※本記事は、MIT Sloan Management Reviewが制作し、Sam Ransbothamがホストを務めるポッドキャスト「Me, Myself, and AI」の内容を基に作成されています。ポッドキャストの詳細情報は https://sloanreview.mit.edu/audio/me-myself-and-ai/ でご覧いただけます。本記事では、ポッドキャストの内容を要約しております。なお、本記事の内容は原著作者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルのポッドキャスト（https://www.youtube.com/watch?v=w2iQQiLmy2M）をお聴きいただくことをお勧めいたします。
ゲスト紹介：
Jeetu Patelは、Ciscoの社長兼チーフプロダクトオフィサーとして、製品デザインと開発の専門知識、運営上の厳密性、市場理解を組み合わせて高成長ビジネスを創出しています。彼は、顧客の問題を解決し、AI時代において組織のあらゆる側面を接続・保護する世界クラスの製品を構築する任務を担っています。以前はCiscoのゼネラルマネージャーとして、セキュリティおよびコラボレーション事業の戦略と開発を主導しました。
Cisco入社前は、クラウドコンテンツ管理企業Boxのチーフプロダクトオフィサー兼チーフストラテジーオフィサーを務めました。また、EMCでも複数の役職を歴任し、Syncplicity事業部門のCEO、Information Intelligence GroupのCMO、チーフストラテジーオフィサーなどを務めました。現在は商業用不動産サービス企業JLLの取締役も務めています。イリノイ大学シカゴ校で情報意思決定科学の学士号を取得し、サンフランシスコ・ベイエリアに在住しています。
ホスト紹介：
Sam Ransbothamは、ボストンカレッジのアナリティクス教授であり、MIT Sloan Management Reviewで2014年からデータ、アナリティクス、AIについて研究を続けています。
1. Ciscoの事業概要とAI時代におけるインフラの役割
1.1 Jeetu Patelの役割とCiscoの製品群
Sam Ransbotham: 今日のゲストは、AIが過大評価されていないと信じている方です。彼の主張がどのようにテクノロジーインフラやセキュリティと結びついているのか、これから詳しくお聞きしていきます。私はボストンカレッジでアナリティクスを教えているSam Ransbothamです。MIT Sloan Management Reviewで2014年からデータ、アナリティクス、AIについて研究を続けており、研究論文、年次業界レポート、ケーススタディ、そして現在12シーズン目となるこのポッドキャストを通じて成果を発表しています。各エピソードでは、企業リーダー、最先端の研究者、AI政策立案者の皆さんと一緒に、AIの誇大広告とAIの真の成功を分けるものは何かを紐解いていきます。
Sam Ransbotham: 本日はCiscoの社長兼チーフプロダクトオフィサーであるJeetu Patelさんにお越しいただきました。Jeetuさん、ご参加ありがとうございます。
Jeetu Patel: お招きいただきありがとうございます。参加できて嬉しいです。
Sam Ransbotham: 今この会話をしている間も、おそらく私たちが使っているインフラの90%の背後にはCiscoの機器があるわけですが、リスナーの中にはCiscoがどれほど幅広い事業を展開しているか詳しくご存じない方もいるかもしれません。まずはそこから始めましょう。Jeetuさん、Ciscoの背景と、特にあなたの役割について教えていただけますか。
Jeetu Patel: もちろんです。逆の順序から始めましょう。私はCiscoで製品部門を統括しています。つまり、皆さんがCiscoから使用する製品、ネットワーキング製品であれ、セキュリティ製品であれ、データ製品であれ、コラボレーション製品であれ、それらすべてを構築し市場に投入する責任を私が担っています。もちろん、非常に有能なチームと共にですが。
Jeetu Patel: 本質的に、Ciscoをどう考えるべきかというと、私たちはAI時代における重要インフラ企業なのです。人々が接続するために必要なすべての配管、接続中に安全を保つために必要なもの、そしてデータプラットフォームを確実に持てるようにするためのもの、これらが私たちが市場に提供しているものです。
Sam Ransbotham: あなたの言葉に、私たちをAIゴールドラッシュ時代におけるツルハシとシャベルだと考えてください、という引用を見ました。リスナーの方でご存じない方のために説明すると、ゴールドラッシュでお金を稼いだのは採掘者にツルハシとシャベルを売った人々だったという有名な、あるいは悪名高い話があります。個々の採掘者の中には大当たりした人もいましたが、そうでなかった人もいました。あなたの比喩はまさにその通りだと思います。
Jeetu Patel: そうですね。このような大規模な、私が破壊的プラットフォームシフトと呼ぶものを経験するときには、私たち全員が一定の前提条件のもとで特定の道を歩んできたのに、新しい技術群が登場することで前提条件が変わってしまうわけです。AIがまさにそれです。こうした状況で気づくのは、それらの技術を実行するために必要なインフラを再考し、再構築する必要があるということです。このような大きなプラットフォームシフトが起こるたびに、インフラプロバイダーはかなり良い成果を上げる傾向があります。なぜなら、使用される装置全体の配管を変更しなければならないからです。
1.2 「AIゴールドラッシュにおけるツルハシとシャベル」としての位置づけ
Jeetu Patel: 自動車が製造されたときのことを考えてみてください。自動車ができると、今度は道路が必要になり、高速道路が必要になり、信号機が必要になり、自動車が実際に社会に統合されるための全体的なシステムを整備する必要が出てきます。つまり、自動車だけでなく、その周辺のすべてを変える必要があるのです。
Jeetu Patel: 現在のAIについて考えてみると、これらのデジタルワーカーが存在することになるデータセンターは、完全に再構築されなければなりません。なぜなら、現在のデータセンターには、AIシステムが必要とするものを満たし、充足させるために必要な電力供給、コンピューティング要件、ネットワーク帯域幅がないからです。
Jeetu Patel: したがって、データセンターを再考し、再構築する必要があります。技術用語で言えば、データセンターを「リラック」する必要があるのです。というのも、何列にも及ぶコンピュータ、ネットワーク機器、スイッチング機器があり、これらを特定の方法で冷却する必要があるからです。こうした一連のシフト全体がまさに私たちが直面している状況であり、Ciscoはその自然な受益者なのです。なぜなら、私たちがAI時代のインフラを提供しているからです。
Sam Ransbotham: あなたが使っている比喩をいくつか振り返ると、ゴールドラッシュの話がありましたし、インターネットの話もありましたし、自動車の話もありました。人工知能はそのレベルの大きな変革なのでしょうか、それとも違うのでしょうか。
