AIの実際の行き先についての合理的な対話 | ベネディクト・エバンス

ベネディクト・エヴァンズは、独立系アナリストであり、かつてAndreessen Horowitz（a16z）で社内の「シンカー」として長年テクノロジーの最重要トレンドを追跡してきた人物である。現在は、AIが経済をどのように変容させるかに焦点を当てた、深くリサーチされたプレゼンテーションを定期的に発表しており、その分析は創業者、投資家、そして現場のオペレーターたちから広く読まれている。このエピソードで彼が提示する最も挑発的なテーゼは、「AIはインターネットやモバイルと同じくらい大きな出来事であり、そしてその『同じくらい』の範囲を超えるものではない」というものだ。これは、AIを産業革命級の地殻変動と見なす楽観論者と、AIがもたらす終末的な雇用破壊を恐れる悲観論者の両方に対して、冷静な現実認識を促すためのアンカーとなる主張である。

エヴァンズの議論の核心は、私たちは今、AIの「1997年」にいるという比喩に集約される。インターネットが一般に公開された1990年代半ばのように、テクノロジーは明らかに変革的であり、興奮に満ちているが、ほとんどのものはまだうまく機能せず、人々が実際にそれで何をするのかはまだ構築されていない。そして、その価値が最終的にどこに集積するのかは、誰にも確実には予測できない。この「根本的な不確実性」を受け入れることこそが、現在のAIをめぐるノイズに振り回されないための第一歩だと彼は主張する。本稿では、この「1997年」のフレームワークを軸に、AIスタックにおける価値の所在、予想外のコンサルティングブーム、ソフトウェア開発の民主化がもたらす新たな参入障壁、そして「タスク」と「ジョブ」の区別が雇用に与える影響について、エヴァンズの深くニュアンスに富んだ議論を詳細に掘り下げる。

06:241997年の比喩：興奮と不確実性の狭間で

エヴァンズは、AIの現状を理解するための最も強力なフレームワークとして「1997年」の比喩を提示する。これは、インターネットが一般に公開され、 NetscapeがIPOを果たし、誰もがその可能性に興奮しながらも、具体的に何が起こるかは誰にもわからなかった時代だ。当時、人々は「ExciteとYahooのどちらが勝つか」といった議論に熱中していたが、結果的に勝ったのはGoogleという全く予想外のプレイヤーだった。同様に、現在のAIにおいても、OpenAIとAnthropicのどちらが優れているかといった議論に意味はなく、最終的にどのようなビジネスモデルやアプリケーションが勝利するかは、現時点では誰にも予測できないというのが彼の立場である。

この比喩は、AIの採用速度と浸透度の「偏り」を理解する上でも有用だ。テクノロジー業界にいる人々は、すでにAIを日常生活の一部として使いこなしているが、業界の外側に目を向けると、大多数の人々は週に一度か二度使う程度であり、13歳から18歳のデジタルネイティブ世代でさえ、毎日使う人は15～20%に過ぎない。この「広い分布」は、AIがどこでうまく機能し、どこで機能しないかという「ギザギザのフロンティア（jagged frontier）」の問題と密接に関連している。ソフトウェア開発者は、VisiCalc（最初の表計算ソフト）を目の当たりにした会計士のように、AIが自分たちの仕事を根本的に変えることを即座に理解した。しかし、弁護士やジャーナリストにとっては、それはまだ「面白いけど、自分たちの仕事には直接関係ない」ものに見える。この認識の非対称性が、AIの真のインパクトが社会全体に波及するまでに時間がかかる理由の一つだとエヴァンズは指摘する。

さらに、彼は「1997年」の比喩を、AIの価値連鎖に関する議論にも拡張する。1997年の時点で、インターネットの価値が最終的にどこに集まるかを正確に予測できた人はいなかった。同様に、現在のAIにおいても、モデルそのものに価値が集まるのか、それともその上に構築されるアプリケーションに価値が集まるのかは、全くの未知数である。この不確実性を認めた上で、初めて建設的な議論が可能になるとエヴァンズは主張する。彼の最新のプレゼンテーションは80枚のスライドから構成されるが、その多くは「我々は知らない」ということを認める内容であり、これは彼の誠実な分析スタイルを象徴している。

09:44予想外のコンサルティングブーム：AIラボが人材を求める理由

一見すると逆説的に思える現象として、OpenAIやAnthropicといった最先端のAIラボが、大規模なコンサルティング会社やプロフェッショナルサービス企業を買収したり、自社で「フォワードデプロイドエンジニア」と呼ばれる顧客支援チームを大規模に拡大している事実がある。AIが人間の仕事を代替するはずなのに、なぜAIを開発する側の企業が、最も積極的に人間を雇用しているのか。この疑問に対するエヴァンズの答えは、企業変革の本質に根ざしている。

