していると述べた。これらの変化のペースは、LLMs の登場までは徐々に進行していたが、LLMs の登場により、1年で20年先を歩むかのような感覚になると語った.
サプライチェーンサイエンスの未来に関する質問に対し、Vermorel は、彼のサプライチェーン講義で教えられている基本原則は自動化されないと断言した。彼は、基本的な問いに注目し、LLMs によって自動化される些細な部分に気を取られないよう促した。彼は、LLMs がバックオフィスの企業機能にとって絶滅事象となると総括し、多くの企業が数か月以内にこれらの職務から人員削減を始めると予測した.
サプライチェーンにおいて不要となる職種に関する質問に答えて、Vermorel は需要と供給のプランナー、在庫分析担当、そしてカテゴリーマネージャーを挙げた。彼は、サプライチェーン・サイエンティスト のような、数値的レシピと戦略的思考を要する役割は自動化されないと示唆した。さらに、Lokad は計画、スケジューリング、購買、生産、配分、価格更新といった基本的な決定だけでなく、マスターデータ管理、コミュニケーション、クライアントや供給業者への通知といった周辺プロセスも自動化していると説明した.
サプライチェーンに新たに参入する若者へのアドバイスとして、Vermorel は戦略的理解、批判的思考、そしてプログラミングスキルに重点を置くよう提案した。彼は、LLMs はこれらのスキルを完全に置き換えることはなく、生産性を向上させると考えている。Vermorel は、AI主導のサプライチェーンソリューションが大企業よりも中小企業に対してより顕著な影響を及ぼすと予測し、これらツールの高い生産性により中小企業でも大企業と競争できると説明した.
Vermorel は、Lokad における自動化によって品質が向上し、生産性が増加したと述べた。ただし、エンタープライズソフトウェア の長い販売サイクルのため、サブスクリプション率などの指標にその影響が現れるのはまだ早いと指摘した。彼は、数字に頼ることのリスクを、Kodak がデジタル写真に適応できなかった例を用いて警告した。プロセスの自動化が進んだ企業はより俊敏で信頼性が高く、そうでない企業は生き残れないと予測し、これを絶滅事象に例えた.
Vermorel は、煩雑な作業から人々を解放することが、サプライチェーンの改善や企業全体の成長にとって極めて重要であると強調した。彼は、そうすることで人々が戦略的に物事を考える余裕を得られるとし、Lokad のウェブサイト翻訳やLokad TVの動画タイムスタンプの自動化といった例を挙げ、当初想定されていた人間と機械の協働とは異なる形でタスクが完全に自動化されている現状を説明した。彼は、本当に問うべきは自動化できないものは何かという点であると示唆した.
Vermorel は、戦略的な決定や企業のマクロな課題など、高次の人間知能を必要とするタスクは依然としてLLMsの能力を超えていると述べた。彼は、LLMs が非常に使いやすく、特別な才能や高速なインターネット接続を必要としないと説明し、この技術が安価であることから、資源の限られた国々にとって大きなイコライザーとなり得ると強調した.
Vermorel は Conor の比較に同意し、企業がこの進化を見逃さないよう警告した。彼は、今この技術を採用しない企業は将来的に追いつくのが困難になる可能性があると示唆した.
完全なトランスクリプト
Conor Doherty: Lokad Live へようこそ。私は Conor、Lokad のコミュニケーション責任者です。スタジオには Lokad の創設者である Joannes Vermorel が加わっています。今日のトピックは、これまでで最も深刻かつ率直な議論となるかもしれません。AI とサプライチェーンの現状、そしてこの分野に携わる人々にとってそれが意味するところについて話し合います。これはインタラクティブなディスカッションですので、質問があればライブチャットに投稿してください。では、Joannes、早速本題に入りましょう。なぜ我々はここに集まっているのでしょうか？
Joannes Vermorel: 私は、バックオフィスのホワイトカラー従業員に対して、大量の絶滅事象が訪れると考えています。5年前、多くのコンサルタントが調査を行い、2050年までにホワイトカラー職の90%がAIによって消滅すると予測していました。しかし、それらの報告で示された理由や技術は全くのデタラメで、また時間軸も誤っていました。唯一確かなのは90%という数字です。そして、私が今見るに、この時間枠は大幅に短縮され、2050年ではなく2030年になると確信しています。すべてを変えたのはLLMs（大規模言語モデル）の成功です。これにより、特にサプライチェーンにおいて、あらゆるバックオフィスのホワイトカラー職が影響を受けるのです。変化は非常に速く、18か月前に私が予想していたよりもはるかに早く訪れています.
Conor Doherty: 先ほどコンサルタントの話に触れましたが、この進化または絶滅の軌跡について、昨年LLMsの出現によって何が起こったのか具体的に教えていただけますか？
Joannes Vermorel: 真の革命は約3年前に起こっていたのですが、私はそれに気づけませんでした。約18か月前に生成AIに携わり始めた頃、初めてこの変化の兆しに気づいたのです。生成AIは20年前から存在しており、毎年少しずつ進歩していましたが、当時は講義用の数点のイラストを生成する程度の小規模なものでした.
その後、LLMs やチャットボットが登場しました。一見魅力的ではありましたが、私はそれらを単なる派手なガジェットと見なしていました。しかし、1年以上前にGPT-4のベータ版で作業を始めたとき、この技術が実用レベルであることに気付かされました。GPT-4 は、数年前から使われていた GPT-3.5 よりも桁違いに優れているという、明確な飛躍を感じました.
しかし、一度その仕組みを理解し始めると、GPT-4がはるかに優れているおかげで非常に簡単になり、うまくいく方法を適用して滑らかに動作させることができ、GPT-3.5でも動くようになるのです。気付いたのは、LLMが非常に強力である一方で、生産目的、企業向け、法人向けに使うならば、単なるチャットボットを持つことではないということでした。興味深いのは、ユニバーサルテンプレートマシンを持っている点です。これがまさに信じられない部分です。非常にノイズに強いのです。1年余り前に、これが製品グレードであると気付いたのです。18ヶ月前に絶対に衝撃的なブレークスルーを見逃していたことに気付いたとき、私は1年以上前にLokadのロードマップを完全に書き直しました。ここ1年、私たちはほぼすべてを慌ただしくアップグレードしてきました。そのことについてのコミュニケーションは控えめでしたが、過去12ヶ月の間に、一つまた一つと自動化を進めたのです。数年前にはほぼ自動化不可能と思われたものが、自動化されるようになりました.
サプライチェーンにおける仕事を見渡すと、完全にロボット化された状態で提供できる規模の大きさはただただ驚くべきものです。近頃では、自動化できない問題を見つけるのも難しいほどです。過去には、すべてのタスクを自動化すること自体がチャレンジでした。Lokadでは、10年前に最も困難であった定量的な意思決定、つまり購入すべき数量、生産すべき量、価格を上げるか下げるかといった決定を自動化していました。しかし、過去12ヶ月で起こったのはそれ以外の全てで、現代のLLMのおかげでそれらが低コストで超高速、かつ簡単に自動化されたのです.
Conor Doherty: この流れを逆転させるつもりはありません。というのも、次の質問はおそらく「では、どの仕事がなくなるのか？」というものになるからです。しかし実際には、一歩立ち止まって振り返りたいのです。1年前に明示的に述べたように、ここに座っていたとき、あなたはGPT-3.5をBSアーティストと呼び、猫に例えたのです。そこで質問ですが、あの目眩のような感覚を表現したとき、正確には何がきっかけとなり、「猫だ」という認識から「私たちは絶滅イベントの真っ只中にいる」という結論に至ったのですか？
Joannes Vermorel: 確かにまだかなり馬鹿な部分はありますが、それは求めているものではありません。つまり、LLMは知的な議論のためのものではないのです。素晴らしい点は、GPT-4がこの方向にかなり進んでいることです。非常に衝撃的でした。しかし、改めて強調したいのは、私が述べたユニバーサルテンプレートマシンの力です。例を挙げましょう。仕入先に発注書を渡そうとして、MOQが設定されていないことに気が付いたとします。仕入先には「ところで、これらの製品について、あなたのMOQ、最小発注数量はどれくらいですか？数字を教えてください」とメールを送るべきです。そうすれば相手は返信し、その値をシステムのどこかに追加して計算できるようになるのです。これは意思決定プロセスの一部なのです. Lokadはこれを自動化していました。私たちがしていたのは、もしMOQが分かれば、その他の様々なデータと合わせて、どれだけ購入すべきかの正しい答えを提示するというものでした。しかし、MOQの値そのものを取得するのは、まるで電話のようなもので、「どう対処するか？」という問題でした。これは難しい問題ではありません。確かにメールテンプレートを持った自動化システムを構築することは可能ですが、回答の受け渡しは困難です。というのも、仕入先が返信で2種類のMOQ、例えば「この製品はこれ、あの製品は別」といった具合に返してくるかもしれないからです。どう対処するか？根本的には難しい問題ではなく、派手な計算式のようなものでもありません。しかし、これが全工程のロボット化を妨げるものであったのは確かです. 意思決定部分の自動化はできても、意思決定前後の必要な工程をすべて含む実行をエンドツーエンドで自動化することはできなかったのです。しかし、LLM、つまりユニバーサルテンプレートマシンを用いれば、例えば仕入先が報告したMOQについてのメールを受け取り、あれこれとしたやりとりを文字通り超高速で自動化できるのです.
