※本記事は、Y Combinatorが主催する「Startup School 2026」にて、Scale AI(YC S16)創業者であり、現在はMetaのSuperintelligence Labsを率いるAlexandr Wang氏が、Garry Tan氏と対談した動画「Alexandr Wang: “This is a Once-in-a-Civilization Opportunity”」の内容を基に作成されています。動画は以下のURLでご覧いただけます。https://www.youtube.com/watch?v=sJ4VJWycX9M 本記事では、動画の内容を要約しております。なお、本記事の内容は登壇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、オリジナルの動画をご視聴いただくことをお勧めいたします。また、Y Combinator(@ycombinator)の関連情報やY Combinatorへの応募(https://www.ycombinator.com/apply)、スタートアップでの採用情報(https://www.ycombinator.com/jobs)もあわせてご参照ください。
1. 生い立ちからScale創業まで
1.1 ロスアラモスでの幼少期からMIT進学まで
私はニューメキシコ州ロスアラモスという、今でこそオッペンハイマーの映画で有名になりましたが、当時は本当に何もない田舎町で育ちました。子供の頃から数学オリンピックやコンピューターサイエンスのコンテストに数多く取り組んでいて、その頃から自分が大きなことを成し遂げたいという気持ちは強く持っていましたが、具体的にどのような道を進めばよいのかは全く見えていませんでした。転機になったのは、プログラミングに熱心に取り組んでいた友人の存在です。彼は高校卒業後にシリコンバレーでインターンシップを得て、確か最初はPalantirで働いていたと思いますが、そうした彼の姿が私にとって大きな刺激になりました。そして私自身も高校卒業後、1年間のギャップイヤーを取ってシリコンバレーのQuoraで働くことになりました。当時18歳でQuoraに入り、その後MITに進学したのが19歳の時、そしてScaleを始めたのもちょうど19歳の頃でした。振り返ると17歳から19歳という期間は、自分が本当にやりたいことが目まぐるしく変わり続けていた時期で、周囲の人たちから吸収する学びの量も非常に多く、まさに消火栓から水を飲むような感覚で日々を過ごしていました。
この時期を振り返って強くお勧めしたいことが二つあります。一つは、実際に企業で働く経験の価値です。外から見ているだけでは、企業がどのように機能しているのか、何かを実際に作り上げるとはどういうことなのか、物事を反復して改善していくとはどういうプロセスなのか、そして複数の人間が集まって意思決定を行うとはどういうことなのか、そのいずれも実感として理解することはできません。だからこそ、企業で実際に働いた経験は非常に重要だったと思っています。もう一つはMITに進学したことです。MITでの学びは、自分にとって興味のあることを探求するための大きな機会を与えてくれました。実際、MITに在籍していた期間に私は初めて自分でモデルの訓練に取り組み、その年にちょうど登場したばかりのTensorFlowを使っていろいろと試行錯誤を重ねました。そして最終的に、Scaleのアイデアに行き着いたのもこのMIT時代でした。MITに入学して1年が経った頃、私はY Combinator(YC)に応募し、採用されたことはほとんど奇跡のように感じられました。YCは私の起業家としての歩みにとって非常に重要な存在で、彼らは起業家を全力で支援し、成功を後押ししてくれる一方で、こちらが的外れなことをしていればはっきりとそれを指摘してくれます。こうした率直さこそ、私たち起業家にとって本当に必要なものだったと思っています。19歳でScaleを立ち上げてからは、ご存知の通りの経緯をたどることになります。
1.2 データ提供事業への転換
Scaleを始めるにあたり、当時YCのパートナーだったJared Friedmanと一緒に取り組んでいたのは、実は現在のScaleとは全く異なるアイデアでした。私たちが最初に手がけたのは、人々が医療を受けるのを助けるためのAIエージェントを作るというプロジェクトです。これは今考えても、いずれ実現されるべき優れたアイデアの一例だったと思いますし、実際に現在ではこうした医療アクセスを支援するAIエージェントは現実のものになりつつあります。ただ、当時としてはタイミングが早すぎました。私たちはこのプロジェクトに1、2か月ほど取り組みましたが、ある時Jaredが私たちを呼び止めて、「これはどこにも行き着かないのではないか」とはっきり伝えてくれました。そして、まさにそれこそ私たちが聞く必要のあった言葉でした。その頃には私はAIについて徹底的に学び、実際にモデルの訓練も経験していましたので、私たちは一度原点に立ち返り、本当の機会がどこにあるのかを深く考え直し、その結果としてScaleのアイデアにたどり着いたのです。
