00:02
Product AI Talks。この番組は、ITスタートアップで事業作り、プロダクト作りに取り組まれている経営層の方をゲストにお招きし、
昨今のAI大統領も踏まえた、AI時代のプロダクト戦略を深掘りする番組です。
今回は、LayerX執行役員、AIウォークフォース事業部長の中村隆也さんをゲストにお迎えしました。
LayerXでも参考にされている、時価総額50兆円超えの米国企業、Palantirを紐解きながら、
個社ごとのカスタマイズを加えつつ、どのようにスケーラブルなAIエージェントを実現していくのか、そんなテーマで中村さんと議論しています。
ホストは、私グローブスキャピタルパートナーズ、プリンシパル駆動まゆと、テクタッチ、CFO兼CPO、中出雅也さんでお届けします。
では本日はLayerX執行役員、AIウォークフォース事業部長の中村隆也さんにお越しいただいています。中村さんよろしくお願いいたします。
よろしくお願いします。
じゃあまず簡単に中村さんから、LayerXのミッションとか展開しているプロダクトなど、会社のことから教えてもらってもよろしいですか。
LayerXは2018年創業のスタートアップでして、すべての経済活動をデジタル化するというミッションの会社です。
今3つ事業がありまして、1つ目が爆落事業というもので、経費生産とか倫理とかコーポレートカードとか、そういったいわゆるBSMと言われている領域のサースを展開しています。
もう1つがフィンテック事業というもので、こちらの三井物産様他、いくつかの金融機関様とジョイントベンチャーという形で、三井物産デジタルアセットマネジメントという会社を運営してまして、
こちらではいわゆるデジタル証券としてオルタナというサービスを展開しています。
最後が私が責任者をやっているAIワークフォースという事業で、こちらはエンタープライズ向けにAIワークフロー、AIエージェントを構築するためのプラットフォームを提供しています。
ありがとうございます。そういう中で中村さんは今AIワークフォースの事業部長というポジションなんですかね。この辺りの役割、ミッションとかも教えていただけると嬉しいです。
私は創業からいるんですけれども、もともと創業時は研究開発チームというのがあって、そこがいろんなテーマを変えながら今の事業部に編成しているという背景があります。
AIワークフォース事業に関しては、今私は事業部長という感じなので、プロダクト技術、営業全体的に鑑賞しているという形になります。
事業はですね、それこそいくつか私のソナーランディチームが徐々に新規事業に転換しながら、2023年に明確にAI LAMの領域にフォーカスしようとなって、今に至るという感じなんですけど、
最初は普通にエンジニアをやっていまして、今でいうAIワークフローを構築するためのエンジンを作ったりとか、最初なので本当にお客さんとのPOCとかをしっかり現場に入って、
今日出てくると思うんですけど、FDをやったりとかっていうのをしてましたね。その後はいろいろ組織が拡大してきて、今はプロダクト部、それからアカウントエデキティブ部、そしてデプロイメントサデスト部というですね、いくつかに分かれているんですけど、それぞれはしっかり部長がいて、その全体を見ているという感じになります。
03:14
ちなみにこのAIワークフォースっていう事業については、まだ視聴者の方もイメージを持ちきれていない方もいらっしゃるかなと思うので、
改めてもうちょっと詳しく、AIワークフォースとして何をやられているのかですとか、会社全体の中での戦略的な位置付けとかを詳しく教えてもらってもよろしいでしょうか。
ミッションはですね、国産のプラットフォームを作るというもので、最近デジタル赤字が広がっているとかって話があると思うんですけど、やっぱりこの数十年間のITの時代においては、なかなか日本からプラットフォームの領域って取れなくてですね。
基本的にエンタープライズの企業は年間何億円、何十億円っていうお金を海外の会社に払ってるってケースが多いと思うんですけど、我々のミッションとしては、AI時代においてもプラットフォームの領域っていうのは必ず必要になって、そこを自分たちで作っていきたいっていうのが大きなミッションです。
そのプラットフォームっていうのは、我々は多分世の中の平均よりもかなりAIの未来に関して楽観的なビジョンを持っていると思うんですけれども、場合によっては本当に1社あたり数千数万という数のAIエージェントを作っていく必要があるとなったときに、それがもうバラバラのサービスに分かれていて、一個一個別の会社と契約して、一個一個セキュリティチェックしていったやつならキリがないと思うんですよね。
なので、AIエージェントを一個作るときの速さと質をいかに高めるかという観点で、そこの共通の基盤、ある種AIの人事部みたいなものをしっかり作っていって、そこがAIの時代においては必要なんじゃないかなというところで、そこを作っているという感じです。
お客さんとしては、例えばMMFGさんとか三井仏さん様みたいな、本当に日本を代表するエンタープライズにAIを構築する基盤としてご提供しているという感じになります。
よくご質問いただくんですけど、AIXにおいてバクラクとシナジーがあるんですかとかですね、いろんな問い合わせがあるのかなと思うんですが、基本的には全くそういうシナジーとかを意識しないで取り組んでまして、完全に独立した事業になっています。
ちょっと極端な例えだと、ホールディングスカンパニーみたいな感じで、その中で3つの会社があるっていうそんな感じですね。
とはいえ、ミッションに対する思いは一つで、バクラクは基本的に比較的小規模な企業からプロダクトマーケットをヒットしていて、今どんどんどんどん拡大していて、徐々にエンタープライズに入っているという感じなんですけど、
我々はエンタープライズの中でも本当に大きい会社、何万人の社員がいますとか、何兆円っていう事業の規模がありますとかですね、そういうところからやっていくという感じで、
最後に合流すればいいなっていう、そのお客様のターゲット層のカバー範囲っていうのは一つまずありますし、
またビジネスモデルっていう観点で、今のそのターゲットにも関係するんですけれども、バクラクは一般的なSaaSのモデルに近い形を踏襲していて、しっかりプロダクトで展開していくというのがあるわけですけれども、