Jeetu Patel: もっと大きいかもしれないと思います。このような種類のシフトがどのように起こるかを見てきた経験から言えば、Amazon.comが1600年代に設立されたと想像してみてください。それは壮大に失敗した企業になっていたでしょう。なぜなら、インターネットもなく、Amazonが構築できる基盤となるインフラもなかったからです。配送や物流のインフラもインターネットも、そうしたすべての要素がなかったのです。
Jeetu Patel: 同様に、AIについて言えば、私たちは現在までに構築されたすべてのインフラを持っているという利点があります。そして、これらすべてのものを活用して何かが構築されるとき、定義上、その後に続く大きな変革の波は、以前のものよりも影響が大きくなる傾向があります。なぜなら、それは以前に起こったイノベーションという巨人の肩の上に構築されているからです。
Jeetu Patel: ですから、これはおそらく私たちが生涯で目にする最も重要な発明群であり、間違いなく人類にとっても最も重要なものの一つだと言えるでしょう。しかし、心に留めておくべきことは、イノベーションのペースと、それが起こる傾斜の速度が、実際に3年後に何が起こるかを予測することを不可能にしているということです。なぜなら、私たちは時間を圧縮してしまったからです。科学的進歩はおそらく1000倍に複利計算されるでしょう。そのため、この時間スケールが圧縮され、私たちは今、歪んだ状況にいるのです。すべてが非常に速く動いているため、人間にはこれを理解することができないのです。
1.3 プラットフォームシフトにおけるインフラ再構築の必要性
Sam Ransbotham: 実際、そこには話すべきことがたくさんあります。1600年代のAmazonという比喩は興味深いと思います。例えば、私たちは1980年代にはすでにニューラルネットワークの設計を持っていました。ただ、それを実現するためのコンピューティングインフラ、データ、通信技術がなかっただけです。そして、これらすべてが一緒になるのに時間がかかりました。あなたが言っているのは、これらすべてが今、私たちが構築するために揃っているということですね。
Jeetu Patel: 実際、当時は持っていなかった最大のものがあります。それがなければ、この発明は困難だったでしょう。AIは長い間存在していましたが、実際にいつ離陸したのでしょうか。それは2022年11月30日に離陸しました。この日付の何がそれほど重要だったのでしょうか。それはChatGPTが発表された日です。ChatGPTの何がそれほど重要だったのでしょうか。それは本質的に大規模言語モデルと呼ばれるものでした。
Jeetu Patel: そして大規模言語モデルとは、機械が硬直的で人間が機械の言語を学ばなければならないのではなく、実際に人間の言語を理解するモデルでした。それが逆になったのです。それはどのようにして起こったのでしょうか。それはインターネット上に公開されている何ペタバイトものデータがあり、それを使ってこれらのモデルを訓練できたために起こったのです。そうすることで、これらのモデルが何をすべきかを知るようになったのです。
Jeetu Patel: ですから、インターネットがなければAIは存在しなかったでしょう。なぜなら、モデルを訓練するためのそのレベルのデータを持っていなかったからです。これは、それぞれの発明や革命が前の革命によって提供されたインフラの上に構築されるという私たちの論点に戻ります。そして、このケースではそれが非常に明白なのです。
Sam Ransbotham: 私が祖父と最後に交わした会話の一つは、人生がどれほど変化したかということでした。電気もなく、屋内配管も限られており、飛行機も宇宙旅行もコンピュータもない状態から、彼が亡くなったときには、それがどれほど根本的に異なっていたか。当時、彼と話していたことを覚えています。「わあ、おじいちゃんはたくさんのことを経験したね。自分の生涯でそれほど大きく物事が変化するとは想像できないな」と言ったのですが、私はすぐにその言葉を撤回することになるかもしれません。
Jeetu Patel: 私たちは一般的に、人間は指数関数的な結果を想像するのが得意ではないというサイクルに陥っていると思います。私たちは線形の進行を想像するのは非常に得意ですが、結果の指数関数性は得意ではありません。そして、何が起こるかというと、私たちは指数関数性を単一次元で考えてしまい、多次元では考えないのです。
Jeetu Patel: 何年も前に、GoogleのRay Kurzweilという科学者の一人と座って話をする機会がありました。これは20年ほど前のことで、何かのために彼にインタビューをしていました。そして、私たちは生命の永続的延長という概念について話していました。人間は永遠に生きられるのか、永遠に生きるのに十分な期間生きられるのか、ということです。彼はこの本を書いていて、当時の彼の論点は、40歳まで生きれば、科学技術によって永続的に生きることができるようになるというものでした。
Jeetu Patel: 彼との私のコミュニケーションのテーマは、その社会的影響についてでした。私は「もし7世代が同時に生きたら、あるいは10世代が同時に生きたら、どうなるのでしょうか。それは本当に大変なことになります。なぜなら、すべての人を収容するのに十分な部屋がなくなりますし、すべての人を養うのに十分な資源もなくなるでしょう」と言いました。
Jeetu Patel: すると彼は「これが人間の問題なのです。私たちは実際に指数関数的に考えることができないのです。なぜなら、私たちは単一次元の指数関数性で考えるからです。つまり、7世代または10世代が同時に生きたら、他のすべてがまったく同じままで何が起こるかと考えてしまうのです。しかし現実には、2000階建ての超高層ビルができているかもしれません。3日間で済む作物サイクルができているかもしれません」と言いました。
Jeetu Patel: つまり、特定の領域で起こった発展によって生じる制約に対応できるように、それらすべてのものも同時に進化するということです。ここでも同じことだと感じます。人々が「人間はビーチに座って何もすることがなくなり、AIがすべてをやってくれる」と言うとき、私は少し笑ってしまいます。なぜなら、人間が時代遅れになるように設計されているとは信じられないからです。
Jeetu Patel: ですから、私たちは価値を付加し、創造的に考える方法を見つけ続けるでしょう。しかし、それは今日やっていることと同じことをやり続けるという意味ではありません。今日やっているすべての仕事が、私たちが持つことになる仕事ではないかもしれません。しかし、それは仕事がなくなるという意味でもありません。なぜなら、人間が生産的で社会に価値を付加したいという欲求は、何かが自動化されたからといってなくなるわけではないからです。ただ、過去には焦点を当てることができなかった、より高次のものに焦点を当てることができるようになるのです。
2. AIの影響規模 - 人類史上最大級の変革である理由
2.1 過去のイノベーションの肩の上に立つAI
Sam Ransbotham: まさにその通りです。そして、念のため後で私に突きつけられるように記録しておきますが、私は雇用の大幅な増加を予測しています。減少ではありません。インターネット以降、すべての進歩が可能になったにもかかわらず、インターネット以前よりも少ない仕事をしている人はいません。同じことが再び起こらないはずがないと思います。
