00:06
みなさん、こんにちは。草野美希です。 矢崎哲郎です。
Off Topicは、アメリカを中心に最新テックニュースやスタートアップ、ビジネス情報を入力深掘りしながらご紹介する番組です。
今回のトピックは、AIネイティブとは何かについて話していきたいと思います。
久しぶりのAI。
そうですね、確かに。でも、数ヶ月ぶりですよね。AI単体の話は。
確かに。
今年、たぶん最後になりますけど。
AIの話は、今年終わる前に最後にもう一回やりたかったっていうところですね。
今年盛り上がりましたもんね。
そうですね。おそらく年末、たぶん今年もやると思いますけど、ニューストップ10みたいなところで出てくるんだろうなっていうのは思いますよね。
なんかでも、去年一昨年とはちょっと違う感じのAIの捉え方というか、スタンスがちょっと変わったような気もします。
あと、宣伝になっちゃうんですけど、11月の8日水曜日に、もう来週ですかね。
そうですね。
公開時点では来週、イベントがオンエアバイオフトピックっていう、この前話したナイトメディアのリードさんが囲んでイベントをやるので、ぜひ興味ある方はまだ間に合うと思うので、ちょっと気になる方は概要欄ちょっと見てみてください。
はい、ぜひ。クリエイターエコノミー全般の話もしますし、クリエイターの事業家の話も詳しくリードさんはいろんな案件をリードしてるので。
ダジャレですか?
え、ダジャレじゃないです。
すみません、ごめんなさい。
相変わらないです。
そういうところについていろいろ深掘りしていきたいと思うので、通訳もつけるので、そこで皆さんもいろいろ話を聞けるような形をしたいなと思ってます。
はい、じゃあ今回のトピックに戻りますか。
今日は今年、まくさんさんも言ったようにAIというハイプサイクルが来たと思うんですけど、AIっていうとこのAI生成技術ですよね、特に来てたと思うんですけど、今の現状っていうところと、
あとはやっぱりなんとなくこのハイプサイクル、AI生成技術のハイプサイクルがようやく落ち着き始めたかなと思っていて。
その中で、これから出てくる新しい、いわゆるAIネイティブなサービスが何かっていうのがちょっと見え始めたかなと思ったので、そこについても話していきたいなと思っています。
03:12
今現状というと、もちろんですけど、そのAI企業に対しての投資がめちゃくちゃ増えていってまして、特にこのAI生成技術関連のスタートアップに関しては、今年の上半期だけで14ビリオンぐらい資金調達を86件の調達でやっていて、
今年の後半はさらにいろいろやっていると思うんですけど、どの業界も資金調達額が落ちてる中でAIだけめちゃくちゃ上がってるっていうのが、毎週のようにAIサービスが大型調達したみたいな話も聞いてる気がするので、
ただ、やっぱり多くのVCと話しても興味はあって、いろんな会社と話してはいるんですけど、大型の調達以外に関しては実はそこまですごい積極的に出資をしてないという話も聞いたりするんですよね。
で、やっぱりこれってすぐにコピーされてしまったりとか、そこまで優位性が作りにくい状況にあるサービスが多いのと、あとやっぱり大手がすごい勢いで入ってきてる。
たしかに、Googleメタ。
アドビとか、キャンバとかもすごい結構そういう機能とか取り入れてるじゃないですか。スタートアップ側でも大手の方。
過去のポッドキャストで、新しい技術が出てきた時に、どれくらい大手が勝ち抜いて、どれくらいスタートアップが勝ち抜いたか、価値的に比較したと思うんですけど、
インターネット時代だと、6,4か7,3くらいでスタートアップがあったと。Google、Amazon、PayPal、Salesforceとかが出てきたので。
でもモバイルとかに関しては、もちろんUberとかWhatsAppとかInstagramが出てきたものの、AppleとGoogleが主に既存プレイヤーが勝ち抜いた。
クリプトの関しては、ほぼ100%スタートアップに行って、AIに関しては、第一世代のAIは大手に行って、今回このAI生成技術っていう流れだとどっちに行くかっていう議論がすごい業界内でもされていると思うんですけど、
やっぱり業界内でよく言われるのが、それこそ僕も言ったことはもちろんあるんですけど、やっぱり大手が強いんじゃないかと。
もちろん理由としては、よりキャッシュ持ってるので、そもそも今GPUのチップがドラッグのようにみんな買おうとしてるので、それを買えるのはキャッシュを持ってる人たちっていうところと、
06:15
あとやっぱりデータを抱えていますと、独自データだったり、それより重要なのは、ディストリビションをすでに持ってますと。なのでGoogleとかに関しては、まさに今裁判中だと思いますけど、デフォルトの検索のポジションを抱えている中で、やっぱりリプレイするのってすごい難しかったり、
マイクロソフトも例えばエクセルとかオフィスに代替するようなサービスを作ったとしても、マイクロソフトオフィスをすでに導入している会社は多いので、そこを一気にリプレイするのはやっぱり難しいっていうところは実態としてあるかなと思いますね。
おだしょー スタートアップ、本当にシードを小さいスタートアップ、勝ちにくいですね、それは。
おだしょー 勝ちにくいと思いますね、しかもその大手のテック企業に関しては、結構そのLLMとかAIモデルとかを作っている会社と資本業務提携したりとか、めちゃくちゃ大規模で出資したりとかしているので、なのでオープンAIに関してはもちろんマイクロソフトが入れてますし、アンスロピックとかに関してはGoogleセールソースズームで直近ですとAmazonが出資したり、
