次のAIの波について
AIメディアMiraLab AIの平岡です。
同じくMiraLab AIのたつけです。
この番組は、AIの最新動向をもとに、未来を考察するポッドキャスト番組です。
それでは、本日のトークテーマ、お願いします。
世界最強VCが見据える、次のAI wave„
波乗り〜
サザンオールスターズ
なんでこのターンの時に平岡さんが必ず被せてくんの?
なんかもう言わないとさ、すっきりしないというか
気持ち悪いなと思って
なるほど、次のAIの波ですか?
はい、今回はですね、シリコンバレーで、超有名なベンチャーキャピタル
ウェーブ1とウェーブ2の比較
アンドリー・セン・ホロウィッツね、聞いたことあると思うんですけど
彼らが提唱している、今はウェーブ1だと
これからはウェーブ2っていうのが来るよっていう話をしてるんですけど
それについてちょっと話していこうかなと思うんですが
ざっくりで言うと、BtoB向けのAI活用についての文脈になります。
で、その情報の要約もそうなんだけど
実際にその企業が抱える課題だったりとか
導入する時にこういうこと気をつけないといけないよみたいな
そういうポイントを話していこうかなと思います。
なるほど
で、ベンチャーキャピタルがブログで出したんで、今回話してるんで
ある程度ポジショントークなとこもあるかなと思うんですね。
じゃあまずはアンドリー・イーセン・ホロウィッツってどんなとこかっていうのを簡単に紹介したいんだけど
アンドリー・イーセン・ホロウィッツは、さっき言ったようにシリコンバレーを代表している
世界でも超有名なベンチャーキャピタル、投資会社ですね。
で、昔からテック系のスタートアップにもバンバン投資してるのよ。
で、最近だと暗号通貨とかAI関連とかにもすごい積極的で
自社でメディアもやってるし、ポッドキャストもやってる。
ポッドキャストもやってるんだ。
で、未来はこうなるよって話もしてる。
何か聞いたことあるな、その役。
僕も初めて知ったんですけど、我々の強豪ですね。
そうだね。
おこがましいって言って、そこは。
いやいや。
そうだねじゃないか。
ライバルだ、ライバル。
ライバルって言うんだ。恥ずかしい。
投資会社だからね。
だから、いわゆる業界をリードするような思想発信とか情報発信にめちゃめちゃ力入れてるっていうような会社なんですね。
なるほど。
で、今回の記事を寄稿した人っていうのは、このホロウィッツのパートナーさん。
で、実際に彼らの仕事っていうのは、B2Bビジネスの最先端はどこなのかとか、ここがいけてるっていう分野をアピールしたいポジションなんだよね。
だから、これってポジショントークになる可能性っていうのは結構大きいんだけど、自分たちがいわゆる投資したいテーマを盛り上げることで、他の投資家からもお金が入ってくる。
そしたらその企業のバリエーションも上がる。企業価値が上がるわけだから、言うてポジショントークな部分もあるんだけど、
とはいえ、彼らの発信っていうのはちゃんと根拠があるわけで、業界のすごいリアルも把握してるわけよ。
だから実際のインサイドもかなりあって。
盛り上げようと思っても、本当に盛り上がんない分野って盛り上がんないからね。
だから話半分ぐらいには聞いたほうがいいんだけど、実際事実な部分もあるので、そういう前提で聞いたほうがいいかなという感じです。
でその前提で今回ウェーブ1とウェーブ2。でウェーブ2がこれから来るよって話なんですけど、じゃあまずウェーブ1って何なのかっていう話ね。
ウェーブ1っていうのはいわゆる生成AIのチャットGPTとか、もう我々が今使っているようなもの。
これを一言で言うと、生成ですね。 生成 はい、生成をするもの。これがまずウェーブ1です。
そういう区切りなんだね。 まずその文章とか画像を量産してくれて、
めちゃめちゃ盛り上がって、俺これすっげー便利じゃんってなったわけじゃない。
でも実際のところBtoBでこれをやろうとすると、例えば長文でテキストを出してくれましたと。
いやでもな結論が欲しいんだよなみたいな。BtoBからすると。
なるほどね。 あとめっちゃ間違えてるしなみたいな。
だからチャットGPT使えないって言ってる人っていまだにいっぱいいるじゃない。
それってやっぱビジネスの文脈ですごい考えてて、もっとより正確精密さを求められる現場で考えてる人が多いんだよ。
それはそうかもしれないね。 だから実際の現場でそんな生成されても困るみたいな。