彼の説明によれば、企業が新しいテクノロジーを導入して業務を変革するためには、単にソフトウェアを購入するだけでは不十分である。どの業務を自動化すべきか、既存のシステムとどう統合するか、従業員をどうトレーニングするかといった、一連の「プロジェクト」を実行する必要がある。しかし、ほとんどの企業には、こうしたプロジェクトに専念できる余剰人員は存在しない。だからこそ、企業は伝統的に、戦略策定にはマッキンゼーやBCGを、システム導入にはアクセンチュアやインフォシスを雇ってきた。AIの導入も全く同じであり、それは「プロジェクト」なのだ。

ここで重要なのは、AIがコンサルタントの仕事を奪うのではなく、むしろコンサルティングサービスの需要を新たに創り出しているという点である。エヴァンズは、AIが生成する「75枚のスライドデッキ」は、マッキンゼーが提供するそれとは全くの別物だと指摘する。クライアントがマッキンゼーに支払っている対価は、スライドという「タスク」ではなく、組織に深く入り込み、政治的な力学を理解し、顧客の本当の声を聞き出し、実行可能な戦略を練り上げるという「ジョブ」そのものだからだ。AIはこの「ジョブ」の一部を効率化することはできても、その本質を代替することはできない。この「タスク」と「ジョブ」の区別は、エヴァンズの議論全体を貫く重要なテーマである。

17:44ディストリビューションが最強の堀になる：ソフトウェアのコモディティ化とプラットフォームの力学

エヴァンズは、AIがソフトウェア開発を劇的に容易にすることで、製品そのものの差別化が難しくなり、結果として「ディストリビューション（流通）」が最も重要な競争優位性（moat）になると主張する。これは、Lenny's Podcastの他のゲストからも繰り返し聞かれるテーマだが、エヴァンズはそれを歴史的なプラットフォームシフトの文脈に位置づけて説明する。ウェブブラウザの例が象徴的だ。ブラウザは、レンダリングエンジンという技術的に高度な部分と、アドレスバーと出力画面という極めてシンプルな「薄いラッパー」から構成される。技術的にはNetscapeが優れていても、マイクロソフトはWindowsという圧倒的なディストリビューションを武器にInternet Explorerで市場を席巻した。しかし、結局ブラウザで勝つこと自体は大した意味を持たず、真の価値はその上の検索やEコマースといったアプリケーション層に移っていった。

現在のAI業界でも、同じ力学が働いているとエヴァンズは見る。Googleは検索やAndroidというディストリビューションを通じてGeminiを、MetaはFacebookやInstagramというソーシャルプラットフォームを通じてLlamaを、それぞれユーザーに届けている。製品としての性能に大きな差がないのであれば、ユーザーは最もアクセスしやすいものをデフォルトとして使い続ける。OpenAIがChatGPTというブランドで先行したものの、ディストリビューションの面では巨大プラットフォーマーに劣後しており、彼らが「あらゆる場所に、あらゆるものを、一斉に」という戦略でディストリビューションの確立に狂奔しているのは、この危機感の表れである。

さらにエヴァンズは、Appleの戦略に注目する。Appleは、デバイス上で動作するオンデバイスAIと、標準化されたAPIシステムを通じて、最も説得力のある「パーソナルAIアシスタント」のビジョンを2024年のWWDCで示した。これは、プロンプトインジェクションやハルシネーションといった問題を回避し、10,000を超えるアプリをシームレスに連携させるという野心的なものだが、まだ実現には至っていない。しかし、もしAppleがこのビジョンを実現すれば、10億台以上のデバイスという圧倒的なディストリビューションを武器に、AIのゲームを一変させる可能性を秘めている。結局のところ、モデル自体は「頭の悪い下位コンポーネント（the dumb thing underneath）」に過ぎず、価値を決めるのは、そのモデルをどのような機能として、どのようにユーザーに届けるかというディストリビューションとプロダクトデザインの力なのである。

23:17「タスク」と「ジョブ」の峻別：雇用の未来を読み解く鍵

AIによる雇用への影響について、エヴァンズは「終末論」と「楽観論」の両方を退け、より現実的でニュアンスに富んだ分析を提供する。彼の主張の核心は、「AIは仕事の何パーセントを代替できるか」という問い自体が誤りであり、代わりに「それは『タスク』なのか、それとも『ジョブ』なのか」を問うべきだという点にある。エレベーターの運転手という「ジョブ」は、ボタンを押すという「タスク」に分解された瞬間に自動化された。しかし、多くのプロフェッショナルサービスの仕事は、そう単純ではない。