ハギングフェイスもGoogle、Amazon、NVIDIA、セールソース、コヒアっていうAI企業もセールソース、NVIDIA、オラクル、ランウェイっていうところもセールソースが入ったり、インフレクションAIもマイクロソフト、NVIDIA、アデプトもアトラシア、マイクロソフト、NVIDIA、ワークレート、なんかもう囲い込んでますと。
で、だから各事業会社、大きいテック企業は、みんなCVCがすごい活発に動いてるんですよね、今。
もう囲い込みですね、本当に。
まさに。
投資から若い身を積んでる感じ。
そうなんですよ。なんでNVIDIAとか、去年は11件しか投資してないんですけど、この収録時点、多分10月ですけど、あともうすでに20件やってて。
結構みんな、それだけ勢いがある領域ではあるので、そこにみんな投資しているんですけど、スタートアップ側は大手がイノベーションする前にディストリビューションをアンロックしないといけない中で、いろいろ課題があるんですけど、
ただこの流れの中で、いろいろ今の状況とか、今どういうAIサービスが出てきているのかを見ると、実は将来のどういうサービスが出てくるかのヒントになるかなと思っていて、
09:03
それを理解するのには、今どういうシフトが起きているのかっていうのを理解しないといけないと思うんですよ。
今まさにプラットフォームシフトってよく言われると思うんですけど、まさにそういうものが行われていると思っていて、プラットフォームシフトが起きるときって、大体何かと例えたい。
なので、このAIのプラットフォームシフトですと、よく例えられるのが、例えばモバイル革命とかインターネット革命のプラットフォームシフトと、それこそ我々も多分比べたことあると思うんですけど、そこでの重要なポイントって、似てる部分を知るのは重要なんですけど、同時に違いを知るのも重要。
はい、なるほど。
で、例えばそのモバイル革命とインターネット革命って、一つ、その2つのプラットフォームシフトで似てたものは、ディストリビューションの革命だったんですよ。
新しい技術だけではなくて、モバイルとインターネットっていうものは、完全に新しいディストリビューションチャネルを作ったんですね。
なので、新しいディストリビューションチャネルを作るっていうことは、全員がゼロスタートから始まるんですよ。
なので、もちろん既存企業はお金持ってたり、既存顧客は持ってるかもしれないんですけど、インターネットが始まったときは、ニューヨークタイムズのサイトも、個人ブロガーのサイトもゼロ人のユーザーから始まってるんですよ。
あー、なるほど。
で、もちろんニューヨークタイムズは既存顧客に連絡して、我々ニューヨークタイムズ.comに行ってくださいっていうのは言えますけど、基本的にゼロスタートから始まってますと。
で、アプリも同じですよね。完全に新しいアプリっていうディストリビューションチャネルだったので。
はい。
で、じゃあ例えばこのモバイルのプラットフォームシフトとインターネットのプラットフォームシフトの違いって何かというと、モバイルはベースディストリビューションの革命だけだったんですよ。
でもインターネットはよりディストリビューションだけではなくて、ビジネスモデルの革命が起きたんですよ。
そもそもそのオンプレ型でライセンスベースのソフトウェアからSaaSに変わった、いわゆる個人でインストールして管理できるっていうSaaSモデルに変わったのは一つ大きな違いで。
はい。
で、その新しいビジネスモデルの革命が起きることによって何が起きるかというと、新しい市場が切り開くんですよ。
例えばSaaSが入ってきたことによって、SMBが初めてソフトウェアを使えるようになったりとか、プロシューマー的なスラックとかフィグマとか個人のユーザーが使えるようなサービスが出てきたりとかしたのが、やっぱり根本的にモバイルと違くて、
12:08
モバイルに関しては、たぶんゲームとかはちょっと例外だと思うんですけど、基本的にはインターネット上と同じ構築で、同じビジネスモデルの上で、ただ新しいディストリビションチャンネル、いわゆる利用時間っていうところをアンロックしたんですよね。
この中でAIプラットフォームシフトは何の革命なのかっていうところを理解しないといけないんですけど、まずそのプラットフォームシフトが起きるときって、最初何が起きるかというと、最初にそのシフトの中で出てくる企業って、その前のプラットフォームのメンタルモデルを抱えたままシフトしだすんですよ。
なるほど。
なので、アプリストアがローンチしたときに、基本的に最初にみんなやったことって、デスクトップアプリをモバイルアプリにした。結局Uberがローンチするのって、アプリストアがローンチしてから2年後なんですよ。
はい。
で、そのさらに5ヶ月後にインスタグラムが出てくるわけなので、ネイティブになるまでやっぱりどうしても時間がかかる。で、さらに前回のプラットフォームシフトがモバイルで、その前がインターネットだと思うと、両方ともディストリビューションの革命だったんですよね。
なので、それに若干慣れてる部分が我々もあって、AIのプラットフォームシフトはディストリビューションの革命じゃないんですよ。
何の革命なんですか?