で結局その大量に生成されて誤情報とかも混ざってて、ハルシネーションも起きると。
そしたら結局チェックしないといけないじゃん。我々もそうじゃん。
で結局この余計な手間を考えたら最初から自分で作った方が早いみたいな状況になるわけですよね。
これはもうマジでAIあるあるだよね。 AIあるあるそうなんです。
そこで出てくるのがWAVE2って呼ばれてるシンスAIっていうね。
シンスAI。 はいシンス。これはね統合という意味です。
じゃあ生成から統合にみたいなこと。 はいもう本当にその通りなんですけど、
ざっくり言うと大量のデータをまとめて最終的に何をすべきかを示してくれるAIのことの名称、総称をシンスAIって彼らは言ってるんだけど、
これはもう膨大な情報。最近で言うとグーグルのディープリサーチとかは良い例だよね。
大量の情報を一気にまとめて結論だけパーンて出してくれる。
そうだね。 つまりこういうことですみたいな。
それをもっと解像度を高くしたようなものっていうのが今後出てくるんじゃないかみたいな話なのね。
なるほどね。 結局さ論文とかもそうだけどさ全部読むのしんどいじゃん。
だから最終的にはどうしたらいいのかっていうのを示させてくれるようなAIっていうのが今後は需要がかかってくるよっていう話ですね。
WAVE2の重要性
ではWAVE2がどうして重要なのかっていうのをちょっと理解していくためにWAVE1今までのいわゆるすごさっていう部分と限界っていうのを話していきたいんだけど、
まず生成AI本当に良かったな便利だなと思ったこと何かあります?実際使ってて。
実際使っててまあそうだねやっぱりメディアっていうところでいくとさ文章生成ってダイレクトに響くところだから。
そうですよね。 もう完全に業務効率化になってますよね。
特に文章生成だとそうでもないですけど、例えば僕だったらアイディア系企画系考えるときに最初の叩きを作ってくれる。
みんなも言ってるけどやっぱ最初の叩き台を作ってくれる人が一番偉いみたいな。
そこのアイディアをバーンっていっぱい大量に出してくれる。だからメディアでも何の基調を変えてくれるのかとかそういったSNSのネタとかをさって出してくれるのはめちゃめちゃ便利ですよね。
でもそうかもね。 あとはそのAIアートの文脈で言うと、
AIが作ったキャッチコピーとかちょっと面白いものを生み出してそのハルシネーションが起きたことがむしろちょっとネタになって面白くなる。
いちいちそういう風潮あったよね。
最近もちょっとバズってるけど、ウィルスミスが一番最初に生成された時の動画と今の動画とクオリティの違いみたいな。
あのパスタ食べるやつね。 パスタ食べるやつ。もうむちゃくちゃなパスタの食い方してる。あれがちょっと面白いみたいな。
しかもさあれさ本人がさあれを真似した動画もあるの知ってる。あれも面白いよね。
ホッペから食うやつね。ユニークだよね。我々一般ユーザーが遊び目的だったりとか楽しむ分にはすごい良かったんだよね。
それで注目度も一気に高まったわけじゃないですか。他にもプログラミングの支援とか翻訳とかすごく汎用性が高いと。
AIネイティブなサービスが増えたのもここ数年の動きですね。でも何が物足りなかったのかっていうと医療とか金融とか専門知識がもうめちゃくちゃ重要な領域では生成AIだと精度の問題が大きいわけじゃないですか。
だからファインチューニングしたりとかするわけだよね。それに長文を作ってくれたとしても結局その要約しなきゃダメじゃんとか数字が合ってるかチェックしなきゃダメじゃんとか。
思ったほど効率アップにならないみたいな。実際使ってたら思うけど業務効率化してるように見えて確かにしてるんだけどみんなが言う10倍生産性良くなったよね。100倍良くなったよねっていう感覚なくない。
そうだねそういう感覚はないね。
2、3倍ぐらいかなみたいな。
時間っていうよりかはやりたくなかっためっちゃめんどくさい作業をしなくて済むようになったから気持ち的に楽ってだけで時間はそんな変わってないみたいなさ。
そうなんだよね。ハルシチェックとかもそうなんだけどそもそもそれを出すためにプロンプトをめちゃめちゃ考えたりとかワークフローを組んだりとか別で作るわけじゃん時間を。
これができてようやく楽になってファクトチェックだけで良くなるみたいな。あれなんか時間の総数そんな変わんないぞみたいな。
そうだねだから本当にルーチン業務で膨大な業務をそれをやることによって効率化されるはあるけど日々のちょっとした仕事とかを毎回プロンプト組んでやるのもちょっとねっていうものは使いづらいとかっていうのもあったりするしね。
