米国シーケワ: GenAIは10倍の生産性革命
TechFlow厳選深潮セレクト
米国シーケワ: GenAIは10倍の生産性革命
GenAIは昨年、約30億ドルの収益を創出した。これはSaaSが10年かかって達成した数字である。
Web3業界の深掘り報道に専念し潮流を洞察編集：Lavida
2022年9月、Sequoia USAが発表した「Generative AI: A Creative New World」のリサーチは、Generative AIに関する第一波の議論を引き起こし、その後に登場したChatGPTやGPT-4がGenAI分野の発展をさらに加速させました。Sequoia USAのAI Ascentカンファレンスでは、複数のパートナーが過去1年半におけるGenAIの進展について体系的に振り返り、GenAI分野の進歩が人々の予想をはるかに超えるスピードで進んでいることを強調しました。
これまでのAIの波とは異なり、GenAIは過去1年間で目覚ましい成果を上げています。GenAIは登場からわずか1年で約30億ドルの収益を生み出しており、これはテック大手企業やクラウドプロバイダーがAIを通じて間接的に得ている収入を含んでいません。SaaS業界がこの水準に達するまでにはほぼ10年かかっています。具体的な実用化においても、カスタマーサポート、法律、ライティングなどの分野で、GenAIはすでに実質的な価値を生み出しています。
アプリケーション層の爆発的成長は、1年前に市場が予測していたほど楽観的ではありませんでしたが、Sequoia USAのパートナーたちは、SoraやClaude-3などより知能化されたfoundation modelの登場により、今後AI製品のPMF（製品市場適合）サイクルが確実に加速すると指摘しています。また、新技術が出現してから成熟するまでには時間がかかり、画期的なアプリケーションの登場にも同様に時間が必要です。モバイルインターネット時代でも、InstagramやDoorDashといった時代を象徴するアプリケーションは、iPhoneやApp Storeのリリースから数年後にようやく登場しました。
以下は本記事の目次です。要点に合わせて読み進めることをおすすめします。
01 Why Now：クラウドコンピューティングからAIへ
02 現在：AI is Everywhere
03 未来：Everything is Generated
過去1年間で市場は完全なAI Hype Cycleを経験しました。バブル期の過剰な注目と、その後の失望・疑念の低谷期を経て、現在市場は「生産性の高原（Plateau of Productivity）」へ再び上昇しつつあります。人々は徐々に、LLMおよびAIの真の価値が「創造」「推論」「インタラクション」という3つのプロセスを通じて実現されることを認識し始めています。これらの能力は既にさまざまな領域のアプリケーションに統合され、私たちの生活に貢献しています。
AIが持つ三つの能力：創造、推論、インタラクション
AIはすでに創造と推論の能力を備えています。例えば、GenAIはテキスト、画像、音声・動画を生成でき、チャットボットはユーザーの質問に答えたり、エージェントのようにマルチステップのタスク計画を支援できます。これらは従来のソフトウェアでは不可能だったことであり、ソフトウェアが右脳的な創造性と左脳的な論理性の両方を処理できるようになったことを意味します。つまり、ソフトウェアが初めて人間と類人型のやり取りを行うことが可能になったのです。これはビジネスモデルにとって非常に大きな意味を持ちます。
Why Now：クラウドコンピューティングからAIへ
SequoiaのパートナーPat Gradyは、過去20年のクラウド産業の発展を振り返ることで、「なぜAI技術が最近になって爆発したのか」という問いに答えました。
Patは、クラウドコンピューティングが技術分野における大きな転換点であり、従来の技術構造を覆すだけでなく、新たなビジネスモデル、アプリケーション、人機インタラクションの形態を生み出したと述べています。2010年、クラウドがまだ初期段階だった頃、世界のソフトウェア市場の時価総額は約3500億ドルで、そのうちクラウドソフトウェアは約60億ドルにすぎませんでした。しかし昨年、ソフトウェア市場全体は6500億ドルに拡大し、クラウドソフトウェアの売上は4000億ドルに達しました。つまり15年間でクラウドソフトウェアのCAGRは40%を維持し、驚異的な成長を遂げたのです。
