AI時代における人間の役割：ハーネス整備とデータ加工
エージェントをうまく動かすためには、これまで世の中にあるいろんな技術を、ちゃんとAIが使えるように、ツール整備しましょうね、とか。
結局そういう話になってきて、もう最近流行りのハーネスを整えるっていう言葉で、ま、まとめちゃうことはできるんですけど、確かに確かに。
AIが使えるように、もろもろの武器を準備してあげる作業になってくるかなっていうのと、なるほどね。データをちゃんと加工しましょうね、とか。
っていうことをやるのが、これからのAIとの付き合っていく人間のやるべきことなのかなと思っていて。
ソブリンAIとデータ主権の重要性
あー、確かに。賢いAIは確かにできてくるが、じゃあそれを自由に各企業とかが扱えるかっていうと、またそうじゃなかったりするのかなと思っていて。
最近とか、ソブリン製とかっていうのがよく言われてくる気がするんですけど、結局データの試験とかAIの試験とか、そういうものをビッグテックとか海外の企業に渡すんじゃなくて、自分たちで持とうぜみたいな考え方?
Web3っぽいね。
確かに確かに。試験をどこに置くかっていう話。
当時の彼らにそういう個人情報とか、そもそものシステムの駆動権限を渡していることは脆弱なのであるみたいな。
でも結構、最近の知性学的な戦争とかもあったりするんで、そういうところでAIに頼りっきりというか、クロード、GPT、ジェミニに頼りっきりみたいなところから出していこうぜみたいな動きはあって、
そういうところを考えると優秀なAIを賢いAIだけを使うんじゃなくて、一定のレベルのAIをちゃんと自社ごとに持っておいて、あとはデータとかを自分たちでちゃんと整備していきましょうっていう動きが今後もし一般的になってくるのであれば、
AIエージェントのためのデータ整備とアマゾンの倉庫の例
会社の中にいるデータの専門家の人たちの仕事としては、そういうまさにデータ分析エージェントみたいなことを作っていく仕事になっていくのかなとか。
なるほどね。アマゾンの倉庫みたいな完全自動化されたものを全員が欲しいわけじゃないんだぜみたいな物流の人たちのそれぞれの倉庫の中では、どこにものがあるかが一瞬でわかるだけで業務のほとんどが改善するんですよみたいな。
そうなんですよね。
その倉庫全体を把握する人というか、LLMというか、仕組みなんていらないんですよ、ロボットが動いててとかいらないんですよみたいな。
そういうことじゃない気もするんですよね。どうなるかわからないですけどね、これは。
まあシナリオの一つとしてはありそうだね。
なるほどね。産業革命が来た後にできる新しい仕事だね、それは。
でもそうだと思いますね。
日本の企業とAI活用におけるコスト
全てをAIがやってくれるから大丈夫ではならないと思っていて、金がそんなにないと。日本の会社特に。
それのコンペでベースになってるモデルが資本をバリバリ持ってる中国っていうのはちょっと皮肉なコンペだね。
これはオープンソースでモデルが公開されているものだから。
一番平等なのか。
サーバーにデプロイされているものに対して推論をかけるから、特に中国に向けてデータを飛ばしてとかそういうわけではないんで。
まあモデルは固定した状態で、参加者みんなが同じモデルを使った上でどれだけ正しい答えを出せるかっていうところだけ。
ハーネスの部分だけで勝負するっていう話ですね。
データサイエンスの本質とAIエージェントへの移行
なるほどね。
これ結構、これまでのデータサイエンスがやってたような優秀な、例えば需要予測のモデルを作りましょうとか、レコメンドのモデルを作りましょうみたいなところの
本質的にやってたことって、アルゴリズムの部分を改良していくというよりかは、ちゃんといい特徴量を作りましょうっていう、それが全ての中心にあった考え方で。
データをこねくり回していい情報に加工するみたいなことをデータサイエンスの人たちは集中してやってたんで、それが今後はAIエージェントのために
AIエージェントのそのもののモデルを賢くするんじゃなくて、周りのハーネスの部分をちゃんと作りましょうっていうところに移り変わってるだけなのかなっていう。
本質的なモデルの改善じゃなくて、その周りをちゃんと固めましょうっていう話。
確かにね、意外とやらなきゃいけないことは変わってないっていう。