もしGPTのようなLLMに何かを創作させようとすれば、彼らは幻覚を見せるだけです。これが彼らのやることです。しかし、正しく使えば、例えば「入力を変換して、その変換後の入力から情報を抽出する」といった場合、非常に堅牢で製品グレードの結果が得られます。実際、バックオフィスのホワイトカラー労働者が行っているのは、ここそこから小さな情報の断片を取り出す作業で、彼らの時間の90%近くがそれに費やされ、環境との軽い会話に使われています。そして今、これらすべてを自動化するユニバーサルマシンがあり、非常にシンプルかつ低コストで実現できるのです. Conor Doherty: ここまでのすべてをまとめると、そして再び申し上げますが、Lokadは何年もこれを実践してきました。定量的な意思決定の側面は他のAI技術を用いて自動化されていました。今日あなたが語っているのは、より質的な対人要素であり、これもまたLLMによって自動化され得るという点です. Joannes Vermorel: 例えば、発注書を送る際は数量の計算が必要ですが、これは過去10年以上にわたりLokadが行ってきたことです。しかし、その後に発生するさまざまな小さなタスクが存在します。例えば、同一製品が二重に存在する場合、すなわち全く同じ参照番号の製品が二つある場合、どう対処するのでしょうか？過去にはその回答は複雑でした。多少の機械学習や専用のNLP（自然言語処理）の技術を駆使して、カタログの重複を自動的に排除する必要がありました。実際、以前は動作するシステムを作るのに約50時間のソフトウェアエンジニアリングが必要だったのです.
しかし、現在ではLLMを用いれば、ここで述べた重複排除は文字通り20分の作業で済み、製品グレードの重複排除ソリューションが手に入ります。その規模の大きさは実に驚異的です。そして、以前は作業の邪魔となっていた小さな問題がすべて解決されるため、企業が多数の人材を必要としていたのも、巨大な問題ではなく、むしろ数多の単純な問題（小さなデータ品質の問題、重複、MOQのような欠落したデータポイント）が原因だったのです.
例えば、ある仕入先が納期遅延している場合、再見積もりのためのメールを送信し、回答を得る必要があります。このような作業は非常に複雑ではありませんが、以前はそれぞれの質問やマイクロタスクに対して約50時間のエンジニアリングが必要で、仮にそれが100件あれば何千時間もの労力がかかり、結果として講義でも述べたように、ソフトウェア製品の管理コストは線形ではなく超線形に増大するプロジェクトとなってしまいました.
つまり、複雑性が倍増すれば、その維持コストは単に2倍ではなく4倍になる傾向があります。これらすべてを積み重ねると、管理や更新、拡張が非常に困難な巨大なソフトウェアが出来上がってしまうのです。しかし、LLMのような構築ブロックでこれらを集中管理できれば、各タスクは20分ほどで解決できるだけでなく、ソフトウェア全体の複雑性の増加も以前よりはるかに緩やかになるのです。なぜなら、依然として非常にシンプルな製品であり、このLLMがあらゆる工程で細かな問題を解決するために利用されるからです.
Conor Doherty: では、この絶滅レベルのイベントと呼ばれる現象の規模はどれほどのものなのでしょうか？その意味するところを詳しく説明していただけますか？
Joannes Vermorel: 私はLLMを使って至る所でタスクを自動化してきました。また、情報の再配置、要約、メールからの情報抽出といった言語処理のタスクを自動化している他社も見受けられます。驚くべきことに、私たちはすでに人間の技能、いや知能の限界を超えているのです.
「人間の知能を超えている」とは、限られた時間内でそれを実現できるという意味です。もし私が入力メールを渡し、20秒以内に主要な情報を抽出するよう頼んだとすれば、人間では時に間違いが生じるでしょう。千通のメールそれぞれから20〜30秒で主要な情報を抜き出すと、命中率はおそらく98%程度に留まり、時には誤りが出るでしょう.
しかしLLMは、30秒ではなく1秒でそれを実行するだけでなく、その精度は訓練を受けた平均的な人間のそれをはるかに上回ります。だからこそ、私たちは文字通り人間の能力を超えているのです.
多くの面で、例えば初心者的なミスを犯さない点において、LLMは非常に優秀です。例えば、製品名に色が含まれている場合、その色が実際の製品の色を意味していないこともあります。検証のための装置であって、名称に含まれる色が実際の色と無関係である可能性があるのです。こうした点において、LLMは実に優れています.
これは、地球上に存在するほぼすべての業界の専門用語やジャーゴンに精通した執事を持つようなものです。突如として、ランダムな人物と比べると、その人物はあなたの業界特有の技術用語に精通しておらず、知らないがために数ヶ月、いや数年も誤りを繰り返す可能性があるのです。たとえば、ある用語が色を示すものだが、この文脈では色そのものを指すのではなく、製品の特性といった意味合いで使われている、といった具合です。例は尽きることがありません.
そしてLokadでは、実際に膨大な数のプロセスを自動化してきました。本当に重要な疑問は、「何を自動化できないのか？」ということです。これまで試みたほぼすべてが即座に機能したため、LLMの本来の目的を理解すれば、実に非常に多くのことを自動化できるのです.
Conor Doherty: 反対意見を持つ立場として申し上げると、ホワイトカラーとブルーカラーの職を対比した場合、何十年も機械やロボット、その他の技術が整備士の手から道具を奪うと言われ続けてきました。しかし、MROなど多くの分野では、飛行機整備のための技術者が深刻に不足している地域があります。その絶滅レベルのイベントの予測は誤りでした。これまで同様の主張がなされてきた中で、今日あなたが述べる内容に対して、どれほど自信を持っているのですか？何があなたをそれほど確信させるのですか？
Joannes Vermorel: まず第一に、私が確信を持てるのは、実際にこれを1年間続けてきたからです。例えば、Lokadで自動化してきたものの一例としてRFP、すなわち提案依頼書があります。大企業からは、600もの質問が含まれる巨大なExcel文書が送られてきます。そして今年初め、たぶん5月頃、「また600の質問があるRFPだ。これに回答するのに文字通り1週間、10日、丸々全日が必要だ」と言わざるを得ないほど、あの膨大な文書に向き合うのは骨が折れるものでした。すみません.
Conor Doherty: 反対意見を持つ立場に立ってみると、ホワイトカラーとブルーカラーの職を対比した場合、何十年もロボットや機械、その他の技術が整備士の手から道具を奪うと語られてきました。しかし、MROのような多くの分野では、飛行機整備に必要な技術者が深刻に不足している地域も存在します。その絶滅レベルのイベントの予測は誤りでした。これまで同様の宣言と比べ、今日のあなたの主張にはどれほどの自信があるのですか？何があなたをそれほど確信させるのですか？
Joannes Vermorel: まず、私が確信を持っている理由は、これを実際に1年間行ってきたという事実にあります。例えば、Lokadで自動化してきたものの一例としてRFP（提案依頼書）があります。大企業から巨大なExcel文書が送られてきて、600もの質問が含まれているのです。そして今年初め、たぶん5月頃、また600の質問があるRFPを受け取り、「これに全て回答するのに文字通り1週間、10日も必要だ」と言わざるを得なかったほどです。あの膨大な文書を一つ一つ検討するのは本当に骨が折れるのです.