Airworkforceはプラットフォームプラスプロフェッショナルサービスというところで、基本的にはパランティアっていうアメリカの会社を参考にしながら、
単純にソフトウェアを売るっていうよりも、そういうサービスもある種セットで事業だと捉えて提供しているというのがあって、ここもある意味ソフトウェア時代の2つの極端なビジネスモデルとして両方とも張っているという、こういう位置づけで全体としてはポートフォリオがあるっていう感じですね。
06:09
大平 なるほど、つまりこのバクラク事業部とAIワークフォースって基本的には分かれてますよと。AIワークフォースの方は本当にメガエンプラで、かつバックオフィスにもとらわれずにってことですよね。
会社固有の結構独自のルールや業務領域があるところをサービスとも合わせて取りに行く。バクラクさんはミッドとかエンプラの方、特にバックオフィスっていうプロダクトがあるところを中心に、
多分ここって共通ルールとかもある領域なのかなと思うんですけれど、そこをプロダクト基点で攻めていって、将来的に双方交わるところもあるかもしれないけれど、企業規模とかで澄み分かれていくようなイメージってことですかね。
そうですね。まさに業務のターゲット範囲も大きく違ってまして、バクラクはそれこそさっきBSMっていうのを言いましたけれども、そういうバックオフィスとかコーポレートのお金回りの領域とか、
最近は近代のサービスだしましたけれども、HRの領域も展開してますけれども、比較的従来からソフトウェアがあった領域を、さらにAIを使って拡大、より良い体験にしていこうっていう風に進んでいるわけですけれども、
我々はどちらかというと、AIがあったから初めてソフトウェアが入り込めるようになった領域っていう、白地の領域をすごく着目していて、特定の業種業界をターゲットにするっていうよりは、
そういうエンタープライズに存在する自社固有の個別ルールが多い領域を網羅的に取る、それを効率化するための基盤を作ってるっていう感じですね。
2つちょっと違う質問したいんですけど、ライトなところからいくと、僕もパランティアモデルすごい好きで、僕たちはやってないんですけど、めちゃくちゃ研究したことあって、PSモデルとかだとブートキャンプとかって名前つけて、
かなりガッツリ最初数ヶ月やってるじゃないですか。ちなみにレイアレックスさんはその名前つけて、ちょっとキャッチーな感じでやってるんですか?
いや、名前はまだないんですけど、ブートキャンプは今取り入れようとしてますね。背景を少々の方向けにお話しすると、パランティアモデルってスケールすんのかっていう、というとの戦いなわけですよね。
パランティアそのものがスケールしないしないって言われ続けていて、SaaS前世紀の時代は全然評価されなくて、例えば今パランティアってPR400倍ぐらいで、世界で一番法人向けアプリケーションって意味だと評価されてる会社なわけですけど、
そのスケールっていう観点で今のパランティアのブートキャンプアプローチはめちゃくちゃ効いてると聞いてますし、発表もしてるという感じですね。
要は従来のPOCとかトライアルみたいな感じでエンタープライズとかをゆっくりゆっくり何ヶ月半年という風に検証を進めていくとものすごく時間がかかるんですけど、
本質的にやるべきことって業務を知ってる人と意思決定者と我々の製品のメンバーとエンジニアが一緒になって、ガーッと密に検証を進めてしまえば、別に本来毎週定例会議をやって何ヶ月もパイロットするっていう必要はなかったりもするので、そこを密にやっていきましょうっていう取り組みがかなり成功してるみたいで、
その場をセッティングするってなかなか難しいのはあるんですけれども、そこは我々も注目して取り入れようとしますね。
なるほど。これなんかよく対比に出されるのがC3AIとかっていうのも近いところでやってるじゃないですか。
09:05
圧倒的にパランティアの方が上手くいってて、砕いていくと多分いろんなもののコンポーネントに分かれていくと思うんですけど、一つが多分ブートキャンプとかって言われるものだったりすると思うんですけど、再現性を出すっていう永久の問いに対して今取り組んでいることとかってあるんですか?
そうですね。C3AIが一番直接的にパランティアの類似の企業なのかなと言われてますけど、圧倒的に結果は差がありますよね。
基本的にはパランティアって組織のところも着目されるんですけど、やっぱり20年積み重ねた製品がかなり強いなとは思っていて、意外とそもそも歴史が長い会社というか2003年創業ですし、
という中で最初は政府系とか軍事系の領域から始めて培ってきた結構きめ細やかにデータ基盤のいろんな技術スタック、何かこれっていう飛び道具があるわけじゃないんですけれども、完成度が高いっていうところがかなり大きいんじゃないかなと思っていて、我々が直面している問い、パランティアを参考にしているときの問いは、
まずそもそもプラットフォームって本当に日本から生まれた会社本当に少ない。そこはやっぱりとてつもない開発リソースが必要ですし、そのリソースを集めるためには多分かなり大きなマーケットを相手にしないと、マーケットが大きいから資金も集まって人も集まってっていうこのサイクロ回すっていうところで、それを本当に日本からできるのかというのと、それでも20年かかったそのパランティアのプラットフォームというのを今のAIの力をレパレッジしていかに短縮できるのかっていうのが直面している問いっていう感じですね。
なるほど。なので最初にご説明いただいたAIエージェントの開発プラットフォームにめちゃくちゃ今力を入れて作っているっていうのはそういうところですね。
そうですね。もうそのパランティアモデルが成立するケースってかなり少ないと思ってるんですけど、このAIにおけるプラットフォーム領域っていうのが多分数少ないそのチャンスなのではないかというところでベッドしている感じになります。
そういうことですね。ありがとうございます。あともう一個多分視聴者さんとの、これ僕前回がログラスの斎藤さんとのお話だったんですけど、これもう永久の問いだと思っていて、中村さんにも僭越ながら質問させていただくんですけど、複数の授業やるときに、ちなみにテクタチも複数やってるんで、あれですと、まったくれやきさんと同じでシナジーとかあんま気にせず、もうどんどんと作ろうよと。
