概要

このエピソードでは、ホストのNavalが3人のフロンティア創業者——VercelのGuillermo Rauch、Boom SupersonicのBlake Scholl、ScienceのMax Hodak——と共に、AIがもたらす産業革命の本質を探る。ソフトウェアエンジニアリングのあり方が「コードを書くこと」から「AIエージェントを訓練すること」へと根本的に変化し、その波及効果がハードウェア設計、規制プロセス、医療、そして創造性の定義にまで及んでいる。会話は楽観的でありながらも現実的で、各創業者が自らの現場で直面している具体的な変化と、そこから見えてくる未来像を生き生きと語り合う。

1:27AIソフトウェア工場——エンジニアの役割の根本的変化

Guillermo Rauchは、ソフトウェアエンジニアリングのパラダイムシフトを「ソフトウェア工場」という概念で説明する。従来、エンジニアは自身のアウトプットを直接生産していたが、今や評価基準は「どれだけ優れた工場を構築できるか」に移行している。つまり、一人のエンジニアが単一のアウトプットBを生み出すのではなく、アウトプットBからZまでを乗算的に生み出せる工場そのものを設計する能力が問われる時代になった。

この変化は、かつて物議を醸した「10倍のエンジニア」という概念をはるかに超えている。Navalは、Satoshi Nakamoto、Brendan Eich、John Carmackのような存在を「1000倍のプログラマー」と評し、さらに重要なのは「何に取り組むか」という判断力が無限大の差を生むと指摘する。AIのレバレッジによって、この格差はむしろ拡大している。

しかし、トークン消費量を生産性の指標とすることには疑問が呈される。コードの行数が生産性の指標にならなかったのと同様、トークン消費量もまた誤った指標だとGuillermoは警告する。重要なのは「時間」と「最終アウトプット」であり、トークンは単なるコストとして扱うべきだというのが彼の立場だ。

4:15トークンを浪費して時間を節約せよ

Navalは自身のAI活用哲学を「トークンを浪費して時間を節約せよ」と要約する。彼はプロンプトエンジニアリングの「コツ」を意図的に無視し、Claude、Codex、Geminiを同じ問題に繰り返し投入して、力技で解決するスタイルを取っている。モデルが低品質なコードを生成しても構わない。本番環境に出す段階で「書き直せ」と指示すれば、モデルは世代を重ねるごとに改善されるからだ。

このアプローチの前提は、AIモデルがどんなに高価に見えても、人間よりはるかに安いという事実にある。ただし、この戦略が通用するのは「検証可能な領域」に限られる。未解決の問題の最前線、例えば数学者のTerence Taoのような領域では、人間とモデルの緊密な協働が依然として必要だとNavalは認める。

Max Hodakは、モデルの能力はユーザーの能力を反映するという観察を共有する。熟練した開発者にとってAIは強力なツールだが、ジュニア開発者にとってはジュニア開発者程度のアウトプットしか出せない。重要なのは「再プロンプトの質」であり、これはモデルからのフィードバックをどう解釈し、どう修正するかという人間の判断力に依存する。ただし、モデルがさらに賢くなるにつれて、このスキルの重要性は低下するだろうと彼は予測する。

5:47モデルが人間に指示する時代

Guillermoは、最近のモデルの進化について印象的な変化を指摘する。以前はモデルが与えられたプロンプトに沿って単純に次のトークンを予測していたが、今では「あなたが求めていることには3つの選択肢があり、それぞれに以下のトレードオフがある」と提案してくるようになった。これはモデルが「ジュニアエンジニア」から「プリンシパルエンジニア」に卒業した瞬間だと彼は言う。

ただし、モデルは依然として「でたらめ」を言うこともある。3週間かかると見積もったタスクが実際にはもっと短かったり、逆に過小評価したりする。それでも、モデルを「知的に対等な対話相手」として尊重するようになったとGuillermoは認める。