クラウドとAIの関係は、良い比喩となります。クラウドが従来のソフトウェアを置き換えたのは、人間に近いインタラクション能力を持っていたからです。同様に、現在のAI技術は創造力、論理的推論、人機インタラクションの面で新たな高みに達しています。将来、AIの大きなチャンスの一つは「サービスのソフトウェア化」です。これが実現すれば、AI市場の潜在規模は数千億ドルではなく、数十兆ドルレベルに達する可能性があります。私たちはまさに、史上最大かつ無限の価値創造の可能性を持つ時代の真っ只中に立っていると言えるでしょう。
1960年代以降の各技術変革と代表企業
なぜ今がAI参入の重要なタイミングなのかについて、Pat Gradyは、Sequoiaが創業以来、歴史的な数々の技術変革を見届け、その恩恵を受けてきたと述べています。その過程で、異なる技術波がどのように相互に影響を与え合い、世界を前進させてきたかについて明確な理解を持っていると語りました：
-
1960年代：Sequoia創設者Don Valentineがフェアチャイルド・セミコンダクターでマーケティングを担当。シリコンバレーという名称も、同社のシリコントランジスターに由来している；
-
1970年代：チップを基盤にコンピュータシステムが構築された；
-
1980年代：ネットワーク技術によりPCが接続され、同時にソフトウェア産業が誕生；
-
1990年代：インターネットが誕生し、人々の通信や消費行動が変化；
-
2000年代：インターネットが成熟し、複雑なアプリケーションを支えるようになり、クラウドコンピューティングが登場；
-
2010年代：モバイル端末の普及によりモバイルインターネット時代が到来し、仕事のスタイルが再び変わった。
各技術の波は、前の技術を積み重ねて進化してきたものです。AIという概念自体は1940年代から存在していましたが、ここ数年になってようやくアイデアや夢から現実となり、商業化が進み、日常生活での実際の問題解決に使えるようになりました。この突破を可能にした要因には以下が含まれます：
-
安価で豊富な計算リソース；
-
高速かつ信頼性の高いネットワーク；
-
スマートフォンの世界的普及；
-
Covidによって加速されたオンライン化トレンド；
-
これらすべての過程がAIに大量のデータを提供した。
Pat Gradyは、AIは今後10〜20年のテーマになると強く信じており、Sequoiaとしてもその信念を持っています。もちろん、この仮説はまだ検証中ですが。
クラウド・モバイルからAI時代への代表企業
AIの将来の業界構図について、Pat Gradyはまず、クラウドおよびモバイル時代に登場した年間売上10億ドルを超える企業（上図左側）をまとめました。AIを代表する右側はほとんど空白ですが、それこそが現在の市場における巨大な潜在的価値と機会を象徴しています。Pat Gradyは、今後10〜15年でこの空白部分が40〜50社の新しい企業ロゴで埋められると予測しており、それが彼にとって最も興奮するポイントです。
現在：AI is Everywhere
SequoiaのパートナーSonya Huangは、カスタマーサポート、法律、プログラミング、動画生成などの分野から、過去1年間のAIの発展を振り返りました。
AIアプリケーションの各分野
2023年はAI史上で非常に重要な1年でした。ChatGPTが登場してから1年半、業界は激しく変化し続けています。昨年は「AIがさまざまな分野をどう変え、生産性を劇的に向上させるか」が話題でしたが、今やAI自体が注目の中心となっています。
Klarna CEO Sebastian Siemiatkowski氏のX投稿
カスタマーサポート分野では、KlarnaのCEO Sebastain氏が公に述べたように、同社はすでにOpenAIを使って顧客問い合わせの3分の2を処理しており、AIが700人のフルタイムカスタマーサポート要員に相当する業務を代替しています。世界には数千万人のコールセンター従業員がいる中で、SonyaはAIがカスタマーサポート市場で既にPMFを達成したと考えています。
法務サービスは1年前、最もテクノロジーを受け入れにくく、リスクを避ける傾向の強い業界だとされていましたが、今やHarveyのような企業が登場し、日常の書類作業から高度な分析まで多くの業務を自動化しています。
プログラミング分野でも、1年前にはAIでコードを書く程度でしたが、今や独立したAIソフトウェアエンジニアが存在します。HeyGenのようなAI動画生成企業は、Zoom会議に参加するためのアバターを生成することも可能です。