お互いあんま干渉せず、お互い使えるものは使うし、ただお互いに干渉しちゃうといいことないよねと。なんでもうまくいったと。GMOの方式みたいな、サイバーみたいな、そういう方式でやろうと。ただ一方でログラスさんとなると明確にFPAとかそういう領域で、近しい領域をグーって広げて最終的にはめちゃくちゃ大きいものにしていくっていう方式だと思ってて、別にどっちがいいどっちが悪いとはないと思うんですけど、もちろんどっちもあり得るべき宗教論争流派だと思っていて。
レイアイクスがあった時に、もちろんAIエージェンティックにパランティアじゃなければ、もちろん日本の紙とかペンでやってる人たちもたくさんいっぱいいるんで、その人たちにAIエージェントで気づかないようにめっちゃいいもの作るみたいなものは全然あると思っていて。
その時の議論でどうしてエンタープライズのAIエージェントに行こうとか、そこを気にせずやってたからたまたまなんですよなのか、そこの流派がそうなった理由ってどういう意思決定から来たんですか。
そうですね、まずピボットの経緯として何が変わってて変わってないのかっていう話をさせていただきますと、そもそもレイアイクスって創業時はブロックチェーンの会社として始まっていて、今は何の痕跡もないんですけれども、その時にブロックチェーンかけるエンタープライズっていう、エンタープライズは先にあったんですよね。
12:14
エンタープライズの、ある意味当時もブロックチェーン版のパランティアみたいな、それがパランティアモデル成立するケース少ないなという気づきの一個でもありますけれども、というのをいろいろ研究していたりとか試行していた中で、エンタープライズのお客様っていうのはかなりたくさんいて、パランティアでいうFDみたいなものは当時から取り組んでました。
なのでお客様で結構エンタープライズっていうのはかなり多くて、エンタープライズに対してまだ全く枯れていないテクノロジーで貢献をするとか、一緒に授業を作っていくっていうのはその後も取り組んでいて、その技術のところが最初はブロックチェーンだったのが、その後はプライバシーテックっていうデータ、個人情報をうまく活用するっていうアルゴリズムとか手法を使って同じようなことをトライしたりとかですね。
っていうふうに変遷していて、最終的にLLMが予期せずに登場して、技術のところをそっちを取り組んだら、明らかにそれが一番フィットしたので、そっちで拡大しているっていう背景があるので、割と創業はエンタープライズのDNAがあったっていう感じですね。
そういうことなんですね。なのでそのまま爆落立ち上がったけど、そのまま行こうぜと。そんなふうにDNAに対戦しようっていう。
そうですね。ポッドキャストっぽい話というか、私の思うレイヤーXの歴史の一つですけど、なぜその複数なのかみたいなところは、いろんな事情があるとは思うんですけど、一個はやっぱりですね、創業がブロックチェーンとか暗号みたいな全く借りてないテクノロジーにチャレンジをして、そこで一定のエンジニアリングとか研究っていう意味では成果を出していいメンバー集まっていて、実はその時のメンバーが結構今のAIワークフォースの中心メンバーなんですけど、みんな残ってくれていて。
っていうのがある中で、フルにSaaSに全振りするというよりは、そこの創業から培ったなんとなくの経験とかノウハウを残したいっていう、言い方悪いですけど後ろ髪があったわけですよね。
っていう中でピボットをした時に、私のチームもしっかり残して、そのチームが今いろんなテーマを変えながら今回のチャンスを掴んだっていう感じなのかなと思います。
なるほど。なんかポッドキャストボイスで確かに。
私の見方なんで、ちょっと他の経営人は別の意見あるかもしれないですけど。
そうですよね。すいません。ありがとうございます。
今、いくつかそのパランティアとかFDEみたいなワードが出てきたと思うんですけれど、
リアXさん、特にAIワークフォース事業部さんってパランティアをすごく参考にされているなっていうのは、いろんなノートとか記事を見ながらも感じているところなんですけれど、
改めてパランティアがどういう会社で、AIワークフォース事業部としてどういった点を参考にしているのかっていうのを視聴者に向けても中村さんの方から教えていただいてもよろしいですか。
はい。ちょっと最低限どういう会社かっていうのをお話ししますと、
根本的には相手が政府だろうと、本当に大きなエンタープライズだろうと、大きな組織におけるデータの活用とかAIの活用を支援する会社ですね。
例えばですけど、AIの前から彼らが取り組んでいることとしては、サプライチェーンにおいて在庫最適化しますとか、保険会社において保険の引き受け審査の業務を効率化しますとか、
15:01
あとは病院だと患者数予測してキャパシティ管理しますとか、一見全然違うように見えるんですけど、根本はデータを集めてきて意思決定を支援するっていう、そこが軸なわけですよね。
その時に先ほども少し触れましたけれども、データがいろんな機関システムとかデータベースに散らばっている中でそれをつなぎ込むとか、
そもそもデータベースってエンジニアがいないとなかなか意味わからないというか扱えないものですけど、それをビジネスの観点で、さっきの商品とか在庫とか患者みたいなビジネスの文脈で理解しやすい流度で変換するための、いわばコネクタみたいなものを登録管理するとか、
そういう彼らのデータレイヤーのいろんなソフトウェアの技術基盤があって、それを製品化してまして、ただしそれってお客様にはいどうぞとしても絶対使いこなせないので、それをインテグレーションしたり、その上でアプリケーションを構築する、それもいろんなフレームワークがあるんですけど、そこをFDEっていうフォワードデプロイドエンジニア、フォワードデプロイドなので最前線に配置された、
嫌な役をすると客先常駐ですよね。エンジニアっていうのをたくさん抱えて、その人たちが本当に優秀なわけですよね。そこのセットで提供しているっていうそういう会社ですね。
そういう中でAIワークフォース業務としてはまさにその散らばってるデータを一つの場所に集めます。これをプラットフォームと呼びつつ、そこをビジネスの文脈で分かりやすいように構造化するっていうところも合わせてご提供されているっていう感じなんですか?