Jeetu Patel: 私たちは反対の方向に向かっていると思います。一時的に仕事の置き換えが見られるでしょうし、それを軽視すべきではないと思います。なぜなら、人的苦痛を引き起こすからです。しかし、それが永続的な状態になるという意味ではありません。そして、心に留めておくべきことは、私たちが目撃し始めているパターンのおかげで、その置き換え期間を先取りできれば、以前の破壊的変化のときよりも効率的な方法で社会を再訓練できる可能性があるということです。
Jeetu Patel: そして、それはテクノロジーコミュニティ、公共セクターと民間セクターの協力が持つべき責任かもしれません。良い有益な結果として、なぜなら、異なるセクター間の協力の必要性がますます高まっていくと思うからです。そして、これは私が長期的には楽観主義者である傾向がある分野の一つです。ただし、これが持つ可能性のある短期的な影響、あるいは中期的な影響についてナイーブではありません。安全性やセキュリティに関して、またマイナス面の影響は深刻な結果をもたらす可能性があり、それを念頭に置く必要があります。しかし、私たちが時代遅れになる、あるいは付加価値がなくなるとは信じられません。それは不自然に思えるだけです。
Sam Ransbotham: そうですね。私たちは全体としてポジティブな効果を持つことができるが、その平均が社会全体でどのように展開されるかには大きな不均一性があり得る、というのはよくまとめられていると思います。そして、それについてナイーブでいることは長期的に私たちを傷つけることになるでしょう。
2.2 Amazon.comを1600年代に創業する思考実験
Sam Ransbotham: あなたはセキュリティについても言及しましたが、リラッキングやインフラの変更について話していたとき、私たちはすぐにルーター、モデム、通信、ハードウェア指向のものに話が移りました。しかし、インフラという観点であなたが非常に注力していることの一つは、セキュリティの概念と、それが生産性を妨げるものとして軽視されるのではなく、第一級のプレイヤーとしてどのように位置づけられるかということだと思います。
Sam Ransbotham: 私たちは常にある種の生産性とセキュリティのトレードオフを抱えてきました。しかし、あなたはもうそのトレードオフをする必要がないかもしれないと言及していたと思います。セキュリティをインフラの一部にするために、どのように支援できるでしょうか。
Jeetu Patel: まず第一に、この特定の時代において、セキュリティはAIの成功的な採用の前提条件になると思います。なぜなら、人々がこれらのシステムを信頼しなければ、使用しないからです。これは過去とは非常に異なります。過去には、セキュリティを必要な生産性の障害と考えていました。もはやそうではありません。今では、それはAIの成功的な採用のための前提条件に過ぎません。
Jeetu Patel: しかし、さらに一歩下がって、私たちがまだ非常に線形に考えている部分はどこかを言う価値があると思います。AIが最も過小評価されていると私が感じている点は、これがただの生産性ゲームだと考え続けていることです。人間がより生産的になり、物事がより安く、より速く、より良く起こるようになる、と。実際、それは第一次的な効果に過ぎないと思います。
Jeetu Patel: 第二次的な効果は、これらのAIモデルが実際に見られるようになり始めるということです。そして、大規模言語モデルが最終的な到達点になるかどうかさえ明確ではありません。大規模世界モデルや物理モデルが登場するでしょう。これらすべてのものが組み合わさり始めるでしょう。しかし、新しいパラダイムが何であれ、最終的にそれがある時点で終わり、既存のものは人間の知識体系に存在しなかった独創的な洞察を創造し始めるでしょう。それらは単なる集約メカニズムとしては見られません。複数の異なる視点を取るところとしては見られません。
Jeetu Patel: そして、これは単により良い検索エンジンではありません。人間が何らかのデータを持っていて、そのデータをうまくインデックス化し、それをきれいな段落にまとめることができるというものではないのです。それは人間の知識体系に存在しなかった独創的な洞察を創造し始めるのです。
Jeetu Patel: そして、それが起こったとき、変わることは、以前には夢にも思わなかった問題を解決することを想像できるようになるということです。そして、それは単に生産性のために最適化することをはるかに超えています。そして、それがAIの最も誤解されている部分だと感じます。「ああ、私はただより生産的になるだけだ」と。生産性の使用は方程式の10%程度になるでしょう。以前にはできなかったことをやり、以前には解決できなかった問題を、以前には夢にも思わなかった方法で解決することが、おそらく90%の要素になるでしょう。
2.3 圧縮された時間軸と予測不可能な3年後の未来
Sam Ransbotham: そうですね、生産性効果を最初に観察するというアイデアは好きです。あなたが言うように、それらは第一次的なものですから。しかし、企業や人々はその90%で何ができるかについて、どのように考え始めればよいのでしょうか。生産性はかなり魅力的ですよね。つまり、私は生産性の向上が好きです。それから離れるのは難しいでしょうし、あるいは、離れるというのは、どちらか一方を選ばなければならないというホブソンの選択のようにしてしまっているのかもしれません。しかし、人々はこの90%、つまり生産性以上のオプションについて、どのように考え始めればよいのでしょうか。
Jeetu Patel: AIが過小評価されていると考えている人とは、これまで話したことがありません。そして、私たちはここでそれを記録に残していると思います。過大評価されていると思うのは、人間の時代遅れ化がほぼ既成事実として一部の人々の心の中で確定してしまっている部分です。そこが過大評価されていると思います。なぜなら、人間の本能と人間の判断は、機械が物事を行う能力で複製するのがまだかなり難しいと感じるからです。私たちはほとんどの決定をデータに基づいて下しているわけではないからです。
Jeetu Patel: 私たちは多くの決定を直感に基づいて下しています。そして、その直感を複製するのは難しいのです。一般的に人々が「直感に従いなさい」と言うのには理由があります。触知できる本能があるのです。しかし、あなたの質問に戻ると、企業は何を考えるべきでしょうか。ちなみに、私は生産性の議論を強く推奨します。誰もが生産性について考え、それを推し進め続けるべきだと思います。それは私たち全員が受け取る素晴らしい恩恵になるでしょう。
Jeetu Patel: 真の解放が実際に来るのは、従来の思考の規範に挑戦し、私たちが解決できないと条件付けられてきた問題は何か、そしてそれらは今後も過去と同じように解決不可能なのかと自問することによってだと思います。そして、実際に非常に異なる答えが見つかり始めると感じます。現状に対してより多くの疑問を持つ必要があると感じます。