そして私は決意しました。「よし、これを自動化し、既にLokadにある知識ベースを再利用して応答装置を作ろう」と。つまり、応答装置です。すでに文書や膨大な情報は揃っているので、その機械の役割は「Lokadが回答するように質問に回答し、既存の知識ベースを再利用する。そして、もし知識ベースに穴があれば『fail』と応答し、その場合は手動で対応する」というものでした.
実際、1件のRFP対応には1週間以上かかっていたのに対し、その自動化にはちょうど1週間しかかかりませんでした。つまり、ロボットの設計が完了した時点で、すでに正の投資回収が得られていたのです。自動化を完了した時には、回答を再生成し、手動で対応するのは全体の10%未満の質問のみとなり、Lokadの知識ベースの拡充もほとんど必要なくなりました.
しかし、興味深かったのは、オンラインで回答を提出したときのことです。提出プロセスにより、600の質問に対して、あなたがチェックした回答に基づいた自動応答が生成され、さらに100の質問が追加で出題されました。そこで再び対応することになり、結果として600の質問に回答したことになるのです.
ちなみに、最終的には100ページ以上に及ぶ回答書となるほど、非常に長大な文書を提出することになりました。そしてその文書を提出すると、RFPプロセスを管理するシステムがまた100の質問を返してきました。再度ツールを活用し、数時間で最終的に完了。その後、以降のすべてのRFPはこのツールを用いて対処しており、これは実際に数十件ある例の一つに過ぎません.
Conor Doherty: しかし、あなたとは全く異なる見解を持つ企業も存在します。彼らは、ここで説明する生成AI、すなわち大規模言語モデルが、需要プランナーやサプライチェーンの実務者などの現職の人々にとって、実質的なコパイロットのような役割を果たすと信じています。AIに取って代わられるのではなく、AIが支援し、定量的でも定性的でもあるすべての意思決定を助けるコパイロットになると考えているのです。なぜそれが誤りなのでしょうか？
Joannes Vermorel: ええ、実はこれは、私が啓示を受ける18ヶ月前に想像していたことです。もしそのように考えるなら、いいえ、LLMは全く役に立たないものになってしまうでしょう。単なるガジェットに過ぎず、本質を完全に見失っているのです。なぜなら、会話型ユーザーインターフェースはおもちゃだからです。もちろん、検索エンジンの一部としてGPTを配置するのは良いですが、もし反復作業を行うのであれば、求められるのは完全なエンドツーエンドの自動化なのです.
この場合、LLM（大規模言語モデル）はあなたのソフトウェアのプログラム的な構成要素となる必要があります。そして、前述したように、自動化されたRFP応答システムに戻ってみましょう。目標は、600の質問に答えるためにチャットするコパイロットを持つことではありません。私たちが求めていたのは、ドキュメントを入力すればすべての質問を抽出して終了する機械であり、FAQを拡張すべき短い質問リストだけを残すものでした。つまり、対話できるコパイロットを持つことが目的ではなく、全く無駄な作業ということです。これが真の自動化の意味するところではありません。
というわけで、私の見解では、このように考えている人々は物事を明確に捉えていません。彼らは単に漸進的な改善という観点でしか考えておらず、作業方法を根本的に見直して100倍の生産性向上を実現するのではなく、新しい技術を少し加えるだけで済ませようとしています。
Conor Doherty: 特に、あなたが述べる絶滅事象を乗り越える職種とは何だと思いますか？定量的なものがなくなり、定性的なものも消え、すべてが自動化された場合、残るのは何でしょうか？
Joannes Vermorel: 要するに、残るのは完全に反復的でない業務全般です。ただ、大局的に見ると、たとえばバックオフィスの労働者、つまりホワイトカラーの人々については、「ああ、これは反復的ではない。メールを送ったり、同僚に確認したり、いろいろな異質な作業がある」と言われるでしょう。しかし、1年を通じて見れば、同じ作業が何度も繰り返されるのです。そして、過去にも常にそうであったことは言うまでもありません。過去40年間、ソフトウェア業界において、あの凡庸な作業が自動化されるのは「いつか」の問題であって、「もしも」ではなく、必然的なものでした。
そして80年代には、いくつかのAIの冬があり、人々は大げさな主張をしましたが、エキスパートシステムやデータマイニングでは実現しませんでした。エキスパートシステムは80年代後半から90年代初頭、データマイニングは2000年頃の出来事でした。一連の波があったのですが、今では技術が確実に機能しているのです。実際、Lokadは1年前に自動化を進め、容易かつ迅速に実現できるとは思ってもいなかったことを自動化しました。そしてほかの企業も同様に実施しており、その結果は実に驚異的です。また、これらの技術は特別な専門知識や大きな技術的オーバーヘッドをほとんど必要とせず、LLMは非常に採用しやすいものとなっています。
Conor Doherty: 先ほどのお言葉の中の一節を確認したいのですが、多くの企業がそれを実施しているのを見たということですが、裏側では既にそのような動きが起こっているとお考えですか？
Joannes Vermorel: はい、だからこそ、今後のタイムフレームは極めて短縮されると考えています。そのため、エンドゲームとして2050年ではなく2030年を想定しているのです。すでに多くの企業が全速力で動いており、ニュースを追えば、各地で5,000人の大量解雇が発表されているのがわかるでしょう。これは非常に速いペースで進行しており、市場のスピードは一般的な企業や平均的な企業のものではなく、最も速い企業によって決まるのです。なぜなら、節約効果があまりにも大きく、遅れをとればこの技術的転換によって淘汰されてしまうからです。
そして、私はAIが技術的成果という面ではインターネット自体ほど重要ではないと考えています。ご存知のように、インターネットは全く別次元の存在ですが、競争力の面では、その整備には約20年を要しました。つまり、ケーブルの敷設、高速かつ信頼性のあるインターネット接続の普及、OSシステムの段階的な更新、メールの活用など、すべてがゆっくりと進行したのです。
つまり、遅れていたとしても即座の生産性向上が見込めなかったのです。もしインターネット普及に遅れ、1995年ではなく2002年にメールを採用したとすれば、7年の遅れになりますが、それも許容範囲内でした。競合他社はインターネットのおかげでコストを10倍削減できたわけではありませんでした。
ちなみに、インターネットは大量のシステム管理を必要としたため、官僚主義をも生み、数多くの問題を引き起こしました。そのため、企業がそれを十分に吸収し、真に効率を向上させるまでに約20年かかったのです。しかし、今回の違いは、効率化に要する期間がわずか数ヶ月で済むという点にあります。多くの業務、特にバックオフィス全般やサプライチェーン関連の作業に必要な人手を、短期間で大幅に削減できるのです。これが今回非常に大きく異なる理由だと私は信じています。
Conor Doherty: 部門が異なると言われましたが、ITは含まず、特にサプライチェーン中心の業務に焦点を当てているということでしょうか？
Joannes Vermorel: 各部門ごとに議論が必要です。ITは自動化が特に難しい分野です。まず、システム管理者をロボット化すると、あらゆるセキュリティ上の潜在的な問題が発生するため、非常に困難になるでしょう。自動化は実現するものの、より時間がかかると予想されます。また、ITで下される決定の多くはすでに非常に複雑です。ですから、ITに関しては生産性向上効果は約50%程度に留まると見ています。そして、ここではむしろコパイロットのような役割になるのです。ちなみに、これがLokadで実際に起こっていることです。
さて、あなたは以前、あまり知られていないソフトウェアについての質問をされました。以前は、ベンダーの技術文書を徹底的に調べるためにウェブで30分も費やしていたのです。しかし、今ではChatGPTを使えば、より迅速にそれが可能です。これがまさに、私たちが言うところのコパイロットアシスタントの例です。確かに、これはIT分野での話ですが、他の部門では、はるかに迅速かつ大規模な自動化が実現できると私は信じています。
Conor Doherty: つまり、技術を今取り入れるROIは、投資利益率が得られるか、さもなくば事実上絶滅するかの違いということですね。
Joannes Vermorel: そう、全くその通りです。これは劇的な技術的転換だと思います。ROIについて考えるのは誤りで、ROIがあまりにも大きいため、転換を見送れば競合に市場を奪われてしまうのです。例えて言えば、衣服産業において、誰かが縫製機を発明したとします。かつては針で裁縫を行い、一枚のシャツを作るのに3日かかっていたのに対し、縫製機を使えばわずか5分でシャツができるのです。その差は極めて大きく、縫製機のROIとは、縫製機を持つか、さもなくば事業から撤退するか、という選択に他ならないのです。