Scaleが最初に取り組んだのは、データの販売という事業でした。当時はまだ大規模言語モデルが表舞台に出てくる前で、代わりに自動運転車の分野が盛り上がりを見せており、その流れの中でコンピュータービジョンが急速に重要性を増していました。これが私たちの最初の市場になりました。この着想の背景には、MIT時代に様々なモデル(今から見れば本当に小さな玩具のようなモデルですが)を訓練する中で得た気づきがあります。モデルを訓練するために必要なものは大きく分けて三つありました。一つはGCPのアカウントのようなクラウドサービスの契約で計算資源を得ること、二つ目は実際にモデルを訓練するためのコード、そして三つ目がデータセットです。このうち最初の二つは、オンラインでボタンを押すだけで簡単に手に入れることができました。しかし最後のデータについてだけは、訓練用のデータを効果的に手に入れる手段が全く存在していませんでした。この事実に気づいた時、いずれこの分野に「ボタンを押すだけでデータが手に入る」ような仕組みが生まれることは、私にとって非常に明白なことのように思えました。
興味深いことに、Scale創業から最初の数年間、データという領域はまだ全く注目されていませんでした。私たちが資金調達に赴くたびに、たとえ数字が好調で収益も上がっていたとしても、投資家たちはいつも懐疑的な反応を示しました。「これは本当に良いビジネスなのだろうか」「持続性はあるのか」「事業として耐久力があるのか」といった疑問を投げかけられることが常でした。私にとってはそれが不思議で仕方ありませんでしたが、考えてみれば、そうした投資家たちの誰一人として実際にモデルを訓練した経験がなかったのです。だからこそ、彼らはこの機会の本質を理解できなかったのだと思います。時が経ち、私たちは資金調達を実現し、事業を継続させ、成長を積み重ねることができましたが、かつて私たちを見送り、AIの可能性に否定的だったまさにその投資家たちが、今では「データこそがAI分野における最も重要なビジネス機会の一つである」という論考を書くようになっています。この一連の出来事が一巡して元に戻ってきたことを、私は非常に興味深く感じています。
2. 起業家としての信念と教訓
2.1 一次原理思考と起業初期の学び
先ほどお話ししたデータビジネスの件は、一次原理思考の良い事例だと思っています。新聞を開いて「このデータという分野が今熱い、では自分たちもそこに参入しよう」というような発想では、そもそもScaleを始めることはできませんでした。世の中について自分が真実だと確信できる、シンプルな事実からスタートし、そこから何かを構築していく必要があったのです。私が重要だと考えているのは、他の誰も同意しないような一連の信念について、自分自身の確信を育てていくことです。世界で最も成功している企業を見渡してみると、そのいずれもが、事業の核となるアイデアが世の中で広く支持される、はるか以前の時期に創業されています。そうした企業は、そのアイデアや領域、概念がコンセンサスになるまでの長い年月を、いわば人知れず地道に取り組み続けているのです。そして、こうした世の中の真実を、誰よりも早く見出すことができるかどうかが、成功を左右する唯一の要因だと思います。Scaleで言えば、私たちはAIに10年近く取り組んできましたが、これは驚くべきことの一つだと感じています。周囲が何を言っているかに基づいて事業上の判断を下すことは絶対にできません。群衆に流されすぎると、自分自身が非常に混乱し、結局は何も残らない状態に陥ってしまいます。だからこそ、自分自身の未来に対する羅針盤を持つ必要があるのです。周囲の声はただ自分を混乱させるだけだからです。
とはいえ、「私たちはXを信じているが、他の誰もそれを信じていない」という核となる信念を持つことができたとしても、それだけで会社を作れるわけではありません。投資家に話をして説得すること、彼らに士気を挫かれないようにすること、本来ならすぐに理解してくれるはずの顧客に話をすること、そして何より、自分のもとで働いてくれるよう人々を口説き落とすこと、こうした企業運営の初期段階における実務こそが重要になってきます。会社を立ち上げる際のこうした初期の実務については、ある程度得意不得意の素質はあるかもしれませんが、そもそも会社を立ち上げたことがある時点で、それが得意な人など誰もいません。私は初期の頃に出会った多くの投資家たちと話をしたことを覚えていますが、彼らの多くは後になって、「君たちの成長も変化もあまりに速すぎて、当時はその本質が見えていなかった」と言っていました。そしてこれは、起業をするすべての人にとって恐らく当てはまる真実だと思います。今まで一度もやったことのないことに、最初から上手な人などいないのです。ですから、すべての起業家は最初はあらゆる面で下手くそな状態からスタートし、その中でいかに自分自身を成長させ、絶えず改善を重ね、素早く学んでいくかがすべてを決めることになります。