そうですね。どこを参考にしているかっていうことだと思うんですけれども、まずは抽象的なビジネスモデルとして、そういう特性の用途に限定しないソフトウェアのプラットフォームがあって、そこをまず製品として作る。
その上で個別の企業向けの個別のアプリケーション向けには、そのプラットフォームの部品を組み合わせて構築して提供しますっていう、このセット型のビジネスモデルをまず抽象的に参考にしているのが一つあります。
もう一個は、パランティアって直近AIで結構変わってまして、もともとはLLM生成のブームが来る前からさっきのデータに基づく意思決定っていうのをやってるんですけど、直近は当然ながら彼らもAIのトレンドに合わせて製品はかなり進化していて、AI向けに彼らが作ってきたデータを集めていくっていうのを活かそうっていうふうにいろんな機能を追加してるんですね。
ここについては正直言うと、直接的に我々が出ることと近いというか、そのAIがいろんな意思決定で提供できる、そのためのプラットフォームを作ってエンタープライズに提供するっていうのは直接似てるので、その観点だと直接的に製品が似てる分、そこも参考にしてるっていうのはありますね。
製品と言ってるのは、モジュールで各業務フローだったり領域に対してエージェンティックなもの、ワークフロー的なものっていうところをご提供されているってことなんでしょうか。
そうですね。データを集めてくる仕組み、AIを一個一個構築する仕組み、それを人間が触るためのUIを構築する仕組みとか、この辺りが全体的にプラットフォームとして備えるべき要素だと思うんですけど、我々もそこを作ってますし、彼らはもともと作ってたものをうまく再利用しながら、AI向けにもそこを進化してるというところですね。
この辺ってまさに、僕、逆にパランティアはそこまで自分で授業やろうと思ってないんで、多分中村さんは100億倍詳しいんで、逆に視聴者っぽい質問になるんですけど、客先常駐とかのモデルって、FDってめちゃくちゃ日本に相性いいなと思ってるんで、うまくいく会社絶対出てくるんだろうなって思ってます。
18:14
で、やっぱりSIRさんのビジネスやってたりしても、あと僕たちもテクたちやってても、なんかちょっと1ヶ月ぐらい人派遣しようみたいなのってめっちゃウケると思ってて、でもそれやってたのが一番の優位が多分Accentureだと思っていて。
で、Accentureも例外なしにAI時代でめちゃくちゃ客先常駐して、いろんなAIエージェンティックなアプリケーションとかも作り始めてて、それで死ぬほど儲かってるっていうことだと思ってますと。
で、その中で、もちろんパランティアモデルっていうのもあれば、もっと古くから出てきた、私は対比してるんですけど、Accentureモデルみたいなのもあって、なんかここ、Accentureがなかなかうまくこっちに来れない理由とか、なんか日本だと実は融合のところなのかなとかっていうのを一瞬思っていたりしていて、その辺ってどうお考えだったり、どう推察したんですか。
非常に重要な質問で重要なポイントかなと思います。パランティアモデルと従来のSIとかコンサルファームのモデルが何が違うのかというところで、結論は今この瞬間でいくと両方とも伸びてはいるので、どっちが良い悪いではないんですけれども、一つ言えるのは似てかなり非なるものかなというのがかなり議論されてます。
パランティアモデルは結構今取り入れる会社が増えていて、それこそオープンAIとかセールスフォースもFDっていう職種をオープンしたりしてるんですけど、なんちゃってFDになってないかっていう議論が結構エゴ圏であって、FDっていう名前だけ採用してるけど、従来のそれこそ派遣エンジニアとあんまり変わってなくてとかカスタマインエンジニアと変わっていなくて、全然パランティアモデルの本質ができないじゃないかみたいな議論もあるぐらい結構重要なテーマだというふうに思います。
何が違うかなんですけれども、まず一つ目の違いはさっきのプラットフォームがちゃんとあるかっていうところと、FDの一つで言うとプライドみたいなもので、さっきちょっと客先情緒言い方しましたけど、ちょっと言い方は難しいんですけど、少なくとも日本だとあんまりキラキラした印象がないと思うんですよ、客先情緒エンジニアって言われると。
どちらかというとそれこそGoogleのサーバーエンジニアみたいな全世界にアプリケーションドーンってやってるエンジニアの方が、なんとなくキラキラしたイメージがあるかなと思うんですけど、パランティアのFDってものすごい優秀なエンジニアをFDって役職にアサインできてるっていうのはまず大きな強みで、ここの違いがどこから来るかっていうところですよね。
プラットフォームとデリバリーのプロフェッショナルサービスの組み合わせって時に勘違いされやすいのは受け身、事後的になってるというもので、サービスを届けるのが大変だから人が入らなきゃいけないみたいな、このロジックだとFDとしてはやっぱりなんちゃってになりやすいかなと思います。
製品を届けてる中でこれはカスタマーエンジニアっぽい人が居ないと届けられないから入れようみたいな発想ですね。
で、パランティアのモデルっていうのはそうじゃなくて、まずゴールは先にあって、それは経営の超重要課題を解くっていうゴールが先にあるんですよね。
そのゴールが先にある中で、それがソフトウェアだけでもプロサービスだけでもできないから、それを組み合わせてソリューションを作っていくっていう発想にあります。
なので、プラットフォームに求める要件っていうのは本当に変わってきて、さっきの前者の発想だと、なんとなくデリバリーのプロフェッショナルサービスって効率化されればされるほど良いことだっていう雰囲気になりやすいと思うんですよね。