Conor Doherty: Lokad TVで以前、Kodakの例を挙げましたね。Kodakはデジタルカメラを発明したにもかかわらず、それを取り入れずに倒産してしまいました。
Joannes Vermorel: はい、その通りです。ただ、その革命的変化は特定の業界に限定されたものでした。例えばデジタルカメラの場合、フィルムカメラ市場のプレイヤーの約90%が倒産しました。しかし、これは特定の垂直市場に限定された絶滅事象だったのです。
さて、LLMの興味深い点は、文字通りほぼすべてのホワイトカラー職、特にバックオフィスの業務に適用できるということです。なぜなら、フロントオフィスでは、たとえ理論上は機械化が可能であっても、対面でのパーソナルな対応が求められる場合、市場がそれを受け入れるかどうかは明確ではないからです。
例えば、2000年頃のAmazonでは、技術的には家具をオンラインで購入することが可能でした。しかし、人々はまだその準備ができていなかったのです。電子商取引への信頼が十分でなかったため、3000ドルのソファをオンラインで購入することに躊躇があったのです。それが普及したのは10年後のことで、今では「オンラインでソファを買える、さらには車もオンラインで買える」と文化の一部となっています。
技術的には、2000年に車や家具をオンラインで販売することは可能でした。問題は技術的なものではなく、人々がそれを受け入れるか、または時間がかかるかという点でした。ですから、フロントオフィスにおいては、たとえ自動化が可能であっても、普及は少し遅れるでしょう。まさに、Amazonが2000年に家具を販売できたとしても、この分野が飛躍するのは10年後だったといえます。
市場は一般大衆の期待に合わせてゆっくり動くため、やや停滞するでしょう。しかし、バックオフィスに関しては、そのような制約は一切なく、あなたの生産やスケジュールが完全にロボット化されているか、大量の事務職員によって行われているかは、顧客にとっては全く問題ではありません。内部を除けば誰も気にしないのです。
Conor Doherty: つまり、あなたが不要になると主張している事務職員を除けば、ということですね。
Joannes Vermorel: 改めて申し上げますが、LLMを発明したのはLokadではなく、他の人々、例えばOpenAIのような存在です。彼らは何をしているのか分からないままこの領域に踏み込んだのです。実に面白いことに、今ではサム・アルトマンのインタビューで、「もし当初から分かっていたら、OpenAIを非営利組織として設立することはなかったし、途上で発見したすべての手法を公開することもなかっただろう」と語っています。
ですから、彼らはLLMというアイディアに熱中していたのです。それは単に文章の続きを生成するプロセスであり、テキストの一部を受け取り、その続きを出力するというものです。これについては講義をしようかと考えています。LLMが我々の時代の技術的驚異となったのは、一連の革新のおかげですが、結局のところ、その効果は発明した企業にとってさえ予期せぬものでした。TransformerアーキテクチャはGoogleに起源を持ちますが、実際にそれを活用したのはGoogleではなく、別の企業でした。つまり、最終的には多少の偶然が作用したと言えるのです。当然、十分に準備が整っていた人々にチャンスが訪れ、正しい方向を見据えていた人々がいたにもかかわらず、その結果は非常に驚くべきものでした。
さらに興味深いのは、FacebookのYann LeCunのようなAI研究者でさえ、LLMの実力に対して非常に懐疑的である点です。私自身の使用経験では、それが確実に効果を発揮していることがわかっています。つまり、先駆者でさえ、自らが築いてきた道の重要性を見逃しているのです。
Conor Doherty: ここで一言付け加える価値があります。メタ的なコメントとして、Lokadの役割は単なる観察者に過ぎません。ご説明の通り、我々は定量面と定性面の双方でAIを活用してきました。
Joannes Vermorel: LokadはLMSの改善に関する研究を行っているわけではありません。これは非常に専門的な分野であり、その研究は非常に優れた企業が担っています。
フランスには、Mistral AIのような非常に強力なチームが存在し、彼らは現在OpenAIにも匹敵する存在です。ですから、競争が激しくなるのは良いことですが、Lokadにとっては多くの影響を伴います。我々はサプライチェーンの硬直化した部分、すなわち定量的な意思決定（予測、注文、割り当て、価格設定など）の自動化を進めてきました。しかし、意思決定に先立って必要な細かな作業、たとえば不足情報の補完、見落とし項目の確認、メールの送信やオンラインでの調査などの小さなタスクのエンドツーエンドの実行も、今では自動化が可能になっています。
以前はクライアントに「この問題があればお任せください。自動化できます」と言っていましたし、実際に自動化したこともありましたが、コストがかかるのが難点でした。しかし今では、確実にロボット化が可能であり、意思決定後のサプライヤーへのフォローアップや小さな問題の追跡など、平凡で反復的な作業すべてが自動化できるのです。
既にその技術が存在している以上、我々はそれを利用しない余裕はありません。これは切実な要望としてクライアントから求められているのです。例えて言えば、縫製機があるのに使わないなんて選択肢はありません。縫製機の存在を無視して、針だけでシャツを作り続けるというのはあり得ないのです。必ず使わなければならないのです。
Conor Doherty: 言い換えれば、従業員、企業、業界全体、マーケットセクター、あらゆるレベルで生存に関わる問題です。自動化できるものは必ず自動化されるのです。
Joannes Vermorel: はい、そしてこれはホワイトカラーにとっては驚きとなるでしょう。しかし、過去150年間、ブルーカラーは次々と革命を経験してきました。電気の導入は大量絶滅事象でした。突然自動化されたものが千種類もあったのです。たとえば、150年前のパリでは、人口の約10%を占めるほど一般的だった水運びの労働者が、その代表でした。そして、その職業は姿を消しました。
つまり、これらの職が一つ消えるたびに、社会全体が豊かになるという肯定的な面があるのです。人々はより興味深く、価値ある仕事に従事できるようになり、物事は自然と解決されるのです。過去150年の産業革命で見られたように、必ずや物事は整っていくでしょう。ただ、驚くべきは、これまで比較的守られてきたホワイトカラーにも影響を及ぼすという点です。今回は現実となりましたが、今後も繰り返されるでしょう。
Conor Doherty: 150年前にさかのぼる必要すらありません。ここ数十年だけでも、VHSがDVDに、ファックスがメールに取って代わられるなど、いくつかの絶滅事象を経験しています。
Joannes Vermorel: 例えば、私の両親はプロクター・アンド・ギャンブルに入社したのが40年以上前の話ですが、新人の頃に彼らがしていたことの一つに、契約交渉の際、若い従業員を連れて行き、ドラフト版とサプライヤーやパートナーから返ってきた反対提案書の２つの文書を一行ずつ比較し、違いのある箇所にペンで印をつけるという作業がありました。それには何時間もかかっていたのです。
そして、彼らは違いを見つけるだけで多くの人に給与を支払い、現在ではMicrosoft Wordが文書の差分を自動で検出するか、変更履歴機能で対応できるようになっています。文字通り、すでに多くの業務が消滅しているのです。しかし、それは徐々に起こったと言えるでしょう。つまり、かつてはゆっくりとしたペースで進行していた業務が、LLMの登場で非常に大きな一歩を踏み出し、まるで1年で20年分の未来へと進んだように感じられるのです。ここ1年、これらの技術を実運用にしてみてそのように思っています。
Conor Doherty: Lokadはしばしば大学と協力し、サプライチェーン業界に参入する人材を育成しています。ということは、これらすべてを放棄してしまうということでしょうか？ サプライチェーン科学を学ぶのは、もう無駄な時間だということですか？
Joannes Vermorel: いいえ、そうは思いません。私たちが教えているのは、サプライヤーに最新のMOQを問い合わせるためのメールの送り方といった単純な業務ではありません。講義内容は、品切れによるコストをドル単位でどのように評価するか、またそれをどう考えるべきかという点に重きを置いています。
もしChatGPTに答えを求めれば、でたらめな妄想を返してしまうでしょう。たとえGPT-4であっても、まだ十分なレベルには達していません。私が講義で触れる内容は、自動化されるものではないのです。しかし、サプライチェーン企業を見ると、顧客の視点で「サービスの質」とは何か、といった基本的な問いについて深く考える時間は非常に少ないのです。