2.2 AI時代に起業することの利点
こうしたことを踏まえたうえで、今という時代に会社を始めることは、実はとても幸運なことだと思っています。もちろんYCに参加することもできますし、この場にいる皆さんはお互いを頼れる仲間として持っている、これ自体もかなり得難いことです。しかし、それだけでなく、今では自分専属の理想的なAIが、「こういうやり方もありますよ」と教えてくれる存在になっています。私は、今の世界は実に驚くべき瞬間にあると考えています。というのも、ボトルネックはもはやAIモデルの進歩そのものではなく、その技術をどのように世界の隅々にまで浸透させ、世界がこの驚くべき技術に適応していくのを助けるか、という点にあるからです。仮に今日を境にモデルの性能が全く向上しなくなったとしても、それでも経済や世界の運営のされ方、そして私たちを取り巻くあらゆるものにおいて、何十年にもわたる大きな変革と混乱が続くだろうと私は考えています。その結果として、夢を見る人、ビジョンを持つ人、そして野心を持つ人にとって、未来の世界のあり方に自分の見解を反映させながら何か素晴らしいものを築き上げるには、これはおそらく文明史上一度きりと言えるほどの機会になっていると思います。
また、以前お話ししたことですが、私がScaleを始めた頃、つまり10年ほど前は、会社を始めるということはいわば「ダビデ対ゴリアテ」のような構図でした。賢く立ち回り、市場への切り口を見つけ、資源がはるかに少ない中でも競争できる方法を工夫する必要があったのです。しかし今では、エージェントとAI全般の力によって、この構図はむしろ「ゴリアテ対ゴリアテ」に近いものになっていると私は考えています。スタートアップは、いわばエージェントとAIの力によって大きく強化された「メカ・ゴリアテ」であり、大企業の方はより従来型のゴリアテだと言えるかもしれません。しかし、AIエージェントを適切に取り入れ、その強みを最も野心的な形で活用する方法を見出すことができれば、スタートアップは既存の大企業を容易に凌駕することができると、私は確信しています。
3. AI時代における起業環境とMetaのビジョン
3.1 「文明史上一度きりの機会」という位置づけ
あらためて申し上げたいのですが、私は今の世界が実に驚くべき瞬間にあると捉えています。ボトルネックはもはやAIモデルそのものの進歩ではなく、その技術を世界のあらゆる場所に浸透させ、世界がこの驚くべき技術に適応していく手助けをするという点にあります。仮に今日を境にモデルの性能向上が完全に止まったとしても、経済のあり方や世界の運営のされ方、そして私たちを取り巻くあらゆるものにおいて、何十年にもわたる大きな変革と混乱が続くはずです。だからこそ、夢を見る人やビジョンを持つ人、野心を持つ人にとって、未来の世界のあり方に自分自身の見解を反映させながら何か素晴らしいものを築き上げるという意味で、これはまさに文明史上一度きりと言えるほどの機会になっていると私は考えています。
10年前、私がScaleを立ち上げた頃は、会社を始めるということはいわば「ダビデ対ゴリアテ」の構図でした。資源がはるかに少ない中で競争するためには、賢く立ち回り、市場への切り口を工夫し、何とかして戦う方法を見つけ出す必要がありました。しかし今では、エージェントとAI全般の力によって、この構図はむしろ「ゴリアテ対ゴリアテ」に近いものへと変化していると私は見ています。スタートアップは、いわばエージェントとAIの力によって大きく強化された「メカ・ゴリアテ」であり、大企業の方はより従来型のゴリアテだと言えるかもしれません。AIエージェントを適切に取り入れ、その強みを最も野心的な形で活用する方法を見出すことができれば、スタートアップは既存の大企業を容易に凌駕できると、私は確信しています。
3.2 パーソナル・スーパーインテリジェンス構想
私たちの研究所は名前に「スーパーインテリジェンス」という言葉を掲げていますが、これがMeta社内で運用面において具体的に何を意味するのかについてもお話ししたいと思います。1年ほど前、Mark(Zuckerberg)が「パーソナル・スーパーインテリジェンス」というメモを書きました。これは、皆さんがおっしゃる「パーソナルAGI」という概念とも非常に近いものだと思います。私たちが信じているのは、世界中の何十億人という人々一人ひとりが、それぞれに適応し調整された自分専用のスーパーインテリジェンスを持つようになるということです。それは彼らが目標を達成することを可能にし、彼らの文脈を理解し、最終的には彼ら自身のエージェンシー(主体性)を拡張する存在になります。私たちが常に深く考えているのは、この「エージェンシー拡張」という概念です。人々が今まで夢にも思わなかったようなことを成し遂げられるように、私たちはどのように手助けできるのか。そして、もしすべてのことが簡単になったとしたら、世界中の人々は一体何をするのだろうか、ということを私たちは考え続けています。
