OpenAIの会長であり、AIエージェント企業SierraのCEOを務めるブレット・テイラー氏は、AIエージェントで最も利益を得やすいのはサンフランシスコのスタートアップではなく、数十年分の顧客記録を持つ創業100年規模の銀行や警備会社、融資会社だと主張しています。Sierraの共同創業者クレイ・ベイバー氏とともに、テイラー氏はその根拠を「知能は借り、コンテキストは自ら持つ」というシンプルな原則で説明します。一方で、AIを支えるデータセンターをなぜ受け入れるべきなのか、AI業界が一般の地域社会にうまく説明できていないことも認めています。

老舗企業こそ早期導入者

ベイバー氏はまず率直な観察から話を始めます。シリコンバレーは独自のバブルの中にあり、看板広告はエージェント向けフレームワークや推論技術を業界関係者に向けて宣伝しています。より示唆に富むシグナルは、サンフランシスコの約25平方マイルの範囲から遠く離れた場所で起きていることだと同氏は述べています。

同氏が挙げた顧客は、スタートアップとは程遠い企業ばかりです。

  • 1857年創業のスペインの銀行Santanderは、複雑な顧客の金融関係の管理にAIエージェントを使っています。
  • 社名の頭文字がもともとAmerican District Telegraphを意味していたADTは、住宅所有者がセキュリティ構成を検討し選ぶのを支援する対話型エージェントを導入しています。
  • Rocket Mortgageは、ローン審査の質問や返済可能額の計算を借り手に案内するカスタムエージェントを使っています。これらのエージェントは$10億を超える住宅ローンの組成に貢献しました。

ベイバー氏の論点は、こうした導入が主にサービスデスクのコスト削減策ではないということです。これらは顧客接点に置かれ、売上高と顧客増加を生み出しています。年間売上高$400億超のある小売企業(社名は非公表)は、Sierraのエージェントを着手から本番稼働まで27日で導入しました。同氏はこれを、大規模な既存組織が評判よりも速く動けることの証拠として挙げています。

知能は借り、コンテキストは自ら持つ

テイラー氏は現在の局面を、Webブラウザーやスマートフォン級のプラットフォーム転換と位置付けました。こうした転換は歴史的にスタートアップに有利に働いてきました。同氏は、海軍に入るより海賊でいる方が楽しいというスティーブ・ジョブズ氏の言葉を引き、既存企業が数十年かけて築いた強みは、足元のプラットフォームが変わると負債に転じることが多いと指摘しました。

しかし同氏は、今回の転換が異なる展開になりうる構造的な理由があると見ています。基盤モデル、つまり企業がOpenAIなどの研究機関からライセンスを受ける大規模な汎用AIシステムは、コモディティ化に向かっています。同氏の見方では、生の知能はどこにでもあるものになるため、特定の企業にとって持続的な差別化要因にはなりえません。仮想的な「GPT-28」は誰にでも利用できるものになるでしょう。

将来のモデルが複製できないのはコンテキストです。数十年、あるいは数百年にわたる独自の顧客データ、取引履歴、ブランドへの信頼がそれに当たります。これこそ1857年創業の銀行が持ち、スタートアップが持たない資産です。だからこそSierraが顧客に示す指針は、知能は研究機関から借り、コンテキストは自分で持つ、というものになります。

下階に顧客記録の施錠された金庫があり、上空に借り物の光る脳のクラウドが浮かぶ企業ビル

▲ 知能は借りてコンテキストは自ら持つ構図

トークンへの不安から成果への支払いへ

コストはこの話のもう半分です。ベイバー氏によれば、今年の初め、最高財務責任者(CFO)たちは商用モデルAPIへの開発者支出が予測できないことに不安を抱いていました。「トークン・マキシング」と呼ぶ人もいた現象です。トークンとはAIモデルが処理するテキストの単位で、提供事業者はこれを計測して課金します。

これへの対応として、企業のモデルの購入・利用方法が変わりつつあります。

以前のやり方 新たに広がるやり方
すべての問い合わせに1つの主力フロンティアモデル 各タスクを処理できる最も安いモデルへ振り分け
トークン消費量による従量課金 エージェントがビジネス成果を出したときだけ支払い
開発者が場当たり的にモデルを選択 CFOがROIの透明性を要求