そこを理解しないと、その次に出てくるようなサービスがもしかしたら見えてこないかもしれなくて、そこがビジネスモデルの革命だと思うんですよ。
ほう。
で、今よく聞く言葉って、コパイロットって言葉ってよく聞くと思うんですよ。
はい。
AI業界の中で、それこそこのポッドキャストでも話していると思うんですけど、コパイロットって誰に向けた戦略かというと、スタートアップに向けた戦略よりも既存の大手に向けた戦略なんですよ。
コパイロットって、そもそも既存の何かがあって、その上にアシスタント的な要素を加えているわけじゃないですか。
確かに。
そうすると必然的にディストリビューションが持ってないといけないってなるんですよ。
だからこそ既存の、例えばマイクロソフトもキャンバーもアドビブもセールスフォースもズームもインスタカートもショビファイも、どの大手テック企業もコパイロットを導入しているのは、既にサービスが成立しているからなんですよ。
すでに自分のディストリビューションを持っていて、データもUXもビジネスモデルを持っていると、それにフィットしたAI戦略を当然ながら入れるんですけど、それがコパイロット戦略なんですよ。
15:07
だからこそ、そのコパイロット的な概念で考えてしまうと、ほとんどの、もちろん領域によってはスペースが空いているかもしれないですけど、ほとんどの領域に関しては既存が勝ってもおかしくないんですよ。
逆に既存しか勝てなそうなぐらい。
そうなんですよ。だからこそやっぱり大手が強いですよねっていう話をしてしまうんですよ。
僕も含めてですけど。
なので重要なのは、全く違う考え方をしないといけないと、全く違う戦い方をしないといけなくて、それをすごい参考にできる瞬間があって、それが2000年に戻るんですけど、2000年のセールスフォースなんですよ。
2000年のセールスフォース。
セールスフォースって1999年に設立しているんですけど、初年度に40人ぐらいまで伸びたんですけど、彼らの元々の考え方って当時はソフトウェアがほとんど全部オンプレ型だったので、
どこかの会社がソフトウェアを購入した時に何が起きるかというと、そのソフトウェア企業のエンジニアがその会社のサーバールームまで出張で行って、1、2週間ぐらいそこに何となく作業をして。
確かにヒロさんの会でそんな話しましたね。クラウドになったことの革命みたいな。
そうです。場合によっては1、2週間出張しているので、そこのホテル代とか、そこの食事代とかも全部払わないといけないんですよ。
なので、本当に数をかかるケースとかって全然あるんですよ。ソフトウェア導入するだけで。
で、セールスフォースはやっぱりこれを変えたいですと。もうインターネットブラウザーがあればソフトウェアを購入できますと。購入してインストールできますと。
だからこそ、セールスフォースのマーク・ヴィニオさんがやったことって、根本的にエンタープライズソフトウェアの売り方を変えたんですよね。
だからこそ、セールスフォースの初期のマーケティングのスローガンって、The End of Softwareって言ってたんですよ。ソフトウェアの終わりですよね。
で、これはソフトウェアの全般的なソフトウェアっていう意味ではなくて、一個前の世代のソフトウェアのあり方が終わりますと。
これをセールスフォースはすごい推したかったので、2000年の2月7日にそれをテーマにしたイベントを開催するんですけど、
当時は彼らの最も大きな競合がシーベルっていう会社で、そこはオンプレ型のCRMだったんですけども、超大手。
18:13
毎年シーベルカンファレンスっていうイベントが行われてたんですよ。毎回何箇所に行われてたんですけど、2000年の2月22日に行われたシーベルカンファレンスは確かサンフランシスコで行われてて、
そのカンファレンスをやってる最中に反対運動が出てきたんですよ。会場の外に。反対運動の看板とか持ってるんですけど、そこにEND OF SOFTWAREって書かれてたんですよ。
何が起きたかというと、マーク・ベニオフが役者を雇って反対運動しに行ってくれとお願いしたんですよ。それを反対運動が起きてるのに、テレビ局が来て、チャンネル22っていうテレビ局が来て、取材しだしたんですよ。
でも、チャンネル22って存在しないんですよ。それもマーク・ベニオフさんが仕掛けたものだったんですよ。
その取材した映像どこにも流れないってことですか?