21:07
どんどんどんどん製品が成熟してくれば、どんどんどんどん楽になっていってみたいな。
で、これはいいことなんですけど、パランティアモデルの場合はそこはある意味手段の1個でしかなくて、どちらかというと、FDっていうのはスーパークリエイティブなものすごい貴重な人材で、
彼らが大暴れするお客さんに入っていって、彼らはCTOって呼んでるんですけど、案件ごとのCTOっていう風に。
CTOとして経営課題にコミットする、経営インプを出すということにコミットをしていて、かなり決裁権というか意思決定権を持って、お客さんに対してバンバンNOを言う。
ここも結構大きな違いだと思うんですけど、それぐらいの人たちが暴れる上で十分に暴いてくださいと。
それだけ柔軟性が高いプラットフォームを作りましょうっていうのが事業モデルっていう感じなので、
ここのちゃんとプラットフォームがあるかっていうところと、ものすごい大事な課題を解いている。
だから単価が高い、利益率も高い。だから給与も高くなるし、面白い問題も出てくる。
なので採用できる。採用できるからすごい問題解けるっていう。
このループが回るのかっていう、ここが大きな違いかなというふうに思います。
なるほど、面白いですね。
ちなみにこのFDって、もちろんテックスでちゃんとエンジニアでできるってなってくると、
例えばPyぐーって狭くなるじゃないですか。
なので、例えばもっとそれをGUI上でというか、Diffieとかだったら別にVisumatでもできるんで、
それぐらい楽にしている人がやっているのか、それとももうちょっとちゃんとPythonとかかけないとみたいなことなのかっていうと、
御社狙っている方向性と実際、パランティアだとどうなのかっていうのはどういう感じなんですか。
おっしゃる通りですね、そこももう一つ大きな観点で、技術力があるっていうのがどういう意味かですよね。
もしどおりCTOを集めるとなると、LayXの元CTOの人が経営陣のリファレルパーによって20人ぐらいいるらしいんですけれども、
それでも20人なわけですよね。なのでパランティアの4000人みたいな規模には当然スケールしないわけで、
経営も分かってビジネス分かってユーザー分かって技術分かるって本当に少なくなってしまうわけですよね。
で、そこもプラットフォームのもう一個重要なポイントで、あくまでプラットフォームっていうのはプロフェッショナルサービス、FDEのメンバーのクリエイティビティをレバレットするものであって、
その一個一個の細かいインフラ周りのハードスキルとかは、むしろパランティアの場合はプラットフォームで吸収しているっていうのがあって、
そこは20年の歴史によって彼らはどんどんどんどん製品が習熟しながら、ある意味そのFDEの要件からクリエイティビティとか地頭っていうところは取っておいて、
細かいエンジニアリングのところはどんどんどんどん楽にしていくっていうのがあったんじゃないかなというふうに思ってますし、我々もそこは施事業をやりながら観測をしているっていうところですね。
なのでその観点で製品が習熟することによってクリエイティブで優秀なって部分は変わらないんですけど、
ハードスキルとかその経験のところに関してはどんどん要件が下がっていくことによってスケールをすると。
なのでパランティアって今高校生採用したりしてるんですよね。
なので本当にそういうポテンシャルある人材であれば、若くて経験がなくてもFDEになれますとかっていうのをやってるんじゃないかなというふうに思いますし、そういうふうに人材のグラデーションは結構あるんじゃないかなというふうに思います。
なるほど。ありがとうございます。
私も今高校生みたいな話もありましたけど、そのFDEに求められているクリエイティビティって別の言い方をすると、どういった素養とかスキル能力って思うといいんでしょうか。
24:01
そうですね、多分レイアXのPDMとかリーダーエンジニア結構発信してると思うんですけど、基本的にはものづくりをするときに営業が一定とかプロダクトデザイナーが一定とかプロダクトマネージャーが一定、エンジニアが一定みたいな感じで分業することが多いと思うんですけど、
もし全部できる人が1人いて、1つの頭の中で完結するんだったら、そっちの方がはるかにいいとは思うんですよね。
その5人がいろいろコミュニケーションしながらやり取りをするよりも、自分の頭の中で何人分の人格があって、頭の中でバーッと会話しながら最適な会話を見つけるっていう方がはるかに早いんじゃないかなと思うんですけど、なかなかそんな人いないと思うんですけど、
ファランティアのFDEっていうのはある意味、ユーザーの視点とかデザインとか問題解決とか技術的なハウのところとかっていうのが1つの人格に同梱していて、その人の中でバンバンバンバン意思決定して結果を出せるっていうことなのかなというふうに思います。
その中で細かいインフラを立ち上げますとかっていう部分って実はプラットフォームがあるので、そこの余計な差があっていくっていう感じですけど、根本ユーザーの真に求めるものを発見してから解決策をリリースするまでの一連の作業を全部見れる人っていうのがクリエイティブって私が申し上げたところですね。
なるほど。圧倒的にアメリカと日本だと日本の方が人口のパイも少なくて技術が分かる人というより少なくなっていく。その中で今のこのクリエイティビティのある人材ってかなり容器の高い方だと思うんですよね。ここの人材獲得側の戦略って日本によって成り立つのかなとか、
もしくはその部分に関してもAIとかLLMが発達することによって対象となる人材のパイを広げていける、そっち側においても広げていけるっていう話なのかとか、そのあたりって中村さんとしてはどんなふうに見てますか?