そうなんですよね。でなんでそれが起きるかっていうのは汎用性の高さなんですよ。
だからこういった課題を踏まえてもっとその要約とか分析とかに専門領域とかに特化したAが必要だよねってなってきたわけですね。
だからこれからのシンスAIWAVE2に注目が集まっていると。
ではWAVE2がなぜ大事なのかっていうお話をしていくんですけど先ほどもお話ししているように生成から今後のは統合になっていくと。
WAVE1は何かを生み出す力っていうのが注目されてたんだけどB2Bだったらたくさん作るより最短で結論が欲しいっていう行為が圧倒的に多いので
まさに膨大なデータから短い要点をという動きをするAIですね。で3つ重要なポイントがあってB2Bで使われるためには
1つ目が正確性信頼性これはもうずっと言われてるよね。ちっちゃいミスが大損失につながりかねないんで専門分野に特化した制度が必要。
2つ目がアウトプットの短さや要点。いわゆる経営幹部とかが見るような資料って長文のパワーポイントじゃなくて
はいどういうことがあなた言いたいのっていうそのエッセンス凝縮されたエッセンスじゃないかな。よくあるあるですよね。
あるある本当に 新卒がね上司に資料持ってって何これ
結論は結論みたいなの 結論ファーストで言えよみたいなのよくあるじゃないですか。あれが求められると。
そして3つ目が意思決定を促すためのインサイト本質。いわゆるどうすればいいのかっていうのをズバッと答えてくれる。
結論こうだから私はこうした方がいい。この2分でいいと。これがWAVE2の肝ですね。
実際の使いどころとしては例えば営業支援。これはニュースとかSNSを解析して企業は今こういう動きだから今がアタックのチャンスだよって教えてくれる。
Wave2の特性と重要性
これ例えばWAVE1だと大量にメールを作って大量に送るだったんだけど、それって結構運営じゃないですか。
じゃなくてWAVE2の場合はこの企業が今こういうプロダクトを作ってて競合がこういう状況だからきっとこういうサービス欲しいよね。
でこの企業の進捗を見るとおそらく今倫理に欠けてそうだから今この瞬間に電話メール送るのがいいと思うんですよっていうエッセンスを出してくれる。
超ピンポイントですごいよね。
だから量じゃなくて質なんだよね。その1つのメールをどこで送るべきなのかっていう最適解を出してくれる。
で例えばサポート系だったら過去の問い合わせ全部洗ってよくある原因これだよねとか今これがやばいみたいなのを早期発見して即フィードバックしてそれがすぐ出せるとか。
あとプロジェクト管理だったらよくあるけどこれなんで進捗遅れてるのとか誰が詰まってるのをワークフロー全般って見て一発でこの人が今こうやってるからこれが悪いですって一瞬で答え出してくる。
それいいね。
いわゆるだから大量の文脈の中から欲しい情報を的確に短く出してくれる。つまりWave2ですごく大事なのって情報を出すことじゃなくて情報をそぎ落として必要な部分だけを出すっていう話なんだよね。
そうだね。今だってそのプロジェクト管理とか送ったらさこのプロジェクトは何々何とかでみたいなさダラダラダラダラって出てくるじゃん。
そうだね。
そういうことじゃないんだよなみたいなさ。
インターネットの黎明期からの流れとすごく似てて最初って情報全然なかったじゃん。だから情報がとにかく必要だったわけじゃん。だからもうみんな生成したわけですよ情報。みんながブログを書いてニュースを出して。
ってなった結果今のSNS時代って情報が氾濫するわけじゃないです。
そうだね。
だからこれから大事なのはファクトチェックだよとか情報を取得する力だよとかさよく言われてたじゃん。
そうそうだね。
あれと全く同じことが。
確かに。
すごいスピードで起きてんだよね。
確かにね。同じ文脈のような流れがあるね本当に言われてみれば。
そうそう。だからもう情報いっぱい出るとかいろいろあったけどとりあえず生成するその出力をさ求めてきたわけじゃん。でこれね実際の活用でもそうなの。みんなプロンプトで僕もそうなんですけど情報をAIから引き出そうとしたことないですか。
あああるね。
これどういうこと。これはこういうことです。えそれ本当に?って調べるみたいな。え最初から調べたらよくないみたいな。そんな現象よくあるじゃないですか。だからチャットGPT使えないよねって言ってる人って結構情報を引き出そうとしてる人が多くて。