ここで重要な論点が浮上する。ジュニアエンジニアはAIによって「ジュニア以上の知識」を得られるが、経験豊富なアーキテクトは10倍の生産性向上を得るのに対し、ジュニアは2倍程度にとどまるのではないかという疑問だ。Maxは、技術選定（Postgres vs. Clickhouseなど）の判断において、モデルは優れたトレードオフを提示できるが、最終的な「味と判断」は人間に委ねられていると指摘する。

Navalはさらに踏み込んで、「純粋なソフトウェアは死んだのか」と問いかける。モデルが英語を話すようになった今、コードは人間と機械の間のコミュニケーション手段としての優位性を失いつつある。ハードウェア創業者にとっては朗報だが、ソフトウェアだけに依存するビジネスの「堀」はどこにあるのか。この問いは会話全体を通じて繰り返し立ち返るテーマとなる。

9:29純粋ソフトウェアは死んだのか——ビルディングブロック経済

Navalの問いに対し、GuillermoはMitchell Hashimotoの「ビルディングブロック経済」という概念を紹介する。エージェントがタスクを実行するたびにゼロからインフラを再発明するのではなく、Postgres 13.2のような既存の「ビルディングブロック」を再利用することが重要だ。これは社会的な協調の価値でもあり、全員が同じ基盤に依存することで得られる互換性や効率性は計り知れない。

彼はこの関係を「トークンキャッシュ」に例える。既存のコードを再利用することで、モデルが無駄なトークンを消費して既存のものを再現する必要がなくなる。エージェントはこれらのブロックをフォークして利用するが、その方法は従来のライブラリ依存関係とは根本的に異なるものになる。

Maxは自身の経験を語る。彼は長年コードを書いていなかったが、2023年12月以降、AIエージェントを通じて膨大なソフトウェアを構築し、今では日常的に使用している。かつて何年も夢見ていたプロジェクトが、コードを一切書かずに実現できた。彼は「手でコードを書く未来には戻れない」と断言する。

Navalはこれに同意しつつも、成功の鍵は「APIとは何か」「データがどう流れるか」という基本原則の理解にあると指摘する。優れたエンジニアリングリーダーは、かつてSlackや1on1を通じて「バイブコーディング」（意図や経験を言葉で伝え、他者に実装させるスタイル）を行っていた。今は同じことをエージェントに対して行っているに過ぎない。

14:39ハードウェアにおけるバイブコーディング——タービンブレードの設計革命

Blake Schollは、Boom Supersonicでの実践を通じて、AIがハードウェアエンジニアリングをどう変革しているかを具体的に説明する。伝統的なハードウェア設計はExcelのスプレッドシートやVBScriptに依存し、バージョン管理も自動テストもなく、エンジニア間の受け渡しはメール添付のスプレッドシートで行われていた——まさに1990年代のままの状態だった。

Boomでは、ソフトウェアエンジニアがシステムアーキテクチャとアルゴリズムを設計し、ハードウェアエンジニアが自分の専門領域を「バイブコーディング」するという分業体制を確立した。その結果、タービンブレードの設計において劇的な変化が生まれた。

従来、タービンブレードは冷間時と熱間時で形状が変化するため、空力設計と構造設計の間で「冷間→熱間」の変換を手作業で行う必要があった。これには1枚のブレードにつき1人のエンジニアが1日を要し、ジェットエンジンには約1000枚のブレードがあるため、実質的に多くの設計変更は不可能だった。現在では、ソフトウェアとハードウェアのエンジニアが協力して構築したソリューションにより、ブレードの形状を変更するとリアルタイムで構造と空力の結果が表示される。たった2人のエンジニアでジェットエンジン全体を設計できるようになったのだ。

Blakeはさらに、AIが近い将来（2026年以内に）CADのステップファイルやPCBレイアウトを生成できるようになると予測する。それが機械工学と電気工学にもたらすインパクトは計り知れない。

