Andrew Ng氏「半年でコーディングエージェントの利用構成が一変」 ― Claude Code中心からOpenAI Codex・Gemini CLIも併用へ
AI領域の著名研究者であり、DeepLearning.AIやLangChainとも関わりの深いAndrew Ng氏が、カンファレンス「Interrupt 26」のトークセッションに登場しました。コーディングエージェントの進化、企業のAI導入における落とし穴、そして、ベンダー選定における「オプショナリティ(選択の自由度)」の重要性など、ビジネスパーソン・投資家にとって参考になる発言が多く語られています。本稿ではその内容を整理して紹介します。
1. コーディングエージェントの急速な進化
Ng氏はまず、この1年でAI分野において予想以上に早く進んだ領域として、コーディングエージェントを挙げています。「半年前は、ほぼClaude Codeだけを使っていた。今もClaude Codeは多く使っているが、OpenAIのCodexの利用も増え、Gemini CLIや一部でOpen Codeも併用するようになった」と、自身の利用環境の変化を率直に語っています。
1-1. プロダクトマネジメントの「ボトルネック」が深刻化
Ng氏は、約1年前から「プロダクトマネジメントのボトルネック」、つまり開発スピードが上がるほど、何を作るべきかを決める意思決定の工程がボトルネックになるという現象を指摘していました。この1年でその傾向はさらに強まったといいます。
「ソフトウェア開発が10倍、100倍速くなると、プロダクトマネジメントだけでなく、ほぼすべての工程がボトルネックになる」と述べ、マーケティング部門が新機能の説明に追いつけなかったり、法務のコンプライアンス確認が開発スピードに対して相対的に遅くなったりする例を挙げています。
1-2. 「高コンテキストなジェネラリスト」による小規模チーム
こうした変化への対応として、Ng氏は1〜10人程度の小規模チームで、高いコンテキストを持つジェネラリストのエンジニアに幅広い権限を与えるという編成を増やしていると述べています。「2人のチームに、ソフトウェア開発・プロダクトマネジメント・利用規約・マーケティングコピー・デザインという5つの機能が必要だとすれば、鳩の巣原理からして、この2人は、複数の役割を兼ねるしかない」と説明し、AIの支援によって、専門外の業務でも「以前よりは多少うまくできる」レベルまで補えるようになった点が大きいとしています。
2. 企業のAI導入 ― ボトムアップの限界
2-1. 「ボトムアップ」だけでは投資対効果が出にくい
Ng氏が共同創業したAI Aspireでは、フォーチュン50・500クラスの大企業とAI戦略について議論する機会が多いといいます。そこで見えてきた共通の課題として、ボトムアップ型の「千の花を咲かせる」戦略だけでは、十分な投資対効果が出にくいという点を挙げています。
「ボトムアップのイノベーションは、個別の効率化(ポイントソリューション)を生み出すことが多い。それ自体は良いことだが、AIが約束していたような、より広範な事業変革にはつながりにくい」と指摘しています。
2-2. 銀行の融資審査を例にした業務フロー再設計
具体例として、ある銀行のローン審査プロセスが紹介されています。マーケティング・申込受付・審査・最終確認・実行という5つの工程のうち、審査の工程だけをAIで自動化するという発想にとどまると、「人が1時間かけていた作業をAIが代替する」という小さな効率化にしかなりません。
Ng氏が紹介する銀行の事例では、発想を転換し、「1週間かけて人の手が空くのを待つのではなく、申込から10分で承認が出るローン商品」を目指し、マーケティングからデータ基盤、審査、最終実行までの全プロセスを再設計する取り組みが進められているといいます。Ng氏はこの点について、「こうした取り組みには、全工程を見渡して再設計できる、より広い権限を持つ人材が必要になる」と述べています。
2-3. 「コスト削減」より「成長」を狙うべき理由
