全文書き起こし
Conor Doherty: こちらはSupply Chain Breakdownです。今から30分間、生成型AIの価値ギャップについて詳しく解説していきます。私はConorと申します。ここLokadではコミュニケーションディレクターを務めており、右側に常にいるのがLokad創設者のJoannes Vermorelです.
念のために申し上げますと、「generative AI value gap」とは、引用すると「多くの企業向けAIプロジェクトにおいて、正の投資収益率（ROI）を裏付ける明確なデータが全体的に不足している状況」を意味します。その前に、GenAIが解決してほしいサプライチェーンの問題について、下のコメント欄で教えてください。また、質問もできるだけ早く投稿してください。Joannesと私は約20分後にそれらについて議論します。それでは、進みましょう.
Joannes、この会話の背景は、大手コンサルティング会社や一部の公共機関が、我々が話しているこれらのAIプロジェクトにおける疑わしいROIについて言及している調査を発見したことにあります。見逃された方のために簡単に説明すると、BCG（ボストン・コンサルティング・グループ）によれば、約75%の企業がAIプロジェクトを拡大または収益化できていません。McKinseyでは約80%がEBITへの影響がゼロとされ、PwCでは少なくとも半数の企業がAIリスクチェックすら実施していません。そしてKPMGによると、数十億ドル規模の企業の主要幹部のうち約10分の1が、引用すると、プロジェクトでROIを得ることに非常に自信を持っているとされています.
それを聞いて、さらに付け加えます。ハーバードは、実際に労働時間の0.5%から3.5%のみが生成型AIを使用しており、これが約0.5%の生産性向上に相当すると述べました。2025年の全米経済研究局（National Bureau of Economic Research）は、AIチャットボットが収益に大きな影響を与えていないと報告しています。そして最後に、Reutersによれば、主要な組織の50%以上がこれらのプロジェクトのROIを追跡していません。さて、Joannes、正直なところ、この30分すべて話し続けることも可能ですが、あなたに問いかけます。これらの数字に驚くことはありますか?
Joannes Vermorel: いいえ。これは業界がすべての変革的技術で観察してきたのと全く同じパターンです。ご存知のように、25年前のウェブも全く同じでした。45年前に遡れば、企業におけるコンピュータの導入も同様でした。最近では、例えばクラウドコンピューティングも―同じ状況です.
つまり、変革的技術が登場すると非常に興味深いということです。多くの企業がその技術を見て、それが巨大で変革的であると正しく認識し、何らかの取り組みを行いますが、それが惨敗に終わるのです。それは何度も繰り返されています.
失敗率が90%というのは非常に悪いように聞こえるかもしれませんが、実際には成功する10%が業界を永遠に変えるのです。つまり、同時に両方が存在します。2000年代にウェブ関連への投資のほぼ全てが極めてうまくいかなかったのに、25年後の今、ウェブはすべてとなっています。Eコマースは非常に大きく、80%以上の人々がオンラインで出会いを見つけるなど、その影響は絶大です。動画や映画も今やウェブを通じて販売され、Netflixのように大きな影響を与えています。しかし、2000年代に流行したウェブポータルは既に姿を消しました。当時の数多くの悪いアイディアの一つでした。そして、私はGenAIも非常に似た軌跡をたどると考えています。多くのガジェット的な試みが失敗するでしょう.
私の見解では、単にリターンが得られないというよりも、変革的技術の初期段階であるため、指標の欠如に惑わされるべきではないということです。問題は、実質的な内容の不足、つまり本当に意味のある何かを行っているかどうかにあります。Lokadでは半ダース以上のプロジェクトがあり、これらの技術を用いる一部の部門では業務が完全に革新されました。私たちは元に戻ることはありません。技術導入前と導入後では、全く違う世界が広がっており、状況は大きく改善されています.
