AI は歴史上最も強力な価値創造技術の一つになり得るが、それでも価値獲得の問題を抱える可能性がある。
Alex Karp 氏は、AI を購入する企業は、自社の知的財産を Anthropic や OpenAI に流出させるリスクを負うと述べている。Satya Nadella 氏は、その答えを「主権」と呼ぶ。つまり、企業が自らの知性を管理し、クエリごとにレンタルバックしないことだ。両氏は似たようなことを言っているが、表現は少し異なる。希少な資産はもはやモデルだけではなく、モデルが自社と競合他社の集約されたパターンから学習するコンテキストとノウハウでもある。
保険を例に考えてみよう。State Farm、Progressive、Allstate、Travelers、Chubb、AIG、Liberty Mutual、そして 100 以上の中小保険会社が、すべて同じモデルで保険金請求を処理していると想像してほしい。各保険会社は、事故の説明、写真、修理見積もり、アジャスターのメモ、境界線上の承認、不正のフラグ、差し戻し、支払い、異議申し立て、回収結果という、同じコンテキストの流れをモデルに提供する。
最初は、これは明らかに有用だ。モデルは保険金請求をより迅速に処理し、怪しいケースにフラグを立て、どの修理見積もりが水増しされているか、どの医療パターンが奇妙に見えるか、そしてどの差し戻しが後に損失になるかを学習する。
しかし、同じモデルがすべての保険会社から学習する場合、あなたの保険金請求の判断は依然としてあなたの強みと言えるだろうか？あなたの損失率を守っていた引受例外はベンチマークになる。あなたのチームが早期に発見した不正パターンは、市場に売り戻される機能になる。
何を保持し、何を失うかに注目してほしい。保険会社は依然としてリスク、顧客関係、規制当局、損失率を所有する。共有モデルはますます学習曲線を所有する。あなたのミス、差し戻し、そして苦労して得た保険金請求の直感は、トレーニング信号になる。
その直感は、あなたの真の知的財産の一部だ。登録された種類のもの（特許やブランド）ではなく、運用的な種類のものだ。つまり、あなたの従業員がどのようにリスクを評価し、不正を発見し、曖昧さを読み解き、会社の知っているすべてを活用するかということだ。モデルは、その希少な判断力を再現可能にすることで、あなたの堀の一つを溶かす可能性がある。
これが、データの保護だけに焦点を当てた企業が考えを狭くしている理由だ。より深い資産は、組織のコンテキストとノウハウである。つまり、困難な専門的業務に関する従業員の頭の中にある判断力だ。
ラボ（AI 研究機関）はこれを理解している。OpenAI と Anthropic は、データを年率 10 倍に拡大し、ドメイン専門家を動員してエージェントをトレーニングするタスクを作成するために数十億ドルを費やしていると報じられている。タスクとは、専門家の作業をモデルが学習できるものにパッケージ化したものだ。プロンプト、環境、アクション、ルーブリック、検証者、スコア。
次に、ライフサイエンスを見てみよう。Anthropic はその方向性を明確にしている。今日の研究者向けのツールから、時間の経過とともにより自律的な発見へ。Claude for Life Sciences と Claude Science は、文献、エージェント、科学的成果物、再現性、そして計算能力を一つの「ワークベンチ」に統合する。何千ものバイオテク企業が、ターゲット、アッセイ、安全性、エンドポイント、そして継続か中止かの判断に関してそのシステムを使用する場合、悪夢は Anthropic が特定のバイオテク企業の発見を見ることではない。それは、Anthropic が何千もの企業にわたる真剣な創薬の質問と判断がどのようなものかを学び、同時にその分野に参入することだ。
ファーストパーティ製品は、この「学習」を大規模に獲得する方法だ。保険では、モデルはあなたの優位性を業界のベースラインに溶かす。製薬では、それが可能であり、さらに多くの企業が教えたことを利用して、あなたと競争することもできる。また、あなたの実際の堀をより露出させる（これについては後述）。
私は、AI がプライベートなノウハウを大規模に利用可能にすることで価値を創造するという事実に異論を唱える人はいないと思う。しかし、それは同時に「ノウハウ」をより希少でなくする。すべての保険会社、銀行、バイオテク企業が同じモデルを通じて同じ機能にアクセスできる場合、かつてあなたの強みだったものは、業界のベースラインになる。価値は消えるわけではない。分割されるのだ。顧客はより低い価格かより良いサービスを得て、モデルベンダーは学習を得て、あなたは競争によって消耗される初期の生産性向上を得る。
これが、持続可能な価値のほとんどがあなたの手元に残らない理由だ。
- 全員が同じ優位性を得るなら、顧客がそれを保持する。 自動車メーカーが、半導体、樹脂、輸送費、受託製造能力、代替部品を交渉するためにモデルを使用していると想像してほしい。優位性は、他のメーカーよりも優れた購買を行うことだ。つまり、どのサプライヤーの不足が本物か、どの見積もりに過剰なマージンが含まれているか、そして価格を抑えることよりも供給を維持することが重要である場合を把握することだ。すべてのメーカーが同じモデルを通じて購買を実行する場合、モデルは単にコストを下げるだけではない。購買をより「類似」させる。最良の買い手は、自社のプロセスと他のすべてのプロセスとの間のスプレッドを失う。サプライヤーも適応する。すべての買い手が同じ「あるべきコスト」分析、代替ソースマップ、交渉スクリプトを持って来るようになると、そのプレイブックは価格に織り込まれる。
