核要内容のまとめ
ウー・エンダは講演の中で、「エージェント型AI（Agent AI）」という核心的なトレンドに焦点を当て、AIがワークフロー、プログラミング、データアーキテクチャ、ビジネスチャンスをどのように変えていくかについての重要な見解を共有しました。エージェント型AIは一度にコンテンツを生成するのではなく、人が記事を書くように繰り返し改良を行います。AIを活用したプログラミングはプログラミングをやめることを意味するのではなく、AIに「指示」を出す方法を学ぶことです。プロトタイプ開発の効率は10倍に向上し、試行錯誤のコストは非常に低くなります。PDF分析や音声インタラクションは過小評価されているビジネスチャンスです。データはもはや単一のクラウドプラットフォームに縛られず、世界中で最適なサービスを探すことができます。重要な論理は、AIによってかつて「高価」だった多くのことが安価になり、何を重視すべきか、何をいつでも捨て去ることができるかを再評価する必要があるということです。
1. エージェント型AIによるワークフロー：人が記事を書くように「繰り返し改良」
以前は大規模なモデルを使って一度に記事を書くように求められ、戻したり止めたりすることができませんでしたが、AIの性能は良かったものの最適ではありませんでした。今ではエージェント型AIがこの制約を打ち破り、まずアウトラインを作成し、資料を検索し、文脈に合わせて初稿を書き、何度も修正を繰り返します。これは報告書を書くときにフレームワークを立て、資料を調べ、草稿を修正し、最終的に決定するのと同じです。ウー・エンダによると、将来の多くのビジネスプロセスはこのような「循環型」の自動化ワークフローに変わるでしょう。効率はさらに向上します。
2. AIを活用したプログラミング：「プログラミングを学ぶ必要はない」というアドバイスは聞かないで、AIに「指示」を出す方法を学ぶ
「AIがプログラミングできるのでプログラミングを学ぶ必要はない」と言う人もいますが、ウー・エンダはこれを「史上最悪の職業アドバイス」と批判しています。歴史上、プログラミングツールが進化するたびに（例えばパンチングからキーボードへ、アセンブリからIDEへ）、より多くの人がプログラミングの分野に入りました。なぜならハードルが下がったからですが、需要はむしろ増えました。現在も同じ状況です。AIを活用したプログラミングはコードを書かなくてもよいというわけではなく、AIに何を求めるかを正確に伝える方法を学ぶ必要があります。例えば、マーケティングの仕事をする人はコードを自分で書く必要はありませんが、AIにデータ分析スクリプトを生成させることで、コードを書けない人よりも優位に立つことができます。
彼はプログラミングを2つのカテゴリーに分けています：安定性と安全性が求められるプロダクションレベルのコードではAIによって30％〜50％の効率向上が期待でき、プロトタイプ開発では10倍以上の効率向上があります。彼のエンジニアは以前なら3人で6ヶ月かかった作業を1日で完了できます。そのため、プロトタイプは自由に試すことができ、たとえ「安全でないコード」を書いても問題ありません。コストが非常に低いからです。
3. プロトタイプの試行錯誤：18個作って16個が失敗しても価値がある
以前はプロトタイプを作るのに多くの時間とコストがかかったため、たくさん試すことができませんでした。しかし今ではAIによってプロトタイプのコストが大幅に下がり、ウー・エンダは「たくさんプロトタイプを作ろう！18個のコンセプト検証をすぐに失敗させても、2つの有用なものが得られればそれは良い取引だ」と言っています。彼のチームには「サンドボックス環境で自由に試す」というルールがあります。サンドボックスとは隔離された安全な環境で、本番システムに影響を与えません。有望に見えるプロトタイプのみが本格的な評価に進みます。企業には「この点を中心に組織を再構築すること」を提案しています。なぜなら、迅速な試行錯誤によってより良い製品を早く見つけることができるからです。
4. 過小評価されているビジネスチャンス：PDF分析と音声インタラクション
ウー・エンダは注目されていない2つのAIのチャンスを指摘しました：
1. PDF分析：企業で最も多い「画像」は実際にはPDFです（医療フォーム、財務報告書、請求書など）。以前はAIはこれらのPDF内のテキストやグラフを理解できませんでしたが、今ではエージェント型AIがPDFを繰り返し「読み」、情報を抽出できます。例えば、請求書の金額がデータベースの金額と一致しない場合、AIが自動的にそれを指摘できます。彼はエンジニアが半日で請求書マッチングツールを作成した例を挙げました。
2. 音声インタラクション：多くの人は自分の考えを言葉にするのが苦手ですが、口頭で話す方が流暢です。AIの音声システムの問題は「遅延」と「正確さ」のバランスです。例えば、カスタマーサービスはすぐに返金を約束できませんが、ユーザーは長く待つことができません。ウー・エンダの解決策は「この質問は良いですね、少し考えさせてください」と人間のように話すことで、時間を稼ぎながらユーザーを不快にさせません。
5. データはもはやクラウドプラットフォームに「縛られない」：最適なサービスがある場所にデータを移す
以前は企業のデータがあるクラウドプラットフォームに存在するため、そのクラウドの計算能力しか使えませんでした（データの転送コストが高かったからです）。これを「データの重力」と呼びます。しかし今では生成型AIの処理コストは転送コストの100倍も高くなっています。1GBのデータを転送するのに10セントしかかからず、処理するのに30〜40ドルかかります。そのため、データは世界中のどこにでも転送して最適なAIサービスを探すことができます。新しいモデルが出たら、2〜3日で切り替えることができます。これは企業がもはや単一のクラウドプラットフォームに縛られることなく、より柔軟に最適なツールを選ぶことができることを意味します。
結論：「何を重視すべきか」の再評価
ウー・エンダの講演の本質は「価値の再評価」です。コードはもはやすべてのシナリオで貴重な資産ではありません（プロトタイプコードは毎週書き換えることができます）。オーケストレーションレイヤー（中間ツール層）の方が基本モデルよりも置き換えが難しく、人の「文脈判断」（例えばユーザーのニーズを理解すること）の方がコードを書くことよりも貴重です。重要な問題は、試行錯誤のコストがゼロに近づいたとき、どのようなことにエネルギーを注ぐべきか、どのようなことをいつでも捨て去ることができるかです。すべてのチームが自分で答えを見つけなければなりません。