私が講義で取り上げるほとんどの内容は、「未来」という言葉の意味や、未来を正確かつ十分に予測するとはどういうことかといった、一見単純ながらも実際には非常に困難な基本的問いです。もしこれらの問いについて深く考え、会社にとって有益な答えを導き出せるのであれば、その仕事は自動化の危機にはさらされません。だからこそ、私は、そして今もその立場を堅持していますが、LLMは依然として信じられないほど口先だけのものだと考えています。
ですから、このレベルの理解を得るには、まだその段階には達しておらず、妄想なども発生するでしょう。しかし、もし単に面倒な作業を自動で処理したいのであれば、それは既に解決済みの問題です。だからこそ、基本に集中し、深く考えざるを得ない問いに注力してください。本質的な部分は消えませんが、雑多な周辺業務や無数の些細な事柄はなくなっていくのです。これらは大規模言語モデル（LLM）によって解決されるでしょう。
Conor Doherty: さて、聴衆からの質問に移りたいのですが、既に50分が経過しています。多くの質問は、実は私が締めくくりに話す内容に沿ったものです。ですので、聴衆からの質問に入る前に、もし可能なら最初の数分を聞き逃した方々のためにエグゼクティブレベルの要約と、バックオフィスで働く人々やCEOなど、あらゆる層への呼びかけをさせていただこうと思います。
Joannes Vermorel: 短く言えば、LLM、大規模言語モデルは、単にデータを受け取って変換し、再配置してアウトプットするだけのホワイトカラーのバックオフィス業務にとって、まさに絶滅イベントとなるのです。組織のあらゆるレベルで、実際にそのような業務に従事する大勢の人々がいます。彼らは、いくつかのメールやおよそ20種類の異質な小規模データソースを受け取り、少し計算して次の一歩に進むのです。
つまり、それらすべての業務は既に自動化が可能であり、実際に多くの企業が全速力で取り組んでいます。ニュースでも、これらの業務が生産段階にあるだけでなく、すでにそのポジションから人員を削減し始めていると伝えられています。ここで言っているのは、ごく一部の人というわけではなく、例えば、かつては6000人いたチームが50人にまで縮小されたといった大規模なレイオフが行われたという事例です。そして、こうした動きは今後も加速していくと私は予想しています。
改めて申し上げると、バックオフィスのホワイトカラー業務がターゲットとなります。サプライチェーンはその一例に過ぎません。他にもおそらく半ダースほど対象となる機能が存在するでしょう。会計業務も大きく影響を受けると考えられます。なぜなら、会計では、高度で優れた判断力が求められる部分（たとえば会計構造の整理など）と、単にPDFを受け取って対応する仕訳を作成するといった単調な作業の両方が存在するからです。後者は完全に自動化が可能です。
このように、単調な業務は非常に速いペースで消えていくでしょう。ある企業にとっては、未来の話ではなく、既に現実のものとなっています。つまり、数ヶ月の問題なのです。エグゼクティブサマリーとしては、これは絶滅イベントであり、数ヶ月以内に起こる事態です。迅速な対応が必要です。ちなみに、Lokadではこの事実に気付いた際、2023年の最初の3ヶ月を全技術ロードマップの再構築に費やしました。以前のすべてのビジョンが無意味になったのです。
私たちにとっては非常に急激な転換となりました。Lokad内部では多くの業務を自動化しており、その作業に没頭するあまり、外部への情報発信はあまりできていませんでした。しかし、これがこの1年間、私の日常業務となっているのです。
Conor Doherty: 聴衆からの質問に移る前に、従来は確率的-予測-定義や確率論的最適化などについて多く語ってきたことを指摘しておく価値があります。これらは既に解決済みの問題であり、最新技術として何年も前から定着しています。つまり、在庫、発注、配分、価格設定といった定量的な意思決定は、少なくともLokadにおいては既に確立され、人々もある程度認識しているのです。今日の焦点は、それ以外の残された問題に関するものです。
Joannes Vermorel: その通りです。単調な作業、雑多な業務、そして些細な小さな事故の数々、つまりサプライチェーンにおいて10年も必要とされなかった部分、これが対象です。たとえば、パートナーや運送業者、サプライヤーに何気なく質問するだけのようなものです。ちなみに、企業はたった1ヶ月の研修で何百人も採用し、すぐに業務をこなせるようにしていました。しかし、6ヶ月未満の研修で習得できるものは、ほとんどの場合、LLMが自動化できる業務に該当するでしょう。
つまり、数ヶ月で習得できる業務は自動化可能です。しかし、10年にも及ぶスキル、献身、忍耐が必要な業務は自動化されません。なお、簡単な業務はむしろ戦略的意義を帯びることもあり、これが両者の違いとなります。はい。
Conor Doherty: さて、水を一口飲んでください。いくつかの質問に答える必要がありますので。皆さん、たくさんの質問ありがとうございました。プロデューサーが質問をまとめてくれています。私はYouTubeチャットにアクセスできないため、質問の数は分かりませんが、似た内容の質問はまとめられています。今日お答えできなかった質問については、フォローアップのビデオやLinkedInでより詳細な回答を差し上げます。
最初の質問はコンスタンティンからです。彼は「どの職種が淘汰されると考えますか？ 予測や計画の役割に未来はあるのでしょうか？」と尋ねました。
Joannes Vermorel: 供給・需要プランナー、在庫アナリスト、カテゴリー・マネージャーといった役割は、すでに消滅していると言っても過言ではありません。視聴者の皆さんが必ずしも同意しないかもしれませんが、事実です。例えば、予測の部分はLokadがほぼ10年前に自動化しました。自動化されなかったのは、通常、重複商品の管理や、ある商品の後継品を特定するなどの小さなデータ上の事故です。たとえば、2つの製品説明を比較して「これは第4世代、あれは第5世代」という具合です。こうした作業はLLMが確実に自動化できるものです。つまり、これらの業務は完全に自動化可能であり、すでに消えてしまっているのです。
自動化できないのは、例えばサプライチェーンサイエンティストのように、すべて自動化できない作業を網羅する数値的レシピを自ら創り出す役割です。作業自体は自動化しても、その数値レシピの策定や、エラーや利益をドル単位に変換する戦略的な思考は、まだ自動化できません。LLMにはできない財務的視点が必要なのです。しかし、繰り返しの多い単純な管理業務はすでに消滅しています。そして、予測に関しても同様です。これは過去10年間、Lokadが堅持してきた立場であり、新しい点はありません。
Conor Doherty: さて、その回答で皆さんご納得いただけると思います。次の質問に移りましょう。ありがとうございます。次はシェラーからの質問です。「Joannes、AIとサプライチェーンの利点について、実際の例を交えて詳しく説明していただけますか？」
Joannes Vermorel: まず「リアルタイム」の定義から始めましょう。サプライチェーンにおいては、飛行機の運行のようにミリ秒単位の応答が求められるリアルタイム性のことではありません。たとえば、トラックのドライバーに指示を出して交通を誘導する場合、1分の遅延は問題になりません。サプライチェーンのリアルタイムとは、例えば倉庫内でロボットが自動でピッキングする状況を指します。大多数のサプライチェーンの問題は、1時間程度の遅延が許容されるものであり、1時間以内に回答が必要な問いは非常に少ないのです。
つまり、LLMを用いれば、情報取得、ウェブ検索、結果の取得、さらにはサプライヤーの住所を自動で抽出する、といったことが可能です。自動で処理するロジックを組むのは非常にシンプルです。ここで話しているのは、計画、スケジューリング、購買、生産、配分、価格設定、更新などの基本的な意思決定すべての問題です。そして、さらに、マスターデータ管理、ネットワークとの通信、顧客への遅延通知、サプライヤーへの問題通知といった、周辺の雑多な作業も自動化可能になりました。これは超高度な知性を要求するものではありませんが、第二のレイヤーとして自動化できるのです。
Conor Doherty: しかし、重要なのは、必ずしも横展開的な思考を必要としないという点です。いわゆるテンプレーティング、つまり「このタイプを探せ」といった、ほぼブール論理的な処理で済むのです。
Joannes Vermorel: その通りです。そして、90年代のエキスパートシステムとの大きな違いは、LLMがノイズ耐性のある普遍的なテンプレーティングマシンであるという点にあります。つまり、メールの表現が不十分であっても問題ありません。ロシア語であろうと日本語であろうと、ほとんどすべての言語を読み取ることができます。唯一、ズールー語のような希少な方言で書かれていれば別ですが、世界中で1億人以上が話す言語であれば十分です。実際、1億人というのはかなり多い数字であり、最低でも1,000万人が話す言語であれば問題ないのです。