- モデルはまた、複利効果をもたらすものを捕捉する。 大手製薬会社のような内部プラットフォームを持たないため、リソースに制約のある 1,000 のバイオテク企業が Claude for Life Sciences を使用していると想像してほしい。各企業は、自社の化合物、ラボコスト、失敗したプログラム、規制上の経路を所有している。しかし、ワークベンチはそれらすべてにわたるパターンを見ることができる。つまり、どの毒性シグナルがプログラムを中止させたか、どのアッセイが誤った確信を与えたか、どのエンドポイントが弱かったか、どの患者サブグループが適切ではなかったか。それが十分な数のバイオテク企業や製薬会社にまたがって存在する場合、単一の企業には見えない失敗パターンを見ることができる。データの優位性は排他性にあるが、共有ワークベンチは集約によって排他性を打ち破る。 そして、Anthropic は自社で医薬品を開発する意向であるため、効率性のために採用したツールは、最終的には、現場を観察して学んだことを利用して、あなたと同じことをするかもしれないエンティティによって構築されている。
- あなたはユニークなものを提供し、平均的なものを受け取る。 あなたは差別化された判断力、データ、コンテキスト、意思決定を提供する。つまり、あなたのチームだけが発見した不正パターン、あなたの購買担当者が無視したサプライヤーのハッタリ、市場がそれを見る前に PM が中止したトレードなどだ。あなたが受け取るのは、全員のブレンドだ。Citadel は、世界最高の PM の kill 基準を、すべてのポッドがトレーニングされることを決して望まないだろう。最良の企業にとって、それは損失の出るトレードだ。つまり、平均以上の判断力を提供し、平均を受け取るのだ。
- データ権利は学習権利ではない。 企業は、保持、機密性、セキュリティ、アクセス制御、トレーニングのオプトアウトについて交渉する方法を知っている。しかし、より重要な質問は、派生した判断力（タスク、フィードバックループ、評価、ワークフロートレース、修正、障害モード、意思決定パターン、エージェントスキル、製品インサイト）を誰が所有するかである。モデル企業が困難な問題を理解すれば、別の方法でジョブのロジックを獲得できる。同じ意思決定をテストするケースを作成するために専門家を調達できる。つまり、モデルは料金を引き上げるべきか、引受を厳格化すべきか、不正をフラグすべきか、セグメントを除外すべきか、収益性の高い顧客を維持するためにより悪い損失率を受け入れるべきか？ 推論はトレーニング可能になる。
- 利益は最初に集中し、依存関係は複利で増加する。 最初の導入は真の生産性の飛躍を生み出す。しかし、競合他社が同じモデルを実行すると、その飛躍はベースラインになり、残るのはあなたの優位性ではなく、次のアップグレードへの依存度である。誰もが最初の上昇を獲得するが、ベンダーは繰り返し発生する学習曲線を獲得する。1 年目には、工場モデルはダウンタイムを削減するが、その後、すべての競合他社が同じ予知保全ワークフローを持ち、ベンダーはあなたが依存するプロセス直感を所有する。
このどれもが、価値獲得がゼロになることを意味するわけではない。先発者は、競合他社が採用する前の期間に、実際の利益を銀行に預ける。唯一の問題は、持続可能な価値は学習を所有する者に行き、デフォルトではそれはあなたではないということだ。これにより、全体はワークフローごと、タスクごとに行われる意思決定に変わる。あなたの仕事が一般的なものであれば、それをプールして利益を得る。なぜなら、そこでは平凡さを守っているからだ。あなたの従業員の判断力が製品である場合、それを共有モデルから遠ざけておく。
最も簡単な見方を示そう。TikTok、YouTube、Google を考えてみよう。あなたは自分が顧客だと思っているが、実際には原材料だ。あなたが視聴し終えるすべての動画は、アルゴリズムに何が機能するかを教え、その学習こそが本当の製品であり、次の広告主に販売され、次のユーザーを引き付けるために使用される。
CEO は Anthropic と OpenAI をそのように考えるべきだ。つまり、エンタープライズデータ向けの TikTok だ。ただし、フィードはあなたの仕事であり、エンゲージメントシグナルはあなたの判断力である。モデルプロバイダーは、あなたの会社で最も高価なノウハウを対象としたその機械である。あなたの専門家は、保険金請求、トレード、契約条項、サプライヤー、試験、リスク判断、生産問題についての支援を求めて現れる。すべてのためらい、差し戻し、エスカレーション、承認、拒否、再確認は、あなたの会社がどのように考えるかをモデルに教える。
TikTok では、クリエイターは少なくとも報酬を得る。ここでは、あなたはデータ、コンテキスト、そしてデータからの学習（「ノウハウ」）を提供し、プラットフォームは完成品を業界全体に販売したり、製薬の場合のように、最終的にはあなたと競争することを選択できる。
したがって、経営幹部の質問は単純だ。あなたは自社専用の TikTok を望むか、それとも共有のものを使用したいか？おそらく、両方を経由する必要があるだろう。
価値の高いワークフローを Anthropic、OpenAI、または他の共有モデルに投入する前に、一つの質問をしてほしい。もしすべての競合他社が、私たちがこの意思決定をどのように処理するかを学んだとしたら、それでも私たちは彼らより優れているだろうか？