そうですね。
努力したい仕事ではあるんですが、なのかなと思ってたりはしますね。
アノテーション業務とAIによるデータ整備
確かに。
どうなんだろうね、そういう動き。今もFacebookかAmazonかなんかで、人員配置先。
なんか今までめっちゃエンジニアリングゴリゴリやってた人たちの人員配置先が大量のアノテーション舞台になっているみたいなニュースあるじゃん。
知り合いが勢いよと転職してたらそこに左遷されたんだけどさ。
本当にあるんだ?噂だけだと思ってた?アノテーションする舞台。
いやあるらしいあるらしい。人づてに聞いたんだけど。
ほう。
あいつが動いてた舞台あそこだよなってなったんだけど。
結局はそれだよね、AIが読みやすいデータにするために動く人間。
それが現実世界の何にもラベリングされてないデータなのか、複雑化されてるものを整えて使いやすくするのかみたいな。
まさにそうですよね。努力したい仕事ですね。
なるほどな。
コンパイラとシステムエンジニアの例：AI進化と人間の仕事
AIも賢いな。コンパイラーが賢くなってもシステムエンジニアの仕事が消えなかったのと同じですって書いてある。
なるほど。
手書きのアッセンブリは書かなくなったけど、その上のレイヤーの設計判断は人間の仕事ですよね。
そうですよね。
AI、ディストピアシナリオ、宇宙、そして未来予測
今ちょうどこういう公演の依頼をされててさ、このエピソードのこの時間の内容だったら多分もう終わってるんだけど、来週の7月の2週目ぐらいに村田製作所の社内の公演をお願いされていて、個人で。
誰として行くんですか?
本当に俺が、俺っていうDNAの肩書きは一応無しで喋ってくれって言われてて。
へー。
まあなんかいろんな、うよ曲折がありそういう話になってるんだけど。
はいはい。
あの執行役員の人と喋ってたら、その執行役員の人がめっちゃ都市伝説好きで、コンテンツとして。
はい。
そうっていう話をなんか会食の時にしてて。
そしたらそれのちょうど前の週に俺、直樹マンショー出ててさ。
はいはい。
それ見てたらしくて。
これ俺っすよっていう話したら、え?みたいな。
でなって、そこでなんかあの、ここでも話した、AI2027とか、ああいうなんかディストピアプラスマルチエンディングシナリオみたいな話とかをしてたんだよね。
うんうん。
でなってたら、でプラス宇宙のもいけるじゃんみたいな。
それで公演やってくんない?みたいな。
へー。
でなって話してくる、話してきてるんだけど。
なるほど。
放送される。
そう。
で、なんかそんなのを考えてる時に、なんか未来どうなってくんだっていう軸のなんか面白い視点をいくつか増やしたいなと思ってたから。
うんうん。
ちょっと今日の話は参考にするわ。
いいネタを提供できてたらよかったっすね。
産業革命と新しい仕事の創出
いやなんか、一個はそのポッドゲストでも話した、そのいわゆるディストピア的なマジのこのエッチケースというか。
ってなるけど、今までのなんかその公演のストーリー的にも、今までの産業革命の流れとかでも、それは死ぬほど仕事はなくなってったけど、新しい仕事がバンバン生まれて、結局雇用は変わってないというか。
うん。
で、プラス本質的なところは変わらんみたいなのあるじゃんっていう。
最近そういう本も読むんだけど、そういうのを含めてで、それの具体事例として非常に良い話を今日はしたなと思って。
AIエージェント時代の必要スキルとデータサイエンティストの変遷
確かにこれからのね、AIエージェントがね、動いてくる世界で何が必要かっていう話はできましたね。
そうそうそうそう。
確かに。
まあ一つのシナリオとしてはアリなんじゃないかなと。
確かにね。
データサイエンティストとは言わないと思いますね、そうなった場合には。
まあそうだよね。だって10年、この20年ぐらいじゃん、データサイエンティストなんて15年か。
そうですね。もう死後なんじゃないですか。
ね、確かに。だってデータマイナーみたいな人いないもんね、今ね。
そうですよね。別にデータをね、どうにかしたい、サイエンスとしたいわけじゃないんで、これからは。
うん。ソリューションアーキテクトとかいなかったしな。
あー。もう聞かないか。
AIソリューションアーキテクトはFDEだからね。