Conor Doherty: さて、要点を隠したくはありません。私を含む何人かが、莫大な支出について指摘しました。再び、Gartnerが、データポイントを正しく覚えていれば、2025年には今年の推定額として約6440億ドルといったようなことを示していました。全員が上位10%に入るわけではありません。つまり、莫大な資金とこの技術における組織再編が進んでいるのです。例えば、17世紀オランダのチューリップ熱、ドットコムバブル、GFCとの間に類似点はあるのでしょうか？ それは単にヒステリックなものなのでしょうか、それとも実体があるのでしょうか？
Joannes Vermorel: 基盤は確かなものです。つまり、ChatGPTを30分間使ってみれば、その衝撃は計り知れません。これらのLLMは、信じられないほどのことを実現しています。画像生成も同様、その他の生成型技術の分野も同じです。衝撃は本物であり、本当に何かしらの実質が存在しています。これは単なる投機ではなく、技術は実在しているのです.
さて、これらの技術の発端となった企業の評価が正当かどうかについても議論できます。それは、技術が提供者として少数の企業に限定されるのか、あるいは広く商品化されるのかに依存する別の問題です。しかし、技術革新自体は確かなものです.
しかし、多くの企業が変革的技術に対して誤ったアプローチを取るのが問題です。彼らはその可能性を正しく認識しながらも、単に予算を割り当てるだけです。これはウェブの場合も同様で、「ウェブは急成長している―よし、5000万ドルのウェブプロジェクトを始めよう。ウェブポータルを作り、全員のアイディアを統合して何が成功するか見てみよう」といったものでした。結果はどうだったか？ 当時は無駄な出費だったのです。GenAIも非常に同じ方法で取り組まれ、結果として投資が無駄になるでしょう.
問題は、単に資金を投入すれば解決するものではないということです。企業内部を見つめ、これらの技術を活用するために何を変える必要があるかを考えなければなりません―実際、これらの技術は非常に安価です。再び、ウェブも安価であったし、生成型AIも安価、クラウドコンピューティングの導入も安価です。大規模に使えば確かに高額になりますが、導入を始める際に、生成型AIの活用が数百万ドルから始まると考える理由はありません。Google GeminiやGPTのサブスクリプションなら、月額20ドルから始められます.
私の場合、本質的な問題は、こうした試みに飛び込む人々が、企業としての機械的な共感力を欠いている点にあります。つまり、自社のビジネスでどのように活用するかというユースケースに対する共感—すなわち顧客への共感—が不足し、さらに技術の可能性と限界を理解する機械的な同情心も欠いているため、試みの成功率を90%にまで高める施策が取れないのです。私自身、Lokadでは数は少ないですが、さまざまな生成型AIの試みにおいて成功率が90%以上であるのは、成功する可能性が高いと判断できるものだけを選んでおり、うまくいかないと確信しているものはそもそも試さないからです.
Conor Doherty: 改めて、これが重要なポイントです。あなたがおっしゃった通り、利用する際の成功率はおおよそ90%です。LinkedInにこの件を投稿したところ、多くの人から「個人レベルでは変革的であり、パフォーマンスが飛躍的に向上した。複数のタスクを並行して処理できるようになり、個人の生産性が急上昇した」といったフィードバックを多数頂きました。では、問題は何か？ 個人レベルでは非常に生産的になれるのに、個々の集まりである企業になると、多くのデータソースが示すところによれば、その生産性が内向きに崩壊してしまうのです.
Joannes Vermorel: その通りです。なぜなら、ほとんどの企業が生成型AIプロジェクトを、技術そのものの視点で始めるのは誤りだからです。まず、自社の顧客のために何をするか―それによって企業がより良く、効率的になり、顧客により良いサービスを提供できるのか―を考える必要があります。そして、かつて不可能だったことが、GenAIのおかげで可能になる場合があるのです。すべてが可能になるわけではなく、不可能なものも多いですが、選択肢は広がり、それが大きなチャンスとなります.