ベイバー氏は、些細なリクエストに最上位のフロンティアモデルを使うことを、食料品の買い物にフェラーリで出かけることにたとえました。代わりに企業は、OpenRouterのようなツールやRampの社内システムのような仕組みを通じてモデルルーティングを採用しています。軽い作業は、より小さなモデルやファインチューニングしたオープンウェイトモデル(学習済みパラメーターが公開され、企業が自ら実行・調整できるモデル)に送り、フロンティアモデルは微妙な判断を要する問題のために温存するのです。

Sierra自身も成果ベースの価格設定の上に事業を築いています。顧客は、エージェントがサポートチケットを解決したり、購入を完了させたり、ローンを組成したりしたときにだけ料金を支払います。Sierraは裏側で応用層を担い、モデル間の推論とルーティングを継続的に調整するため、顧客はモデルレベルの変動を管理する必要がありません。

パーソナルエージェントはブラウザー模倣で計算資源を浪費している

ユーザーの代わりに行動するパーソナルAIエージェントは、この1年で急増しました。テイラー氏はその有用性の例として、Muse、Instinct、そして自身が使うOpenAIのDotを挙げました。しかし同氏は、現在のアーキテクチャは無駄が多いと述べています。タスクを完了するために、エージェントは通常、仮想マシンを立ち上げ、人間がWebサイトをクリックして進む動作を模倣します。本来なら単純なデータ転送で済むはずの仕事に、膨大な計算と推論のオーバーヘッドが生じているのです。

Sierraはこれに対処するため、Personal Agent Protocolというオープン標準を主導しています。これにより、パーソナルエージェントは視覚的なWebページをスクレイピングしたり操作したりする代わりに、構造化されたAPIを通じて企業のソフトウェアと直接やり取りできます。テイラー氏は、これが計算負荷を大幅に減らすと同時に、エージェントを介した消費者取引をより円滑で安全にすると期待しています。

データセンターへの反発とメッセージングの失敗

中間選挙の後、送電網の容量や土地利用への懸念を背景に、データセンター建設に対する世論と議会の反発が強まっています。ベイバー氏はこの議論を民主的な統治の自然で必要な一部だと認めつつ、根底にある需要には制約がないと主張しました。同氏のたとえでは、どの企業も可能であればスタッフレベルのエンジニアをプリンシパルエンジニアに格上げしたり、質の高い顧客接点を何倍にも増やしたりしたいと喜んで考えるはずで、この認知的コンピューティングへの欲求がインフラ拡張を続けさせているのです。

同氏は地域でのトレードオフを率直に示しました。一方には製造、研修、サービスの雇用と税収があり、もう一方には騒音と電気料金の上昇があります。24カ月前には突飛に聞こえた、軌道上の太陽光発電アレイや宇宙空間のデータセンターといった構想も、需要の伸びと、イーロン・マスク氏のロケット事業による打ち上げ能力の進歩を考えれば、いまや検討に値します。

テイラー氏は業界に対してより自己批判的でした。同氏は、AI業界は米国の地域社会に説得力のある価値提案を伝えることにほぼ失敗しており、住民は税負担の軽減のような直接的で個人的な恩恵をまだ実感していないと述べました。恩恵が目に見えるものになるまで、プロジェクトは抵抗に遭い続けると同氏は見ています。また、ジェボンズのパラドックスとして知られる歴史的パターンにも言及しました。エネルギーが安く、クリーンになるたびに、総需要は横ばいになるどころか新たな供給を吸収するまで増えるというものです。同氏は、安価な計算資源も同じように振る舞い、科学や産業で予期しない用途を解き放ち、それがさらに多くの計算資源を必要とすると予想しています。同氏の処方箋は、科学と工学をさらに進めることと、地域に相互の利益をもたらす先手の地域協定を組み合わせることです。

地政学的な側面もあります。国内の送電網の遅れや政治的摩擦が続けば、計算資源はマレーシアや中東などの地域へ移る可能性があります。テイラー氏は、AIは世界的な現象であり、どの国も国家安全保障上の優先順位に従って自国の電力、計算資源、技術の主権を追求するだろうと指摘しました。