でも大事なのって自分が持ってるナレッジとか知識とかを統合して違う視点を与えてくれることだったりするわけですよ。
O1とかもとにかくそれが上手なんですけど僕はこう思ってる。でこういう情報がある。で例えばGoogleでそのディープリサーチ使ってこういう情報をバンって与えます。で僕にない視点くださいって言った瞬間にすげーのが飛んできたりするわけですよ。
だからAIが発揮する力って多分そこなんですよね。情報を出すんじゃなくて統合して削ぎ落として大事なエッセンスだけを出すっていう。だからこれは共感できた。ポジショントークだなっていう反面もあるけど確かにそうだなと思う。
だから要は今までAIを活用できてた人たちがやってたプロンプトだったりとかファインチューニングだったりとかそういう何かに特化したように構築してあげたりとかっていうふうに人が手を加えて頑張ってたところが新たな波として形になってくるみたいなそういうイメージなのかな。
データ品質の重要性
まあそういうイメージに近いですね。これを抽象度をもっとどんどん上げていくと本質的な意見ってさすごく短いエッセンスじゃん。例えば藍田光雄さんの人間だもの。あれってあの文章だけ見たらそりゃそうじゃんみたいな。
人間だものってさすごい深いなってならない? なるね。 過去の偉人たちが残してきた言葉ってやっぱ普遍的で本質的で。いまだに通じるもんね。こんな時代近くてもね。
そうなんですよ。あれってすごく抽象度が高いからそうとも言えるんですけど、まさしくこれからのAIに求められることって人間だものが言えるようなAIなんですよね。でそれがすごくニーズがあるわけですとBtoBに。ただここまでがブログの情報です。ベンホロビッツのね。
なるね。 なので後半は僕がクリティカルにいやそれどうなみたいなところも踏まえてちょっと話していきたいなと。 なるねポジショントークに切り込んでやるぞと。 ちょっと組み込んでいくぞと。あとはこれからどういうところを抑える人が勝者になっていくのかっていう話だったり導入に対してじゃあこういうこと気をつけないとねみたいなことを話していきたいと思います。
ここで一旦お知らせです。AI未来話では現在スポンサーを募集しています。 私たちは最先端のAIテクノロジーやその裏にある社会変化未来予測を毎週お届けしています。もしあなたのサービスやプロダクトをこのAI未来話を通して広くアピールしてみたいという方がいらっしゃれば是非ご検討ください。
ご興味のある方は番組概要欄にあるお便りフォームまたはXの公式アカウントまでお気軽にご連絡ください。
じゃあまず最初に投稿することはわかったと。ただですね投稿するためにはデータが必要ですよね。なんで皆さんデータをとにかくAに学習させますよね。ただもしですよこれ大企業だったらできるかもしれないけど中小にはできないことがあると思うんですよなかなか。
っていうのはデータですねデータの質です。 そうねもうデータの質悪いだろうねみんなどこもね。 そうなんですなんでこれをするためにはまずねデータが超大事で命なわけです。どれくらい大事かっていうと目的地に向かいたいわけですね。
どこか設定しますとそれに向けてデータを集めて進めますと。ただそのデータいわゆる地図が間違ってたら一生たどり着けないよね。だから当たり前だけどデータが間違ってたらAIがどんなに優秀でも間違った結論になるよね。
っていう鉄板の話なんだけどこれをガーバージンガーバージアウトっていう言い方をしてゴミを入れればゴミが出る。 あー有名なやつあるよねそれ。 そう有名な鉄板の話があるんですけどこれはAIの文脈でも大前提。ゴミを入れたらゴミしか出ないんで正しいものを入れないといけない。
でこれっていうのがむちゃくちゃ大事なんだけどすっごく大変なこと。そもそも正しいデータって何とかそこから話を切り込まないといけないよね。あとはB2Bのデータ管理って結構部署ごとにシステム違ったりとかデータバラバラだったりとかフォーマットが統一されてなかったりとかそもそもAIが扱いにくい状況なんですよ現状がね。
契約書とか顧客情報みたいな機密データも使うわけじゃないですか。だからセキュリティ名とかプライバシー名も課題だわけだよね。だからそんなAIとかの前にまずデータ揃えろって話になっちゃって、すげー大変なわけです。
でもっと言うと解くべき問いがずれてたらもう意味がないんだよね。じゃあデータ集めましたこれでようやく統合できるぞと新しいインサイトを得るぞとバンってやるじゃん。うわすごいじゃあこれやろうってなったときにいやいや待ちなさいと。それ本当に解くべき課題ですかと。