単に生成型AIに資金を投入するだけで、成果が自動的に出るとは期待できません。これは25年前に企業がウェブポータルに対して取った態度と正に同じです。「ウェブは素晴らしい―何百万ドルもウェブに投資しよう」と。しかし、もし「Eコマースストアを立ち上げる」というアイディアがあれば、それを見事に実行できるのです。単に「ウェブに1000万ドル投資する」や「顧客向けにEコマース体験を構築する」と言うのとは全く異なる話です.
Conor Doherty: それでは、ここでまた重要なポイントに戻ります。要するに―私の言い換えが間違っていなければですが―ROIがまだ大きくないのは、判断するには早すぎるからだとおっしゃっていました。その仮説も一理ありますが、やはり何らかのインパクトを示さなければなりません。では、ROIを測定していない場合、一般的にどのような兆候が、正しい取り組みが行われているか、または良い影響を与えているかを示しているのでしょうか？
Joannes Vermorel: もしこれらの技術を使っても、「今日の世界は以前とは根本的に異なる」とは言えないのであれば、方向性を見誤ったことになります。例を挙げると、数年前に自動翻訳の導入を決めました。私たちのウェブサイトは自動で翻訳され、すでに何年もその体制が整っています。かつては半ダース以上のプロ翻訳者を管理していましたが、今では完全に自動化されています。現在、英語でページを公開すると、数時間以内に半ダース以上の言語に翻訳されたページが完成します.
ご覧の通り、導入前と導入後では全く異なる世界となります。一例として、以前は翻訳者のチームを管理しており、workflowを管理するためのアプリさえ使っていましたが、今では完全に自動化されています。もう一例、RFP（提案依頼書）では、ある企業から何百もの質問が送られてきますが、現在は自動的にそれらに回答しています。つまり、数百の質問に対して、かつては個別に対応していたものが、「同じ400の質問に20分で回答し、最も重要なものには数時間をかけて人間の手で補完する」というプロセスに変わったのです.
なお、RFPでは「当社のデータに対してNDA（秘密保持契約）を締結しますか？」など、ありふれた質問が何百も寄せられます。こうした平凡な質問は、回答される必要はあるものの、人間が対応するほどの価値は必ずしもないのです。つまり、GenAIの有無にかかわらず、その影響はわずか1%ではなく、昼と夜の差があると言えます。新しいプロセスは従来のものとは全く異なり、正確な数値では測れなくとも、その改善は明らかに大きいのです.
Lokadのような企業が、RFP回答という非常に煩雑な問題の自動化による正確なROIを算出するのは極めて困難です。以前は作業時間で測定できたかもしれませんが、実際には対応可能な人員が多くなく、その限られたメンバーにとっては極めて煩雑な作業です。彼らはそれを好まず、むしろ負担と感じています。この新プロセスのおかげで、営業チームの優秀な人材をより長く維持できるのです。評価は非常に難しいものの、その影響は絶大です.
Conor Doherty: 改めて、これは良い指摘です。あなたはマーケティングや管理業務への応用を非常にうまく説明してくださいました。ここで、サプライチェーンとその最適化の領域において、実際に稼働中の具体的な生成型AIのユースケースをご存知でしょうか？ 私がこの質問をする理由は、今年初めのIDC調査で、この分野の生成型AIパイロットのうち、約88%―つまり10件中9件―が実際の供給チェーンdecision-makingプロセスにおいて本稼働に至っていないとされ、「概念実証の行き詰まりゾーン」と呼ばれているからです。では、実際に稼働に至った具体的な供給チェーンのユースケースをご存知ですか？
Joannes Vermorel: はい。しかし、サプライチェーンは非常に定量的な分野です―少なくともLokadのやり方ではそうです。リソースの配分、つまり在庫、生産能力、輸送能力、棚の容量などの管理が重要です。もし私が何かに対して1ドル分のキャパシティを投資するとしたら（例: 在庫容量など）、すべての可能な未来を考慮に入れて、リスク調整済みで最適な意思決定ができる選択肢は何かを考える必要があります.