どこにも流れないです。でもそれだけ大事になってるっていうのを見せたくて。
で、それを見てシーベルは警察を呼んで、止めてくださいと。それが起きたからこそ、ウォルシティとジャーナがカバーしたんですよ。
そこでセールソースがそこから徐々に有名になっていくんですけど。
ベニオフやばいですね。
そういうマーケティングがマークさんすごい好きらしくて、しかも本当はこれ彼の本に書いてあったんですけど、戦車を呼ぶ予定だったんですよ。
それはさすがにってなったらしいんですけど。
ちょっと境界線が全然わかんない。
そうですね。
すごいですね。
しかもその同じ年だったかわかんないですけど、フランスにあった、これもシーベルのイベントで、セールソースが似たようなことをやったんですけど、その時はフランス、全世界からシーベルカンファレンスに行ってたので、
フランスの空港から会場までタクシーみんな乗るんですけど、45分ぐらいかかるんですよ。
なのでセールスフォースが、当時はUberとかそういうのがなかったので、全部の空港のタクシーを貸し切って、その45分間の運転中、セールスフォース.comをピッチしたんですよ。
21:04
そういう負け戦略を、でも明らかにビジネスモデルを叩きに行くっていうのがセールスフォースの考え方で。
面白いですね。すごいな。
今、同じようなことできるかっていうと、ちょっとあれ難しいかもしれないですけど、当時はやっぱり、マークペニオフさんはそういうマーケティングがめちゃくちゃ上手い人でもあったので、
でも、明らかに完全に違う売り方をするっていうのが、セールスフォースのプロダクトとしての根本があったので、
同じようなことをAIは考えないといけないと思っていて、じゃあ、AIに関しては何のビジネスモデルをディスラップするのか考えると、
今までのAI生成技術とかLLMの活用したソフトウェア企業っていうのは、過去25年間のソフトウェア企業の考え方をやっていて、
それは何かというと、従業員の生産性をどう上げるかっていうのを考えてるんですよね、全員。
なので、ソフトウェアを通じて従業員の生産性を上げたり、よりコラボレーションをやりやすくしたり、より管理をしやすくするっていう、従業員向けのプロダクトなんですよ。
だからこそ、一番それにフィットするビジネスモデルって何かというと、1ユーザーあたりの課金モデルなんですよ、その月額課金。
なので、スラックだと月額いくらとか、いろいろあると思うんですけど、英語で言うとパーシートベースです。
シートって1席あたり、1ユーザーあたりっていうのが根本としてあって、ここも値段感がどう変わるかというと、
人事向けのサービスと開発者向けのサービスですと、どうしても人事の給料って開発者より平均的に低いので、
そうすると人事向けのソフトウェアはより低価格になるのが一般的な考え。
それをどれくらい生産性を上げられるかによって、ソフトウェアの価格が決まる。
それが一般的な考え方。
ここの課題としては、それによって入りにくい領域とかもあるんですよ。
結局、従業員が少ない市場とかに関しては、より高い値段にしない限りは基本的に市場が小さくなってしまう。
そういうところにAI生成技術がチャンスがあると思っていて、ソフトウェアを売り込んで一従業員の生産性を上げにいくのではなくて、
仕事、労働そのものを売り込むという概念ですね。
24:02
サース業界の中で今、コンパウンドスタートアップとかってすごい流行ってると思うんですけど、
これも一個一個のソリューションが多すぎてレッドオーション化してるからなんですけど、
ビジネスモデルを変えることによって完全にブルーオーションが見えてくるところもあると思っていて、
それがこの労働をリプレイするっていう、労働を売り込むっていう概念っていうところで、
このソフトウェアではなくて労働を売り込むっていう話は別に僕が考えたことではなくて、ベンチマークというVCのサラ・タベルさんという方が考えてたことなんですけど、
彼女が出してた事例がEvenUpっていう人身障害弁護士向けのサービスを提供している会社なんですけど、
その人身障害弁護士に何か問題があった時にユーザーが依頼をかける時にいろんな情報を提供して、
その弁護士がデマンドレターっていうものにまとめてくれて、いわゆるクレームですよね。
これを要求しますっていうのをまとめるんですけど、
そのまとめるレターを自動生成してくれるものをEvenUpは作ってます。
これはもちろんコパイロット的な考えとしても見れたりすると思うんですよ。
弁護士をより生産性を上げるっていうところなんですけど、
根本的にビジネスモデルが違うんですよ。
普通の多分SaaSモデルだと1弁護士あたりいくらっていう感じになるんですけど、
EvenUpの場合は1回レターを作るにあたりいくらっていう。
なので、より案件を弁護士が対応すればよりEvenUpが儲かるっていう仕組みになっていて、
さらに弁護士側から考えても、この労働をAIがやることによって何人人件費を減らせるのかっていうのを考えられる。
あー、便利ですね。
そうなんですよ。しかもこのEvenUpっていうスタートアップはおそらく普通のSaaSモデルだと存在しなかったんですよ。
えー、存在しないっていうのは?