それ解いたところで何の意味もないんじゃないですかみたいなことにもなりかねない。 これ本当にあるあるなんですけどなんかいろいろやった結果何も生まれませんでしたみたいな。ということで何が本当の課題なのかっていうのを見極めるのも大事なわけですよ。
この能力ってあんまりAI関係ないんですよね。結構コンサルの域というか。だから得るべき課題イシューをちゃんと見つけるっていう力があってデータをちゃんと整備できる環境があってかつですねドメイン知識をファインチューニングさせないといけないんで
その社内のデータの扱い方をちゃんとまずルール化することだったりとかこういったとこまで整備して初めてシンスAI使えるよね。統合する力が生まれるよねっていう話なんですよ。つまり正しいデータプラス正しい問いでこそこのAIの力っていうのは生きるのでまずその基礎力を上げないとAIどんだけ使ってもいいアウトプット出ませんよっていう話なんですよ。
だから彼らが言うこれからウェーブ2だとシンスAIだっていうその前提はとてもじゃないけどすごくハードルが高い。その第2の波は来てほしいけどなかなか来づらいよねっていう感じだよね。来づらいよねってか行ける企業はあるんだけど限られてるって限られてるので行けない企業はどんどん置いてけぼりにされる。
ここで結局競合優位性が出ちゃうのでやるべきことってまずAIを導入することよりデータを整備することとか正しい問いをつけるだったりとかなんかもっと本質的で普遍的なものなんですよね。それに対してどれだけ予算避けるのかっていう話もあるからなかなかね難しいじゃないですか。
無料でできるわけじゃないからこれも。しかもそれをなんかこう上の人とかに交渉したとしてもさ費用対効果も見えづらいからさ予算一体いくらぐらいかけていいものなのかって判断もしづらいからさ。なかなか難しいよね。
ここまでできてもさらにAIリテラリシーを高めないといけないからAI検証を社員に受けさせないといけないとかやること道のり長すぎてやばい感じになるんですよね。確かにそうだなと思うんだけどこの辺がちゃんと抑えられてるかどうかっていうのはご自身の企業でできてるかっていうのはちゃんと見極めたほうがいいですよね。
業務フローとAI導入の課題
そうだね。 そしてですねWave2を今難しい状態で探索したんですけどこれをもうできていて抑えに来てる企業が続々と出てるわけですよ。
そんなこと言いつつももうやれてるところはあるわけか。 そうなんです。それをもうやりに来てる会社があるんですね。なので最初に結論言うとこのWave2の勝者は誰かっていうのはワークフローを抑えられたかどうかですね。
ワークフローっていうのは企業の業務フローの中の一部にちゃんと収められるかどうかっていうところ。これはまずですね既存の流れに無理やりAIを出しても結局チェックが増えるだけじゃんってなりがちでしょ。
だから理想はAIの要約をポン出しで次の決定に行けるような状態。意思決定の質を高められることじゃないですか。でそのためにはまず業務全体の見直しが必要だよね。
だからレガシー企業のこれはつらみなんだけど長く続いている大企業ほどめちゃめちゃシステムとか文化とかが入り組んでて複雑だよね。だからAIを導入しようとするととんでもなく大変なんですよ。
承認フローどうするの。このデータつなぎ込みどうするの。これやったら次この問題が出てきたとか。だから図式としてはスタートアップvs大手ベンダーになっていくんです。
大手ベンダーはもう既にたくさんの企業にシステムを入れてるでしょ。だから新しいAI機能とかをさどんどん追加していってるわけじゃん。
例えばセールスフォースとか。セールスフォースを使ってる企業に対してここにAIを組み込みますみたいな。そしたら企業としたら何も変わらないわけよ。
今まで通りセールスフォースを使うだけで新しいAIが使える。だからワークフローを抑えられてるわけよ。だからセールスフォースとか大手企業が使っているようなソフトにAIが組み込まれて最適化されるとそれこそもうスイッチングができなくなっていく。
VSスタートアップの方に関してはもうAIネイティブだから最初からAI前提でサービスを設計しよう。
だから思い切ったプロセス改革ができる可能性があるわけだよね。だから導入するのは超大変だけどやったらとんでもないみたいな。ただちょっと博打みたいな。