これは非常に定量的な問題であり、LLMは直接的なアプローチには適していません。LLMは、もしあなたの意思決定が数値的なレシピによって支配されているなら、その数値的レシピを生成するという間接的な方法でアプローチすることは可能です。しかし、Lokadではクライアント向けにそのようなケースがありますが、ほとんどの企業では当てはまらず、LLMは効果を発揮しません.
さらに、付帯的なユースケース、いわばアドオンも存在します。例えば、カタログデータのクリーニングです。製品ラベルを改善したり、存在しなかったカテゴリーでカタログを充実させたりする場合、LLMは大いに役立ちます。しかし、これは核心となる供給チェーンの問題を解決するものではなく、供給チェーンのサブ問題を解決する際に業務を大いに楽にしてくれるだけです。つまり、非常に役立つのですが、「生成型AIプロジェクトを行う」と全面に出しても、供給チェーンの問題は解決されないのです。供給チェーンについて言えば、生成型AIはあくまでオプショナルな技術であり、サブ問題に対して作業を大いに楽にしてくれるものです.
Conor Doherty: しかし、また「ただこれを組み込めばすべてうまくいく」と考えがちなのに対し、「こちらは役立つサブアプリケーションです」というアプローチが求められるのです。これらは全面的な変革ほど魅力的ではありませんが、確かに役立ちます.
Joannes Vermorel: はい。そして、変革をもたらすテクノロジーを手にした時は、ビジネス自体も見直す必要があります。ウェブを例に取ると、ウェブサイトを持っているだけでは実際にはあまり役に立たないことが多いです。当時のウェブポータルはほとんど役に立たなかったのです。例えば、非常に有用なのはeコマースを取り入れることです。しかし、eコマースでは、注文処理を行う流通センターが必要になります。つまり、単なるウェブ技術だけではなく、ウェブで利益を上げるためには、eコマース分野を運営できるようにビジネス全体を再編する必要があると気づくのです。それは「投資してウェブサイトを作る」だけの単純なことに比べ、はるかに要求の高い変革なのです。
そこが私が言いたい点です。多くの場合、投資は誤った方向に向かっています。なぜなら、単なるウェブポータル―そしてGenAIも同様ですが―技術そのものに投資を行い、ビジネス変革を伴う要素を考慮していないからです。流行語に基づく投資はうまくいかず、ソフトウェアに基づくイノベーションの過去50年ほど、常にその傾向が見られました。
Conor Doherty: 社内で見極められる微妙なサイン、例えば「まだROIは測定できないけれども、支出を少し控えるべきか、逆に増やすべきかという兆候」があるのでしょうか？
Joannes Vermorel: 現実はこうです。これを投資と捉えてはいけません。まだ早すぎるのです。投資とは、どこに投資すべきかが分かった上での資本配分の問題です。ここでも、この技術は非常に低コストです。問題は、意味のあるアイディアを見出し、それをたとえ一人の従業員レベルでもプロトタイプとして具現化できる人がいるかどうかです。何か機能するものがあり、「よし、これなら本当に意味がある、響く。派手な指標は必要なく、直感で良いと分かる」と感じられるのかどうかです。
私が6人の翻訳者を管理していた時から、完全自動化によるエンドツーエンドの翻訳へと移行した事例を思い出してください。ケーススタディを行ったわけではなく、結果は非常に明白でした。さらに、実際に翻訳の質が向上しました。「もし機械なら質は落ちる」という考えもあったでしょうが、結果は高品質でした。なぜなら、Lokadでは翻訳すべき量が膨大で、交渉していた価格設定では、翻訳者が各ページに無限の時間をかけることはできなかったからです。迅速に行う必要があり、そのために品質が時折犠牲になっていたのですが、GenAIがその問題を解決したのです。
まずは限定的な規模で試してみることができます。たとえば「変換機能を使って翻訳してみる―これで機能するか？翻訳をより良くするために追加の文脈指示を与えられるか？」と実験します。はい―そして実際に機能します。それが確認できたら、投資フェーズに突入して、それを自動化します―一ページごとではなく、デモンストレーションとしてではなく、1,000ページ分に拡大し、利便性を高めるためのITインフラを整備します。私がこの取り組みのロボット化に着手した時、すでにそれが機能することに100%確信していました。事前に数ページを手動で試すことで、十分に検証していたのです。