SequoiaのPat GradyがHeyGenで生成したアバターのZoom会議内表示
GenAIの10倍速成長
AIとSaaSの収益成長率比較
推定によると、GenAIは登場から1年で約30億ドルの収益を生み出しており、これはテック大手やクラウドベンダーのAI関連収入を含んでいません。対照的に、SaaSはこの水準に達するまでほぼ10年かかりました。このようなスピードと規模があるため、GenAIが持続的に存在するという確信が高まっています。
主要GenAI製品の実ユーザー規模
上図からもわかるように、ユーザーのAIに対する需要は特定のアプリに限定されず、多岐にわたります。ChatGPTのユーザー数は広く知られていますが、多くのAIアプリの収益や利用データを見ると、BtoBでもBtoCでも、スタートアップでも既存テック企業でも、多くのAI製品が各業界で適切なPMFを見つけ、応用範囲が非常に多様化していることがわかります。
foundation modelとアプリケーション層の資金調達比率
投資分布を見ると、資金配分の不均衡が顕著な問題です。GenAIをケーキに例えると、下層がfoundation model、中層が開発者ツールとインフラ、上層がアプリケーションです。1年前、foundation modelの進歩によりアプリケーション層から多数の新企業が生まれると予想されていました。しかし実際は逆で、ますます多くのfoundation model企業が登場し、巨額の資金を調達している一方、アプリケーション層はようやく始まったばかりです。
AI's $200 Billion Question
Sequoia USAのパートナーDavidは昨年、「AI's $200 Billion Question」と題する議論を発表しました。GPUへの投資額を見ると、昨年だけでNVIDIAのチップに約500億ドルが費やされていますが、確認できるAI業界の収入は30億ドルにすぎません。これは、AI産業がまだ非常に初期段階にあり、投資対効果が低く、多くの現実的課題が残っていることを示しています。
AI製品とモバイルアプリのMAU、DAU、次月リテンション率
AI製品のユーザー数と収益は魅力的に見えますが、DAU、MAU、次月リテンション率では依然としてモバイルアプリに大きく及ばないのが現状です。多くのユーザーがユーザーサーベイで、AIアプリの期待と実際の体験にギャップがあると指摘しています。一部の製品デモは華やかに見えても、実際の使用感は芳しくなく、これが長期的な利用につながらない原因となっています。
基礎モデルの能力向上
これらは確かに現実の課題ですが、同時に大きな機会でもあります。昨年の企業によるGPUへの巨額投資により、より知能化されたfoundation modelが生まれ、最近登場したSora、Claude-3、Grokなどが、AIのベースライン知能レベルが上昇していることを示しています。そのため、将来的にAI製品のPMFは加速的に改善されると見られています。
iPhoneとApp Storeの進化の流れ
新技術が出現してから成熟するまでには時間がかかり、画期的なアプリケーションの登場にも同様に時間がかかります。iPhoneを例にすると、App Store初期のアプリの多くは原始的で、単に新技術を展示するだけのものであり、真の問題解決や価値創造にはつながっていませんでした。懐中電灯やビールを飲むようなミニゲームは、後にシステム標準機能や不要な小道具になりました。InstagramやDoorDashといった真に影響力のあるアプリは、iPhoneやApp Storeのリリースから数年後に登場しました。
AI技術も同様の発展過程を経ています。現在市場にある多くのAIアプリは、まだデモ段階や初期探求段階にあり、App Store初期のアプリと似ています。しかし、次の世代の伝説的企業はすでに現れているかもしれません。
AIの応用範囲はすでに非常に広くなっています。その中でも特に代表的な3つの分野は、AIカスタマーサポート、AIフレンドシップ（AIバーチャルコンパニオン）、企業知識管理です。カスタマーサポートは企業内で最初にPMFを達成したAI応用分野の一つです。Klarnaは例外ではなく、一般的なトレンドです。AIフレンドシップはAIの最も驚くべき応用の一つで、ユーザー数や利用指標から、ユーザーの強い支持が明らかです。さらに、部門横断的な企業内部の知識共有（水平的企業知識）アプリにも大きな可能性があります。