Jeetu Patel: そして、それを行う方法として、私の考えでは、一つの最も大きな指数関数的な違いをもたらすものは、学習するのと同じくらいアンラーニングしなければならないということです。そして、アンラーニングには、実際に新しい人材を非常に速いペースでシステムに注入し、その人材に創造的自由を与えることが必要です。そうすることで、あなたが彼らを指導するのと同じくらい、彼らによって指導されるようになるのです。
Jeetu Patel: これは最近、私が出席したカンファレンスでの会話でした。人々は「エントリーレベルの仕事はなくなり、キャリア初期の人々を雇わなくなる」と言っていました。これは私の考えでは、企業が追求できる最も愚かなアイデアのように思えます。なぜなら、実際に新しい人々を雇わなければ、思考プロセスへの新しい人材と新しいアイデアの注入を本質的に放棄したことになるからです。
Jeetu Patel: そして、経験というこの荷物は常にあなたを引き止めます。なぜなら、あなたは多くのことを知っているため、企業としてアンラーニングが得意でないかもしれず、そのアンラーニングを扇動し促進する他の人もいないからです。彼らは知るという荷物を持っていなかったために質問をすることができたのです。キャリア初期の人材の継続的な注入が、企業がそこから最大限のものを得るために非常に重要になると感じます。なぜなら、過去に使っていたのとは非常に異なる方法で、人間に奉仕するこれらのツールを本能的に使う方法を理解しなければならないからです。
Jeetu Patel: そして今のところ、率直に言って、20歳の人と28歳の人を比較して、彼らがどのようにAIを使うかを見ると、それは昼と夜ほど違います。28歳の人は実際に生産性のために使うかもしれません。いくつか答えを得るために質問をして、それから次に進みます。20歳の人はそれをコンパニオンやブレインストーミングパートナーのように考えています。そして、実際にそれと話し、ブレインストーミングして、アイデアに到達できるようにします。彼らは答えを探しているのではありません。実質的なやり取りとブレインストーミングを探しているのです。
Jeetu Patel: 私はそれをCiscoに来るインターンから学びました。ですから、企業として、誰かが私たちを破壊する前に、自分たち自身に挑戦し破壊し続けることを確実にしなければならない、という側面を心に留めておく必要があると思います。ちなみに、イノベーションは限定的なものではありません。これは人々が完全に非生産的な方法で区分けする一つのことです。つまり、小さなスタートアップは非常に速くイノベーションを起こし、大企業になるとイノベーションを止める、というものです。私はそれはナンセンスだと思います。なぜなら、イノベーションは特定のグループの人々に限定されるようなものではないからです。
Jeetu Patel: 誰でもいつでもイノベーションを起こすことを選択できます。ただ、適切なメンタルモデルとマインドセットを持つ必要があるだけです。そして、やらなければならないことは、官僚主義に屈するという誘惑と戦うことです。ですから、官僚主義に挑戦し、現状に挑戦する人々が入ってくることを許可してください。そうすれば、定義上、その副産物は発明になるでしょう。
3. AIブレイクスルーの本質的条件
3.1 2022年11月30日のChatGPT登場が画期的だった理由
Sam Ransbotham: アンラーニングのアイデアは本当に私の心に響きます。エピソードからそこをカットしなければならないと思います。なぜなら、私の子供たちにそれを聞かせて、私が知恵に満ちているわけではなく、彼らのアイデアが重要だと思わせたくないからです。しかし、それは私に訴えかけます。なぜなら、私のキャリアで現在の位置に到達させた多くのことが、必ずしも人生の次の段階を進んでいくように見えることではないからです。
Sam Ransbotham: ですから、アンラーニングは理にかなっていますが、同時に、どのことをアンラーニングすべきで、どのことをアンラーニングすべきでないのか、判断するのが難しいと感じます。そして、企業も同じ問題を抱えているに違いないと思います。彼らは何らかの戦略的なコアコンピタンスを通じて成功したのです。そして、すべてをアンラーニングするというアイデアは、あまりにも包括的すぎるように思えます。
Jeetu Patel: すべてをアンラーニングする必要があるとは思いません。人間は互いの学習の上に構築していきます。そして、これまでに作られた最も重要な発明の一つは印刷機でした。なぜなら、ある世代から別の世代へと学習を非常に具体的な方法で伝えることができるようになったからです。ですから、言語、文字、印刷機の組み合わせ、そして他者と知識を共有したいという究極の欲求（これは私たちに本能的なものです）、そして他者の学習から学びたいという究極の欲求（これも私たちに本能的なものです）が、実際に非常に価値があったのです。
Jeetu Patel: ですから、すべてをアンラーニングすべきだとは思いませんが、経験と未経験を組み合わせることは本当に価値があると信じています。そして、組織の気風の中で双方向のメンターシップが行われていることを確実にできれば、経験豊富な人々が初期参入者をコーチし、ちなみに初期参入者とは常に若い人々を意味するわけではありません。なぜなら、まったく新しい領域では私も未経験者になり得るからです。
Jeetu Patel: ですから、時々、自分自身を不快な場所に強制的に置き、新しいことを学べる新しい領域に入り、従来の知恵ではないかもしれない質問をすることがあります。私が本当に重要だと思うのは、従来の知恵が多くの場合役立つということです。そして多くの場合、従来の知恵は私たちが探求したいものを探求することを妨げ、それによって不必要な障壁を作り出すのです。それが私たちがアンドゥしなければならないことです。
Jeetu Patel: それが組織が異なる考え方をする機会があると感じる領域です。インターンを指導するだけではいけません。逆メンターシッププログラムも持つべきです。ですから、インターンと1時間過ごすなら、主要な目標の一つは、その30分間は彼らだけでなく、自分自身も何かを得ることを確実にすることです。一方向ではなく、双方向なのです。
Jeetu Patel: この会話であなたと交わしているこの対話で、私は自分が説いていることを実践していると思います。なぜなら、私は常に何も知らない領域に入ろうとしてきたからです。そして、それが私を好奇心旺盛にし、意欲的にし、学び続けさせることを見出しました。そして、それはまた、愚かな質問をする許可を私に与えてくれます。それは時々、特定の領域で持たなければならない経験の重荷から私を解放してくれます。そして、他の領域では、システムにいる年数が、それらのパターンが変更不可能だと考えない限り、実際に恩恵を受けるパターンを教えてくれます。
Jeetu Patel: 私は常に「強い意見を緩く保持する」というのが良いモデルだと考えています。つまり、新しい議論や新しいデータで完全に覆すことができるものです。私がコンピュータに入ったのは、前の晩にある叔父が、ビジネス管理に入るよりも良いように思えると言ったからでした。それでコンピュータをクラスとして取り、そこから興味を持ち、そこからコンサルティングに入りました。そして長い間コンサルティングをしました。