私たちはこれを、一つのエコシステムという観点からも捉えています。Patrickも触れていたと思いますが、私たちはAIがすべてを支配するといった全体主義的な世界観を信じているわけではありません。私たちが信じているのは、こうしたAIが非常に幅広いエコシステム全体を強化していくという未来です。ですから、世界中の何十億人もの人々がそれぞれ自分専用のスーパーインテリジェンスを持つという未来を信じると同時に、起業活動の爆発的な広がりというものも信じています。現在、Metaのプラットフォーム上には2億もの事業が存在していますが、この創造性とAIツールの活用による爆発的な広がりによって、その数は数十億にまで増えていくと私たちは考えています。そして最終的には、こうしたビジネスエージェントがパーソナルエージェントと連携しながら機能する、非常に複雑で動的なエコシステムが形成され、それが完全にAIによって強化された世界になっていくと考えています。
4. Metaでのフロンティアラボ構築と製品展開
4.1 ラボ再構築の経緯と組織論
Meta Spark 1.1を実際に見て、率直に心が躍りました。私自身のOpen Clawもこのモデルを大変気に入っていました。フロンティアラボを運営するというのがどのようなものだったかについてもお話ししたいと思います。私がMetaに加わってからちょうど1年ほどが経ちましたが、この1年間は本当に濃密な時間でした。すでに公にお話ししていることですが、Llama 4は当時Metaが必要としていた軌道には乗っていませんでした。そこで私が加わってから、私たちはゼロベースでフロンティアラボをどのように構築するかという取り組みを行いました。これはある意味で、既存のリソースを最大限に活用しながらも、実質的には一からの構築であり、できる限り速く動くことを目指したものでした。そして、その瞬間から9か月以内に私たちはMeta Spark 1をローンチし、さらにその2か月後にMeta ImageとMeta Spark 1.1をローンチしました。
この過程で私が強く実感したことがいくつかあります。まず一つ目は、人材密度が非常に重要だったということです。これこそが私たちが賭けるべき核心的な要素でした。そして、人材密度というものは自然に複利で増えていく性質を持っています。優秀な人材が多く集まれば集まるほど、さらに優秀な人材がそこに加わりたいと思うようになるからです。内部で見ていて実に興味深いと感じるのですが、フロンティアAIの研究というものは、本質的に研究そのものです。これは科学的な営みであり、私たちはこれらのモデルで何ができるのか、これらのモデルをどこまで押し広げることができるのか、これらのモデルで達成できることの限界はどこにあるのか、ということを常に探求しています。これは、従来のインターネット企業やインターネット製品において存在していたものとは全く異なる考え方や運営モデルを必要とします。そこには実験、科学、そしてスケーリングに関するはるかに多くの要素が存在しており、最終的にはすべてが、エコシステム全体で起こる指数関数的な成長とともに複利的に発展していけるようなラボ、運営モデル、システムをどのように構築するかという問題に帰着します。それは能力面での指数関数的成長であり、計算資源における指数関数的成長であり、また採用と利用における指数関数的成長でもあります。私たちは、このエコシステムのほぼあらゆる次元において、非常に急峻な指数曲線の上に乗っていると言えます。そして、私はこのラボを一つの「生命体」のように捉えており、そうした成長とともに発展していける仕組みを作り上げることが重要だと考えています。この1年間は本当にエキサイティングな時間でしたし、私たちはこれからもさらに多くのものを世に送り出していく予定です。
4.2 今後のロードマップと開発方針
今後についてですが、先ほど申し上げた通り、私たちはちょうどMeta Spark 1.1という優れたモデルをローンチしたところであり、今後もMeta Sparkのラインナップを継続的にアップデートしていく予定です。また、現在市場に存在する最も優れたモデルとも十分に競争できるような、より大規模なモデルも開発中です。加えて、開発者やエージェント開発に取り組む人々を後押しするために、私たち独自のharness(実行環境)についても近くローンチする予定で、現在まさに開発を進めています。そして先ほど触れていただいた通り、私たちはオープンソースモデルにも取り組んでいます。私たちが信じているのは、AIの能力や進歩が分散化された世界のあり方であり、その考えに基づいて、より広いエコシステム全体、そして世界中のすべての人々が、この技術を使って構築し発展させていけるようにしたいと考えています。私たちにはまだまだ多くの取り組みが控えていますが、可能な限りこのエコシステムと開発者たちを後押ししていきたいと思っています。