いわゆるスタートアップとして、中小企業としては存在してたかもしれないんですけど、スタートアップとしては存在しにくくて、なぜかというと市場規模が足りないからなんですよ。
27:06
あー。
いわゆる1ユーザーあたりの課金モデルにしてしまうと、そもそもアメリカにその人身障害弁護士って5万人しかいないんですよ。
うーん。
なんで、1人あたり10ドル月額払ったとすると、100億円ぐらいの売上にしかならないんですよ。
なるほど。
なんで、結局関数が足りない、いわゆるユーザー数が足りないんですけど、デマンドレターの数は足りるっていう。だからこそビジネスモデルを変えることによって違う市場が見えてくる。
今まで入りにくかった市場がもしかしたら見えるかもしれないっていうのが、このサラ・タベルさんの1つの考え方であるっていうところで。
おもしろいですね。
なんで、やっぱりソフトウェアではなくて労働を見るっていうのが1つの考え方ですと。
もうなんかでも人というかアシスタントっぽい考え方なのかな。ソフトウェアというより。
ソフトウェアというよりも、完全この業務がリプレイされるっていうところですね。
なんで、多分オフトピックをやる中でも、完全リプレイするっていうよりも、おそらく例えば我々も会社で税理士にいろいろお願いしたりしてると思うんですけど、
その税理士も今ある程度の顧客しか対応できない中で、多分部分的な労働をリプレイできると思うんですよ。
でも我々とすると、税理士っていう認定を持った人を雇う必要あるので、なんで完全に税理士をリプレイするのではなくて、
税理士が自分の労働を一部リプレイする。
で、より多くのクライアントとか、より良いクライアントを対応できるっていう形になるのかなと思います。
それが一つの考え方で。
もう一つ、最近グレイロックのパートナーになった、セフ・ローゼンバーグさんっていう方がいるんですけど、
彼がAIファーストのマーケットプレイスはどういう形になるべきかっていうことをブログで書いていて、
やっぱりそのAIファーストの中でもちょっと弱い事例と強い事例を出したんですよ。
で、2つの要素が必要だという話をしたんですけど、
1つ目が、マーケットプレイス内から出てくる独自性なデータが必要ですと。
30:02
で、もう一つは、サプライト・デマンドが少なくとも2つの側があると思うんですけど、
1つをリプレイスするのではなくて、2つを繋げるのが重要だという話をしたんですよ。
これが実際事例を出して話すと、
例えばちょっと弱い形のAIファーストのマーケットプレイスは、
例えばフリーランスのロゴデザインマーケットプレイス。
昔ですと、AIファーストじゃないところですと、
例えばオフトピックがロゴのデザインが欲しくて、
このマーケットプレイスに行って人間のデザイナーを見つけて雇って、
いくつかオプションを出してくれて、そこで選ぶっていう感じだと思うんですけど、
AIファーストになると、人間のデザイナーがアルゴリズムがリプレイスする形になるんですけど、
ここの問題って、実はそこまでいいデータって取れないんですよ、そのマーケットプレイスとしては。
もちろんオフトピック、我々がいいロゴを探すためのプロンプトのインプットのデータをもらえます。
いくつかロゴが出てきます。その中から何を選んだかっていうのは出てくるんですけど、
そこまで有意性のあるデータではないんですよね、これって。
いいデザインかどうかみたいなのがわかるぐらい好きなデザイン?
そうですね、多分どちらかというと必要なのが、それプラスデザイナー側のニュアンスだったり、
どういう時にどういうロゴを出すのかとか、どういうスタイルにするのかとかっていうのが多分必要なので、
なんでこのセス・ローゼンバーグさんが出したいい事例の方は、
AIファーストな採用マーケットプレイスを考えるときに、
片側をリプレイするのではなくて、2つのプロダクトを出すべきだと。
1つは採用されたい方に対して、例えばAIキャリアコーチを提供しましょうと。
リクルーター側にはAIアシスタントを提供しましょうと。
各プロダクトはそれだけだとユニークではないんですけど、
それを繋げること、同じアルゴリズムをベースに繋げることによって、よりいいサービスができますと。
いわゆる個々のサービスでのデータだけだと足りなくて、
でも両方深掘りしたデータを取れると、それが同じ1つのアルゴリズムに基づいてやっていると、
より良いデータができるので、より良いマッチングができるという仮説ですね。
33:04
これも1つの考え方ですし、
これは昔からカスタマーサポートの領域とかではありますけど、
カスタマーサポートってコストじゃないですか。
なのでやっぱり、特にアメリカの企業とかに関してコスト削減をしたいので、
できるだけ電話をさせないっていう、できるだけチャット、
ベストはFAQで任せるっていうところなんですけど、
で、次にチャットで最悪電話みたいな感じで、
これをAIサービスを入れるとなると、
一番分かりやすい考え方が、
カスタマーサポートをAIで自動化するっていう話だと思うんですけど、
これのさらなる考え方でいうと、
コストではなくて売り上げにできないかっていう話で。
電話を有料化するってことですか。
電話を有料化するよりも、
結局これって顧客との接点なので、
今ってカスタマーサポートって何か問題が起きないと、