大変です。大変ではあるんですけど、まさにおっしゃる通りで、言ってみればフルスタックエンジニアの定義って多分変わってると思うんですね、歴史的に。そのAWSがない時代の文字通りのフルスタックエンジニアと今のフルスタックエンジニアでだいぶ今の方がそういうハードスキル部分に関しては楽になってると思うので、今AIだっておっしゃいましたけど、
AIによってそういうテクノロジーを扱うっていう細かいところ、記述されることによってそこの部分の要件っていうのは下げられるかなと思っているので、その部分は少し人材のパイを広げるっていう可能性はあると思うんですけど、とはいえさっきのソフトスキルとしてユーザーの課題発見から解決までやれるっていうところはなかなか大変なので、大変なことは変わりないかなっていうふうには思いますが、ある意味そこはAI時代において人間の重要な役割なのかなと思っているので、
足りないっていうのはあるんですけれども、むしろこの授業を通してそういうのを排出できたらいいなというふうに思っていまして、一部が足りなくても類似の経験がある方がこのFDEっていうロールにチャレンジをすることによってFDEになるっていう事例もどんどん増やしたいなというふうに思っています。
パランティアとかシフトとかもそうですよね。パランティアだとFDEから始めてもっとワークフローの構築基盤の方にグーって寄せたり、シフトもめちゃくちゃいきなり採用するの大変だから、自動テストエンジニアから始めてソフトウェアエンジニアになって何とかになってみたいな。
なので比較的入り口広く構えて上手く活躍できる基盤を整えるっていうのがあるものの、LTBって言い方をしたらあれですけど、シフトとか明確にAI、IRでは人のLTBっていうふうに言われる。それをなるべくいて、グーって力をあげながら会社としてもハッピーみたいな。
27:07
そんなの作れる気がしますよね。っていうのと、ベイカレントとかシフトとか日本ではAIに特化しない会社でまず少なくともあるんで、僕もどっかの会社が絶対それをやってくれるんだろうなと思って見てはいるんで。
LTBじゃないですけど、パランティアとさっきの従来のSIコンサルの違いみたいな文脈で1個あるのは、パランティアって1人当たりの売り上げが1ミリオンあるんですよね、ドルで。
これで従来のSIとかコンサルに比べると比べると値段が高いわけですし、利益率も50%あると。以上平気であるというのがあるので、この辺がビジネスモデルの違い。結果的にとはいえ会社の規模という観点ではアクセンチュアももちろん大きくなっているので、違いはそういうところですね。
パランティアとアクセンチュアを比較したお話っていうところもありまして、その中で1個特徴としてプラットフォームがあるかっていうところもお話いただいたと思うんですけど、業界とか領域特定せずにエンプラ広範囲に取り組むってなると、アクセンチュアさんとかもどんどん人増やしてやってますっていうところだと思っていて、
これプラットフォームっていうものがあることによって、どれくらいそこのスケーラビリティって変わっていくものなのかとか、中村さんの中でどんなふうな作戦を描いてますか。
我々がAIプラットフォームって言ったときに、4つの要素が必要ですって話をしてまして、ナレッジ、スキル、ツール、UIなんですけど、ナレッジって言ってるのがそのAIが働く上で必要な情報、過去の事例とかデータを集めてくる部分の話をしていて、
スキルっていうのがどの会社にもAIが基盤モデルの中に初めから習得していないその会社特有のスキルとか能力ってのがあると思うので、そこの部分を習得しましょうっていうのがスキル。
ツールっていうのは人間も仕事をする上で全部脳で計算してなくて、計算機を使っていろんな仕事を外注してますよね、ツールに。
今もこういうふうにビデオ会議のツールを使ってますし、AIも同じように仕事を遂行する上でツールをいっぱい使って解決をするというところでその接続がツールですね。
最後UIっていうのは一番AIが人間と違うポイントは基本パソコンから出れないというのがあるので、人間と仕事をするこのインターフェースはだいぶ変わってくるだろうというのがあって、そこのUIの部分を構築するというこの4つがあります。
これそれぞれプラットフォームとして共通の部品を持ってFDEはそれを使って構築をするという感じになるので、ゼロからデータベースを接続するようなものを書きに行かなくても良いし、
ゼロからウェブアプリを作らなくてもそのUIのコンポーネントがあってそれを組み合わせればいいしっていうふうにやっていくことによって、さっきの負担を下げられるというのはあるのかなと思います。
今の話すごく面白くて、中田さんもあるし、AIエージェントってものは作られていて、ただとはいえ全然モデルとしては違う中だと思うんですけれど、その基盤の作り方の考え方とかは結構今のところと類似するところが多いんですか?
それともやっぱり業務特化とこの後半やるんで結構違うものなのかとか、どんなふうにやられてます?
若干やっぱり違うと思ってます。これも宗教流派なんで別にどっちが良い悪いじゃないと思うんですけど、業務特化で作ってるんで僕とかは。
30:00
なのでそうするとデータの形式が色々とあるものの、やっぱりこの業務だったら大体これぐらいのデータが来て、これをETLしてこうして、このデータをこう加工してこう加工して、パターンはある程度類型化されちゃうので、
いろんなケースに合わせてたくさんのエアーエージェントが必要だったり、データの形式が違ったりとかはなかったり、あとそれこそフロントが一番わかりやすいんですけど、フロントは結構固定化できる、同じ業務なんで。
で、ある程度ちょっと少しフレーバーは変えられるんですけど、やっぱり結構そこは同じでいいよねとかっていうのは共通になっていくんで、そこをバチッと作るっていうので、ある程度固定化の部分と変動の部分っていうのの考え方が違うと思います。
ただそれが結局同じようなことはコンセプチュアルにはやっていて、その変動の部分がその変動幅が広いのか狭いのか、ただその分狭くしてるほど逆に深くなるんで、当たり前なんですけど、同じ開発規模をかけてれば。
なので、そこの差になってくるとは思ってたりはするっていうのが差だと思います。ただ根本的にやっぱりデータの持ち方、データのフローの仕方、UIどうする、ミドルウェアどうするとかになってくるんで、結局考えてる難易度とかエージェンティックどう作るとかっていうのは懐かしいものになってくるっていう印象でありますけど。
これ今変動の幅とか深さが変わってくるよねって話があったと思うんですけど、イメージ中出さんの方では固定と変動の割合ってどんな感じなんですか?今カスタマイズしてると。
どうだろう。変動3割、2割とかかな。
冷却サーブさんだともっと大きいんですけど、中出さんどうですか?