コーディングモデルの活用という点では、現時点で最も簡単な方法はopen codeを使うことです。私たちのウェブサイト上にオンボーディングの案内も用意しています。そして、近い将来には私たち独自のharnessも用意する予定です。最終的には、あらゆる利用可能なharnessに接続できる優れたモデルを提供し、エコシステム全体における組み合わせによるイノベーションをできる限り後押ししたいと考えています。実際にMeta SparkをOpen Claw経由で使ってみると、特にスキルファイルを使ったエージェント的なワークフローにおいてはOpusと同等の性能でありながら、コストは8分の1程度で済むということが明らかになりました。私たちは、こうしたモデルがあまりに高価で、最も裕福な開発者や企業だけに限られた形でしか使えないような世界を望んでいません。誰もがこの技術を使い、自分が作りたいものを何でも作れるようにすることが重要だと考えています。そして私たちの見解としては、最高のAI製品というものはまだ何一つ生み出されていないと思っています。AIのエコシステム全体とこれまでに起きたことを振り返ると、それぞれの波は前の波の10倍の規模になっているのです。開発方針として私たちが重視しているのは、速度、信頼性、そして拡張性です。開発者の皆さんがどれほど複雑で興味深いマルチエージェントの構成を望んだとしても、それに対応できるだけの拡張性を持つことを目指しています。そして、harnessそのものよりもさらに上のレイヤーにおいて、これらのエージェントをどのように組み合わせ、どのようにループを構築し、どのように複雑なエコシステムを発展させていくかという点で、非常に多くのイノベーションが生まれてくるだろうと考えています。これらのモデルはすでに信じられないほど強力なものになっていると私は本当に思っており、それによってGDP成長の多くの側面を後押しできるはずです。それを実現していくのは、ビジョンと野心を持った優秀な人々の役割だと考えています。
5. AI進化の波と10年後を見据えた洞察
5.1 AI進化の波とコーディングモデルの活用
この10年を振り返って、何が明らかになったと言えるのかについても考えてみたいと思います。今、世の中で交わされている議論の多くは、モデルが実際にどれだけ良くなっているのか、モデルは本当にこの問題を乗り越えられるのか、そしてスーパーインテリジェンスはいつ訪れるのか、それは2年後なのか5年後なのか、あるいは私たちはどこかで壁にぶつかってしまうのではないか、といった内容に集中しています。ただ、こうした議論の多くは、ある意味で時間の無駄だと私は感じています。というのも、私たちが非常に強力なモデルを手にすることになるのは避けられないことだからです。10年後に振り返った時、正確にいつそれが実現するのかをめぐる論争そのものが、実は近視眼的だったと評されることになるだろうと思います。現実には、私たち人類全体がこの信じられないほどの指数関数的な成長曲線の上に乗っているのです。この10年間のAIの進歩を見て、どれほど遠くまで来たのかということに畏敬の念を抱かずにはいられません。10年前、最も優れたAIモデルができたことといえば、YouTube動画に映る猫を認識することでした。それが今では、私たちはいわば「デジタルの神」とも呼べるような存在と対話をしています。これらのシステムが可能にしていることの一部は、いくつかのハックや事例を通じて皆さんもすでに目にされていると思いますが、驚嘆せずにはいられません。そして、この傾向はこれからも続いていくと私は考えています。モデルはますます強力になっていくでしょう。
このAI進化の波について、私自身が最も身近に感じてきたのは、自らが関わってきた市場の変遷です。Scaleを始めた当初、最初の波はおそらく自動運転車でした。自動運転車は本当に素晴らしい技術でしたが、それも大規模言語モデルとチャットボットという次の波と比べると、規模としては見劣りするものでした。チャットボットは、自動運転車と比べておそらく10倍規模の存在になりました。そしてその数年後にコーディングエージェントが登場し、これはチャットボットと比べておそらくさらに10倍の規模になっています。私たちは、まさにこの急峻な曲線の上にいるのだと思います。新しいモダリティやフォームファクター、そしてAIパラダイムの発展を今後も目にしていくことになるでしょうし、それぞれが前のものよりも劇的に大きなものになっていくはずです。だからこそ、私たちの立場としては、このエコシステムを解き放ち、皆で探求し、皆で世界の未来を一緒に築いていこうというものです。