Jeetu Patel: 自分のビジネスを始め、その後、コンサルティングはしばらくすると退屈になりました。なぜなら、そのビジネスに指数関数的なスケールがないと感じたからです。そして、スケールに魅力を感じたので、スケールについて学びたいと思いました。それでソフトウェアに入り、ソフトウェアから一つのことが別のことにつながり、製品に入りました。製品はクラウドで物事をやり始めたので、使うのが楽しくなりました。そして、クラウドはAIから恩恵を受け始めたので、楽しくなりました。
Jeetu Patel: 私が使ってきた公式は、メガトレンドと決して戦わず、それを追い風として使い、メガトレンドとハイプサイクルの違いを知るということです。ですから、メガトレンドが何で、ハイプサイクルが何かを効果的に推論し、メガトレンドと戦わず、ハイプサイクルを無視できれば、社会において有利な立場にいることになります。
Jeetu Patel: さて、ちなみに、指導的な質問は、どうやって違いを知るのかということです。そして私の考えでは、簡単な公式があります。それは、何かの利点を説明するのに博士号を持つ人が必要な場合、それはハイプサイクルです。利点が何であるかが即座に明白で、5ステップ先を想像できる場合、それはおそらくメガトレンドです。
3.2 大規模言語モデルによるパラダイムシフト
Sam Ransbotham: ポッドキャストで私たちがよくやることの一つは、これまで非常に会話指向だったので、今度はラピッドファイア質問に切り替えて、頭に浮かんだ最初のことを言ってもらうことです。人工知能について、あなたの予想よりも速く動いていることは何ですか、それとも遅く動いていることは何ですか。
Jeetu Patel: 速く動いているのは変化率です。そして遅く動いているのは、組織が実際に具体的な価値を見出し始めているユースケースです。テクノロジーは速く動いていますが、採用は遅く動いています。
Sam Ransbotham: これまでのところ、個人的に人工知能の最良の使用法は何でしたか。
Jeetu Patel: 研究です。特定の領域で巧みになるのに、過去にかかったであろう時間の何分の一かで済むようになったことは、もしAIがなければ、現在の仕事を引き受けて、これほど速く理解することはできなかったと思います。私はAIの直接的な受益者です。もしAIがなかったら、私の家族は今日のような形で養われていません。それほど単純なことです。
Sam Ransbotham: AIにもっとうまくやってほしいこと、またはAIについてあなたをイライラさせることは何ですか。
Jeetu Patel: 私たちはまだ非常にチャットベースのインターフェースにいると思います。しかし、私たちは次のフェーズに確実に入っています。それはエージェントがタスクや仕事を完全に自律的に実行できるようになることです。私は一日の中でまだやりたくないことをたくさんやっています。いつかAIが私の皿から取り除いてくれると思いますが、まだそこまで到達していないと思います。
Sam Ransbotham: そうですね。それには賛成です。人工知能を使うことで、テクノロジーと過ごす時間は増えましたか、それとも減りましたか。
Jeetu Patel: 増えました。なぜなら、私はただ好奇心があるからです。ですから、毎晩9時から深夜まで、ほぼ学習モードで過ごしています。これはAI以前にはそれほど真剣にやっていなかったことです。
3.3 インターネット上の膨大なデータが可能にした学習
Sam Ransbotham: あなたと話して学ぶことができて魅力的でした。メガトレンドと決して戦うなというフレーズが気に入りました。そして、もしあなたがAIが過小評価されていると言うことが正しければ、そしてあなたはいくつかの説得力のある議論をしてくれたと思いますが、私たちは本当の変革の真っ只中にいるということです。今日お話しする時間を取っていただきありがとうございました。
Jeetu Patel: お招きいただきありがとうございました。
Sam Ransbotham: 今日の会話を楽しんでいただけたことを願います。2週間後には、ExperianのチーフイノベーションオフィサーであるKathleen Petersさんをお迎えします。ぜひお聴きください。Me, Myself, and AIをお聴きいただきありがとうございました。私たちの番組が継続できているのは、主にリスナーの皆様のサポートのおかげです。皆様のストリーミングとダウンロードが大きな違いを生んでいます。もし時間があれば、Apple Podcastのレビューを残すか、Spotifyで評価をしていただき、興味深く役立つと思われる他の方々と私たちの番組を共有していただければ幸いです。
4. 指数関数的変化と人間の認知限界
4.1 線形思考から多次元的指数関数思考への転換
Sam Ransbotham: 私が祖父と最後に交わした会話の一つは、人生がどれほど変化したかということでした。電気もなく、屋内配管も限られており、飛行機も宇宙旅行もコンピュータもない状態から、彼が亡くなったときには、それがどれほど根本的に異なっていたか。当時、彼と話していたことを覚えています。「わあ、おじいちゃんはたくさんのことを経験したね。自分の生涯でそれほど大きく物事が変化するとは想像できないな」と言ったのですが、私はすぐにその言葉を撤回することになるかもしれません。
Jeetu Patel: 私たちは一般的に、人間は指数関数的な結果を想像するのが得意ではないというサイクルに陥っていると思います。私たちは線形の進行を想像するのは非常に得意ですが、結果の指数関数性は得意ではありません。そして、何が起こるかというと、私たちは指数関数性を単一次元で考えてしまい、多次元では考えないのです。
4.2 Ray Kurzweilとの対話 - 永続的生命延長の社会的影響
Jeetu Patel: 何年も前に、GoogleのRay Kurzweilという科学者の一人と座って話をする機会がありました。これは20年ほど前のことで、何かのために彼にインタビューをしていました。そして、私たちは生命の永続的延長という概念について話していました。人間は永遠に生きられるのか、永遠に生きるのに十分な期間生きられるのか、ということです。彼はこの本を書いていて、当時の彼の論点は、40歳まで生きれば、科学技術によって永続的に生きることができるようになるというものでした。
Jeetu Patel: 彼との私のコミュニケーションのテーマは、その社会的影響についてでした。私は「もし7世代が同時に生きたら、あるいは10世代が同時に生きたら、どうなるのでしょうか。それは本当に大変なことになります。なぜなら、すべての人を収容するのに十分な部屋がなくなりますし、すべての人を養うのに十分な資源もなくなるでしょう」と言いました。
Jeetu Patel: すると彼は「これが人間の問題なのです。私たちは実際に指数関数的に考えることができないのです。なぜなら、私たちは単一次元の指数関数性で考えるからです。つまり、7世代または10世代が同時に生きたら、他のすべてがまったく同じままで何が起こるかと考えてしまうのです。しかし現実には、2000階建ての超高層ビルができているかもしれません。3日間で済む作物サイクルができているかもしれません」と言いました。
Jeetu Patel: つまり、特定の領域で起こった発展によって生じる制約に対応できるように、それらすべてのものも同時に進化するということです。ここでも同じことだと感じます。