顧客側から動かないんですけど、
AI側から自ら動き出したら、
しかもそれによって、こういうサービスもありますよとか、
より営業っぽくなれる。
確かに。
その考え方って、昔からAmazonとかもやってますけど、
コストを売り上げに変えるっていうのは、
そういう考え方も一つありますと。
こういう今いくつか事例を出した中で、
AIネイティブサービスを作るときに、
重要なのって、ネイティブさってどうやって考えるのか。
やっぱり時間はかかる話をさっきもしましたけど、
そもそもインターネットが出てきたときも、
最初は新聞とか、いわゆるテキストベースのものが多くて、
コードがエンベッドできることを理解するのに結構かかったので、
確かSalesforceがローンチしたのって、
ネットスケープ、最初のブラウザーが一番最初ではないですけど、
割と一般的になったブラウザーがローンチした5年後なんですよね。
Facebookですらネイティブアプリを出したのって2012年だったと思うので、
アプリストアが出た4年後ですよね。
やっぱり時間はかかるんですけど、
このネイティブのアプリを作るのがすごい重要になってくるので、
それを作ると結構リードが取れると思うので、
このネイティブっぽさってどういうふうに考えるべきかっていうのが、
36:02
Union Square Venturesって、これもVC方々ですけど、
出した2009年のブログがすごい参考になるもので、
2009年って結構前ですね。
結構前です。
2009年なので、ちょうどモバイルのプラットフォームシフトのタイミングだったんですよ。
その時に問われてたのが、モバイルネイティブってなんだろうっていう。
まさに今のAIネイティブってなんだろうっていうところのモバイル版なんですよ。
当時はやっぱり今と似たような状況で、
例えばCNNがアプリ化したとか、デスクトップからアプリ化したとか、
そういうことが起きていたんですけど、
それよりもネイティブってなんだろうっていうのを、
Union Square Venturesのアルバートウェンガーさんが書いてくれたんですけど、
彼が書いたのが、新しいモバイルスマホっていうものが出してくれる基盤要素を考えるべきだと。
基盤要素。
スマホに関しては5つの基盤要素を出したんですよ。
1つが位置情報。
これは常に位置情報をトラッキングできること。
常にパソコンを持ち歩いて位置情報を提供する人は少ないので、
初めて常に位置情報を見れるようになりましたと。
2つ目が距離ですね。
個人の居場所、位置情報だけではなくて、
その位置情報と周りのビルとか、周りのユーザーとの距離も分かるようになると。
3つ目がタッチ。これはタッチ画面がある。
4つ目と5つ目は音声のインプットと動画のインプット。
ここのすごい重要なポイントって、
それぞれ個々の基盤要素は新しくないんですよ。
タッチは別に過去のデバイスもタッチがあったりとか、
位置情報もGPSっていうものが昔からあるので、
ただそれが1つのデバイスに統合されたっていうところと、
さらにインターネットの接続されているデバイスであることによって、
新しいコードとかアプリケーションが出てくると。
なので、この基盤要素を大体少なくても1つ以上、
基本的に2つ以上だと思うんですけど、
2つ以上を取り入れることによって、
モバイルネイティブなアプリケーションが生まれますと。
その中で、AIの基盤要素って何かっていろいろ考える必要があると思うんですけど、
少なくとも1つは、
39:03
AIって幻覚現象ってあるじゃないですか。
見えないはずのものが見えるみたいなことですか。
そうですね。なので、よく事例として出てくるのは、
間違った情報を伝えたりとか。
例えばチャットGPTが、今だと割と改善されてますけど、
昔だとベーシックな数学ができなかったり。
なるほど。
いわゆるLLMとかって、次の言葉を予想するっていうところなので、
実際に計算をしてないので。
なので、ニュースとかでもよくカバーされるのが、
間違った情報を伝えてしまうと。
そういう課題がありますと。
なので、この幻覚現象みたいなものを、
解決しないといけないですっていう話をよくされるんですけど、
個人的には、これって解決しないといけないものなのかなっていうところで、
実は基盤要素なんじゃないかなと思っていて。
そもそも人間もいろんな幻覚を見たり言ったりすると思うので、
まずクリエイティブな面から見ると幻覚ってすごい重要。
幻覚って言い方もあれば、想像って言い方もあるので。
過去の情報とかをベースに新しいアイディアを出したりとか、
例えば、幻覚をバグではなくて機能として考えるサービスになると、
例えば大喜利的なコメディ的な要素とか、
よりセレンリピティが欲しいサービスとかによっては、
実は幻覚って重要だったりするんじゃないですか。
もちろんエンタメ側は割と簡単かもしれないですけど、
ビジネス側で活用できるのかというと、
それこそマーク・ベネオフさんがサム・アルトマンさんと話してたときに、
マーク・ベネオフさんがこの幻覚という問題をどう解決するのかっていう話をしたんですけど、
サム・アルトマンさんが、
いや、それって解決する話ではないっていう話をしてたんですけど、
そのときに彼が言ってたのが、
データベースを調べて何か答えを出すサービスは今世の中にないんですか。