Conor Doherty: 次の質問はタミットからです。「チャットGPTの価格設定は、GurobiやCPLEXと比べて、実際の利益への影響を的確に反映しているのではないでしょうか？」
Joannes Vermorel: GurobiとCPLEXは数学的ソルバーであり、同じカテゴリの製品ではありません。全く異なるツールであり、全く異なる問題に対処しています。つまり、GurobiとCPLEXは、制約条件と目的関数からなる問題を提示すると、その解を算出するという数学的コンポーネントです。
そして、エピソードが既に公開されているかは分かりませんが、確率論的最適化に関するエピソードを撮影したばかりです。いいえ、もうすぐ公開されます。結論として、GurobiやCPLEXがサプライチェーン向けのソリューションにならない理由は、確率性に対処していないからです。これは別のエピソードで詳しく取り上げますが、全く異なるカテゴリのツールなのです。LLMは、テキストのテンプレーティング、再構築、抽出、そしてテキストデータに対する迅速な分析を行うもので、文字列、数字、記号といったプレーンテキストを扱います。したがって、全く異なる問題に対処しているのです。
Conor Doherty: 以前私が主張したように、多くの人々は依然としてAIの影響を十分に理解していません。高度な職務を除けば、ほぼすべての仕事にとって絶滅レベルのイベントなのです。
Joannes Vermorel: その理由は、例えばGurobiやCPLEXは存在感がほとんどなく、40年以上前からあるものの、先述のとおり確率的な側面、特に本質的な確率論の問題に対して対処できないからです。したがって、全く役に立たないのです。そして、仮に対応できたとしても、それらを使いこなすにはサプライチェーンサイエンティストのような人材が必要で、短時間ですぐに解決できるものではありません。LLMは、非常に単純で小規模な問題に対して、文字通り数分で解決策を提示できるのです。
Conor Doherty: LLMの訓練に使用されたデータを提供した個人からのロイヤリティや財務補償に関する訴訟件数の増加が、価格を押し上げ、進展や普及を妨げる可能性はあるのでしょうか？
ジョアンネス・ヴェルモレル: 気にするな。ある企業は、ウィキペディアのような非常に小さいコーパスを使っても、Open AIに近い性能のLLMを実現できることを示している。つまり、答えはノーだ。ここで話しているのは、ディズニーなどの知的財産を侵害する可能性のある画像向けのジェネレーティブAIではなく、むしろこういった非常に平凡な作業、例えば「このテキストから誰がメールを送ったのか、MOQは何か、この人物が明確な答えを出しているのか、あいまいな答えなのか、もしくはその答えに自信があるのか」を自動的に抽出できるという話だ。まさにそれが問題ではないということだ。
たとえ、入力データベースの3%を捨てなければならず、そのためにLLMを再訓練する必要があったとしても構わない。これは、フランスの企業Mistralが、たった数十万ユーロでOpen AIレベルの生産グレードのLLMを再訓練できることを証明した例だ。つまり、既に実現済みであり、後戻りはできない。たとえその問題が、せいぜいわずかなノイズに過ぎないとしても、事実は変わらない。
Conor Doherty: 結局のところ、あなたはそれをテンプレート化マシンとして使っている。改めて、何を見つけたいのかを的確に指示し、「このメールから情報を見つけろ」と入力しているのだ。
ジョアンネス・ヴェルモレル: そしてもう一度言うが、ここで話しているのはバックオフィスの仕事だ。次のハリー・ポッターを書いて、J.K.ローリングの弁護士に訴えられるようなことではない。つまり、あなたのシステムがハリー・ポッターのそっくりなコピーを幻覚的に生み出しているわけではない。話しているのは、たとえば、あなたが最近書いた100通のメールを振り返ってみて、その中にどれだけの工夫、独創性、そしてまさに人間レベルの知性が込められているかという点だ。そして実際のところ、それほど多くはない。私自身、日々書いている内容を見ると、そのほとんどは非常に平凡なものだ。そして、それこそが超高速で自動化されているのだ。
Conor Doherty: ここでひとこと補足すると、ChatGPTそのものを指しているのではなく、オンラインで直接やり取りする場合に限らず、技術としてのLLMについて話しているのだ。
ジョアンネス・ヴェルモレル: そしてさらに具体的には、LLMはプログラミングのコンポーネントとして機能する。リレーショナルデータベースがあったり、ソフトウェア内にトランザクションデータベースやウェブサーバーなどのサブシステムが存在するのと同じように、ここでもLLMがあり、それはプログラム内の特定のステップを実行する一つの方法に過ぎない。LLMを、チャットインターフェースが付属しているものだと考えてはいけない。ここ1年間で私が自動化してきたほとんどのものにはユーザーインターフェースは存在せず、エンドツーエンドで処理を行うスクリプトに過ぎない。つまり、全体のスタックの一要素として組み込まれているのだ。
Conor Doherty: ジェームズからの質問です。サプライチェーンの分野に参入しようとしている若者に、どのようにスキルアップすべきか、また、あなたが語った絶滅イベントの文脈でそのスキルをどのように売り込むべきか、アドバイスをお願いします。
ジョアンネス・ヴェルモレル: LLMは、戦略的理解において、あなたのレベルを上げることを強いる。たとえば、ABC分析のような単純なレシピの習得では不十分だ。GPT-4にまだ不足している、深い思考力といった究極のツールを身につけるべきだ。問題について長く時間をかけて考えることは、概ね正しい推論に結びつく。そして、GPT-4が生み出すものを上回る問題の包括的な理解を提供できるようになれ。これらは非常に有用なスキルであり、機械を超えた上位の知性に求められる能力そのものである。
そして、これこそが依然として自動化には程遠いスキルだと私は考えている。例えば、研究コミュニティの中で批判的な声を上げている人々、例えばヤン・ルクーンが言っているように、LLMは一般知能の答えにはならないという意見には、私も同意する。しかし、私が異議を唱えるのは、バックオフィスの仕事に対する絶滅イベントに直面するために一般知能は必要ないと信じている点だ。必要なのはLLMだけであり、LLMは低レベルの知能のようなものだが、それで全労働力のおよそ90%をまかなえる。それは非常に急進的な変化になる。残りの10%については、これからどうなるか見ていくことになる。
だから、サプライチェーンのキャリアに入る若者たちは、例えば私の講義を受けてみてほしい。そこでは、些細なことや日常的な事柄、小さなディテールについてではなく、「我々が根本的に解決しようとしている問題とは何か？」といった根源的な問いについて語られている。私にはペルソナに関する一章があるほどだ。サプライチェーンで解決すべき問題は業種によって異なるため、非常に難しいのだ。
では、どのプログラミングパラダイムが関連しているのだろうか？ 改めて言うが、LLMは多くのことを自動化できるが、数値的なレシピ自体を自ら書くわけではない。確かにLLMは手助けはするが、適合性を見極めるための高次の判断力には欠ける。たとえ機械の助けでコードが書かれても、依然として大部分は人間レベルの判断が求められる。そしてそれは今後も変わらないだろう。
つまり、ここでLLMはブースターとして機能するが、プログラミングスキルそのものを置き換えることはない。だから、プログラミングのスキルを持っているなら、LLM技術を使えばさらに生産性が向上し、その価値は一層高まる。私が重視しているのは、基本、批判的思考、戦略的分析、そしてプログラミングパラダイムや関連する数学的手法といったコアなテーマである。たとえば、確率的予測を正しく論じるためには、これらの数学的ツールに関する高品質な理解が必要であり、それは決して消え去るものではない。GPT-4はその自動化を行っていない。
Conor Doherty: リオネルからの質問です。AI駆動のサプライチェーンソリューションは、大企業や超大手コーポレーションと比べて、中小企業にどのような影響を与えるのでしょうか？
ジョアンネス・ヴェルモレル: 効果は小規模な企業に対して、なお顕著になると考えている。なぜなら、大企業は大規模で専門の官僚組織を持つ余裕があるが、小企業にはそれができないからだ。小規模な企業は、200人もの部署を持ち、10種類以上の専門性を持つことができないと認識していた。