4.3 人間の不要化という過大評価への反論
Jeetu Patel: 人々が「人間はビーチに座って何もすることがなくなり、AIがすべてをやってくれる」と言うとき、私は少し笑ってしまいます。なぜなら、人間が時代遅れになるように設計されているとは信じられないからです。ですから、私たちは価値を付加し、創造的に考える方法を見つけ続けるでしょう。しかし、それは今日やっていることと同じことをやり続けるという意味ではありません。
Jeetu Patel: 今日やっているすべての仕事が、私たちが持つことになる仕事ではないかもしれません。しかし、それは仕事がなくなるという意味でもありません。なぜなら、人間が生産的で社会に価値を付加したいという欲求は、何かが自動化されたからといってなくなるわけではないからです。ただ、過去には焦点を当てることができなかった、より高次のものに焦点を当てることができるようになるのです。
Sam Ransbotham: まさにその通りです。そして、念のため後で私に突きつけられるように記録しておきますが、私は雇用の大幅な増加を予測しています。減少ではありません。インターネット以降、すべての進歩が可能になったにもかかわらず、インターネット以前よりも少ない仕事をしている人はいません。同じことが再び起こらないはずがないと思います。
Jeetu Patel: 私はそれが過大評価されていると思うのは、人間の時代遅れ化がほぼ既成事実として一部の人々の心の中で確定してしまっている部分です。そこが過大評価されていると思います。なぜなら、人間の本能と人間の判断は、機械が物事を行う能力で複製するのがまだかなり難しいと感じるからです。私たちはほとんどの決定をデータに基づいて下しているわけではないからです。私たちは多くの決定を直感に基づいて下しています。そして、その直感を複製するのは難しいのです。一般的に人々が「直感に従いなさい」と言うのには理由があります。触知できる本能があるのです。
5. 雇用の未来と人材育成の責任
5.1 一時的な雇用の置き換えと再訓練の重要性
Jeetu Patel: 私たちは反対の方向に向かっていると思います。一時的に仕事の置き換えが見られるでしょうし、それを軽視すべきではないと思います。なぜなら、人的苦痛を引き起こすからです。しかし、それが永続的な状態になるという意味ではありません。そして、心に留めておくべきことは、私たちが目撃し始めているパターンのおかげで、その置き換え期間を先取りできれば、以前の破壊的変化のときよりも効率的な方法で社会を再訓練できる可能性があるということです。
5.2 官民連携による社会的責任
Jeetu Patel: そして、それはテクノロジーコミュニティ、公共セクターと民間セクターの協力が持つべき責任かもしれません。良い有益な結果として、なぜなら、異なるセクター間の協力の必要性がますます高まっていくと思うからです。そして、これは私が長期的には楽観主義者である傾向がある分野の一つです。
5.3 長期的楽観主義と短中期的リスクのバランス
Jeetu Patel: ただし、これが持つ可能性のある短期的な影響、あるいは中期的な影響についてナイーブではありません。安全性やセキュリティに関して、またマイナス面の影響は深刻な結果をもたらす可能性があり、それを念頭に置く必要があります。しかし、私たちが時代遅れになる、あるいは付加価値がなくなるとは信じられません。それは不自然に思えるだけです。
Sam Ransbotham: そうですね。私たちは全体としてポジティブな効果を持つことができるが、その平均が社会全体でどのように展開されるかには大きな不均一性があり得る、というのはよくまとめられていると思います。そして、それについてナイーブでいることは長期的に私たちを傷つけることになるでしょう。
6. セキュリティの新しいパラダイム
6.1 生産性の障害からAI採用の前提条件へ
Sam Ransbotham: あなたはセキュリティについても言及しましたが、リラッキングやインフラの変更について話していたとき、私たちはすぐにルーター、モデム、通信、ハードウェア指向のものに話が移りました。しかし、インフラという観点であなたが非常に注力していることの一つは、セキュリティの概念と、それが生産性を妨げるものとして軽視されるのではなく、第一級のプレイヤーとしてどのように位置づけられるかということだと思います。私たちは常にある種の生産性とセキュリティのトレードオフを抱えてきました。しかし、あなたはもうそのトレードオフをする必要がないかもしれないと言及していたと思います。セキュリティをインフラの一部にするために、どのように支援できるでしょうか。
Jeetu Patel: まず第一に、この特定の時代において、セキュリティはAIの成功的な採用の前提条件になると思います。なぜなら、人々がこれらのシステムを信頼しなければ、使用しないからです。これは過去とは非常に異なります。過去には、セキュリティを必要な生産性の障害と考えていました。もはやそうではありません。今では、それはAIの成功的な採用のための前提条件に過ぎません。
6.2 信頼がなければ採用されないシステム
Jeetu Patel: しかし、さらに一歩下がって、私たちがまだ非常に線形に考えている部分はどこかを言う価値があると思います。AIが最も過小評価されていると私が感じている点は、これがただの生産性ゲームだと考え続けていることです。人間がより生産的になり、物事がより安く、より速く、より良く起こるようになる、と。実際、それは第一次的な効果に過ぎないと思います。
7. AIの最も過小評価されている側面
7.1 生産性向上は一次効果に過ぎない（10%の価値）
Jeetu Patel: AIが最も過小評価されていると私が感じている点は、これがただの生産性ゲームだと考え続けていることです。人間がより生産的になり、物事がより安く、より速く、より良く起こるようになる、と。実際、それは第一次的な効果に過ぎないと思います。
Jeetu Patel: そして、それは単に生産性のために最適化することをはるかに超えています。そして、それがAIの最も誤解されている部分だと感じます。「ああ、私はただより生産的になるだけだ」と。生産性の使用は方程式の10%程度になるでしょう。以前にはできなかったことをやり、以前には解決できなかった問題を、以前には夢にも思わなかった方法で解決することが、おそらく90%の要素になるでしょう。
7.2 人類の知識体系に存在しない独創的洞察の創出（90%の価値)
Jeetu Patel: 第二次的な効果は、これらのAIモデルが実際に見られるようになり始めるということです。そして、大規模言語モデルが最終的な到達点になるかどうかさえ明確ではありません。大規模世界モデルや物理モデルが登場するでしょう。これらすべてのものが組み合わさり始めるでしょう。しかし、新しいパラダイムが何であれ、最終的にそれがある時点で終わり、既存のものは人間の知識体系に存在しなかった独創的な洞察を創造し始めるでしょう。それらは単なる集約メカニズムとしては見られません。複数の異なる視点を取るところとしては見られません。
Jeetu Patel: そして、これは単により良い検索エンジンではありません。人間が何らかのデータを持っていて、そのデータをうまくインデックス化し、それをきれいな段落にまとめることができるというものではないのです。それは人間の知識体系に存在しなかった独創的な洞察を創造し始めるのです。
