テクノロジーの世界で、何か異変が起きている
世界で最も重要な AI システムを構築している人々が、もはや AI を単なるソフトウェアのアップグレードとして語らなくなっている。彼らが口にしているのは、豊富な知能、自己改善するプロダクト、消えゆく仕事、すべての人のための AI アシスタント、自律エージェント、そして数年以内に到来する AGI だ。
興味深いのは、彼らが次に何が起こるかについて完全に一致しているわけではないことだ。
Sam Altman は、知能が豊富になり、劇的に安くなると見ている。Spenser Skates は、知能がますますプロダクトそのものの中に宿り、自己改善するプロダクトの世代を生み出すと信じている。Dario Amodei は、エントリーレベルのホワイトカラー雇用への深刻な混乱を警告している。Jensen Huang は、AI が人間を増幅し、まったく新しい経済的機会を生み出すと考えている。Satya Nadella は、数十年分の技術的変化がわずか数年へと圧縮されていると語る。Demis Hassabis は、人類史の分岐点に達したと信じている。
一見すると、これらは異なる予測のように聞こえる。私は、それらは同じ物語の異なる章だと思う。
それらを組み合わせると、何が来るのか、そしてそれにどう備えるべきかについて、驚くほど明確な絵が浮かび上がる。
SAM ALTMAN: 知能は豊富になる
OpenAI は、ますます AI を豊かさの経済学のレンズを通して捉えるようになっている。基本的な考え方はシンプルだ。有用な知能がより高性能になり、劇的に安くなるにつれて、かつては高価な人間の専門知識を必要とした活動が、巨大な規模で経済的に可能になる。
この考えは、一見したよりもはるかに大きい。
人類の歴史の大半において、有用な知能は高価だった。なぜなら、それは人間の中に宿っていたからだ。専門知識が必要なら、社会はまず誰かを何年も教育し、その人の限られた時間を奪い合わなければならなかった。優秀な弁護士は限られた数のクライアントにしかサービスを提供できず、プログラマーは限られた量のコードしか書けず、科学者は限られた数の仮説しか調査できない。
AI はこれらの経済性を変える。なぜなら、機械の知能はコピーでき、スケールでき、継続的に利用可能にできるからだ。
知能が徐々に電気のようなものに近づいていくところを想像してみてほしい。私たちは電気を雇ったり、電気と会議を設定したりはしない。必要なときに、必要なだけアクセスするだけだ。
5 人のスタートアップが、かつては多国籍企業にしかなかった分析能力と技術能力を持つことができるようになる。中小企業が、独自の研究者、プログラマー、デザイナー、戦略家のようなものを持つことができるようになる。科学者は、これまでは調査に何千時間もの人手をかける価値がなかった疑問を調査できるようになる。
私たちは、知能が希少であることを前提に経済を築いてきた。AI は知能をインフラに変えるかもしれない。
そして、何かが希少から豊富へと移行するとき、経済的価値は通常、別の場所へと移動する。
SPENSER SKATES: プロダクトは自己改善を始める
次に、Amplitude の共同創業者兼 CEO である Spenser Skates は、この議論をさらに一歩進める。
その豊富な知能が、単にチャットボットの中に座って私たちが質問するのを待っているだけではないとしたら、どうなるだろうか？ それをプロダクトそのものの中に入れたらどうなるだろうか？
Skates は、自己改善するプロダクトの未来について語ってきた。それは、自分がどのように使われているかを継続的に理解し、問題や機会を発見し、改善策を実験し、結果から学び、その教訓を次に構築されるものにフィードバックできるプロダクトだ。
このフレーズは、もっと注目に値する。
何十年もの間、ソフトウェア開発は比較的遅い人間のループを通じて運用されてきた。企業が何かを構築し、顧客がそれを使い、データが蓄積され、アナリストが何が起こったかを研究し、プロダクトマネージャーが何を変えるべきかを決定し、デザイナーが代替案を作成し、エンジニアがそれらを構築し、最終的に別のバージョンが顧客に届く。
そして、プロセスが再び始まる。
すべての段階は、人間が次の段階を開始することに依存している。AI はそのループ全体を圧縮し始めている。
まず、プロダクトはより速く構築される。 AI コーディングツールは、ソフトウェアの作成と既存プロダクトの変更に必要な時間を劇的に短縮する。