この二極化になっていくんじゃないか。だからこそスタートアップのようなAIネイティブなサービスっていうのは例えばで言うとDeFiとかそうですよね。
既存の業務フローの中に組み込むじゃなくてもう全部ひっくり返してやり直すか組み込むかのどっちかってなった時に成果が出やすいのってやっぱりAIネイティブだと僕は思ってるんですけど、
でもそれをやるには大企業大変じゃないですか。だからこそ小さい企業がむちゃくちゃ有利なんですよね。
そうだね、業務フローもあると変えることができるもんね。 そう、その機動力っていうのが今後大企業に打ち勝っていくような力になっていくと。
そもそもだから企業がさDXDXいってさ、そもそもそのAIの前段階のDXも全然進んでないみたいなところ多いじゃん。
それはやっぱりさ、例えば何か新しくシステムを入れますってなった時に、やっぱり既存の今の業務フローにそれを組み込もうとするからうまくいかないんだよね。
それ入れるとうちで今やってるこの承認フローのルート通せなくないですかとか、このシステムだと今までケイリーに見せてたものが見せれなくなりますよねとかってなるけど、
そんなさ、自社の独自のさ、業務にマッチしてるシステムなんかないわけじゃん。だからそのシステムを使うためにはどういう業務フローにすればいいのかっていう視点で一から業務を組み直したほうが絶対早いのに、なかなかそれができないみたいな。
だからそもそもあって、それがねもうAIみたいにさ、もう働き方がゴロッと変わるようなものってさ、なかなか入れれないっていう機が多いよね。
大企業における業務改革の課題
なかなかね難しいですよね。今起きてるこのAIって産業革命じゃないですか、産業革命の過去で考えていくと馬から鉄道になったわけじゃないですか。
だから既存の業務にAIを組み込む作業って馬で移動して途中鉄道乗ってまた馬乗るみたいな。 でもほんとそういうことだよね。
感じなんですよ。いや最初から鉄道乗りなさいよみたいな。なんかそれとか鉄道に乗るためにまず馬で鉄道のところまで行かなきゃいけないじゃないですかみたいな。
なるほど馬なんか100匹くらいいないと全員乗れなくないですか鉄道みたいな。いやいや鉄道の前に会社作ればよくないみたいな。
百頭なそして。 あ、そうだ百頭な確かに。びっくりじゃないですか。 やべ、競馬好きとしておかしなこと言ってたわ今。
百頭な。百頭ね確かに。 いやでもそうなんですよ。既存のものにやろうとするってそういうことだから、今って産業革命なんで最初から鉄道乗りなさいって話なんですよね。
だからこれから組織が大事になってくることってまずリサイズだと思ってて僕。 リサイズ。
人数最適化かな。AIエージェントもね多分いっぱい出てくるだろうからどんどん業務効率化されていくと思うんですよ。
でもなかなか大企業ってさっき言ったようなセキュリティ名とか部分で入れられないと思うんですよ。
だから入れられる企業がどんどん強くなっていくっていう構図になっていくから、それをするためにまずリサイズ化していって最適化していってデータを整備していってっていう形になるから。
じゃあどんどんリサイズしていこうと。 まあなんか早い話そうですね。
コクダコと言うね。 いやでもほんとそうなっていっちゃうんじゃないかなと思いますよ。
そうね。AIを入れることによってこの人たちいらなくなっちゃったらどうしようみたいなことも考えて入れられてないみたいな経営層の人っているのかな。
どういうこと? だから要はAIを導入してすることによってこれだけ業務効率化するってのが見えてるけど、そうするともうこの部署まるまるいらなくなっちゃうなみたいなさ。
あーもうめちゃめちゃありそうじゃないですか。 だからそれが気が引けてなかなか導入できてないみたいなさ。
いや全然あると思います。 そういう視点もあるのかね。
4年前くらいかな一緒にさ長野に旅行行ったじゃないですか。でさしんげんもち工場に行ったときに、
え、こっちはロボットで自動化されてるのに反対側の風呂は全員人力じゃんみたいな。
そうそうあのしんげんもちのさ有名な方のしんげんもちはもう5個くらいレーンがあってさ、もう人がその1レーンに10人くらい入ってさ、もう全部手作業でやっててさ。
それ最初ね見学しててうわすげーってなって見てたんだよね。でそのゾーンが終わって次新しいニューしんげんもちみたいなゾーン行ったら、
人いないで全部ロボットで作ってんの。 そうそうそう。
俺じゃしんげんもちをロボットで作れんじゃないのみたいなね。 作れるじゃんあれ。でも雇用守るだったりとかそういう文脈?