会計士の歴史は、この点を如実に物語る。20世紀を通じて、電卓、パンチカード、メインフレーム、データベース、ERP、クラウドと、会計業務を自動化するテクノロジーは次々と登場したが、会計士の数は一貫して増加し続けている。これは「ジェボンズのパラドックス」、すなわち価格弾力性の応用で説明できる。あるタスクを実行するコストが下がれば、人々は同じコストでより多くのことを行うようになる。エクセルの登場により、投資銀行のアナリストは計算作業から解放されたが、その結果、彼らはより多くのモデルを構築し、より複雑な分析を行うようになり、仕事量は減るどころか増えた。ソフトウェア開発においても、IDEやライブラリがコード記述の多くを自動化したが、エンジニアの数は減っていない。むしろ、より多くのソフトウェアが作られるようになり、需要が拡大したのだ。

エヴァンズは、この「タスク」と「ジョブ」の区別を、Eコマースのアナロジーでさらに明確にする。Amazonは、ユーザーが「どのSKU（製品）が欲しいか」を正確に知っている場合に、それを迅速に届けることに長けている。しかし、ユーザーが「どのマイクを買えばいいかわからない」場合、Amazonは役に立たない。同様に、AIコーディングアシスタントはコードを書くという「タスク」を自動化するが、「どのような機能を、誰のために、どのように市場に届けるか」というプロダクトマネジメントの「ジョブ」は、依然として人間に残される。この「SKUを知る」というプロセスこそが、コンサルティングやプロダクトマネジメントといった高次の「ジョブ」の本質であり、AIが容易には代替できない領域なのである。

38:11価値はどこに集積するのか：モデル vs. アプリケーション

AI業界における最大の戦略的問いの一つは、莫大な資本が投下される基盤モデル（foundation model）に価値が集まるのか、それともその上に構築されるアプリケーション層に価値が集まるのかという点である。エヴァンズは、この問いに対して明確な仮説を提示する。それは、長期的には基盤モデルはコモディティ化し、価値はアプリケーション層に移行するというものだ。彼の主張の根拠は、モデル間には本質的なネットワーク効果が存在しないように見えるという点にある。ユーザーが特定のモデルを使うことで、他のユーザーにとってそのモデルの価値が高まるという現象が起きていないため、競争が継続し、差別化が難しくなれば、価格決定権（pricing power）は失われる。

彼は、この状況を携帯電話業界の歴史に例える。世界のモバイル業界は年間約1兆ドルの収益を上げ、約2,000億ドルの設備投資を行っている。データ消費量は指数関数的に増加しているが、通信事業者の株価は25年間ほとんど上昇していない。なぜなら、彼らは低マージンのコモディティ・ユーティリティを販売しているに過ぎず、真の価値はその上で動作するiPhoneのアプリやサービスによって創り出されているからだ。同様に、AIモデルも、その驚くべき技術的複雑さにもかかわらず、長期的には低マージンのコモディティになる可能性が高い。

サム・アルトマンが「AIを水道や電気のようにメーター制で販売する」と述べたことに対し、エヴァンズは皮肉を込めて「電力会社のマージン構造を説明する必要がある」と応じる。テレビを視聴する際、視聴者は電力会社に月額料金の何パーセントかを支払っているわけではない。洗濯機を買うとき、ボッシュが電力会社に売上の一部を支払っているわけでもない。AIも同様に、モデルそのものが最終的な価値のすべてを獲得するわけではなく、そのモデルを活用して特定のユースケースを解決するアプリケーションこそが、大きな価値を生み出す可能性が高い。もちろん、これはあくまで仮説であり、1997年の時点でインターネットの未来を正確に予測できなかったように、この予測も外れる可能性がある。しかし、現在の構造を冷静に分析すれば、この「コモディティ化」のシナリオは十分に検討に値する。

48:12反AI感情の実態：ノイズとシグナルを見分ける

AIに対する社会的なバックラッシュ（反発）が高まっているように見える現象について、エヴァンズは「大きくて曖昧な塊（a big fuzzy mess）」と表現し、その構成要素を冷静に分析する。データセンターの水使用量に関する批判は、全米の水消費量の0.017%に過ぎないというデータを示し、その多くが誤った情報に基づく「ナンセンス」であると断じる。一方で、AIが雇用に与える影響については、エコノミストの間でも明確なコンセンサスが得られておらず、18～24歳の雇用鈍化が見られるものの、それがAIによるものなのか、他の経済要因によるものなのかは判別できないと述べる。