未来：Everything is Generated
2024年におけるAIに関する4つの予測
以上の分析に基づき、Sequoiaのパートナーたちは2024年のAI発展について予測を示しました。
予測1：Copilotは徐々にAI Agentへと進化する。
2024年、AIは人間を補助するCopilotから、人間の仕事を実際に代替するAgentへと変わります。AIはもはや単なるツールではなく、同僚のような存在になります。これはソフトウェア工学やカスタマーサポートの分野ですでに兆しが見られています。
予測2：モデルはより強力な計画立案と推論能力を持つようになる。
多くの人々はLLMが過去のデータの統計パターンを繰り返すだけで、真の深い思考や論理的推論を行っていないと批判していますが、この状況は新たな研究方向性により改善されます。一部の研究では、モデルに推論プロセスの計算やゲーム形式の価値反復（gameplay-style value iteration）をより良く行わせる試みが行われており、これによりモデルは意思決定前に一定の「思考時間」を持てるようになります。こうした試みにより、来年にはAIがより高度な認知タスク、例えば計画立案や推論をこなせるようになると予想されます。
ゲーム形式の価値反復（gameplay-style value iteration）は強化学習分野から借りられた概念で、モデルが異なる行動の長期的価値を評価し、その価値に基づいて将来の行動を計画する能力を指します。これはチェスやゲームでの戦略的思考に似ています。
予測3：LLMの正確性がさらに高まり、To-C向けの娯楽用途から企業向けアプリケーションへと拡大する。
To-Cアプリケーションでは、ユーザーはAIの誤りに対してあまり気になりません。なぜなら主に娯楽目的で使っているからです。しかし医療や国防などリスクの高い分野でAIが企業に導入される場合、正確性と信頼性が極めて重要になります。研究者たちはRLHF、プロンプトトレーニング、ベクトルデータベースなどさまざまなツールや技術を開発し、LLMが「五つの9」（99.999%の稼働率）という高い正確性と信頼性を実現できるようにしています。
予測4：多数のAIプロトタイプや実験プロジェクトが実用化される。
2024年には、多くのAIプロトタイプや実験プロジェクトが市場に投入されると予想されます。実験段階とは異なり、製品が実際にユーザーに使われるようになると、遅延時間、コスト、モデル所有権、データ所有権の管理といった一連の要素を考慮する必要があります。これは、計算の重点が事前学習から推論プロセスへと移行することを意味します。したがって2024年は極めて重要な年であり、これらの製品への期待は非常に高く、この変化が正しく進むよう確実にすることが求められます。
AIの長期的影響
判断1：AIは大規模なコスト駆動型の生産性革命である。
技術革命にはさまざまな種類があります。電話がもたらした通信革命、列車がもたらした交通革命、農業の機械化がもたらした生産性革命などです。AIがもたらすのは明らかに生産性革命です。
歴史的な生産性革命には共通のパターンがあります。当初は人が道具を使う段階から始まり、次に人が機械と協力する段階へと進み、最終的には人間が協調的・ネットワーク化された道具と共同作業を行うようになります。これは、AIの発展が単一のポイントから高度に統合されたネットワークへと進化していくことを示しており、私たちの働き方や生産方式に極めて大きな変化をもたらすでしょう。
歴史における鎌からコンバインハーベスターへの変遷
農耕分野では、人類が鎌という道具を使い始めてから1万年以上が経過し、1831年に機械式コンバインが発明され、今では何万もの機械システムからなる複雑なネットワーク型コンバインが存在します。その中の個々の機械がエージェントです。
知識労働や執筆の分野でも同様のパターンが見られます。知識労働の最初の道具は紙とペンだけでしたが、プログラミングへと発展し、今ではコンピュータとIDEがソフトウェア開発を大規模に支援しています。ソフトウェア開発は孤立したプロセスではなくなり、多数のエージェントが協力してコード生成を行うネットワーク化されたシステムへと進化しています。
執筆もかつては完全に人間の手作業でしたが、次第に人と機械のアシスタントが協力する形になり、今では多くのツールが連携して作業を行っています。現在多くの人が使っているAIアシスタントはGPT-4だけではなく、Mistral-LargeやClaude-3など複数のツールを組み合わせ、互いに検証しながらより良い回答を得ています。