次に、プロダクトは観察する。 AI エージェントは、誰かが手動でダッシュボードを調査するのを待つのではなく、顧客が実際にどのように行動するかを継続的に監視できる。
そして、理解する。 それらのエージェントは、摩擦、異常な行動、コンバージョンの問題、そして人間が調査しようと思いつかなかったかもしれない機会を特定できる。
次に、実験する。 新しい体験が、従来のプロダクトチームでは現実的に達成できなかった速度で作成され、テストされる。
そして、学習する。 行動データは、変更が実際にコンバージョン、エンゲージメント、リテンション、またはその他の重要な成果を改善したかどうかを明らかにする。
そして最後に、改善する。 システムが学習したことは、次に何を構築すべきかに直接フィードバックされる。
今日、人間は依然としてこれらの移行のほとんどを制御している。しかし、ループがますます自律的になると何が起こるかを想像してみてほしい。
プロダクトが、特定の顧客グループがオンボーディングを繰り返し放棄していることに気づく。AI エージェントが彼らの行動を調査し、摩擦の原因を特定し、いくつかの代替案を提案する。実験がそれらの代替案をテストし、行動データがどれが機能するかを明らかにし、その学習が次の改善に直接フィードバックされる。
プロダクトはもはや、人々が使う単なるソフトウェアではない。より良いソフトウェアになる方法を学習するソフトウェアになる。
これにより、競争の方程式が変わる。
AI コーディングは、誰もが構築することをますます容易にしている。すべての企業がより速く出荷できるのであれば、単により多くの機能を生み出すことは、あまりアドバンテージではなくなる。アドバンテージは、どれだけ速く構築するかから、どれだけ速く学習するかへと移行する。
ここには重要な違いがある。AI はソフトウェアを生成できるが、何かを作り出すことと、人間が実際にそれを望んでいるかどうかを知ることは、まったく別の問題だ。
前者には知能が必要だ。後者には人間の行動の理解が必要だ。
それが、次世代の優れたプロダクトが単に AI を内蔵しているだけではない理由かもしれない。それらは、知能と実際の人間の行動を結びつける継続的なフィードバックループを持つだろう。
最高のプロダクトが勝つとは限らない。
最も速く学習するプロダクトが勝つかもしれない。
DARIO AMODEI: キャリアのはしごの最初の段はどうなるのか？
Anthropic の CEO である Dario Amodei は、ますます高性能になる知能の、はるかに不快な結果を見ている。
彼は、AI がわずか数年以内にエントリーレベルのホワイトカラー雇用の大部分を混乱させる可能性があると警告している。最終的な正確な数値がどうであれ、彼の警告の根底にある構造的な問題は真剣に検討する価値がある。
キャリアのはしごの最初の段はどうなるのか？
企業がジュニアアナリストを雇うのは、誰かが競合他社を調査し、スプレッドシートを操作し、プレゼンテーションを準備する必要があるからだ。法律事務所は、大量の資料をレビューするために若い弁護士を雇う。ソフトウェア企業は、比較的単純なコーディングタスクをジュニア開発者に与える。
しかし、これらの仕事は 2 つの機能を果たす。それらは会社のために仕事を生み出すと同時に、経験を積んだ人間を生み出す。
アナリストはやがて判断力を身につけ、ディレクターになる。書類をレビューしていた若い弁護士は、やがて複雑な交渉を担当する。退屈なバグを修正していたプログラマーは、物事がうまくいかないときに実際のシステムがどのように動作するかを徐々に学ぶ。
AI が初心者レベルの仕事を非常に得意とするようになれば、企業はより少ない初心者を雇う明白な経済的インセンティブを持つ。
これにより、私たちが解決していないパラドックスが生まれる。AI は、人々が伝統的に、AI がまだ実行できない仕事のやり方を学びながら行ってきた仕事を奪う可能性がある。
私たちは、次世代が頂上に到達する方法を見つけ出さないまま、はしごの底を自動化してしまうかもしれない。
JENSEN HUANG: 誰もがスーパーパワーを手に入れる
NVIDIA の CEO である Jensen Huang は、方程式の別の側面を見ている。
彼の予測は素晴らしくシンプルだ。「誰もが AI アシスタントを持つようになるだろう。」