そうかもしんないね。 とかまあ今キャッシュフローないからロボット入れられないとかいろんな理由があると思うんだけど、やっぱりなかなかすぐには切り替えられないよね。
そうだね。しかもしんげんもちなんて言ったらさ、やっぱそこの地域のさ、もう名産みたいなもんじゃん。
ってなった時にね、やっぱなかなかさ、地域の雇用を守るみたいな使命を追ってるって思ってる企業さんは少なからずあると思うんだよね。
そうなんですよね。それがどんどんやっぱ競合優勢がなくなっていくというか、足枷になっていって食われていく可能性も全然あるんで、
すごく酷なんですけど、リサイズっていうのはどうしても今後起きるし、しないと生き残れない。
AIを導入するって本当に大変なことだと思うんですよね。みんながもう今年はAIやりましょうとか導入しましょうとか言ってるけど、そんな簡単なことじゃない。
そうだね。 本当に大変。だからやっぱAIネイティブのスタートアップにどんどん負けていくような未来は見えていくなと個人的には思っています。
本当だって我々もねAIに関することを情報発信してて、極力AI活用するようにしてるけどさ、やっぱAIを活用する前提で始めたものってAI使えてるけど、一回AIを使わない想定で始めちゃったものってもうリプレイスしづらいものってうちらでも残ってるじゃん。
ありますね。 これもうAIにしたいけど、なんか時間かかって全然映せないみたいなさ。
そうだね。 うちらぐらいの規模でもそれぐらい起きてるわけだから、これ大きい企業ってなったらなかなか厳しいよね。
うちらね。 うちらね。我々ね。
我々のような企業でもね。 我々の企業でもね。 そうなんですよね。
ということで最終的にそのweb2が来るということはわかっていたとしても、それを使いこなすためにはそもそも組織横断で業務を再設計しないといけないとか、データを整備しないといけないとか、
そもそも現場の下地がAIの出力を信頼して活用しないといけないっていう文化面とか思考のところもあるし、
何か部分最適じゃなくて全体最適を目指さないとなかなか難しいですよね。
段階的導入っていうのはやっぱ大事だし、ファインチューニングも必要だしっていうところっていう感じですね。
なのでAIを導入するということは、ただの業務効率化ではなくて、ビジネスプロセスをそもそも再編するというぐらいの気持ちでいかないと難しいよというお話でしたね。
まさしくですね、それは本当に。
データ活用の重要性
はい、それではエンディングでございます。ベンホロイズがね、メディアとポッドキャストもやってるということで、僕らもねそこから情報収集しようかなと思っております。
そうですね、結構AIについての文脈とかっていうのはやっぱり多く語られてる感じなのかな。
そうですね、AIとか暗号通貨とか、メタバースとか、WEB3関係。
ひろがさんの大好物じゃないですか。
大好物ですね。
まあ彼らの言うことは半分一理ある。けどそんな簡単なことじゃないよ。
そうだね、確かに。ポジショントークみたいなところも入ってるみたいなね。
だからこそそういったことができるような企業っていうのはやっぱりバリエーション上がるだろうなとは思うから、そういったとこは目指していきたいなって我々の企業でも思いますね。
そうだね。
なかなかね、やっぱ本当我々の業務で考えてもそうだけど一回構築しちゃったものをさ、もう一回業務プロセスを再構築するってさ、本当簡単じゃないからね。
骨折れだよね。
骨折れだしね、気が重たいし、その間業務プロセスを組み直してる間に今の業務でどうするの止めるの止めないのみたいなさ。
そうですね。
あと補足すると正しい問いとか正しいデータって何っていう定義もちゃんと決めた方が良くて、ちなみに正しいデータっていうのは何だと思います。
正しいデータの定義なんだろうね、数字であることとかそういうこと?