コーディングモデルを実際にどう活用するかという点について言えば、現時点で最も手軽な方法はopen codeを使うことです。私たちのウェブサイトにはオンボーディングの案内も用意していますし、近い将来には私たち独自のharnessもローンチする予定です。このharnessについてはまだ詳細を明かせない段階ではありますが、私たちが最も重視しているのはスピードです。これらのツールを使うすべての人にとって、スピードはおそらく最も重要な要素の一つだと思います。加えて信頼性も同様に重視しており、私たちは非常に高い信頼性を持ちたいと考えています。また拡張性という点でも、開発者が望むどれほど複雑で興味深いマルチエージェント構成にも対応できるようにしたいと思っています。harnessそのものよりもさらに上位のレイヤーにおいて、これらのエージェントをどう組み合わせ、どうループを構築し、どう複雑なエコシステムへと発展させていくかという点で、非常に多くのイノベーションが生まれてくるはずです。私たちはこれらのモデルがすでに信じられないほど強力であると本当に信じていますし、それがGDP成長の多くの局面を後押しするだけの力を持っているはずです。それを現実のものにしていくのは、ビジョンと野心を持った優秀な人々の役割だと思っています。
5.2 10年後の展望とリスク・責任
さて、この10年を振り返った時に、当時は見過ごされていたけれども、後から見れば明らかだったと言えることは何かという問いについてもお話ししたいと思います。先ほども申し上げた通り、モデルがいつ超知能に到達するのかという議論そのものは、ある種の時間の浪費だったと振り返られることになると思います。なぜなら、私たちが非常に強力なモデルを手にすることは避けられないことだからです。10年後には、人類文明全体としてこの信じられないほどの指数関数的成長の上に乗っていたのだという事実こそが明白になっているはずです。10年前、最も優れたAIモデルにできたことはYouTube動画の中の猫を認識することでしたが、今では私たちは「デジタルの神」とも言えるような存在と対話をしています。そして、この傾向はこれからも続いていくと私は確信しています。10年後を振り返れば、知性が「豊富にある」ものとなり、エージェンシーもまた「豊富にある」ものとなったということが明らかになっているでしょう。今の私たちが乗っているこの潮流は、そのまま継続していくはずです。
これは人類の歴史においてかなり異質なことだと思います。というのも、人類の歴史を通じて、共通の目標に向かって賢い人々の集団が結集するということこそが、進歩における最大のボトルネックだったからです。アメリカ合衆国そのものが、ある意味でこの典型例だと言えます。アメリカ合衆国は、非常に賢い人々の集団が結集し、実現したい未来へのビジョンを持って形作られたものです。そしてこれは、アメリカにおけるほとんどすべての企業の物語であり、すべてのYC企業の物語でもあります。しかし、これから先はそれが変わっていきます。突然、希少な資源は知性やエージェンシーではなくなっていくのです。私が本当にそう思うのは、これから希少になっていくのはビジョンと野心だということです。つまり、5年後や10年後に世界がどのような姿になっていてほしいのか、明確なビジョンを持っているかどうか。今日の世界のあり方とは違う形に、未来の世界のあり方に対して、自分がどのように「指を置いて」影響を与えたいと考えているのか。そして、それを実現するためにあらゆる困難を乗り越えるだけの野心と原動力を持っているかどうか、ということです。AIはそれを容易にしてくれるでしょう。エージェントとAIは、10年前と比べておそらく10倍、あるいは100倍も、それを容易にしてくれるはずです。しかし、その裏返しとして、私たちは突然、もっと大きな夢を見られるようになるということでもあります。
世界にはまだまだ、この技術を完全に受け入れるために進化しなければならないことがたくさんあると思います。正直に言えば、世界はまだこの技術に対してほとんど準備ができていない状態です。だからこそ、私たちビルダーには、世界を準備させる責任があると考えています。企業や政府がこの新しい技術に適応できるよう支援しなければなりませんし、バイオセキュリティやサイバーセキュリティの観点からどのように世界を守っていくかを考え出さなければなりません。この新しい技術によって生じるあらゆるリスクを、どのように管理していくかを見出していく必要があります。しかしその一方で、これは人類にとって前例のない機会の時代でもあります。私たちは新しい科学を発展させることができますし、これまで永遠に解決できなかった健康や生物学の問題を解決することができます。かつては想像すらできなかったような新しいビジネスを構築することもできますし、これまで存在しえなかった新しい創造的な機会も生まれています。つまり、これはまさに機会とリスクが同時に存在する、信じられないほどの揺りかごのような時代であり、だからこそ、ビルダーとして、そして世界がどのように変わるべきかについて強い見解を持つ者として、これほど良い時代はないと私は考えています。