住民がデータセンターの模型と住宅を天秤にかけ、硬貨と送電鉄塔を釣り合わせる町民集会

▲ データセンター承認を巡る地域のトレードオフ

加速装置としての希少性

ベイバー氏はまた、資源の上限が米国をより創造的なアーキテクチャへ向かわせると見ています。Googleの共同創業者セルゲイ・ブリン氏が、発明の真の触媒は希少性だとよく語っていたことを同氏は思い起こしました。厳しい計算資源の制約下で高い能力を示した中国の研究機関DeepSeekと、大きなモデルの振る舞いを再現するように学習させた小型の蒸留モデルは、同氏の見方では、制約が効率を生み出す証拠です。フロンティア級の知能への強い需要が、モデル設計からデータセンターの配置、半導体に至るまで、あらゆるトークンとあらゆるGPUからより多くを引き出すようエンジニアを駆り立てていると同氏は述べました。

知能のメモリ階層

海外の低価格モデルによる価格圧力について、テイラー氏はOpenAIのLunaモデルファミリーを称賛しました。同氏はこれを素晴らしいものだと評し、多くの企業ユースケースでは、オープンウェイトの代替モデルを自前でホストするより安く運用できると述べました。市場の行き先について、同氏は2つのたとえを示しました。

  • 通信キャリアの携帯電話ショップ: VerizonやT-Mobileでは、約$1,000で最新のフラッグシップ機を買うことも、プラン契約で旧モデルを無料で手に入れることもできます。どちらも異なるニーズに応じた正当な選択です。
  • ストレージ階層: ソフトウェアはすべてを最速の階層に置くのではなく、レイテンシーとコストの目標に応じて回転式ディスク、フラッシュストレージ、RAMを組み合わせます。

知能も同じ論理に従うと同氏は主張します。2~3年以内に、導入事例は単一の巨大モデルではなく、特定のコスト、速度、能力の要件に対応付けた複数のモデル群に依存するようになると同氏は予想しています。

IPO投資家への警告

AnthropicとOpenAIの株式公開が視野に入る中、ベイバー氏が公開市場の投資家に向けた助言は謙虚さでした。過去3年間で、コーディングエージェント、DeepSeek、OpenAIのo1推論モデルはいずれも予測より早く登場しました。知能への総需要は無限に見えるものの、その技術的な形、商業的なパッケージ、地理的な分布は依然として極めて変動が大きいと同氏は述べました。フロンティアで活動する研究機関はごくわずかで、AIの正確な商業的・技術的な道筋について確信を語る人は誰であれ深い懐疑に値します。同氏は、硬直的な予測に頼るのではなく、大まかで長期的なエクスポージャーを持つことを提案しました。これらはいずれも投資助言ではなく、AIエージェントを販売する企業の経営者2人の見解です。

この話が意味することと、やるべきこと

一貫して流れているのは、AIエージェントの価値がモデルからその周囲のコンテキストへ移りつつあるということです。既存企業にとって、これは心強い話です。すでに持っている顧客記録、取引履歴、信頼こそが希少な材料だからです。業界にとってのメッセージはより厳しいものです。計算資源の需要は際限がないかもしれませんが、ハードウェアを受け入れる側の市民には、なぜ気にかけるべきなのかがまだ示されていません。

実践的なポイント:

  1. 独自の顧客データとCRMの履歴を、あらゆるエージェント導入の中核資産として扱い、モデルの知能は自前で作ろうとせず借りる。
  2. 定型的な問い合わせをフロンティアモデルに送るのをやめる。ルーティングを使って各タスクを十分な性能を持つ最も安いモデルに合わせ、蒸留モデルやファインチューニングしたオープンウェイトモデルも選択肢に入れる。
  3. AIの予算をトークン量ではなく、解決したチケット、完了した販売、組成したローンといった成果で組む。
  4. 消費者向けシステムを作るなら、パーソナルエージェントがブラウザーを模倣せずに取引できるよう構造化APIを公開する。Personal Agent Protocolは検討に値する標準の1つ。
  5. インフラを作るなら、職業訓練、公共料金の補助、税制上の優遇といった具体的な見返りを携えて、受け入れ地域と早期に関わる。抽象的な国家的利益では住民を説得できていないため。
  6. 投資するなら、次の3年も過去3年と同じくらい驚きに満ちると想定する。