20:15最も賢いモデルを常に選ぶ——中国のオープンソース戦略

Navalは、AIモデルの選択に関する興味深い議論を提起する。ある夕食会で「DeepSeekを97%のタスクに使い、より高度な知性が必要な場合のみOpenAIやAnthropicのモデルを使う」という意見が出たが、Navalはこれに強く反対する。「知性は無条件の善」であり、モデルが間違えた場合、人間はそれに気づけない。そして、どんなモデルも人間より安い。したがって、常に最も知的なモデルを使うべきだというのが彼の主張だ。

Guillermoは、VercelのAIゲートウェイを通じたデータから、フロンティアモデルが圧倒的に多く使われていることを確認している。ただし、コーディング以外のタスク（サポートやブラウザ自動化）ではGeminiのようなモデルが優れたコストパフォーマンスを発揮するとも指摘する。中国のモデルはコーディングの最前線ではまだ競争力がない。

ここから中国のオープンソース戦略の議論に移る。Navalは、中国がオープンソースモデルに注力する理由の一つはハードウェア優位性にあると分析する。複雑なサプライチェーンと部品製造能力を持つ中国は、ソフトウェアをオンデマンドで生成できれば、シリコンバレーに対する最大の弱点を克服できる。OpenAIがオープンでないのに対し、中国のモデルはオープンソースで提供されている。これは中国のハードウェア創業者だけでなく、世界中のハードウェア創業者を助けることになるが、中国の工場や製造業にとってはさらに大きなアドバンテージとなる。

22:44ソフトウェアにはまだ手が必要——垂直統合と規制のフロンティア

Max Hodakは、Science社での経験から、垂直統合の重要性を語る。同社は東海岸に自社のMEMSファウンドリを買収した。これは、既存の部品を組み合わせるだけでは実現できない革新——「共有結合された物質の単一ブロック」に近い製品——を追求するためだ。AIはまだハードウェア製造の現場に完全には浸透していないが、規制対応の分野ではすでに大きな効果を発揮している。

例えば、製品を変更する際にどのISO規格が適用されるかを追跡する作業は、以前は規制と品質のチームが数ヶ月かけて行っていたが、今ではAIが瞬時に対応できる。また、手術用プログラムやMEMSファブにおいても、ファウンドリ全体を計装化することで、モデルが改善されるたびにその効果が細胞工学や材料科学に即座に反映される仕組みを構築している。

Blakeは、規制対応におけるAIの効果を「変化への aversion（嫌悪感）を劇的に減らす」と表現する。航空機の認証では、落雷耐性の試験計画書が200ページに及ぶ。従来は能力の高くないエンジニアが何ヶ月もかけて作成していたが、RAG（検索拡張生成）を構築することで、プロンプトを通じて数分で完了できるようになった。第一の効果は時間節約だが、第二の効果は「設計変更が容易になる」ことだ。第三の効果として、優秀でないエンジニアを排除し、少数の創造的なエンジニアが迅速に反復できる体制が可能になる。

27:53規制の赤い女王レース——医療とイノベーションのジレンマ

Navalは、規制がイノベーションを阻害している現状を痛烈に批判する。シリコンバレーで過去10年間に起きた最大の進歩はAIと暗号であり、これらはどちらも「数学の領域」、つまり最も規制の少ない分野で生まれた。Peter Thielが嘆くように、物理的な領域でのイノベーションは規制の壁に阻まれている。

しかしMaxは、問題は単なる規制の量ではなく、そのインセンティブ構造にあると指摘する。FDAが10の重要な医薬品を承認しても誰も評価しないが、一人の患者が死亡すれば議会で追及される。この非対称性が、承認プロセスを極端に慎重にし、結果としてイノベーションを遅らせている。そして、これは規制当局だけの問題ではなく、有権者（国民）の選択でもあるとNavalは付け加える。