AIが各業界のコストを普遍的に低下させる
生産性革命の社会への影響は普遍的かつ深遠です。経済学的に言えば、これはコストが大幅に低下することを意味します。上図は、S&P 500企業が100万ドルの収益を得るために必要な従業員数が急速に減少していることを示しており、同じ仕事をより少ない人数でより速く完了できるようになっていることを意味します。ただし、やるべき仕事が減ったわけではなく、同じ時間でより多くのことができるようになるのです。
歴史的に、各分野の技術進歩はデフレをもたらしてきました。コンピュータソフトウェアの場合、継続的な技術革新により価格は下がり続けています。しかし教育、医療、住宅など社会にとって最も重要な分野では、物価上昇率がインフレを大きく上回っています。AIはまさにこれらの分野のコスト削減に貢献する可能性を持っています。
したがって、AIの長期的影響に関する最初の重要な判断は：AIは巨大なコスト駆動型の生産性革命であり、社会の重要な分野でより少ない資源でより多くのことを達成できるようにするということです。
判断2：万物皆生成可能になる
二つ目の判断は、AIが究極的に何ができるかについての議論です。
1年前、Jensen Huangは「将来の画像はレンダリングではなく生成される」と予言しました。これは、情報をピクセル行列として保存するのではなく、多次元的概念として表現する時代に移行していることを意味します。例えば文字「a」は、かつてはASCIIコード97という原始データとして保存されていましたが、今やコンピュータはピクセル表現だけでなく、「a」が特定の文脈で持つ概念的意味を理解しようとしています。
さらに強力なのは、コンピュータがこのような多次元表現を理解し、画像としてレンダリングできるだけでなく、それを文脈化し、「a」が英語のアルファベットとして特定の文脈で持つ意味を理解できる点です。単なる孤立した記号ではなく、例えば「multidimensional」という単語の中の「a」を見ても、コンピュータは文字そのものではなく、文脈全体と単語の意味を理解しようとします。
このプロセスは人間の思考の核心的特徴です。私たちが文字「a」を学ぶとき、ピクセル行列を記憶するのではなく、抽象的な概念を習得するのと同じです。この考え方の源流は2500年前のプラトンのイデア論にさかのぼります。プラトンは、あらゆるものの背後に永遠不変のイデア世界があり、現実世界の事物はその完璧な形の写しであると主張しました。これは現代のAIの学習プロセスと共通する点があります。
この変化は企業に大きな影響を与えます。企業はすでにAIを特定のプロセスやKPI設定に統合し始めています。前述のKlarnaはAIを活用してカスタマーサポートのパフォーマンスを向上させ、AIによる情報検索システムを構築することで優れた顧客体験を実現しています。この変革は新しいユーザーインターフェースの登場を伴い、それは従来のサポート手段とはまったく異なるものになる可能性があります。
このトレンドは非常に重要です。企業が最終的にはニューラルネットワークのように動作し、各部門が相互に接続・協働し、自己最適化しながら学習・適応し、効率を継続的に高めるようになるかもしれないからです。
カスタマーサポートプロセスを例にすると、上図は簡易的なサポートフローです。カスタマーサポート部門には一連のKPIがあり、それらはテキスト-to-音声、言語生成、顧客のパーソナライゼーションなどの要素に影響されます。これらの要素は最適化ツリー内のサブパターンまたはサブツリーを形成し、最終的に階層的で相互接続された体系を構築します。ここで、言語生成のフィードバックは顧客対応の最終KPIに直接影響します。このような抽象化により、カスタマーサポートプロセス全体がニューラルネットワークによって管理・最適化・改善されます。
企業の顧客獲得についても考えてみましょう。言語生成、成長エンジン、広告のカスタマイズと最適化といったAI技術により、企業は各顧客のニーズにより適切に対応できます。これらの技術の相互作用により、企業はニューラルネットワークのように自己学習・自己適応できるようになります。個人がより多くの仕事をこなせるようになり、一人企業の増加を促すでしょう。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