6. 人材育成論と実践的アジェンティックAI活用法
6.1 人材育成論と抽象化レイヤーの変化
キャリアの歩み方が変わってきているのではないか、というご指摘についてもお話ししたいと思います。スタンフォードでは情報科学専攻者の数が二桁台の割合で減少しているという話を耳にしましたが、これは私からすると少し常軌を逸しているように感じられます。というのも、AIが優れたエージェントを作れるようになるためには、依然としてそうしたスキルが必要になるはずだからです。もしかしたらそれも将来的には変わるかもしれませんが、正直なところ私にも確信は持てません。ですから、この場にいる皆さんに対しては、「Word Cell(言葉を操るタイプ)」により傾倒すべきなのか、それとも「Shape Rotator(図形的・論理的思考をするタイプ)」であり続けるべきなのか、という問いについてもお答えしておきたいと思います。
私の考えとしては、体系的で厳密な思考というものは、依然として非常に重要であり続けるということです。というのも、抽象化レイヤーというものは常に変化し続けているからです。かつての私はこれほどまでに物事が展開していくとは信じていませんでしたが、実際にその通りになっています。私が会社を始めた頃、私たちはコードを書いていました。しかし今では、皆さんの中でコードを書いている人はもういないでしょう。それは冗談としても、今問われているのは、いかにしてエージェント同士を連携させるか、ということです。そして次には、そうしたエージェントたちの組織をどう発展させていくか、100万体のエージェントをどうすればうまく協働させられるか、さらにその先には1兆体のエージェントをどう協働させるか、ということが問われるようになっていくでしょう。私たちがこれまで運用してきた、あるいはこれから運用していくことになる抽象化レイヤーにおいて、ワークフローをどう組み立てるかという課題は、これからも継続して必要とされていくはずです。そして、こうした体系的で厳密な思考というものは、私が会社を始めていた時代のやり方、つまりまずコードを書き、次に人間の組織を作り、その人間たちをどう組織化するかを考えるというやり方において必要とされてきたシステム思考そのものであり、それが今後も必要になるという点は変わらないと思います。ただし、これからはおそらく、まずエージェントをオーケストレーションし、次にそうしたエージェントの大群をどうオーケストレーションするかを考えるという形に、より近づいていくはずです。しかし、システム思考そのものが時代遅れになることは決してないと思います。ですから、「Word Cell」に全振りしてしまうのは明らかに間違いだと思います。図形的・論理的な思考力、つまり「Shape Rotator」としての力は持ち続ける必要があります。
その上で、これから先により必要とされるようになるのは、世界がどのように発展していくべきかについての、より深い羅針盤であり、哲学的な視座を持つことだと思います。というのも、人類の歴史には、文明がこうした期間をどう乗り越えてきたかについての教訓が数多く存在しているからです。人類は今後10年間で、過去100年間よりも大きく変化することになるでしょう。だからこそ、私たちがそうした変化に対して前向きなビジョンを持ち、それをどう発展させていくべきかについて筋の通った言葉で語ることができるかどうかが、これまで以上に重要になっていると思います。
6.2 実践的アジェンティックAI活用法
もう少し具体的なお話もしたいと思います。友人たちの間で、あるいはMeta社内で見られているAIの活用事例で、まだあまり知られていないけれども近い将来当たり前になっていくようなものについて、いくつか共有できればと思います。私が今も天文学的な規模の機会が残っていると感じているのは、エージェントによるループ処理という領域と、あるアウトカムを達成するために1000倍、あるいは100万倍ものトークンを継続的なフィードバックループの中でつぎ込めるようなシステムをどう構築するか、という点です。多くの企業というものを考えてみると、それは実は人間がそれぞれの結節点を担う大規模なフィードバックループそのものだと言えます。企業は顧客を獲得し、その顧客をより満足させる方法を見出します。顧客がより満足すれば、より多くのお金を使うようになります。そして顧客がより多く支出するようになれば、企業はより多くの人材を雇うことができ、その人材がさらに多くの顧客を獲得し、その顧客をさらに満足させる方法を見出していく、という循環が生まれます。これはある意味で、あらゆるスタートアップ、あらゆるビジネスにおけるフィードバックループそのものです。そして、そうした大きなループの中には、さらに小さなマイクロなフィードバックループがいくつも存在しています。私が考えているのは、こうしたフィードバックループを運用し最適化することができるエージェントシステムを開発することには、非常に大きな超過収益(アルファ)が眠っているということです。