ウェブの場合も同様です。まず初めの実験として、本当に意味があるのかを検証します。eコマースであれば、少数の商品をオンラインで販売してみて、本当に成り立つのか、需要があるのかを試します。もし、クライアントに提供したい価値と響き合う初期実験ができないのであれば、それはおそらく無意味であり、さらなる資金投入前にプロジェクトを中止すべきです。
Conor Doherty: あなたが説明しているのは、いわゆるテキストベースのアプリケーションで、これらは確かに変革的です―私たち自身で実践していることからも分かります。また、予測の初期段階においてもGenAIを活用できる他のアプリケーションが存在し、私たちはembeddingsを用いて初期予測などにも利用しています。LLMの応用例も存在します。
Joannes Vermorel: はい、しかしこれはあくまで付加機能です。本質は確率的予測を行うことであり、embeddingsを利用すれば場合によっては確率を若干改善できるかもしれません。しかし、これはあくまでごく一部分で、非常に漸進的な進歩に過ぎません。おそらく、人々がGenAIに期待しているのは、単に一つのサブプロセスをわずかに改善するものではなく、即座に目に見えて劇的に変革するものだと思います。
そのような状況は確かに存在します。例えば、サプライヤーとの関係を自動化できるかどうかです。サプライヤーがメールを送り、あなたが返信しますが、これを大幅に自動化できるでしょうか？そのために莫大な予算やIT企業を必要としません。まずは、サプライヤーからの質問に対して妥当な回答を返すプロンプトを構築できるか、またはそのサプライヤーに送るべきメールを自動的に作成できるプロンプトが作れるかを試すことができます。それが機能するかどうか、つまり試作品として機能するかを検証します。それができれば、企業はこの種の技術を活用して業務の大部分を自動化することを考え始めるでしょう。
Conor Doherty: この話題は非常に興味深いです。なぜなら、複数の側面が絡んでいるからです。潜在的な応用については触れてきましたが、実際にそれを適用するプロセスにおいて、大きな問題があります。ここで少し背景を補足すると、今年は調査が数多く行われていますが、それは、これらのGenAIプロジェクトに対してしっかりとしたチェンジマネジメントが欠如しているためです。裏を読むと、これらはただ単に強制的に導入されているのです。より良いチェンジマネジメントが、ROI、研修、スキル向上といった面で数字を上げるのに役立つと思われますか？
Joannes Vermorel: まさにそれが私が話していた資本配分の問題です。流行語はクラウドコンピューティング、ビッグデータ、ブロックチェーンと変遷してきましたが、今はGenAIです。「これに何百万も配分する」といったやり方は間違っています。そしてチェンジマネジメントについて考えを巡らせる前に、「どうすればクライアントにより良いサービスを提供できるか」という視点から始め、そこから変革が生まれるのです。この変革は、GenAIが存在するからこそ最終的に可能になるもので、全く異なる考え方を持つべきなのです。
まずは正しい問題設定に注力することが重要です。努力の90%は技術的な実行ではなく、実際に解決すべき問題の設定に費やされます。ウェブに関して言えば、ウェブポータルはウェブサイトやウェブ技術の構築に焦点を当てていました―それ自体が問題でした。しかし、現実は全く異なります。ウェブの技術面は容易であり、ウェブサイトを立ち上げるのは簡単ですが、利益の出るeコマース事業を構築するのは難しいのです。
ですから、最初の実験として「非常に繁栄するeコマースセグメントが欲しい」と考えます。ここで気づくべきは、この投資におけるウェブ部分は実際にはウェブ技術とは直接関係していないということです。実現可能なeコマース事業を築くためには、解決すべき他の問題が多数存在します。GenAIに関しても同様で、もし技術を先行して投資すれば、その変革のための努力の95%はGenAIとは無関係な部分になるでしょう。GenAIは、この全体の変革を可能にする一要素であり、それがなければ不可能だったでしょう。つまり、GenAIはあくまで一部分であり、それ以外の変革に注力することが重要です。これが出発点であり、GenAIは要所に組み込まれる、重要ではあるが根本的には技術的な補助手段なのです。
Conor Doherty: ええ、あなたの説明の仕方は…正直なところ、あなたのことをよく知っているからこそ、私も半信半疑なのです。いや、言い換えましょう。大企業が必要なのは、根本的な問題の再考であり、その上で逆算してAIを組み込むべきポイントを特定することだと言ったとき、半兆ドル規模の話となると、実現の可能性はどの程度だと思いますか？