7.3 従来解決不可能だった問題への取り組み可能性
Jeetu Patel: そして、それが起こったとき、変わることは、以前には夢にも思わなかった問題を解決することを想像できるようになるということです。そして、それは単に生産性のために最適化することをはるかに超えています。そして、それがAIの最も誤解されている部分だと感じます。「ああ、私はただより生産的になるだけだ」と。生産性の使用は方程式の10%程度になるでしょう。以前にはできなかったことをやり、以前には解決できなかった問題を、以前には夢にも思わなかった方法で解決することが、おそらく90%の要素になるでしょう。
8. 企業がAIの真価を引き出すための戦略
8.1 学習と同等に重要な「アンラーニング」
Sam Ransbotham: そうですね、生産性効果を最初に観察するというアイデアは好きです。あなたが言うように、それらは第一次的なものですから。しかし、企業や人々はその90%で何ができるかについて、どのように考え始めればよいのでしょうか。生産性はかなり魅力的ですよね。つまり、私は生産性の向上が好きです。それから離れるのは難しいでしょうし、あるいは、離れるというのは、どちらか一方を選ばなければならないというホブソンの選択のようにしてしまっているのかもしれません。しかし、人々はこの90%、つまり生産性以上のオプションについて、どのように考え始めればよいのでしょうか。
Jeetu Patel: ちなみに、私は生産性の議論を強く推奨します。誰もが生産性について考え、それを推し進め続けるべきだと思います。それは私たち全員が受け取る素晴らしい恩恵になるでしょう。真の解放が実際に来るのは、従来の思考の規範に挑戦し、私たちが解決できないと条件付けられてきた問題は何か、そしてそれらは今後も過去と同じように解決不可能なのかと自問することによってだと思います。そして、実際に非常に異なる答えが見つかり始めると感じます。現状に対してより多くの疑問を持つ必要があると感じます。
Jeetu Patel: そして、それを行う方法として、私の考えでは、一つの最も大きな指数関数的な違いをもたらすものは、学習するのと同じくらいアンラーニングしなければならないということです。そして、アンラーニングには、実際に新しい人材を非常に速いペースでシステムに注入し、その人材に創造的自由を与えることが必要です。そうすることで、あなたが彼らを指導するのと同じくらい、彼らによって指導されるようになるのです。
8.2 新人材の継続的注入と双方向メンターシップ
Jeetu Patel: これは最近、私が出席したカンファレンスでの会話でした。人々は「エントリーレベルの仕事はなくなり、キャリア初期の人々を雇わなくなる」と言っていました。これは私の考えでは、企業が追求できる最も愚かなアイデアのように思えます。なぜなら、実際に新しい人々を雇わなければ、思考プロセスへの新しい人材と新しいアイデアの注入を本質的に放棄したことになるからです。
Jeetu Patel: そして、経験というこの荷物は常にあなたを引き止めます。なぜなら、あなたは多くのことを知っているため、企業としてアンラーニングが得意でないかもしれず、そのアンラーニングを扇動し促進する他の人もいないからです。彼らは知るという荷物を持っていなかったために質問をすることができたのです。キャリア初期の人材の継続的な注入が、企業がそこから最大限のものを得るために非常に重要になると感じます。なぜなら、過去に使っていたのとは非常に異なる方法で、人間に奉仕するこれらのツールを本能的に使う方法を理解しなければならないからです。
Jeetu Patel: それが組織が異なる考え方をする機会があると感じる領域です。インターンを指導するだけではいけません。逆メンターシッププログラムも持つべきです。ですから、インターンと1時間過ごすなら、主要な目標の一つは、その30分間は彼らだけでなく、自分自身も何かを得ることを確実にすることです。一方向ではなく、双方向なのです。
Jeetu Patel: ですから、すべてをアンラーニングすべきだとは思いませんが、経験と未経験を組み合わせることは本当に価値があると信じています。そして、組織の気風の中で双方向のメンターシップが行われていることを確実にできれば、経験豊富な人々が初期参入者をコーチし、ちなみに初期参入者とは常に若い人々を意味するわけではありません。なぜなら、まったく新しい領域では私も未経験者になり得るからです。
Jeetu Patel: ですから、時々、自分自身を不快な場所に強制的に置き、新しいことを学べる新しい領域に入り、従来の知恵ではないかもしれない質問をすることがあります。私が本当に重要だと思うのは、従来の知恵が多くの場合役立つということです。そして多くの場合、従来の知恵は私たちが探求したいものを探求することを妨げ、それによって不必要な障壁を作り出すのです。それが私たちがアンドゥしなければならないことです。
8.3 世代間のAI利用の違い - Ciscoインターンからの学び
Jeetu Patel: そして今のところ、率直に言って、20歳の人と28歳の人を比較して、彼らがどのようにAIを使うかを見ると、それは昼と夜ほど違います。28歳の人は実際に生産性のために使うかもしれません。いくつか答えを得るために質問をして、それから次に進みます。20歳の人はそれをコンパニオンやブレインストーミングパートナーのように考えています。そして、実際にそれと話し、ブレインストーミングして、アイデアに到達できるようにします。彼らは答えを探しているのではありません。実質的なやり取りとブレインストーミングを探しているのです。
Jeetu Patel: 私はそれをCiscoに来るインターンから学びました。ですから、企業として、誰かが私たちを破壊する前に、自分たち自身に挑戦し破壊し続けることを確実にしなければならない、という側面を心に留めておく必要があると思います。
9. イノベーションの本質と組織文化
Jeetu Patel: ちなみに、イノベーションは限定的なものではありません。これは人々が完全に非生産的な方法で区分けする一つのことです。つまり、小さなスタートアップは非常に速くイノベーションを起こし、大企業になるとイノベーションを止める、というものです。私はそれはナンセンスだと思います。なぜなら、イノベーションは特定のグループの人々に限定されるようなものではないからです。誰でもいつでもイノベーションを起こすことを選択できます。ただ、適切なメンタルモデルとマインドセットを持つ必要があるだけです。
Jeetu Patel: そして、やらなければならないことは、官僚主義に屈するという誘惑と戦うことです。ですから、官僚主義に挑戦し、現状に挑戦する人々が入ってくることを許可してください。そうすれば、定義上、その副産物は発明になるでしょう。