Blakeは、50州による真の実験的競争を提案する。連邦規制が支配的になる前は、州ごとに異なる規制や税制が実験を可能にしていた。癌患者が最新の治療法を試せる「イノベーションゾーン」を創設すれば、リスクを取る意思のある人々の同意のもとで新しいアプローチを試せる。成功事例は他州に広がるだろう。

Maxはこれに対して、医療の特殊性を指摘する。単一患者IND（治験薬の例外的使用）の承認率は99%以上だが、問題は臨床グレードの医薬品を供給できるのが特許権者（IP所有者）だけであり、彼らは治験中の薬を他者に提供するとFDAから不利な推定を受けるリスクを恐れることにある。さらに、中国のCFDA（国家薬品監督管理局）はFDAよりはるかに迅速で、市場での試験を許容している。中国は医療機器を1万ドルで販売できるのに対し、米国では10万ドルかかるというコスト差が生まれている。

36:49医療は資本主義の中の共産主義——N=1医療の可能性

Navalは、医療制度の根本的な問題を「資本主義の中の共産主義」と表現する。レストランに行くたびに保険会社に請求書を送るようなシステムを想像してみてほしい。良いレストランには行列ができ、悪いレストランも利用可能になり、品質は向上せず、待ち時間は悪化する。これが現在の医療制度の実態だ。

彼は大胆な提案を行う：年間所得の最初の20%を医療費の自己負担額（ deductible）とし、それを超えた分を保険と政府が負担するシステム。低所得者にはゼロからスタートする調整を加えれば、民間市場が生まれ、歯科や形成外科のように進歩が加速する分野が出てくる。Lasikや歯科矯正、形成外科が民間支払いによって進歩しているのは偶然ではない。

Maxは、GitLabのCEOであるSid Sijbrandijの事例を紹介する。彼は希少癌と診断され、標準治療が尽きた後、自ら個別化医療を追求し、6〜7社の新興企業が彼のために治療法を開発し、20〜30の薬剤が「エスカレーションラダー」に並んだ。彼は予後をはるかに超えて生存している。これは「N=1医療」の成功例であり、AIがこのような知識へのアクセスを民主化できる可能性を示している。

47:49自律型企業——エージェントが働く組織

Guillermoは、Vercelでの自律型インフラの実践を詳述する。異常検知システムが自動的にアラートを発し、エージェントが調査し、インシデントを作成し、関係者をループに入れ、修復プロセスを開始する。現在は本番環境への直接変更だけが人間の判断に委ねられているが、解決策は「銀の皿に載せて」エンジニアに提供されている。

さらに、自律型セキュリティ研究では、DeepSecというツールを全社のモノレポに対して1万台の並列エージェントで実行し、数四半期分のセキュリティ研究を数日間と1万4000ドルのトークンコストで完了した。これは数ヶ月分のレッドチーミング作業に相当する。

Blakeは、全社的な実験の結果を共有する。彼は1週間、すべてのプロジェクト作業を停止し、受付係からエンジニアまで全員に「最も重要だと思うもの」をAIを使って構築させ、デモするよう指示した。予想に反して、大多数が「針を動かす」プロジェクトであり、そのうち2〜3つは会社の方向性を変える可能性があるものだった。最も驚いたのは、荷物の受け取りと在庫管理を担当していた社員が、自身の業務を自動化するツールを構築したことだ。

Navalは、この変化の本質を「人間の仕事はエージェントを訓練することになる」と要約する。そして、将来の組織は「非常に多くの小さなチーム」で構成されるという予測を立てる。AIがベースレベルの知性とドメイン知識を提供し、エージェントが主体性（agency）を提供する時代、人間に残されるのは創造性、味覚、判断力だけだ。

59:08芸術の定義——人間にしかできないこと

会話の終盤、参加者たちは「芸術とは何か」という本質的な問いに立ち返る。Maxは芸術を「意味のある分布外の振る舞い」と定義する。つまり、システムのデータ分布からは予測できない、驚きと意味を伴う行為だ。この定義は軍事作戦から数学の証明まで幅広く適用できる。