数字であるだけだったら全然正しいデータとは言えない。
正しいデータとは言えないのか。
それは数字だからね大体。
そうだね、データは数字か。
なんだろうな、あれか、全てのデータの定義とか前提条件が揃っていることとかそういうこと?
平たく言うと客観的に測定できる根拠があるかどうかって感じかな。
なるほどね。
じゃあその1っていう数字に対してそれが本当に1かどうかっていうのを4,5人から見ても確かにこれは1だねって言えるような根拠。
この数字なんか変じゃないみたいな、あ、関数間違えてたわとなった時点で終わりじゃん。
だからそれはちゃんと10人ぐらいで見ても間違ってないね、大丈夫だねって言えるような状態。
客観的に計測できる状況。
で、それが前提として正しいデータなんだけど、データの活用の仕方ってまた話変わってくるんだよ。
だから何が一番大事かって目的なんだよね。
このデータは何のために使いたいのかっていう目的がまずないとデータを集めるっていうのがまた話変わってきちゃう。
例えば商品開発をしますっていう目的で、そのためにユーザーの情報が欲しいってなった場合でも極端な話ね、技術系のデータだけ持ってこられても意味がないじゃん。
だから目的を正しく設定して、そのために必要なデータを揃えて、そのデータが正しいかどうかを見極めるっていうステップなんだよね。
これって正しい問いを見つける、つまりイシューを見つけるっていうことなんだけど、これとも通じる。
そもそも正しい、我々が目指している目的って何なんだろう、そのために必要なものって何だろうっていう思考でまず考えないと大概のことはミスる。
これはもう目的地に向かう地図が間違えてるから、何度試行錯誤して何度やっても絶対にミスる。
データ収集の目的
ので目的がまず第一優先。そもそもデータ持ってないもんあるもんね。それはもう論外ですね。
結構意外と多いと思うというか、我々もメディアで色々PVとか測定してるけどさ、最近もあったじゃん。
これこれこれやるためにこのデータある?みたいな時に、それ計測してないなってなった瞬間にもう使えないからそっから計測スタートになるわけじゃん。
みたいな感じで今まで顧客からこういう情報とかって吸い上げたことあるの?みたいな時に、そんな一回も聞いたことないんで一切データなんかないですみたいなものって。
目的を決めたからこそ初めてこのデータって必要なんだって見えてくるものも絶対あるからさ。
そうですね。このデータって何のために集めるの?無作為に集めればいいってわけじゃないから、目的のためにデータを集めるが正しい順番ですね。
今回この台本をまとめてて思ったんだけど、AI時代になってって言うよりかはやっぱり普遍的で本質的なことってすごく大事だから。
そうですね。別に今話してる内容って別にAIじゃなくても言われてたようなことだもんね。
だから本質的な考え方ってすごく大事だから、やっぱりそこをペースに考えていって取り入れていくっていうのは全体として思考とマインドとしてやっていった方がいいかなというのはめちゃくちゃ感じましたね。
そうだね。面白かったです。
それでは最後に番組の感想をお待ちしています。感想は概要欄の頼りフォームもしくはXからハッシュタグAI未来話でぜひ投稿してください。
皆様からの感想が我々のモチベーションとなります。またお聞きのPodcastアプリでAI未来話の番組フォローとレビューもお待ちしています。
フォローすることで最新話の通知がきます。この番組はランキングに入る可能性が上がります。現在Apple Technologyランキングで第15位前後です。
応援のほどよろしくお願いします。来週も木曜朝7時1分にお届けします。通勤通学の30分にAIの最新トレンドをキャッチアップしていきましょう。
それでは本日もありがとうございました。
ありがとうございました。