ある意味設計思想的に定義によりますけど、変動100ですよね。お客さんごとに全部構築するってビジョンがあって、とはいえやっぱりパターンはあって、個人的にこの事業歴ある上で面白いリサーチクエスチョンは人間の知的労働の分類学で、
例えば銀行の仕事と商社の仕事とエンジニアの仕事で違う業界なので違うようにくくられるかもしれませんけれども、要素分解していくと、これはざっくり大量の情報から何個かを見つけてそこから整理をするんだとか、その時にこのタイプの業務っていうのは抜け漏れOKで、このタイプの業務っていうのは抜け漏れがないか確認する必要があるんだとか、抽象的に分類すると同じパターンが見えてきて、
AIエージェントとかワークフローの構築って教師業界ってよりもそういう知的作業の流れによって変わる部分が大きいので、そこを捉えていくというのがなるべくプラットフォームを早く良いものを作れるための製品にする上で重要なのかなと思っています。
面白いですね。ちなみに何パターンぐらいにこれ分かれていくんですかね、特にエンタープライズさんのお仕事とかになってくると。
それがさっきの数千数万っていうのに絡んでくるんですけど、足元見えてる数で言ったら多分数えられちゃう程度なんですけど、やはり我々というかAIの期待って人間の仕事の今までITがされてなかった大きな大きな白地に侵食するっていうことなので、そこを考えていった後で済まない数のパターンがあるかもしれないなと思っています。
AIの時代だからこそできることですよね。本当はその均衡の仕事と勝者の仕事って全く違うから全く違うデータを持っててヒュッてなってるものの、脳みその伝え方で例えば金融マンが勝者に行って別に仕事できるよねっていうのがAIで近いような思考プロセスをたどれるようになってきてるんで、
33:08
じゃあそこって本当はコンポーネント近しいものをここ指すみたいな、要はデータ加工してるだけだよねこの作業とか、要はパワポニ落としてるだけじゃんみたいなのとか、抽象化していけばしていく行動できるし、ただじゃあパワポニ落としますってなった時に、じゃあ実はちょっとフォーマット違うからこうだよねなのかもしれないし、それぞれのコンポーネントに多分分かれていくはずで、それをでっかくするとそんなに多くないねってなるし、
ただそうすると多分アウトプットの質というかがイマイチになっちゃうから、じゃあもっと細かく切った方がいいよねってなってきて、じゃあそれをどこまで抽象と具体利きさせますかみたいな、多分そんな悩みを持たれてたり、そこが活字になってくるんじゃないかなって勝手に想像しやすけどね。
確かに確かに。 実際もう1個あって、今もっと今後になると多分短くなると思うんですけど、やっぱりエンタープライズのそれこそさっきの話じゃないですけど、お客さんごとにちょっとカスタマイズが効かなきゃいけない。ただ今そのコンポーネントが揃ってないんで、結構多分時間的には今足元長くなってて、それがどんどんどんどん短くなると思うんですけど、今だいたい1個のお客さんの1領域のAIエージェント作るのにどれぐらいの工数とか、言える範囲で構わないんですけど日数なのかニンクなのかわかんないですけど、
結構大変なのですか?それとももう今の段階で結構もうライトオフできてるよとかってあるんですか? そうですね、うちの中だと2つのトレンドがあって、もう成功したなっていうパターンの仕事をどんどん早く安くしていきましょうっていうところと、やっぱりAIおよびAIネコシステムって日々進化しているので、どんどんどんどん難しいことやっていきましょうって2つのトレンドがあるので、平均でいくと多分その後者に引っ張られて、むしろ上がっているところもあるんじゃないかなと思います。
半年前、1年前にできたことみたいなところだとかなり早くなっていて、最初は3ヶ月かかってたものが3日でできますとかっていうのはできるようになっています。
その中で1個重要なグランドチャレンジというか、これは弊社だけっていうよりも業界かなと思ってるんですけど、というのはAIがAIを作るっていうテーマ、AIがAIワークフローとかAIエージェントを構築するっていうのは本当にこの業界のグランドチャレンジだなと思ってまして、冒頭でデジタルアカディとかっていう話をしましたし、
あとは労働人口を生むみたいなものもあって、IT業界ってずっと労働人口をITでっていうのがありましたけど、なかなか昔ってビビタル貢献しかしてないのかなと思うんですけど、本当にAIで特に日本においては意外と時間がありませんのでカバーしていくという話だと、さっきの数千数万みたいな規模のエージェントを本当に作り切る必要があるとなったときに、今までの方法論だとあまりにも普及が遅いかなと思ってまして、
そのときにAIがAIを作るっていうことによって、いかにそれを加速できるのかっていうのは大きなテーマだというふうに思っています。
さっきの3日になりましたっていう話にも一部絡むんですけど、今社内でR&Dの一番大きなテーマとしておいているのがまさにワークフローエージェントの自動生成のところで、
人間も過去の先輩がやった仕事の結果とかマニュアルとかいろんなものを見ながらなんとなく業務を学んでいったり、実際自分もOJTとして実際やってみながらフィードバックをもらって間違えて失敗して泣いて笑ってで仕事を学んでいくと、このプロセスをいかにAIができるのかというところを今チャレンジしています。
36:09
昔、プロセスマイニングっていう言い方でそういう業務のプロセスを発掘するみたいなのがあったと思うんですけど、AIプロセスマイニングと呼んでるんですけど、プロセスマイニングの作業をコンサルではなくてAIがやっていくというところで、過去の事例とかからあんまりちゃんと現化されていないような判断のルールとか方法論っていうのをAIがマイニング発掘をするという、そして発掘されたプロセスをワークフローとかエージェントに落とし込んでいくっていうのを今チャレンジしています。
これ結構チェックブログの方でもお話しされたなと思っていて、実際どれくらいの時間軸で実現できそうなのかとか、それも人間とAIがどういうふうに役割分担するのかのグラデーションかなと思うんですけれど、このあたりの時間軸とか進み方ってどんなふうに見てるんですか?