データベースを調べて何か答えを出すサービスは今世の中にいっぱいありますと。
ただそのデータベースをベースに新しいアイディアを考えるサービスって少ないですよねと。
で、この新しいアイディアを考えるっていうところで言うと、
42:05
最近、これが公開されるときは数ヶ月前ですけど、
ペンシルベニア大学のウォートンスクールってすごい有名なMBAの学校、ビジネススクールがあるんですけど、
そこの学生vsチャットGPTでビジネスアイディアのコンテストをやったんですよ。
何をやったかというと、ウォートンのMBA生から200個のアイディアをランダムで選んで、
チャットGPTに関しては、まず学生に与えたインストラクションと同じインストラクションをプロンプトとして出して、
100個アイディアを受けたんですけど、
ちなみに、学生に与えた課題っていうのが、大学生市場向けで50ドル以下、7000円以下ぐらいのフィジカルな商品の新しいアイディアを考えてくれと。
チャットGPTは学生と同じインストラクションで100個アイディアと、
過去成功した事例をマナーの参考にしたチャットGPTでもう100個のアイディア。
なので合計400個のアイディアですね。学生から200、チャットGPTから200。
これを3つの指標で比較したんですよ、学生とチャットGPTを。
まずはスピード感ですね。いわゆるどれくらいの量を出せるか。
ここは当然ながらチャットGPTは人間は圧倒的により良いパフォーマンスを出していて、
1人の人間がチャットGPTを使って200個アイディアを出すのに15分しかかかってないんですよ。
人間がやると、1人でやると大体5つのアイディアで15分。
グループになるとより時間かかるっていう。これは当然ながらだと思うんですけど、
ただそれだけだと当然ながら良いかどうかわかんないので、アイディアをアンケートを取って、
他の大学生とかから、このコンセプトをベースにどれくらいの角度で購入しますかっていう。
もちろんこれも完璧な質問ではないんですけど、なんとなくなクオリティがわかりますと。
まずこれを2つ目の指標としては、平均の購入率を見たんですよ。
45:02
人間とチャットGPTの違いで。
人間が出したアイディア、MBSAが出したアイディアの購買率、アイディアの購入率は40%だったんですよ。
まずチャットGPTだと2つ分かれてたと思うんですけど、
まず学生と同じプロンプトがあったチャットGPTの100個のアイディアは平均47%だったんですよ。
過去の成功事例とか良いアイディアを参考にしたチャットGPTは49%だったんですよ。
なので平均的にチャットGPTの方が高いですと。
ただ結局そこまで差がないじゃないですか。
あとさらに結局これって平均の問題じゃないじゃないですか。
一番良いアイディアを出したかどうかっていう問題だと思うので。
結局ビジネスの中でもアウトライヤーが勝つっていう話をしている中だとやっぱり良いところを見ないといけないので。
なのでトップ10%のアイディア、その購入率をベースに。
トップ40個のアイディアを見た中でどれくらい学生が作ったと思います?
多いといいなという希望も含めて。
半分以上。
残念ながら5個なんですよ。
少ないですね。
そうなんですよ。
35個がチャットGPT。
評価してるのは誰なんでしたっけ?
評価してるのは実際の学生です。
なんでなんですか?
もちろんどっちが作ったのかアンケート回答してる人はもちろん知らないので。
しかも35個チャットGPTが出した中で15個が学生と同じプロント。
20個が参考にしてたものだったので、そこは割とイーブンだったんですけど、
ただトップ16個のアイディアが全部チャットGPTなんですよ。
人間が17位に入るっていう。
しかもこのトップ16個のうち11個が過去の成功事例を参考にしたチャットGPTだったんですよ。
例えばどういうアイディアだったのかというと、
一番購入率が高かったのがコンパクトなプリンターだったんですけど。
売れそう、確かに。
確かに売れそうって思いますよね。
それが76%だったっていうところですね。
人間が出したアイディアの中で一番高かったのが、
延長コードなんですけど、よりでかいアダプターとかをフィットできるような延長コード。
48:03
それが64%だったというところですね。
そういう形でチャットGPT、いわゆるビジネスアイディアを出すっていうところも、
もしかしたら活用できるかもしれないですし、
もう一つの厳格が役に立つ事例って、
自動運転。
ちょっと意外かもしれないですけど、
最近、自動運転技術にLLMを加えるとよりパフォーマンスが上がるっていう研究が行われていて、
そもそも今まで自動運転してる車ってセンサーデータがあって、
ライダーとかカメラデータとか、それが来て、
それをベースに判断をするわけじゃないですか。
だいたい判断はルールベースの判断なんですよね。
この時はこうしてください、この時はこうしてくださいっていう。
そうすると、例えばテスラとかもまさにこの課題をあったんですけど、
全部の事例カバーしきれない。
これがこう起きた時にどうするのかって全部書かないといけなくなっちゃうので、
実はそのセンサーデータと判断する軸の間に1個のコミュニケーションレイヤーを入れるべきなんじゃないかと。
コミュニケーションデータ。