Joannes Vermorel: それは非常に稀なケースになるでしょう。歴史を振り返れば、15年前にデータセンターに大規模な投資を行っていた企業はどれくらいあったでしょう？非常に多くの企業が存在していました。しかし、ジェフ・ベゾスが「我々はデータセンターにこれほど投資するので、世界に開放する」と言えるだけの度胸を持っていたのは誰でしょう？人々は「Amazon？」と驚いたでしょう。考えてみてください。いくつもの銀行が超大規模なデータセンターを所有しており、彼らは10年前にこの動きを実行できたはずです。当時、Amazonが世界最大のデータセンターを持っていたわけではありませんでした。はるかに大きなデータセンターを持つ銀行が存在していたのです。しかし、決定的だったのは、新たに登場した技術、後にクラウドコンピューティングと呼ばれるものです。ベゾスは「知っているか？我々は書籍を販売しているが、同時にサーバーのレンタル事業も行う」と決断したのです。これが、私が話している変革の一例です。
これは非常に困難な挑戦です。なぜなら、ビジネス全体にわたる根本的な変革が求められるからです。統計的に見ても、過去100年のビジネスの中で、本当にそれを成し遂げた大企業はごくわずかです。もちろん、抜きん出た経営陣が市場を凌駕し、仲間が失敗した転換を成功させる例はありますが、それは例外的な存在に過ぎません。
Conor Doherty: では、元々の議論、つまりバブルの問題に戻ります。多くの人々が、対処や実行が十分にできていないものに多額の投資をしている場合、ある時点で臨界質量に達し―
Joannes Vermorel: バブルというのは、あたかも例外的な状況のように見えるものです。私がGenAIで見ているのは、いくつかの企業が非常に高い評価額を得ているという点ですが、これはバブルである可能性もあります。しかし、企業の支出に関しては、私の見解では、enterprise software に費やされる資金の80%が無駄になっているのが通常です。それが基本の数字であり、GenAIでは90%になったとしても、基本的には80%が無駄になっているのです。
ですから、私にとってはGenAIに特有のバブルというものは存在しません。むしろ、その日の流行語という感じです。数年前ならブロックチェーン、さらにその前なら何かのビッグデータプロジェクト、またその前はWeb 2.0の取り組みと、どれも結局は大企業がソフトウェアプロジェクトに費やす資金の大部分（私の基準では80%）が無駄になっているという現実があります。ここでの無駄遣いの割合は平均的な範囲内であり、ほんの少し大きいだけです。広く見れば、GenAI企業に対して非常に衝撃的な評価額がついていることに比べれば、この面でのバブルはそれほど重要ではないと思います。
Conor Doherty: しかし、もう一つの側面もあります。たとえば、多くの企業―ここでは我々のクライアントではなく、Shopifyの例を挙げましょう―が、この技術に全面的に取り組むため、採用や評価の基準にGenAIのスキルを盛り込んでいます。さらに、この技術が実際に雇用再編に及ぼす影響という点も考慮すべきであり、短期的にはほとんど意味をなさない可能性もあるのです。
Joannes Vermorel: ここで少し異論を申し上げます。私の見解では、Shopifyは非常にシンプルなビジネスモデルを持っており、過度に複雑ではありません。対照的に、たとえば我々のクライアントである航空業界は、何千もの異なる業務が存在し、非常に秘儀的で極めて理解しにくいのです。この分野で何が起こっているのかを正確に把握するには、数ヶ月を要するほど技術的に難解で複雑なのです。
Conor Doherty: しかし、これらはあくまでその流れの一例に過ぎません。
Joannes Vermorel: はい。そして私が言いたいのは、Shopifyのような企業の場合―新しいトレンドに企業文化が傾いているのは素晴らしいことですが―主要な顧客やパートナーの体験をGenAIが本当に変革するための重要な要素を特定するのは、主に経営陣の責任になるということです。私は、このビジネスがあまりにも分散していて、ボトムアップの変革になるとは考えていません。