いわゆるワークフローって言われてる型があって、上から順に作業を実行しますっていうタイプの業務の場合は、かなり直近1年で成果出るんじゃないかなと思っていて、ざっくり大きく分けると今話した通り、人間の言語化されていないようなマニュアルとか方法論とか判断基準っていうものを言語化しますっていうプロセスマイニングのところと、それをAIワークフローに落とし込むっていう2段階のステップがあって、
全社に関しては、1つはデータをしっかり集めることと、あとはデータを集める体験を作るところですね。その社内に例がありますとかマニュアルがありますっていうものは、すぐにシェアポイントに繋いで終わりなんですけど、実際人間が仕事を学ぶのってシェアポイントにないフィードバックをたくさんOJTしながら学んでると思うので、それをAI版でやろうと思うと、人間がフィードバックをしやすいような体験をしっかり作っていって、そのデータをどういう形式で格納して、どういう形式でフィードバックしていくのかという仕組みをしっかり作ってという部分が必要になるので、
ここがチャレンジの一つですね。発掘されたプロセスをワークフローにするという部分は、1つはワークフローを表現する言語をどういうふうに作るのかというもので、AIワークフォースだとYAMLファイル、YAMLっていう形式のファイルでワークフローを書いてるんですけど、これってある意味AIワークフローを記述するためのドメインスペシフィックランゲージ、DSLなわけですよね。
これが今までは正直、私が最初にまさにエンジニアに会った時にそのYAMLの定義を作って、それが今発展して今に至るんですけど、人間が作るように作ってたのですが、今後はAIが生成しやすいようなワークフローを記述言語にする必要があるので、そこの観点でどれくらい滑らかにできるのかというのが1つと、あとはここはこれから減ると思うんですけど、やっぱりまだ微妙にLLMって癖があるんですよね。
自明にできるだろうっていう、この情報は揃っていて、普通に推論ステップを組み重ねていけば間違いずにできるだろうっていう自明の推論のトレースがあった時に、だいたい再現できるんですけど、徐々にまだまだ一部なんでっていう間違いとか、人間により、いわゆるハルシュネーションですよね、というのがあるので、その癖を補完するために若干タスクを切ったりとか補足したりとかっているので、その人間とLLMの能力の若干の違いの吸収っていうのはまたちょっとあって、
この辺りを埋めるのが1年ぐらいでだいぶ進むんじゃないかなというふうに思っています。
39:04
だいぶ早いですね。
確かに。あれですもんね、YAMLもBOMLが出てきたりね、マークアップランゲージもかなりAIネイティブなランゲージ出てきている印象で、僕たちもそういうの追って、これ早いなみたいな、すげえ思うんで、そんな感じはするな。
今のその秘宝の話とか、まさに最後に話した論点で、人間化すると別にJSONもYAMLも全部埋めるんですけど、LLMのその仕組み、トランスフォームの仕組み的にちょっとミスりやすいタイプのフォートっていうのがあって、そこを仕方ないので埋めてあげようっていう人間側の計らいですよね。
ちなみにこれができてくると、さっき冒頭の方で、パランティアモデルのKCFというか、やっぱり結構人材獲得大事だよね、大変だよねっていう話もあったと思っていて、そのあたりのKCFも変わってくるんでしょうか。
そうですね、さっきのフルスタックがより楽になっていくってあれですけど、フルスタックがよりソフトスキルによっていくっていうところに大きく関係するんじゃないかなと思っていて、そういうAIがワークフローを作るエンジンみたいなものを使いこなして実装を進めることができるので、やはり実装よりもそういう問題解決能力とか意思決定の能力ってところによりフォーカスが立っていけるようになるんじゃないかなと思います。
ちなみに、エンタープライズの会社に行っていくと個別の結構要件出てくるじゃないですか。多分、どの数の何種類の仕事があるかっていうものと、かける明確に共通化してる仕事があるよねっていうものだと思っていて、これって本当にあなたリース会社のこの業務しかないから、もうやりませんわとか、そういうのもあれば、めちゃくちゃ共通でやるべきことだよねっていうのもあると思っていて、
技術的にレバレッジかかるのって絶対後者だと思うんで、そういうのからやりたくなると思うんですよね。ただ、やっぱりエンタープライズの会社なんで、なかなかこれをやりますっていうの持っていっても、ちょっと今僕たち違うからとかってなりがちだと思うけど、どれをやるとか、やらないとか、その中でうまくどう誘導してるのかとか、その辺って何かあったりするんですか?
そうですね。短めの回答としては、製品と技術と組織みたいなビジネスモデルの提供するサービス側は、かなり今交渉の話をしたんですけど、バランティアモデルおよびあらゆる事業モデルの肝って、ゴートゥーマーケットはめちゃくちゃ定石を取るべきだなと思っていて、要するにどういうお客さんに対してどういう課題でどうマーケティングしてどう創ってどう売りますっていうところについては、ファンシーなものは何もなくて、普通にこの業界に関してはこういう業界構造があって、
こういう経営課題があって、この企業に関してはこういうアカウントプランにして、この順番で当たっていって済みましょうみたいな一般的な届き方をする必要があるのかなと思っていて、今言及いただいたリースに関してはリースソリューションって出してるんですけど、これはリース業界という業界向けにその届け方をまとめてパッケージングしたものっていう側面があります。
なるほど。あれなんですか、例えばリースの中でもこれはあなたの会社ぐらいだからやりませんとかそういうのは結構あるんですか、それこそFDEとかそれか商談タイミングで落としてるのかとかっていうとどうなんですか。
そうですね、費用帯が合うかとかそういうテーマの選定みたいなものはまさにFDEの重要な役割ですよね。
42:05
基本的にはお互いのインセンティブと一致してるはずで、AIを投入してその分だけ価値が出るものはお客さんにとっても嬉しいし、我々にとってもその分費用いただけるので嬉しいっていうのがあるので、そこは一致してるはずで、ポイントはやっぱり情報の非対称性があるので、そこを一貫に埋めていくかというところでやっぱりフォワードにデプロイド、逆先に常駐ぐらいまで深く入り込んで、そこの情報のギャップをなくしていってお互い同じ仕決定ができるようにしていきましょうっていうのがあるんじゃないかなと思います。
これフォワードデプロイエンジニアの方があるし、そこの設計までやりに行く、あるし優先順位付けとか進む、お客さん内でのゴートゥーマーケットみたいなところもやられていくってことだから、かなり肝というかこの方にかかってるようなところってすごく大きいですね。
そうなんですよね。なので本当にFDEってCTOって言われる遊園がそこで、存在感がむちゃくちゃ大きくないといけないんですよね。
なるほど。ありがとうございます。
それでは前半の方ではパランティアモデルっていうところも引き描き出しながら、AIワークフォースさんがどういうふうに事業展開しているかっていうところを伺ってきました。ありがとうございました。
これからもプロダクトAIトークスでは、プロダクト事業づくりに取り組む経営層の方をお招きし、AI時代のプロダクト戦略を深掘りしていきます。後編は来週金曜日配信予定です。ぜひご視聴ください。
