AIは“データの自作”で勝つ──TuringとFyxerに学ぶ「量より質」とデータ主権の戦略
AIの進化は、もはやモデルの大きさや演算能力だけで決まるものではない。
近年、AIスタートアップの間で「いかに高品質なデータを独自に収集・生成できるか」が、最大の競争軸になりつつある。
特に、画像・動画・音声などのマルチモーダルAIを開発する企業では、既存のウェブスクレイピングや安価なクラウドソーシングに頼る手法を脱し、「自社で撮影・作成した一次データ」を重視する動きが加速している。
その象徴的な例が、AI企業 Turing が進めるビジョンモデル開発プロジェクトだ。
1. Turing：AIに「手作業を理解させる」実験
Turingでは、アーティストや料理人、電気技師など、手を使う職業人がGoProカメラを装着し、日常の作業を撮影するプロジェクトを展開している。
アーティストのテイラー氏（仮名）はこう語る。
「私たちは朝起きて、頭にカメラをつけて日課を始めるんです。朝食を作り、皿を洗い、その後は各自が絵を描いたり彫刻を作ったりする。毎日5時間分の映像を撮る契約でしたが、実際には休憩も入れて7時間はかかりました。」
撮影は体力的にも負担が大きく、「外したときにおでこに赤い跡が残るほど」だったという。
しかし、こうして得られた映像はAIにとって貴重な学習素材だ。TuringのSudarshan Sivaraman氏（Chief AGI Officer）は次のように説明する。
「AIに“どうタスクをこなすか”を理解させるには、さまざまな職業のデータを集めるしかない。ブルーカラー作業を中心に多様なデータを撮影し、AIに実世界の連続的な行動を学ばせるのです。」
2. ウェブスクレイピングから「手作りデータ」へ
かつてAI開発では、ネット上の画像やテキストを大量にスクレイピングしてモデルを訓練するのが一般的だった。
しかし、著作権や品質の問題が表面化し、2024年以降は「自前データによる訓練」が主流に変わりつつある。
Turingのデータの約8割は、オリジナル映像をもとに生成した合成データ（synthetic data）だという。
だがSivaraman氏は強調する。
「元データが低品質なら、どんなに合成しても結果は悪くなる。だからこそ“元の映像”が最も重要なのです。」
AI企業が「自らの手でデータを作る」理由は、単なる品質向上だけではない。
他社が簡単に真似できないデータこそが“参入障壁（moat）”になるからだ。
3. Fyxer：メールAIが示す「人間による学習」の価値
同じ流れは、メール自動処理AIを開発するFyxerにも見られる。
創業者リチャード・ホリングスワース氏は、初期の実験で気づいたという。
「データの“量”ではなく“質”こそが性能を決める。」
Fyxerでは、AIを訓練するために熟練のエグゼクティブアシスタントを多数雇用した。
エンジニアよりもアシスタントが4倍多い時期もあったという。
メールを「返信すべきかどうか」を判断するためには、人間の業務判断力が不可欠だったのだ。
このアプローチにより、FyxerのAIは単なる分類モデルではなく、文脈を理解した“判断支援AI”へと進化した。
ホリングスワース氏はこう語る。
「AIモデルは誰でも組み込める。しかし、人間が育てたデータは簡単に再現できない。私たちの最大の強みは、人間が作る高品質データです。」
4. 競争優位の本質は「データ収集力」にある
TuringもFyxerも、共通しているのは“自社でデータを作り込む文化”だ。
AI業界では、モデルの性能が一巡した今、
・合成データの品質維持
・著作権・倫理リスクの回避
・モデル差別化のための独自データ
という3つの要因から、「データ主権（data sovereignty）」が重視されている。
Turingのような“動画で学ぶAI”も、Fyxerのような“人間を模倣するAI”も、根底にあるのは同じ哲学だ。
それは――AIの未来は、誰が最も良質なデータを持つかで決まるということだ。
5. 結論 ― AI開発は「データ制作産業」へ
AI時代の競争は、アルゴリズムから「データ制作産業」へと移りつつある。
映像を撮るアーティストや、メールを分類する秘書たちが、実は次世代AIを“育てている”のだ。
この変化は、単なる技術トレンドではなく、AI労働と創造の新しい関係を象徴している。
AIが世界を理解するために、私たち人間が「現実のデータ」を作り続ける――それこそが、次のAI革命の始まりだ。