しかし、興味深いのは、そのようなツールを使うことで生産性が飛躍的に向上し、いきなり大規模な自動化が小企業でも非常に手軽に実現できるようになる点だ。ちなみに、Lokadは現在約60人規模の企業だが、あちらこちらで無数のプロセスを自動化しており、その実行は非常に迅速だ。
さらに重要なのは、20人のソフトウェアエンジニアが必要なプロジェクトでなくても物事が進むということである。正しく実施できれば、数時間以内に得られる成果は驚異的なものだ。
私の見解では、中規模企業、つまり非常に小さい企業ではなく、例えば5,000万ドル以上の企業であれば、驚くほどの速さで物事を機械化し、超大手企業が実施していることに対抗できる。なぜなら、すぐにボトルネックとなるのはLLMであり、あなたはサムスンやアップルのような大手企業と全く同じLLMにアクセスできるからだ。
あなたは同じツールにアクセスできる。つまり、分析の面で競争するとしても、確かにアップルはあなたよりもはるかに優れた需要アナリストを擁しているかもしれないが、彼らもあなたと全く同じLLMにアクセスできる。これは自動化能力において大きな平準化の効果をもたらす。
Conor Doherty: 続いて、ニックからの質問です。Lokadで先駆的手法としてLLMを活用してきた結果、解約率、新規契約、顧客満足度などの業績指標はどのように変化しましたか？
ジョアンネス・ヴェルモレル: 全体としては、私たちはまだ生産グレードの自動化を開始してから12か月目だ。現在自動化しているものは、人間の能力を超える品質を有している。実際、自動化の成果は以前より優れており、かつ使用する人員は以前の100分の1で済んでいる場合が多い。
ご存じない方のために説明すると、Lokadはエンタープライズソフトウェアベンダーであり、営業サイクルが非常に長い。クライアントとの契約を3週間で締結できたら最高だが、実際は3年、いや、正確には18か月のRFPプロセスを経るため、非常に厄介な状況だ。これはAIを導入しているにもかかわらず、RFP作成にもAIを使っているためだ。つまり、営業などのフロントエンドの業務は依然として遅いが、クライアントからのフィードバックは信じられないほど好評だ。
例えば、クライアントとの2時間の打ち合わせ後に自動的にレポートを生成するなど、極めて平凡な作業でもある。そのレポートは非常によく整理され、議論された主要なポイントをすべて捉えている。私たちは会議後の高品質なメモを作成するための独自技術を持っており、それが非常に見事に機能している。その結果、クライアントからは非常に好意的なフィードバックを受けている。
私の感じるところでは、自動化したタスクは以前よりも優れた成果を上げており、最低でも生産性は20倍に向上している。これは本当に驚くべきことだ。
サブスクリプション率などのその他の指標に関しては、まだ判断するには早すぎる。エンタープライズソフトウェアベンダーとして、営業サイクルは極めて長いため、数年後に再び議論することになるだろう。
数字を追うのは誤りだと私は考えている。数字はほんの僅かで、しかも遅すぎる。コダックを思い浮かべてほしい。デジタル写真が何もなかった頃は取るに足らなかったが、転じて全てになった。もしコダックが、今の時点で「全て順調だ」と言っていたら、大間違いだ。今、まさに自由落下しているのだ。必ず激しく地面に衝突する。
人々が数字を見る頃には、企業はロボット化された軍団を持っているだろう。私の予測では、そのように前進する企業が現れ、これらの企業こそが次の10年のアマゾンになると考えている。
つまり、要点は、彼らが全速力で動いているということで、5年後を見据えれば、これらの企業は同業他社を圧倒する価格で競争し、競合他社が対抗できない状況になるだろう。そして、機動力に関しては、多くの人員を抱えるというのは、定義上、たとえば大企業では、計画、S&OP、予測などに関わる何百人もの従業員がいるため、動きが鈍くなるという問題がある。
つまり、大企業は官僚組織そのものであり、200人いると機敏に動くことはできない。人手が多すぎるのだ。もしそれを20人にまで絞り込むことができれば、虎のように超機敏で超高速な動きを実現できる。そして、その結果、これらの企業はコスト面でも機動力の面でも圧倒的な競争優位を獲得する。実に大きな差となる。
さらには、人間の知能を超える形で、実行の質においても競争力を持つ。ソフトウェア業界には、「手作業に依存するものは信頼性に欠ける」という格言がある。途中に手動での介入があれば、信頼性は確保できないのだ。
つまり、私が見るに、実行の質においても、手動プロセスと比べて信頼性は桁違いに高くなる。すなわち、機動力、コスト、信頼性、性能の各面で優れている——まさにそれが、私が絶滅イベントと呼ぶ理由である。これらの技術を取り入れる企業だけが生き残り、そうでない企業は10年以内に淘汰されるだろう。
だから、展開は徐々に進むだろう。なぜなら、依然としてある程度の慣性が存在するからだ。例えばフランスでは、Lokadを始める前に多くの小売業者と議論したことがある。2004年、学生だった私は、アメリカから帰国し、2年間アメリカに滞在した後、フランスの小売業者に「Amazonがあなた方を終わらせる」と語ったのを鮮明に覚えている。しかし、人々は「ええ、eコマースはただの流行だ。市場占有率は0.1%にも満たない、どうでもいいことだ」と言っていた。
そして私にとっては、それは既に決まっていた。疑いの余地はなく、単なるタイミングの問題だった。小売業者としてeコマースに舵を切るか、さもなければAmazonやその仲間たちに淘汰されるかのどちらかなのだ。そして実際、その通りに進んだ。多くの企業が倒産するのを見てきた。展開には10年ほどかかったが、確実にそうなった。そして、これは他の多くの企業にも起こることだ。
そして、LLMの興味深い点は、特定の業界に限定されないことである。もちろん、業界によって影響の度合いは異なるだろうが、結局のところ、バックオフィスのサポート機能を持つすべての領域が大きな影響を受けるのだ。
Conor Doherty: さらに付け加えると、Lokadの例において、LLMで自動化された機能は、他のAIによる自動化をはるかに上回っているという点が重要だ。つまり、「ああ、いくつかのものだけ」といったことではなく、定量的なもの・定性的なものを問わず、あらゆる平凡な業務が可能な限り自動化され、その結果、高度に訓練された人材が本当に重要な問題に集中できるようになっているのだ。そして、もしそのような取り組みをしている企業とそうでない企業があれば、基本的にそれはダーウィン主義、つまり淘汰の論理が働いているということだ。
ジョアンネス・ヴェルモレル: まさにその通りだ。その美点は、シュンペーター的破壊が作用していることである。企業が豊かになるためには、これが全体の利益に資するのだ。例えば、もしパリで今も人口の10%が水を運んでいたら、パリは非常に貧しい都市になっていただろう。
パリが先進国の都市となったのは、現代の基準で言えば、人口の10%を無駄な作業に費やさず、非常に退屈な仕事から人々を解放することによって、芸術や創造、そして発明に注力できる余裕を得たからに他ならない。
サプライチェーンを運営する企業では、誰もが常に火消しに追われ、小さくて些細な混乱、すなわち全体を脱線させる機械内の砂粒のような存在に対処しているのですが、それは壮大な方法ではなく、ただ愚かな方法で行われ、すべての酸素を消費してしまいます。
つまり、それらすべての小さなこととして捉えてください。それはただ酸素を消費するだけで、その結果、人々は考える余裕すら失ってしまいます。だからこそ、サプライチェーンの改善のために、本当に大きな変革になると私は信じています。突然、人々が戦略的に考え、無数の些細な気晴らしに囚われずに済むようになるのです。
100万体の半分愚かなアシスタントを持ちましょう。なぜなら、それがLLMであり、人間の知性に見合わないこれらの問題に対処する半分愚かなアシスタントたちなのです。
Conor Doherty: 最後の2つの質問です。これはLionelからのものです。サプライチェーン運営におけるAIと人間の協働の成功事例から、何を学ぶことができるでしょうか？
Joannes Vermorel: 協働という観点で考えてはいけません。それは誤りです。一般的なコパイロットというものは存在しません。
結局のところ、それは常に人間と機械の組み合わせです。確かに協力の形はありますが、それはあなたが想像する形ではありません。コパイロットではないのです。私がRFP回答マシンを自動化したとき、どのような協力があったかというと、机に向かい一週間かけてその回答マシンのコードを書き、そして回答マシンを完成させたのです。
RFPが届くたびに、機械を実行して回答を得ます。これが協力の形です。そして、OpenAIがGPT-4ターボなどの新モデルをリリースすると、私はコードを少しアップデートして最新機能を取り入れ、すぐに業務に戻るのです。
これは協力というより、私が何かをコーディングし、状況が変わったときに少し修正を加えるという意味での協力です。決して機械と対話しているわけではありません。GPTなどと対話しているわけでもありません。そういう仕組みではないのです。これが実際のゲームの進め方ではありません。