なるほどね。フォードデプロイドエンジニア。
システムエンジニアもあんまり言わない?さすがに言うか。
まだ言うかな。
けどクラウドに超詳しいみたいな、AIの仕組みに超詳しいソリューションを考えられる組み合わせって言ってね。
うんうんうん。
AIソリューションアーキテクト、クラウドソリューションアーキテクト。
そうですよね。
フューチャーアーキテクトっていう会社名はすごいいいかもしれないね。
なるほど。あの会社名はずるいね。
フューチャーの部分が何でもいけるからね。
確かにそれはそうだ。
アーキテクトに、アーキテクトだけで言ったら別に昔からいるから。
何かを作っていく人たちか。
サイエンティストではあるよね。永遠のサイエンティストであるっていう。
確かに確かに。サイエンティストは残していいんじゃないですか?アーキテクト的な感じで。
で、データだけじゃなくなってくるみたいな話になるからデータサイエンティストじゃないの。
そうだよな。でもやることが増えてますよね。データだけじゃなくてシステム側ももちろんそうだし。
そうね。
っていう意味ではデータなのかもしれないけど。
かもしれないですね。AIは関わるしな。
AIエージェントのための仕組み作りと組織的活用
誰かがAIエンジニアって200種類あんねんみたいなことを言ってる人がいて。
確かに。データサイエンティストも200色あんねんって感じだよね。
本当にそうなんですよね。だから上手いこと言ってるなと思っていて。
本当に名前の付け方だけでやってることはみんなそれぞれ別々なんで。
なるほどね。
ただ今後はエージェントにとって動きやすい仕組みを作っていくっていう仕事があるんじゃないかなと。
前提だよね。昔は手で線引いてたけど今はCADじゃみたいな。
そういう話。
制約下でのAI活用とコスト意識
気づいたらだって製図用のソフト勝手に使ってるんでしょみたいな。
それに移行したときもううだうだ言ったでしょみたいなね。
いやそうだと思うな。
質は変わらんっていう話か。
こんなこと思って別にコンペに参加してるわけじゃないんだけど。
見えてくるものはあるよね。
見えてくるものはあるし面白い分野ではありますよね。
ちょうどそんな話をコンテキストウィンドウというところからかなり逸脱したところで
会社の中で動いてくれるエージェントみたいな話をちょうどちょっと前にしたことがあって。
その時はナレッジベースやナレッジグラフめっちゃいいよなみたいな話をしたんで。
グラフラグみたいな発想にすれば探索空間減るじゃんみたいな。
してたけどなんかそれ一遍当時は無理なんだろうなっていう感じがしたね。
今の話を聞く限りだと。
ユースケースに合わせてどうするかっていうところの分岐をちゃんと整備するとかもあったりしますしね。
考え方として面白いなと思ったのは何かを考えるときに逆に何かを固定するのって大事だなと思っていて。
今回で言うとモデルは固定されてるしコンテキストウィンドウとか推論時間とかそういうところの制約があるんで
そこの中でどうやって効率的にAIに動いてもらうかっていうことを考えようとすると
いろんな方法がその中で生まれてくるっていう。
実際の社会で動くときってそうやって制約がたくさんある中で動かさなきゃいけないんで。
だから今の時代だからいいのかもね。
そのモデルのコストがかなりすごくなってきて、もう性能的にもえげつないレベルになってきて
AGIみたいなのが見えてきたかもみたいになってきたときの
ダチの内部データの扱いと活用の仕方みたいな。
そうですよね。
確かに今だからのテーマかもしれないですね。
AI利用におけるコスト管理と重量課金
今まではそんなこと気にしてないですもんね。
多分俺1年前にこの話聞いてたらもうちょっとクソ味噌に言ってると思うもんね。
いやいやいやいやって。
AIなんてまだまだ進化すんなよ。そんな小賢しいことしててもしょうがないでしょって。
確かにね。
まだそう思う人はいると思うけどな。
いや金かかるのよっていう。
金かけんのよって言って。
お金で殴り合うっていうのはあるけど、クロードのオーパスとか使ってると恐ろしいですからね。
そうね。けどさ、ほとんどの特定のタスクにおいてはそれはめちゃめちゃ消費するけど、
そんな世の中全員が言うほど、全員アッパーリミット打たないだろって思わない?