Sam Ransbotham: アンラーニングのアイデアは本当に私の心に響きます。エピソードからそこをカットしなければならないと思います。なぜなら、私の子供たちにそれを聞かせて、私が知恵に満ちているわけではなく、彼らのアイデアが重要だと思わせたくないからです。しかし、それは私に訴えかけます。なぜなら、私のキャリアで現在の位置に到達させた多くのことが、必ずしも人生の次の段階を進んでいくように見えることではないからです。ですから、アンラーニングは理にかなっていますが、同時に、どのことをアンラーニングすべきで、どのことをアンラーニングすべきでないのか、判断するのが難しいと感じます。そして、企業も同じ問題を抱えているに違いないと思います。彼らは何らかの戦略的なコアコンピタンスを通じて成功したのです。そして、すべてをアンラーニングするというアイデアは、あまりにも包括的すぎるように思えます。
Jeetu Patel: すべてをアンラーニングする必要があるとは思いません。人間は互いの学習の上に構築していきます。そして、これまでに作られた最も重要な発明の一つは印刷機でした。なぜなら、ある世代から別の世代へと学習を非常に具体的な方法で伝えることができるようになったからです。ですから、言語、文字、印刷機の組み合わせ、そして他者と知識を共有したいという究極の欲求（これは私たちに本能的なものです）、そして他者の学習から学びたいという究極の欲求（これも私たちに本能的なものです）が、実際に非常に価値があったのです。
Jeetu Patel: ですから、すべてをアンラーニングすべきだとは思いませんが、経験と未経験を組み合わせることは本当に価値があると信じています。そして、組織の気風の中で双方向のメンターシップが行われていることを確実にできれば、経験豊富な人々が初期参入者をコーチし、ちなみに初期参入者とは常に若い人々を意味するわけではありません。なぜなら、まったく新しい領域では私も未経験者になり得るからです。
Jeetu Patel: ですから、時々、自分自身を不快な場所に強制的に置き、新しいことを学べる新しい領域に入り、従来の知恵ではないかもしれない質問をすることがあります。私が本当に重要だと思うのは、従来の知恵が多くの場合役立つということです。そして多くの場合、従来の知恵は私たちが探求したいものを探求することを妨げ、それによって不必要な障壁を作り出すのです。それが私たちがアンドゥしなければならないことです。
Jeetu Patel: この会話であなたと交わしているこの対話で、私は自分が説いていることを実践していると思います。なぜなら、私は常に何も知らない領域に入ろうとしてきたからです。そして、それが私を好奇心旺盛にし、意欲的にし、学び続けさせることを見出しました。そして、それはまた、愚かな質問をする許可を私に与えてくれます。それは時々、特定の領域で持たなければならない経験の重荷から私を解放してくれます。そして、他の領域では、システムにいる年数が、それらのパターンが変更不可能だと考えない限り、実際に恩恵を受けるパターンを教えてくれます。
Jeetu Patel: 私は常に「強い意見を緩く保持する」というのが良いモデルだと考えています。つまり、新しい議論や新しいデータで完全に覆すことができるものです。
10. メガトレンドとハイプサイクルの見極め
10.1 Jeetu Patelのキャリア哲学 - メガトレンドと戦うな
Jeetu Patel: 私がコンピュータに入ったのは、前の晩にある叔父が、ビジネス管理に入るよりも良いように思えると言ったからでした。それでコンピュータをクラスとして取り、そこから興味を持ち、そこからコンサルティングに入りました。そして長い間コンサルティングをしました。自分のビジネスを始め、その後、コンサルティングはしばらくすると退屈になりました。なぜなら、そのビジネスに指数関数的なスケールがないと感じたからです。そして、スケールに魅力を感じたので、スケールについて学びたいと思いました。
Jeetu Patel: それでソフトウェアに入り、ソフトウェアから一つのことが別のことにつながり、製品に入りました。製品はクラウドで物事をやり始めたので、使うのが楽しくなりました。そして、クラウドはAIから恩恵を受け始めたので、楽しくなりました。私が使ってきた公式は、メガトレンドと決して戦わず、それを追い風として使い、メガトレンドとハイプサイクルの違いを知るということです。
Jeetu Patel: ですから、メガトレンドが何で、ハイプサイクルが何かを効果的に推論し、メガトレンドと戦わず、ハイプサイクルを無視できれば、社会において有利な立場にいることになります。
10.2 判別の簡単な公式 - 説明に博士号が必要かどうか
Jeetu Patel: さて、ちなみに、指導的な質問は、どうやって違いを知るのかということです。そして私の考えでは、簡単な公式があります。それは、何かの利点を説明するのに博士号を持つ人が必要な場合、それはハイプサイクルです。利点が何であるかが即座に明白で、5ステップ先を想像できる場合、それはおそらくメガトレンドです。
10.3 個人的なAI活用と今後への期待
Sam Ransbotham: ポッドキャストで私たちがよくやることの一つは、これまで非常に会話指向だったので、今度はラピッドファイア質問に切り替えて、頭に浮かんだ最初のことを言ってもらうことです。人工知能について、あなたの予想よりも速く動いていることは何ですか、それとも遅く動いていることは何ですか。
Jeetu Patel: 速く動いているのは変化率です。そして遅く動いているのは、組織が実際に具体的な価値を見出し始めているユースケースです。テクノロジーは速く動いていますが、採用は遅く動いています。
Sam Ransbotham: これまでのところ、個人的に人工知能の最良の使用法は何でしたか。
Jeetu Patel: 研究です。特定の領域で巧みになるのに、過去にかかったであろう時間の何分の一かで済むようになったことは、もしAIがなければ、現在の仕事を引き受けて、これほど速く理解することはできなかったと思います。私はAIの直接的な受益者です。もしAIがなかったら、私の家族は今日のような形で養われていません。それほど単純なことです。
Sam Ransbotham: AIにもっとうまくやってほしいこと、またはAIについてあなたをイライラさせることは何ですか。
Jeetu Patel: 私たちはまだ非常にチャットベースのインターフェースにいると思います。しかし、私たちは次のフェーズに確実に入っています。それはエージェントがタスクや仕事を完全に自律的に実行できるようになることです。私は一日の中でまだやりたくないことをたくさんやっています。いつかAIが私の皿から取り除いてくれると思いますが、まだそこまで到達していないと思います。
Sam Ransbotham: そうですね。それには賛成です。人工知能を使うことで、テクノロジーと過ごす時間は増えましたか、それとも減りましたか。
Jeetu Patel: 増えました。なぜなら、私はただ好奇心があるからです。ですから、毎晩9時から深夜まで、ほぼ学習モードで過ごしています。これはAI以前にはそれほど真剣にやっていなかったことです。
Sam Ransbotham: あなたと話して学ぶことができて魅力的でした。メガトレンドと決して戦うなというフレーズが気に入りました。そして、もしあなたがAIが過小評価されていると言うことが正しければ、そしてあなたはいくつかの説得力のある議論をしてくれたと思いますが、私たちは本当の変革の真っ只中にいるということです。今日お話しする時間を取っていただきありがとうございました。
Jeetu Patel: お招きいただきありがとうございました。