Huang のより広い議論は、AI は単に人間の労働を代替するものではないということだ。それは個人が達成できることを増幅し、知能と生産のコストが下がるにつれて、まったく新しい需要を生み出す可能性がある。
歴史はその議論にある程度の信憑性を与えている。
スプレッドシートは会計士を排除しなかった。コンピューターはオフィスワーカーを排除しなかった。インターネットはいくつかの職業を破壊したが、同時に、それ以前には存在し得なかった産業を生み出した。
したがって、AI は膨大な量の仕事を排除するかもしれないが、同じ数の雇用を排除するわけではないかもしれない。
ソフトウェアの作成コストが 10 分の 1 になれば、社会が必要とする開発者は 10 分の 1 で済むとは限らない。おそらく人類は、50 倍多くのソフトウェアを構築することを選択するだろう。科学研究が劇的に安くなれば、より少ない科学者で済むとは限らない。おそらく科学者は、以前は経済的に実現可能ではなかった何百万もの実験を試みるだろう。
これは、Huang と Amodei の両方が正しい可能性があることを意味する。いくつかの職業は劇的に縮小する一方で、まったく新しいカテゴリーの経済活動が爆発的に増加するかもしれない。
技術革命が破壊と創造のどちらかを選択することはめったにない。それらは通常、両方をもたらすが、必ずしも同じ人々に同時にもたらすわけではない。
SATYA NADELLA: 本当の問題はスピードかもしれない
Microsoft の CEO である Satya Nadella は、現在のプラットフォームシフトを、私が特に重要だと感じる一文で表現している。
「30 年分の変化が 3 年に圧縮されている！」
圧縮という言葉は、この議論の他のほとんどすべての要素よりも重要かもしれない。
人類はこれまでも巨大な技術変革を生き延びてきた。電気は工場と家庭を変えた。自動車は都市を再設計した。コンピューターはオフィスを変えた。インターネットはコミュニケーション、商業、メディアを再編成した。
しかし、社会には適応する時間があった。人々は退職し、若い世代は異なるスキルを学んだ。大学はカリキュラムを変更し、政府は規制を作り、企業は形成され消滅し、職業全体が徐々に進化した。
AI は異なる問題を生み出すかもしれない。なぜなら、技術的適応は人間の適応よりも速く起こり得るからだ。
今日、4 年制の大学の学位を、卒業する頃にはその経済性が根本的に変わっているかもしれない職業のために始める人を想像してみてほしい。あるいは、20 年かけてあるタスクに秀でるようになった 45 歳のプロフェッショナルが、そのタスクが突然、ほぼ瞬時に、ほぼ無料で利用可能になる場合を考えてみてほしい。
最大の危険は、技術的変化そのものではないかもしれない。それは、機械が改善する速度と、人間、企業、そして組織が自らを再発明できる速度との間に広がるギャップかもしれない。
DEMIS HASSABIS: これはソフトウェアを超えるものになるかもしれない
そして、Google DeepMind の CEO である Demis Hassabis にたどり着く。
2026 年 8 月、Hassabis は現在の時期を「人類史の分岐点」と表現し、キャリアを通じて AGI の実現に向けて取り組んできた結果、それが「目前に迫っている」と信じていると述べた。
これにより、議論は職場の生産性をはるかに超えたものになる。
AI が、数学、生物学、化学、材料科学、工学、医学の進歩に人間を実質的に支援できるようになると、AI は単なる別のテクノロジー産業ではなくなる。それは他のテクノロジーを加速させるテクノロジーになる。
AI はロボット工学を改善し、創薬を支援し、新しい材料を設計し、ソフトウェアを書き、科学研究を支援し、エンジニアがより良いコンピューターを設計するのを助け、それがより良い AI を実行できるようにする。
これによりフィードバックループが生まれる。より良い AI は人間がより良いテクノロジーを構築するのを助け、より良いテクノロジーは人間がより良い AI を構築するのを助け、そのサイクルは加速する。
だからこそ、AI をスマートフォンと比較することは、何が起きているかを劇的に過小評価する可能性がある。スマートフォンは人間が情報にアクセスする方法を変えた。
高度な AI は、人類が新しいものを発見する速度を変える可能性がある。
彼らは皆、正しいかもしれない
一見すると、これらのリーダーたちは異なる物語を語っているように見える。しかし、彼らの議論を順番に並べてみると、驚くほど互換性があるように見え始める。