Appleについても同様です。超成功した1つの製品、すなわちiPhoneを中心に築かれた巨大なビジネスでは、10万人もの従業員がGPTに精通しているからといって企業が変革するわけではありません。重要なのは、AppleやiPhoneにとってそれが何を意味するのかを最高経営陣が非常に明確に理解し、適切な選択をして実際に意味のあるものを展開することです。確かに文化的なシフトは起こりますが、大半の企業にとっての課題は、ピラミッドの底辺ではなく経営陣にあるのです。
Conor Doherty: 少し突っ込んでお聞きします。LinkedInで個人的にメッセージをいただいた内容なのですが、現在LinkedInの技術的問題によりYouTubeで配信していますが、次の質問の導入となります。Gartnerが『2025年トップ10戦略技術トレンド』の中で、エージェントAI―仮想労働者として機能する自律型ソフトウェアエージェント―を最上位に置いているという出典があります。そこで質問ですが、チャットボットやAIエージェントは、Gartnerが示すゲームチェンジャーだとお考えですか―
Joannes Vermorel: Lokadがこの10年間行ってきたことは―はい、間違いなくゲームチェンジャーです。しかし、流行語はさておき、本当に求めているのは無監視の意思決定です。これこそがゲームチェンジングなのです。そして、それを可能にする技術とは何かと言うと、LLMはその実現のためのごく小さな、オプション的な部分に過ぎません。
もし「エージェントAI」とは、無監視の意思決定、すなわち、何を購入するか、何を製造するか、どこに在庫を置くか、表示する価格を決定するという結果を意味するのであれば―それらはすべて日々自動的に変動し、無監視に行われる―はい、それは間違いなく大規模な変革です。したがって、もしGartnerが「エージェントAI」でこの結果を意味しているのなら、同意します。しかし、もし「エージェントAI」としてLLMを単に組み込むだけのものを意味しているのなら、私は反対です。
Conor Doherty: 私の質問はこれで終わりです。次に、寄せられた質問に移ります。いくつかはLinkedIn経由ですが、実は私たちはYouTubeで配信しているので、その点は感謝します。では、Joannes―はい、Joannes―これを逐語的に読みます。かなり長いのですが、「業界全体で生成AIの採用とそこからの財務的価値の抽出の進展を評価するために、どのような公開済みの指標を使用できますか？GenAIのAPI支出、大規模なレイオフ、またはその他のシグナルを確認すべきでしょうか？」というものです。繰り返しますね。
Joannes Vermorel: いえ、大丈夫です。長い質問ですね。私の提案は、指標に頼るなということです。指標は後れを取るものであり、それらが見える頃には既に手遅れになっているのです。再び、eコマースのAmazonを考えてみてください。Amazonは何もなかった、ウォルマートのような企業にとっては取るに足らない存在でしたが、突然、止められなくなり、圧倒的な規模になったのです。これは、デジタルカメラが長い間存在感を示さなかったのに対し、突然支配的になった従来の化学カメラと同じ現象です。ほとんどの技術変革に共通することです。
The same happened in many industries—for example, fly-by-wire for aviation. It was nothing, and then Airbus did it, and then it was the norm, and anything not fly-by-wire was pretty much toast. The problem is that metrics will be lagging. Yes, you will see layoffs, but those layoffs will be done years after. Companies can automate and have massive productivity savings, but they won’t necessarily trigger layoffs immediately—they want to preserve morale, be nice, give people the opportunity to move somewhere else—and then there will be an economic downturn, possibly a decade after, and then there will be layoffs. So you can have effects that are extremely lagging.