したがって、LLMを協調的な存在と考えてはいけません。私たちが自動化するほとんどの作業は完全に自動化され、その後は誰も関与しなくなるのです。これで終わりです。
例を挙げると、Lokadのウェブサイトは完全に自動翻訳されています。面白いのは、オンラインで確認できるように、英語そのものを翻訳するのではなく、HTMLそのものを翻訳している点です。つまり、生のHTMLを取り出して再翻訳することで、労力の90％を節約できるのです。なぜなら、すべてを一気に反復でき、LLMはタグとして触れてはいけないHTMLと、実際に翻訳すべき英語を賢く識別できるからです。素晴らしい。
これらは既に実現されています。ご覧の通り、Lokad TVのビデオページすべてにおいて、以前は手動でタイムスタンプを付けていたものが、今では自動で行われています。私が以前行っていた作業は、今や自動化されているのです。
つまり、1時間のディスカッションを自動でタイムスタンプ付にする、ということです。もっと秘めたる事例も挙げられますが、最も大きな恩恵を受けているのはLokadのバックオフィス業務であって、顧客対応とは異なります。いわば秘儀的なものです。
要点は、そもそもなぜそれが必要なのかを説明するのにあまりにも時間がかかりすぎるということですが、結局のところ事例は尽きません。通常、私たちはその日のうちに自動化します。これが現状です。そして、確かにプロンプトの調整に少し手間はかかりますが、問いは「何が自動化できないか」という点であり、今日では「何が自動化できるか」という問いに答えるよりも難しくなっています。
Conor Doherty: 議論の要約の例を挙げたとき、その点が非常に興味深かったです。たとえば、クライアントや見込み客との議論の要約を自動で作り出し、その内容に基づいてウェブサイトを自動検索し、関連する部分にリンクを挿入できるとしたら、何ができないというのでしょうか？実際、できるのです。私たちはその方向で作業を進めています。しかし、結局のところ、LLMでできないことを特定するのは非常に難しいのです。
Joannes Vermorel: 現時点で、本当に高度なレベルの問題、つまり答えを導くために何時間も考えなければならない問題、そうでなければ直感的な回答が得られるような問題であれば、LLMでも対処可能ですが、高度な人間の知性やそれ以上の知性が求められる対象では、私たちはまだ言葉が足りず、適当な表現をしているに過ぎません。
しかし、たとえば「サービスの質が我々のクライアントにとって何を意味するのか？」といった非常に難しい質問や、「我々の最優先ターゲットセグメントはどこであるべきか？」など、企業全体を左右するマクロな問題など、答えを出すのに何週間もかかるような問いこそ、まだLLMが追いついていない分野なのです。
もし、答えを導くのに何週間もかけられるほど重要な質問であれば、高度な人間の知性はGPT-4よりも優れた答えを提供するでしょう。しかし、答えを出すのにわずか60秒しか与えられないような質問であれば、人間が出す答えは決して優れたものにはならないでしょう。時間は刻一刻と過ぎています。何事も60秒しか与えられなければ、良い答えは得られないのです。
Conor Doherty: 重要なのは、一度だけのことではなく、毎60秒、毎日7～8時間、年間300日、50年と続くという点です。それに大きな違いがあります。
Joannes Vermorel: それが違いです。もちろん、私が30分休めば問題ないかもしれませんが、LLMは疲れません。1日に何百万もの処理を自動化できるのは、そのためです。
Conor Doherty: こちらはLionelからの最後の質問です。小国はどのようにして、独自の地理的および経済的課題を克服すべくサプライチェーン管理においてAIを活用できるのでしょうか。また、それが地元の雇用市場に与える影響とは何でしょうか？
Joannes Vermorel: 素晴らしい点は、LLMが非常にアクセスしやすいということです。LLMを使うための帯域幅はほとんど必要なく、文字通り数キロバイトのデータを送るだけで動作します。LLMは遠隔操作されるため、もし貧しい国にいても、最低限の低帯域のインターネット接続さえあれば十分なのです。
これらは高速な接続を必要としません。問題ありません。また、超有能な労働力も必要としません。これが素晴らしい点です。プロンプトエンジニアリングは、過去20年間で習得した準エンジニアリングスキルの中でも最も簡単なものであり、数時間で理解できてしまうのです。
だからこそ、今では子供たちがChat GPTを使ってすべての宿題をこなすようになっているのです。つまり、子供レベルの簡単さなのです。そして、これが急速な普及をもたらす理由です。例えば、「私はプロンプトエンジニアリングの学位を持っている」と言う人に惑わされないでください。ほんの少し慣れれば、文字通り数日で習得できるのです。実際、Excelを習得するよりもプロンプトエンジニアリングの方が簡単です。
結論として、もしあなたが貧しく離れた国にいるなら、この技術は非常に利用しやすいのです。ちなみに、この技術は非常に安価です。文字通り、ほとんどタダ同然です。例えば、私たちのウェブサイトをご覧ください。巨大です。千ページ、つまり千のウェブページに及びます。もし印刷すると、おそらく3000枚のA4用紙分になるでしょう。FAQもそれ以上に膨大です。
つまり、大規模なウェブサイトについて話しているのです。それを7つの言語に翻訳します。英語から全言語への一括翻訳の費用は、保存された3000ページ分のテキストで、OpenAIでは150ドルです。これが私が支払っている金額です。ちなみに、かつてフリーランサーに依頼していた場合は、言語ごとに約50,000ドルかかっていました。
翻訳コストは、かつてはほぼ25万ドル、もしくはそれ以上かかっていたものが、150ドルにまで下がりました。ちなみに、OpenAIが最近価格を下げたため、今後はさらに低くなるでしょう。そして、実は私たちはGPT-4を使っているのではなく、依然としてGPT-3.5を使用しています。Mistralも試すべきですが、そちらの方がさらに安価です。
つまり、おそらく3年後には、あの膨大な3000ページの翻訳が約50ドルで済むようになるでしょう。これが、先進国にとって巨大な機会であり、大きな格差是正手段となる理由です。ペニーではなく、ドル単位で、大手企業と同じツールを使用でき、Appleのように莫大な資金を持つ人々と同じレベルで競えるのです。
これはRemarkableな格差是正手段となるでしょう。そして、もしあなたが賢明で情熱を持っていれば、その過程で学んでいくことができるのです。それほど難しいことではなく、おそらく最も利用しやすい革命のひとつです。さらに、貧しい国であっても、不十分なインターネット接続でもLLMの恩恵を受けられると私は信じています。ブロードバンドさえなくても、毎秒往復20キロバイトの信頼できる通信があれば十分です。
Conor Doherty: 私たちは1時間半以上話したと思います。では、これらすべてを要約すると、スカイネットということでしょうか？
Joannes Vermorel: いいえ、スカイネットではありません。18ヶ月前に抱いていた誤った期待でした。「ああ、相変わらず愚かだ」と思っていたのです。しかし、実際にはそれはユニバーサルなテンプレートマシンであり、革命的な存在です。これはホワイトカラーにとっての縫い機であり、縫い機が衣料業界に果たした役割と同様の変革をもたらすのです。
その素晴らしさは、そのシンプルさにあります。当時、縫い機は時計に比べて桁違いに単純なものでした。19世紀の基準では、決して複雑な機械ではなく、むしろもっと複雑な機械もすでに存在していました。しかし、縫い機は見た目ほど単純でありながら、ほぼ一夜にして衣料業界の生産速度を100倍に引き上げたのです。もし、縫い機が全工程を自動化していないから革命ではないと思うなら、本質を見失っています。縫い機があれば、依然として100倍速く衣服を作ることができるのです。
スカイネットではありません。GPT-4が高品質な戦略的思考を置き換えることはありません。しかし、あらゆる単調な作業は確かに置き換えられるのです。これは進化です。私からのメッセージは、電車に乗り遅れないことです。多くの企業はすでにその電車に乗っています。恥ずかしいことに、私自身も以前は早く乗っていました。しかし、電車に乗る人々が増え、その成果が非常に速いため、今行動しなければ、4年後には追いつけなくなるでしょう。その差はまるでコダック効果のように広がり、たとえ元々それほど悪い企業でなくても取り返しのつかない状況に陥るでしょう。
Conor Doherty: では、これ以上質問はありません、Joannes。お時間をいただきありがとうございました。そして、ご視聴ありがとうございました。また次回お会いしましょう。