これがいわゆるLLMですよね。
いわゆる人間のような考えを持ってる1個のレイヤーを挟むことによって、
よりその状況を理解してくれると。
これ実際研究論文とかもあれば、実際AIモデルを作ってるデモとかもあるんですけど、
WAVEっていう会社がやってるんですけど、
彼らのAIモデルの名前が確かリンゴワンなんですけど、
そこでは自動運転のカメラデータがありながらチャットがあるんですけど、
そこでAIに今何を見てて何をしようとしてるのかっていうのを説明してくださいって聞けるんですよ。
AIなりに今こういう、例えば今バイクが横に走ってるのでちょっと右に沿ってますとか、
っていうのをちゃんと説明してくれるんですけど、
その中ですごい多分幻覚が重要になってくるところって、
今そこに歩行者がいますけど、その人は何すると思いますかって聞いたり。
それをAIは想像しないといけないっていう。
そこででも変なデタラメになってしまったら怖いです。
そうですね。その中での変な幻覚になってしまうと悪いんですけど、
でもいい幻覚になるとより安全になるんですよ。
51:03
まあいい幻覚だったら。
でもそこが大事なんですよ。そこで幻覚をしないっていうのは間違いだと思うんですよ。
幻覚をしなかった場合に全部のシナリオを考えないといけなくなるので、
それを事前にインポットしておかないといけないので。
なのである程度想像は必要になってくるんですよ。
それをどう組み込むのかっていうのが多分一つのネイティブさでは重要になってくると思うんですけど、
今の多くのAIスターターとかを見ると、
LLMに会社のエンタープライズのデータを組み込んで、
それによってより精度を高めるっていうサービスって多いと思うんですけど、
もちろんそれにもいろんなユースケースがあると思うんですけど、
それがLLMの一番いい使い方なのかっていう議論は必要だと思うんですよ。
だからちゃんと言うと、
LLMの一番いい使い方なのかっていうのは、
なんかそれがLLMの一番いい使い方なのかっていう議論は必要だと思うんですよ。
なんかChatGPTって結局ナレッジのリポジトリではなくてLLMなので、
次の言葉を予測してるだけなんですよ。
なのでなんかアウトプットを信頼するっていうよりも、
インターフェースとして見るべきなのかなっていうところ。
というと、
たとえばなんですけど、人間に質問をしたときに、
その質問をある程度理解しようとするじゃないですか、人間が。
それをベースにどういう答えを出すべきかっていうのを考えるじゃないですか。
たとえばなんですけど、クリエイティブな、
例えばアーティストに数学の質問をしますと、
でもそのアーティストは数学の質問っていうのを理解してるからこそ、
なんか適当な答えをしないじゃないですか。
たとえば計算機を出すじゃないですか。
それってどういう質問かどうかを理解することによって、
どういう答えの出し方がいいかっていうのを判断してるんですよね。
それがLLMの役割なんじゃないかなと思うんですよ。
いわゆる幻覚を、幻覚、想像って言い方がベターかもしれないですけど、
想像するべきなのかパソコンとかデータベースにつなぎ込んで答えを出すべきなのかっていう判断をするインターフェース。
なのでLLM自体が真実を言うとか答えを出すっていう話ではなくて、
答えに導くための判断、チャネル、インターフェース、OSだと思うので、
最近確か元Tesla、今オープンエリアで働いているアンドレ・カーパスイさんも、
54:00
LLMはOSだみたいな話をしてたと思うんですけど、
多分彼も似たようなことを言ってて、
結局インプットとアウトプットの間に入るものなのかなと思うので、
これも一つ大きなAIネイティブになるための考え方でもあるのかなというふうに思いますね。
なので時によっては想像は必要ないっていう時もあるので、
それを理解するのがLLMの仕事っていう。
これから多分次の世代のAIスタートアップが出てくるタイミングかなと思うので、
そのためにはもちろんコパイロット型で成功するスタートアップもいっぱい出てくると思うんですけど、
どちらかというと個人的に見たいのが、
2000年のセールスフォースみたいな、
完全に戦いに行く人たちで、
戦車を呼ぶ気で、
今の大手の根本の部分を戦いに行く。
最初にビジネスモデルの話をした理由って、
ビジネスモデルってすごい買いにくいんですよ、既存の企業からすると。
そうですね。
ディストリビューションをまだ何かしらキャッシュで解決したりとかできるかもしれないんですけど、
根本的なお金儲けの仕方を変えるってすごい難しいので、
だからこそそれは一つ大きなチャンスかなっていうのは思いますね。
今回はそういう形で、
いろいろAIサービスとか作ってる人たちに対してヒントになればいいかなと思っているんですけど、
最近いろんなアメリカのVCとかスタートアップの人たちは、
こういうネイティブっぽさってどうやって作るんだろうってすごい議論してるので、
それについてちょっと話したかったっていう感じです。
そんな感じで今回も聞いていただきありがとうございました。
気になった方はOff TopicJPのフォローお願いします。
そしてメンバーシッププログラムもやってるので、
ノートでぜひチェックしてみてください。
それではまた次回お会いしましょう。
さよなら。
さよなら。