一方、Navalは芸術を「感情の伝達」と捉える。人間が感じた何かを他者に伝えるために創り出す行為であり、コンピュータは定義上、これができない。同じピクセルの写真でも、人間が撮影したものとAIが生成したものでは意味が異なる。彼は、ハードウェアによる証明（ある人間が実際に写真を撮影したことを検証する）を提供するスタートアップに投資したと明かす。

Guillermoは、Control Netで生成された中世の村の画像を例に挙げ、AIにも創造性の余地があると主張する。しかしNavalは、スタジオジブリのスタイルがAIによって「破壊された」ように、一度大量に生成されると驚きは失われると反論する。真の創造性は、ゲーデルの不完全性定理のように、システムの外部から飛び出してくるものだ。

Maxは、人間の創造性が「無限の空間を切り抜ける能力」に由来すると指摘する。自然淘汰は純粋なランダム性に依存するが、人間は無数の可能性から意味のある選択肢を直感的に選び取る。AIも数学のような境界のある領域では創造性を示し始めているが、真にシステムの外部に出ることはまだ人間の領域だとNavalは結論づける。

まとめ

このエピソードが聴き手に残すのは、AIがもたらす変化の「深さ」と「広がり」だ。ソフトウェアエンジニアリングからハードウェア設計、規制プロセス、医療、そして芸術の定義に至るまで、あらゆる領域で「人間の役割」が根本的に問い直されている。参加者たちは楽観的でありながらも現実的で、AIがもたらすレバレッジの大きさを認めつつ、人間に残される価値——創造性、味覚、判断力、そして意図——について真剣に議論する。特に印象的なのは、規制と医療の議論で浮かび上がった「システムのインセンティブ構造」の問題だ。技術の進歩だけでは解決できない、社会的・政治的な課題が山積している。このエピソードが重要なのは、単なる技術トレンドの解説ではなく、創業者たちが実際の現場で直面している具体的な課題と、そこから見えてくる未来像を生々しく伝えている点にある。

要点

• AIエージェントの台頭により、エンジニアの役割は「コードを書くこと」から「AIを訓練し、検証すること」へとシフトしている。人間は「検証者（verifier）」になる。
• 「トークンを浪費して時間を節約せよ」——モデルのコストは人間よりはるかに安く、低品質なアウトプットも後で改善すればよい。重要なのは最終アウトプットと時間の節約。
• ハードウェア設計において、AIは「バイブコーディング」を可能にし、2人のエンジニアでジェットエンジン全体を設計できる時代が到来した。ソフトウェアエンジニアがアーキテクチャを設計し、ハードウェアエンジニアが専門領域をAIで実装する。
• 規制対応はAIの「過小評価されたユースケース」であり、RAGを活用することで数ヶ月の作業が数分に短縮される。これにより設計変更のコストが劇的に低下し、イノベーションが加速する。
• 医療制度は「資本主義の中の共産主義」であり、民間市場の不在がイノベーションを阻害している。中国のCFDAはFDAより迅速で、コストも10分の1。N=1医療の成功例は、AIによる知識の民主化の可能性を示している。
• 自律型企業の実現に向けて、異常検知、セキュリティ研究、コード最適化など、多くの領域でAIエージェントが人間の代わりに働き始めている。全社的なハッカソンでは、受付係が自身の業務を自動化するツールを構築した。
• 芸術の定義をめぐる議論では、Navalは「感情の伝達」、Maxは「意味のある分布外の振る舞い」と対立。AIがデータ分布内で驚きを生み出すことは可能だが、真にシステムの外部に出る創造性は依然として人間の領域。
• 将来の組織は「非常に多くの小さなチーム」で構成される。AIがベースレベルの知性と主体性を提供する時代、人間に残される価値は創造性、味覚、判断力であり、最も重要なのはAIツールを使いこなす能力である。