ゴールドマン・サックス・シリコンバレー・リキャップ：AIエージェント、ワークフロー、そして世界モデル

著者：李佳（ウォール・ストリート・ジャーナル）

AIは「答えることができる」段階から「実行できる」段階へと、新たな段階に入りつつある。

Wind Trading Deskによると、ゴールドマン・サックスの最新レポートでは、AIの商用化は「座席数に応じたサブスクリプション」から、消費量、取引量、成果に基づいた課金へと移行しつつあることが示されている。同時に、エージェントは補助ツールからワークフロー実行ツールへと移行しており、業界の価値はモデル自体から、独自のデータ、ビジネスコンテキスト、ドメイン専門知識へとシフトしている。

これは、AI業界における競争が「どちらのモデルが優れているか」から「どちらがワークフローを真にマスターできるか」へと移行していることを意味する。モデルの性能は依然として重要だが、企業の生産環境に参入し、ビジネスコンテキストを理解し、タスクを確実に完了できる能力が、より重要な競争上の障壁となるだろう。

この判断は、ゴールドマン・サックスが最近実施したシリコンバレーのAI産業チェーンに関する現地調査に基づくものです。ゴールドマン・サックスは8月18日から19日にかけて、AIスタートアップ企業、大手ベンチャーキャピタル企業、そしてスタンフォード大学、カリフォルニア大学バークレー校、サンフランシスコ大学の研究者を3年連続で訪問しました。ゴールドマン・サックスは、エージェントの実装が加速するにつれて、最先端モデル、オープンソースモデル、世界モデル、エンタープライズソフトウェア、および独自データ間の価値配分が変化すると考えています。

エージェントの実装：企業が本当に欠けているのは能力ではなく、「制御性」である

過去にAIが「人々のタスク完了を支援する」という課題を解決してきたとすれば、エージェントは「タスクを自律的に完了する」という課題を解決しようとしている。しかし、企業における大規模展開においては、最大の障害はモデルの能力ではなく、責任分担の方法や、実行プロセス全体を制御できるかどうかとなる可能性がある。

報告書は、スタンフォード大学の研究者らの指摘を引用し、ほとんどの企業が依然として人的監視体制にあると述べている。特に法律、リスク管理、保険、監査といった分野では、モデルに誤りが生じた場合、誰が責任を負うのか、そのプロセスをどのように追跡するのか、そしてタイムリーに修正できるのかといった点が、モデル自体の能力と同じくらい重要になる可能性がある。

したがって、自動化が最初に実現する可能性が最も高いワークフローは、通常、明確な意思決定境界、検証可能な結果、および可逆的なエラーという3つの特徴を備えています。請求書処理はその典型的な例です。AIはフィールドの抽出とチェックを担当し、信頼性の低いケースは人間がレビューした後、可逆的なERPプロセスを通じて処理を完了します。

これはまた、信頼できるコンテンツ、検証済みのドメインモデル、成熟した規制関係を持つ情報サービスプロバイダーが、企業の本番環境に最初に参入する可能性が高いことを意味する。

モデル競争：最先端モデルとオープンソースモデルの役割分担

「オープンソースかクローズドソースか」という議論に関して、ゴールドマン・サックスが今回の調査で明らかにした兆候は、それが二者択一ではなく、むしろ異なるモデルが異なるレベルのワークフローに対応する可能性があることを示唆している。

最先端モデル推進派は、企業ベンチマークではモデルの能力が過小評価されがちだと考えている。実際の運用環境では、モデル精度の低下によるビジネス損失は、推論コストの削減効果をはるかに上回る可能性がある。そのため、多くのAIネイティブ企業はマルチモデル戦略を採用していると主張しているものの、依然としてコアとなる運用環境では最先端モデルに大きく依存している。

別の見方としては、企業のワークフローの大部分は最先端のインテリジェンスを必要としないという点が挙げられます。オープンソースモデルのパフォーマンスが向上し続けるにつれ、顧客は推論コストの低減と引き換えに、パフォーマンスの低下をある程度許容する傾向が強まっています。あるベンチャーキャピタル企業は、今後12～18ヶ月で推論トークンの約90%がオープンソースモデルに流れると予測しています。

これは、将来のAIモデル市場において、より明確な分業体制が形成される可能性があることを意味する。最先端のモデルは、高価値かつ高信頼性が求められる複雑なタスクを担当し、オープンソースモデルは、より大規模で標準化されたタスクと、トークン消費の大部分を処理することになるだろう。

世界のモデル：AIコンピューティング能力は第二の成長曲線を迎える可能性

過去18ヶ月間、研究者たちはLLM（法と法の相互関係モデル）から「世界モデル」へと研究の焦点を移しつつある。

主にインターネットデータに基づいて学習を行うLLMとは異なり、ワールドモデルは現実世界の環境、因果関係、物理法則、動的な相互作用を理解する必要があり、データは物理システム、特定の産業、実際の運用シナリオから得られることが多い。これは、独自データの重要性がさらに高まる可能性があることを意味する。

ゴールドマン・サックスは、物理学、産業、科学、ロボット工学といった分野における問題領域は、純粋なテキスト生成よりもはるかに大きく、これらのワークフローにはより高い計算能力への投資が必要となることが多いと考えています。AIがデジタル世界から物理世界へとさらに浸透していくにつれ、モデルのトレーニング、シミュレーション、推論における計算能力の需要も新たな成長曲線を描く可能性があります。

ゴールドマン・サックスは、今後5年間でコンピューティング能力の需要が約24倍に増加する可能性があり、需給の逼迫は長期化すると予測しており、マイクロソフト、オラクル、コアウィーブといったクラウドコンピューティングおよびコンピューティングインフラ企業に直接的な恩恵をもたらすと見込んでいる。