より深刻なのは、ソーシャルメディアの時代と同様に、AIが人間の悪意や社会の病理を増幅させる可能性である。ディープフェイクによるヌード画像の作成は、フォトショップでは不可能だった規模と速度で実行可能になり、これは明らかに「違う」問題だとエヴァンズは認識する。しかし同時に、彼は英国の郵便局スキャンダルを引き合いに出し、新しいテクノロジーは常に、意図的であれ偶発的であれ、人々の人生を破壊する新たな方法をもたらすと警告する。1970年代の技術であるPOSシステムのバグが、数百人もの無実の小売業者を破産と投獄に追い込んだように、AIもまた、その利用方法次第で深刻な社会的害悪を引き起こす可能性がある。

このように、反AI感情には、根拠のないもの、実体が不明なもの、そして真剣に受け止めるべきものとが混在している。エヴァンズは、この複雑な状況に対して、単純に「AIは悪だ」と断じるのでも、「すべては大丈夫だ」と楽観するのでもなく、一つ一つの論点を丁寧に検証し、シグナルとノイズを選別する態度の重要性を強調する。彼のスタンスは、パニックに陥ることも、無関心でいることもなく、常に「それは状況による（it depends）」という冷静な分析を貫くことである。

結びに

このエピソードがリスナーに残すものは、AIに対する「冷静な楽観主義」とでも呼ぶべき態度である。エヴァンズは、AIがインターネットやモバイルに匹敵する変革をもたらすことを認めつつも、その影響がいつ、どのように現れるかについては「根本的な不確実性」があると繰り返し強調する。彼の議論の価値は、単に「大丈夫だ」と慰めることではなく、なぜ大丈夫だと言えるのか、あるいはなぜ注意すべきなのかについて、歴史的なアナロジーと経済学の原理に基づいた具体的な理由を提供している点にある。「タスクとジョブの区別」「ジェボンズのパラドックス」「ディストリビューションの重要性」といったフレームワークは、読者自身がAIのインパクトを評価するための知的ツールとなる。

最終的にエヴァンズが勧めるのは、AIを恐れたり、道徳的な優越感に浸って批判したりするのではなく、自ら積極的に使い、理解し、その可能性と限界を体感することである。これは、Lenny's Podcastが一貫して伝える「Just build it」の精神と完全に一致する。不確実な未来に対して最も有効な準備は、その変化の渦中に飛び込み、自らの手で何ができるかを学ぶことだという、極めて実践的で力強いメッセージが、このエピソード全体を貫いている。

要点

• ベネディクト・エヴァンズは、AIのインパクトはインターネットやモバイルと「同じくらい」大きいが、それ以上ではないと主張する。これは、産業革命級の変革を予測する楽観論と、終末的な雇用破壊を恐れる悲観論の両方を退ける、冷静な現実認識に基づくテーゼである。
• 私たちはAIの「1997年」にいる。テクノロジーは明らかに変革的だが、ほとんどのものはまだ機能せず、最終的にどのビジネスモデルが勝利するかは誰にも予測できない。ExciteとYahooの争いからGoogleが勝利したように、現在の予測はほとんどが外れると考えるべきである。
• AIラボがコンサルティング会社を買収するのは、AIの導入が「プロジェクト」だからである。企業には変革を実行する余剰人員がおらず、AIはコンサルタントの仕事を奪うのではなく、新たな需要を創り出している。
• ソフトウェア開発が容易になるにつれ、製品そのものの差別化は難しくなり、ディストリビューション（流通）が最も重要な競争優位性（moat）になる。Google、Meta、Appleといった既存のプラットフォーマーは、この点で圧倒的に有利な立場にある。
• 「AIは仕事の何パーセントを代替するか」という問いは誤りである。重要なのは、それが「タスク」なのか「ジョブ」なのかを区別することだ。コードを書くことはタスクだが、何を作るかを決めることはジョブであり、後者はAIが容易に代替できない。
• 会計士の歴史が示すように、自動化は必ずしも雇用を減少させない。ジェボンズのパラドックス（価格弾力性）により、タスクのコストが下がれば、人々はより多くのことを行うようになり、結果として需要と雇用が拡大する可能性がある。
• 長期的には、基盤モデルはコモディティ化し、価格決定権を失う可能性が高い。真の価値は、モデルを活用して特定のユースケースを解決するアプリケーション層に集積するだろう。これは、通信事業者がインフラを提供しながら、その上のサービスで価値が創出された歴史と類似している。
• 反AI感情には、根拠のないもの（データセンターの水使用量）、実体が不明なもの（雇用への影響）、そして真剣に受け止めるべきもの（ディープフェイクの悪用）が混在している。重要なのは、パニックに陥らず、一つ一つの論点を冷静に分析することである。