それはそうだね。
本当にさ、どんどん思うよね。
使えば使うほど世の中のエアアップ感に嫌気がさせてくるよね。
結構面白いなと思ったのが、
例えば会社の組織でクロード使いましょうっていう時にどういう契約形態にするかっていう時に、
例えば20人組織全員に一定額使い放題みたいな感じでクレジット振るよりかは、
完全に重量課金にした方が使う人使わない人のムラがあって、
トータルで見たら重量課金の方が安く上がるみたいな話。
いやーそうでしょ。
そういう話かなと思っていて、まだみんながみんな使いまくるのはまず絶対ないし。
働き有りですよ。働き有りの法則になるよ多分。
いやそうだなと思うんですよね。
その人たちにプレミアムのシートいらないよなって思うのもいっぱいあるもんな。
もったいないですよね。
そうそうそうそう。
でもいっぱい使う人にとってはヒヤヒヤしながらコスト見ながら使いますよね。
うん。
自分とかすごいヒヤヒヤしてますよ毎日。
KPIとしてのAI利用とプランモードの活用
クラウド担当者みたいな人がいて、コスト管理してる人。
噂ベースで佐藤さんちょっと目つけられてるんで気をつけてくださいみたいな。
あ、そうなんだ。素晴らしいね。いい目のつけられ方じゃん。
そういうこと言われたりするんで。
1ヶ月にこんだけくらいで使いそうだなっていうのをやっぱり決勝に予算立てしておいて使うんですよね。
あーなるほどね。
そういう使い方をしていて。
そんなフルフルで使ってんだ。すごいね。
多分重量課金なんで結局今は。
使えば使うだけお金流れていくから。
いやまあ1000ドルぐらいは使っていいですかねみたいな。
あーはいはいはいはい。
1000ドルだったらまあまあみたいなあるじゃないですか。
まあまあそうね。
怖いそうですみたいな。ちょっと予算オーバーなんでちょっととかいう話を。
あ、そうなんだ。
最近はしたりしますね。
それがその不要枠が増えるんだったら出資したい。
あーまあそれもあるかもね。
どっかの会社で一時期あったよね。
確かに。
自分の年収の何掛けぐらいまでのトークンはむしろ使わなきゃいかんだろうみたいな。
いやーあるしなんかトークンの仕様が一つの個人のKPIみたいになっている会社もあるって言いますよね。
ね。でもあれはもうルールハックしに行っちゃうよね。
いやまあね。
あんな言われたらね。
それはまあKPIハックですよね。
プランモード一回も使わなくなるよね。
そりゃそうだ。
マジでマジでプランモード使わなくなるなと思う。
遅いだけですからね。
そうそうそう。
あとなんか無駄に探索させて8個ぐらい並列で走らせて全部マックスプランにしてとかやるよね。
けどなんかそのさめっちゃコストかさむみたいなのはさ、自分の中ではもうトロンプとチューニングは磨き込んでるのにこんないっちゃうんだって感覚なの?
いやそれはないですね。磨き込まない。
AIとの仕事における予算観と手戻り最小化
雑いなーって感じ?
なんか何回も同じことをするようなケースは効率化させに行ったりとかしますけど、そこに時間をかけるよりかはもう雑に仕事させておくでも別にいいかなとか。
あーなるほどね。
そこまで整えてはいないかもしれないし。
あとマインドとしては、例えば後輩とか業務委託とか別で雇うみたいなことを考えるくらいだったらAIに働いてもらうんだからいいじゃんくらいのちょっと強い気持ちでAIとは仕事してるから。
なるほどね。
予算はうるせえよくらいの気持ちではいるんですけどね。
もう1年くらいずっとデビンの話とかをしてると、お客さんの先で使うとかっていう風になってくるとなんかコスト意識も増すし、
1年前より今の方が賢いしみたいになると1年前もうちょっと工夫必要だったなーとか、
そういうのをベースで考えると逆に手戻りしないめちゃめちゃ厳密なプランニングを立てて実装するっていうスタイルの方が俺の中には定着してるんだよね。
あーなるほど。
手戻りをマジで最小化するし、AIが迷わない道をガチガチに固めて実装に入るみたいな。
それをやり切ってやるとむしろ最近の賢いモデルになってきてからそんなにコストがかさみにくくなってる気がするなみたいな。
むしろ今まで並列で自分でやんなきゃいけなかったやつを自分でルーティングしてくれるというか並列実行のプランまで自分で立ててくれるから、
効率性がむしろ上がって、よりコンテキストの上限にそんなに困らないタイミングがむしろ来てる気がするなっていう感覚もちょっとあって。
俺がずっと開発じゃないからっていうのはあるかもしれないけど。
プランニングの重要性と脳のコンテキストウィンドウ
でもその感覚は自分もそうですね、結構自分もその仕事とか開発とかの仕事の中でどうやってAI使っていこうかなっていうのを丸一日考えてガッチリ固めにいく日とかあるんですね。
こっからやる仕事の中で必要なスキルとかこういうのがだよなとか、こういうフローでやろうみたいなガッチリ固めて動かした場合は確かにコストはかかんないで仕事は進む。
そうだよね。5時間ぐらいAIがずっと動いてるんだけど、実はそんな食ってないみたいなあるよね。
あるあるある。それは感覚としてあってて、でも逆にその1日ガーッと考えて作っていくフェーズは結構コストかかるじゃないですか。
AIとガーッと対話しながら作っていくフェーズ。だからそういうところが多分今はその整備の段階だから結構お金かかっちゃってるのはそういうところかなっていう。
あーなるほどね。
場を整える段階?