実際に私たちはMeta社内で、適切なエージェントループを構築し、エージェントが最適化すべき適切な評価指標(eval)や指標(メトリック)さえ用意することができれば、100人規模のエンジニアチームが成し遂げる以上の成果を、エージェントの群れが、しかも非常に容易に達成できるという事例をいくつも目にしてきました。ですから、こうしたエージェント間の協調という問題があふれる世界が一体どのような姿になっていくのかを見極めることは、今日における最も興味深い課題の一つだと私は考えています。
こうした仕組みを実際にどう機械的に実現しているのかという点についても触れておきたいと思います。これは、markdownファイルであったり、cronジョブであったりと、要はエージェントに対して十分なデータを与え、必ずしも学習分布の範囲内にはない何かを自ら見出させる、というものです。実際のところ、これを機械的にどう実現するかという話になると、結局は適切な評価指標が何であるかを見極めることに尽きますし、あとはスキルファイル、markdownファイル、cronジョブ、そして「/goal」といったコマンドに落とし込まれていくだけです。深く掘り下げてみると、実はすべてがどれほど地味なものであるかというのは、いつも面白いなと感じています。決して魔法のようなものではありません。世の中にはLinkedInの投稿などで、いかにも魔法のような特別な手法があるかのように語られることもありますが、私からのアドバイスとしては、そうしたものは無視して構わないということです。LinkedInは、あくまで顧客を獲得するための場所だと捉えておくのがよいと思います。
7. 若い世代へのメッセージとクロージング
7.1 18歳の自分へのメッセージ
最後に、18歳だった頃の自分に向けてメッセージを送るとしたら何を伝えるか、というご質問をいただきました。こうしてこの場に来て、皆さんに自分の経験をお話しさせていただいたことに感謝しつつ、お答えしたいと思います。私が伝えたいことを突き詰めていくと、それは「未来がどのように発展していくのかについて、自分自身の内なる羅針盤を育て、それに対して強い確信を持つこと」に尽きます。というのも、皆さんはこれから、大量のノイズにさらされることになりますし、周囲からさまざまなことを言われるようになります。それは非常に混乱を招くものであり、大変つらいことでもあります。特に若く、まだ経験が浅いうちは、自分が信じていること、自分がやりたいと思っていることに対して、本当の意味での確信を持つことが、とても難しく感じられるものです。しかし、私はそれこそが最も重要なことだと思っています。先ほどお話しした通り、私たちが何年にもわたる市場や業界、そして周囲の人々からの嵐のような混乱を乗り越えることができたのは、自分たちが作っているものに対する深い確信があったからこそです。
そしてもう一つ、私が伝えたいアドバイスがあります。それは、世の中にある指数関数的な成長曲線の中で、最も傾きが急であり、かつ最も長く続くものは何かを見極めるように努めること、というものです。何十年も前であれば、この曲線はムーアの法則でした。そしてそれは当時において、明らかに投資すべき正しい対象だったと思います。私は、今この瞬間で言えば、それはAIの進歩そのものだと考えています。ただし、今後もこうした急峻な曲線は他にも登場してくるはずです。そして大切なのは、そうした曲線というものは、たとえ出発点がとても地味に見えたり、あるいはそれほど興味深く感じられなかったりしても、構わないということです。実際、私自身がScaleに取り組み始めた頃は、私たちがやっていたのはYouTube動画の中に映る猫を検出するというようなことでした。当時それを指して「これはこの時代における最も重要な技術だ」と説明するのは、正直なところとても難しいことでした。しかし、それはまさに信じられないほどの指数関数的成長の途上にあったのです。
7.2 クロージング
最後にもう一つだけ、お伝えしなければならないことがあります。それは、Metaとして、この会場にいらっしゃる皆さん全員に、新しいSpark APIをご利用いただくための1000ドル分の無料クレジットを提供させていただくということです。そして、私たちはこれからもモデルをより良いものにし続けていきますし、現時点で新しいSparkはOpusと比べておよそ8分の1のコストで利用いただけます。Opusでの費用に換算すればもっと大きな金額になる、というふうにも言えるかもしれませんが、いずれにしても、この会場にいらっしゃる皆さん全員に、こうしたクレジットの取得方法について詳しい案内をお届けできるよう取り計らいます。そして、皆さんがこれから何を作り上げていくのか、私たちは本当に楽しみにしています。ありがとうございました。