APIへの支出について―確かにそうですが、これは非常に難しい問題になるでしょう。なぜなら、多額の支出をして市場を完全に歪めるAI専門家やLokadのような企業が現れるからです。多くの企業が資金を投入しているのを見たとき、それが一般的な企業によるものなのか、あるいは支出の90％が特定の企業、例えばビデオゲーム業界によるものなのか、判断するのは困難です。
私の見解としては、指標にあまりこだわらないことです。技術変革の場合、指標はほとんど意味を持たないからです。あなたはまるで2000年に戻ったかのようで、オンラインショッピングの経験がないはずです。考えてみてください、「もし顧客がオンラインで購入できるようになったら、彼らの生活は変わるのだろうか？」。これこそが変革的な例です。つまり、これらの技術を使って顧客に本当に画期的な何かを提供できるかどうかを考えるべきです。もし提供できるのであれば、すぐに行動を起こしましょう。待っていると、いざその方向に進もうとしたときに、突然現れた巨大企業と対峙することになるでしょう。
Conor Doherty: これは、あなたが述べたことに基づけば、Lokadが決定にあたってROI（投資収益率）を最優先に考えていることを意味するのかもしれません。そこで、視聴中のCFOの皆さんへ―そして私たちのネットワークにいる多くのCFOの皆さんへ―「ええ、そうですね…」と個別に連絡をいただいている皆さんへ。どのような形で表現しても構いませんが、リターンとは何か？インパクトとは何か？このプロジェクトの進め方やそこでの役割について、CFOとして具体的にどのようなアドバイスをされますか？
Joannes Vermorel: CFOにとって最も重要な問いは、ホワイトカラー労働力がどれだけの付加価値をもたらしているかということです。真剣な評価を行うためには、非常に厳しい質問を自らに投げかけ、ChatGPTを使って「これは自動化されるのか、それとも本当に技術の範疇を超えているのか」を考える必要があるかもしれません。そのような疑問に答えるために、高額なコンサルタントやIT企業を雇う必要はありません。GPTを活用して小規模な実験を行うことで、この問いに答えることができます。
そうすることで、本質的な問い、「これらの技術が我々の労働力の10％、20％、それとも90％を自動化するのか？」に答えることができます。Lokadでは、あるタスクに関しては関与する人数が数名からゼロにまで減少する、つまり100％自動化された業務群が存在します。
ですから、まずはあなたのホワイトカラー労働力とそこにかかるリスクを徹底的に評価し、今後の方向性を定めるべきだと考えます。もちろん、それは投資収益率を見極めるためだけでなく、非常に深い変革を意味します。それはCFO主導で進められるものではありません。変革はあまりに根本的なものです。例えばAmazonの例を考えてみてください。オンライン書籍小売業者でありながら、クラウドコンピューティング事業に参入しようとしています。こうした大規模な変革では、最終的な決定はCEOレベルでなされるのが明らかで、CEOはその変革の規模を踏まえて取締役会を説得しなければならないのです。
Conor Doherty: さて、Joannes、質問は尽き、時間も完全になくなりました。YouTubeにご参加いただいた皆さん、そして後日ご覧になる皆さん、本当にありがとうございました。ちなみに、もしまだ私とJoannesとでLinkedIn上でつながっていなければ、ぜひご連絡ください。私たちはとても魅力的です。お気軽にお声をかけてください。では、Joannes、この度はご参加とご回答、誠にありがとうございました。そして皆さん、仕事に戻りましょう。