Altman は、知能が豊富になると言う。 かつては高価だった能力が、ほとんどすべての人が利用できるようになる。
Skates は、プロダクト自体が学習と改善を始めると言う。 豊富な知能がプロダクト開発ループに組み込まれ、構築、人間の行動の観察、実験、学習、改善を結びつける。
Amodei は、豊富な知能が知識労働を混乱させると言う。 特に脆弱なのは、伝統的なキャリアが築かれてきたジュニアレベルのタスクかもしれない。
Huang は、AI が個人を劇的に増幅すると言う。 低コストが新しい需要、新しい企業、そしてまったく新しいカテゴリーの仕事を生み出す。
Nadella は、これらすべてが異常な速さで起こると言う。 社会は、以前の技術革命の時よりもはるかに調整する時間が少なくなる。
Hassabis は、AI が最終的に発見自体を加速させると言う。 知能は、人類が次世代のテクノロジーを発明するのを助け始める。
これらは必ずしも 6 つの競合する予測ではない。それらは、同じ変革の 6 つの層かもしれない。
希少性を追え
もしこれらの人々が部分的にでも正しければ、自分のキャリア、会社、または投資について考えている人にとって、驚くほど実用的な教訓がある。
AI が豊富にしているものに自分の価値を築くな。AI が豊富であるために希少になるものにそれを築け。
注意が希少になる。 コンテンツが事実上無制限になると、真の人間の注意を捉えることはより困難になり、したがってより価値のあるものになる。
判断力が希少になる。 分析が瞬時に生成できるようになると、難しい質問は、分析を入手できるかどうかではなくなる。それは、どの分析が信頼に値するかを知っているかどうかになる。
方向性が希少になる。 AI が何百ものアイデアや戦略を生成できるとき、別のアイデアは必ずしも有用ではない。どの問題を解決する価値があるかを知ることがアドバンテージになる。
独創的な思考が希少になる。 有能な文章、画像、ソフトウェア、プレゼンテーションがほとんど誰にでも生成できるようになると、本当に異なることを言うことがより価値を持つ。
信頼が希少になる。 機械はますます説得力を持ってコミュニケーションするようになり、合成コンテンツはますます簡単に製造できるようになる。したがって、人間の信頼性は、低下するどころか、より価値のあるものになる。
センスが希少になる。 AI は無限の可能性を生み出すことができる。どれが本当に良いかを決めるのは、依然として誰かでなければならない。
そして、自己改善するプロダクトは、非常に重要かもしれないもう 1 つの希少性を生み出す。システムが何を最適化すべきかを知ること。
機械は、目的を達成することに非常に優れるようになることができる。プロダクトは、メトリクスを改善することに非常に優れるようになることができる。しかし、それは正しい目的だったのか？ それは正しいメトリクスだったのか？
それはもはや、主にテクノロジーの問題ではない。
それは人間の判断の問題だ。
機械と競争しようとするな
何十年もの間、マネージャーは人間にどのタスクを実行すべきかを指示してきた。明日には、リーダーはますます、人間、エージェント、自己改善システムの組み合わせに対して目的を定義するようになるかもしれない。
そうなれば、リーダーシップは実行を監督することから、方向性、制約、インセンティブ、そして意味を定義することへと移行する。
私は、次の 10 年を、機械が指数関数的に改善している何かを少しでも上手くなろうとすることに費やしたりはしない。私は、それらを指示することを学び、知能自体が豊富になるからこそより価値のある能力、すなわち判断力、好奇心、勇気、人間関係、リーダーシップ、責任感、そしてセンスを意図的に強化するだろう。
AI 時代の勝者は、AI について最もよく知っている人々ではないかもしれない。彼らは、知能自体がもはや希少ではなくなったときに、知能を使って何をすべきかを理解している人々かもしれない。
何千年もの間、知能は人間に並外れた力を与えてきた。今、私たちは、知能をどこでも、いつでも利用可能にし、私たちの周りのプロダクトが観察、学習、改善を始めるかもしれない機械を構築している。
おそらく、AI 時代の決定的な問いは、機械が最終的に私たちのように考えるようになるかどうかではない。
それは、もっとずっと不快なものだ。
知的であることが、もはや私たちを特別にするのに十分でなくなったとき、人間は何になるべきなのか？