いやーそこそうだよな。なんかむずくて、雑く投げると探索を自分でするみたいなフェーズが一回回ってくるわけじゃん。
修正方針を考えるとか、最適解に落とすところの、でなんかその脳みその切り替えすらしたくないモードが直近半年強いというか。
人間がやらなきゃいけないところってことですよね?
あ、そうそうそうそう。脳みそのスイッチングコストの方が重く感じる。
はいはい。わかるなそれは。
だからそれだったらプランニング重い方が絶対いいし、そもそもプランニングすら何倍も早くなってるから、実はプランニング重いと感じてるだけなんじゃないか説っていうのもあって、その後の修正の脳みその切り替え、別の作業やってる時に、あー修正しないと修正案件残ってるわみたいな。
なってるよりは実は健全なんじゃないかって。
なるほどね。
脳のコンテキスト引導も圧迫されない。トークン数使われない。1日に使えるトークン数決まってると思ってるから俺。脳みその中の。
いやそれはあるかもな確かに。
スティーブ・ジョブズ様様理論ね。思考回数決まってる問題。
だから同じTシャツ着ましょうねと。
そうそうそうそう。
なんかいろんなさ、いろんなそういう研究あるじゃん。なんか実はその別のタスクに移行するってなった時に脳みその切り替えに20分ぐらい時間がかかってるみたいな。
うんうん。
よく言われますね。
それが早ければ早いほど混戦するから思考が疲れるというか。
うん。
ってなってると実は集中してプランニングしてるっていう時間がどれだけ大事なんだろうかみたいな。
プランニングをがっちり固めても修正しなくていい状況にすることの方がトータルで見たら。
そうそうそうそう。
まあ人間的なコストもかからないと。
そう。
組織レベルでのAI活用とバリュー創出
そうだね。だからこその話、最初の話に戻るんですけどAIエージェントがうまく動くための整備大事だよねみたいなのもつながるのかなと。
確かに確かに。
気もしますね。会社レベルで考えた時にがっちり周り固めようぜっていう。
そこをどれだけ丁寧に仕込んでたかがこの後のAIフル活用していく会社の中でのとか組織の中でのバリューに関わってくるみたいな。
あるな。あるなそれは。
個人開発とかって話では絶対出てこないような考え方かなと思っていて。
そうね。
組織とか会社とかそういう集団でAIを使っていくってなった時に必要な考え方?
それはマジでそうだな。そういうのってないんだよな。世の中に情報が。
フィジカルAI時代とデータプロセッシングの需要
そうですね。
個人開発者の動きに世論が左右されるからね。それもどっちが正解かっていう話はあるからね。
10年後実は個人開発者がほぼほぼ支配的になるっていうパターンだったらそれが正解だからね。
そうだね。今の環境では。
分析エージェントをどうするかって話よりもいいな今のは。今日の話はすごいいいな。
考えることは多かったですね。
分析、分析じゃないもんね言うてね。そうなってくるとね。
分析っていう業務、社内にある分析っていう業務に関してはもっとスモールにいけるから。
そうだね。
コンテキスト運動範囲でいけるから。
なぜなら自社でサービスを運用してそこから出てくるデータはもうすでに構造化されてるからっていうから。
そうだね。絶対そうだと思う。
構造化されてない情報をどうAIに落とし込むかというか。
そうね。だからフィジカルAI時代に寄せていってる発想かもしれないね。
なるほど。
全部がデジタル空間で完結してる人たちには実はそんな情報量ってあんまり必要なくて。
ラベリングできてない、整形できてないっていうデータってあんまり発生しえなくて。
今後そういう需要が出てくるのはフィジカルAIのデータプロセッシングの部分なんじゃないっていう。
なるほど。そういうことか。
番組の締めと今後の展望
隣のデータ分析屋さん、今回も面白いと思ったらフォロー・レビューよろしくお願いします。
番組の感想や質問は、ハッシュタグ隣の分析屋、隣のがひながらで分析は漢字でお願いします。
またガイドラーに貼ってあるお手紙フォームからコメントを寄せてください。
ではまた。
ばいばーい。