Ng氏は、多くの企業がAI導入の効果を「コスト削減」として語る一方、自身は、「事業成長(グロース)」につながる、より野心的な取り組みを推奨しているといいます。理由は明快で、「コスト削減には実務上の上限があるが、成長にはほとんど上限がない」というものです。コールセンターの自動化やドライブスルーの音声注文対応なども、コスト削減としてだけでなく、より良い顧客体験を通じた成長機会として捉えられる事例として紹介されています。
3. 投資対効果(ROI)をどう測るか
ROIの測定方法について尋ねられたNg氏は、「事業の多様性を考えると、ROIの測定はビジネスそのものを測定するようなもので、一律の答えを出すのは難しい」と率直に述べています。
興味深い指摘として、Ng氏は、「インクリメンタル(小さな改善)を追求する方が、トランスフォーマティブ(変革的)な成果を追求するより、むしろ難しい場合がある」と語っています。「事業成果を2%改善せよと言われれば、社員は『2%余分に頑張れ』という話になる。しかし、20%や50%の成長を求められると、単純に皆が50%余分に頑張るだけでは実現できず、より創造的な解決策が必要になる」という説明です。
ある金融機関がAI活用のアイデアを300件以上もスプレッドシートにまとめて持ち込んできたという事例も紹介されており、こうした多数のアイデアを技術面・事業面の両方から分析し、実際に資本を投じるべき少数の案に絞り込む作業には相当な労力が必要だと述べています。
4. フォワード・デプロイド・エンジニア(FDE)への評価
近年話題になっている「フォワード・デプロイド・エンジニア(FDE)」についても言及があります。Ng氏は、「FDEは良いアイデアだと思うが、シリコンバレーらしく、実態以上に盛り上がっている面もある」と冷静な見方を示しています。
将来的な比率については、「多くの企業は、社内のAIエンジニアを中心とし、それに加えて少数のFDEを組み込む形になるだろう」と予測しています。
4-1. ベンダーロックインへの警戒 ― 契約は1年以内
Ng氏が強調したのが、ベンダー選定における「オプショナリティ(選択の自由度)」の重要性です。AIモデルやコーディングエージェントの優劣は急速に入れ替わっており、「1年後にどのAIモデルが最先端であるか、正直まったく分からない」と述べています。
そのため、Ng氏自身は、「多くのベンダーが20〜30%の割引と引き換えに3年契約を提案してくるが、個人的にはどんな割引が提示されても、1年を超える契約はほとんど結ばない」と明言しています。FDEを特定ベンダーから受け入れることが、将来の選択の自由度をどれだけ損なうかも、企業が検討すべき論点として挙げられています。
5. オープンウェイトモデルと未整理データという課題
Ng氏は、オープンウェイトモデルについて「フロンティアモデルからおおむね6〜9カ月遅れの状態が、ここ数年安定的に続いている」と述べ、多くの用途でコスト面から依然重要な選択肢であるとしています。一方で、ここ数週間、モデルのリリース前検査に関する政府側の動きについて懸念の声を耳にしているとも述べ、オープンソース・オープンウェイトを巡る議論の行方を注視する姿勢を示しています。
また、今後数年で企業にとって重要になる課題として、**非構造化データ(テキスト・画像・PDF・音声など)をAIエージェントが活用できる形に再整備する「データアーキテクチャの再構築」**を挙げ、「数千万ドルから数億ドル規模のプロジェクトが、多くの企業で立ち上がっていくだろう」と予測しています。
まとめ
Andrew Ng氏の発言からは、AIエージェントの実装スピードが上がるほど、技術以外の工程(マーケティング・法務・デザインなど)がボトルネックになるという構造的な課題と、それに対応するための小規模・高権限チームという組織設計の方向性が見えてきます。また、企業のAI導入においては、個別の効率化に留まらず業務フロー全体を再設計する視点、コスト削減よりも成長を志向する姿勢、そして、ベンダー選定における契約期間の柔軟性の確保が、今後の競争力を左右する論点になりそうです。
