Snowflake Summit 2025に見る企業AI戦略とAGI展望：アルトマン×ラマスワーミー対談
2025年6月3日、Snowflake Summitがサンフランシスコで開幕し、データとAIの最前線を牽引する企業リーダーが一堂に会した。とりわけ注目を集めたのは、OpenAIのサム・アルトマン氏とSnowflakeのスリダール・ラマスワーミー氏によるファイヤーサイドチャットである。両者は、生成AIがもたらすビジネス変革や企業の戦略的な取り組み、さらには次世代AI技術の行く末について白熱した議論を繰り広げた。今回のチャットは、エンタープライズ規模でのAI導入が「実験フェーズ」から「本番運用フェーズ」へと移行しつつあることを示す重要なターニングポイントとなっており、その内容は多くの企業にとって示唆に富むものとなった。
1. エンタープライズAI戦略2025
1-1. 早期実験と学習サイクルの重要性
ラマスワーミー氏から「2025年における企業のAI戦略をどのように考えるか？」と問われたアルトマン氏は、「ただ始めること（Just do it）」の重要性を強調した。初期は、どのモデルを使うべきか、どのプラットフォームを採用すべきかといった議論に費やす企業が多いが、それでは変化の速いAI領域で生き残れないと指摘した。アルトマン氏は、「技術が急速に進化する局面では、試行回数を多くし、失敗のコストを低くして学習速度を最大化する企業が勝つ」と述べた。
サラ・グオ氏も「好奇心（Curiosity）の重要性」を補足し、既存の常識が通用しない今の時代こそ積極的に小規模な実験を繰り返し、得られた成果をベースに次のステップを迅速に踏むべきだと語った。彼女は、「OpenAIやSnowflakeなどで実験コストが非常に低くなり、多くの小さな実験から価値を引き出し、そこに基づいて強く前進できる」と述べた。
1-2. 1年前との違い
アルトマン氏自身も、「昨年は、大企業に対して『（AIは）実験してみてもいいが、本番運用にはまだ早い』と伝えていた」と振り返った。しかし、今では大企業が本番運用レベルでチャットボットや構造化・非構造化データ分析などにAIを積極的に取り入れており、「技術が格段に成熟し、信頼性も向上したことで、企業は本格導入に踏み切っている」と説明した。
2. メモリ & リトリーバルの役割
2-1. 記憶が生む文脈理解
AIを用いた業務自動化が普及する中で、アルトマン氏は、「記憶（Memory）と検索（Retrieval）は、システムをより『文脈に即した』生成AIへと高める鍵」と述べた。たとえば、事実確認が必要な場合や、過去にどのようなやり取りをしたかを参照する場合、単純なモデルでは、誤答を含むリスクがある。そこで、外部データベースやウェブ検索と連携し、必要な情報をその都度取り込む仕組みを構築したと説明した。彼は「GPT-3では、2023年初頭からWeb検索規模のシステムを構築し、最新情報が必要な質問に対してリアルタイムに回答できるようにしている」と語った。
2-2. エージェントへの応用
さらに、アルトマン氏は、「エージェント的なアプリケーションで、メモリ機能がより重要になる」と指摘した。ユーザーとやり取りを重ね、蓄積したインタラクション履歴を次の判断材料として用いることで、対話や意思決定がより一貫性を持つ。彼は、「多くのタスクでAIを使えば使うほどシステムは賢くなる」と説明し、将来的にはエージェントが学習しながら自律的にタスクをこなすフェーズが来ると予測した。
3. AGIの定義とタイムライン
3-1. AGIとは何か？
Sarah Guo氏から「AGIをどのように定義するか？」と問われたアルトマン氏は、「過去5年前に戻って、今のChatGPTを見せたら、多くの人は『これがAGIだ』と言うだろう」と語った。また、「AGIの定義は人によって異なり、同一人物でも状況や時期によって変わるため、定義を争うこと自体にはあまり意味がない」と述べた。むしろ重要なのは「この5年間で見られた年次ごとの進歩率が、今後も少なくともあと5年は継続するかどうか」だと強調した。
3-2. AGI実現の“勝利宣言”はいつ？
アルトマン氏は、「AGI達成を24年、26年、28年といつ宣言するかよりも、滑らかに続く指数関数的成長こそが大事」と語り、さらに「AGI後にはスーパーインテリジェンスの段階がやってくるが、そのタイミングを28年、30年、32年のどこに置くかは二次的な問題だ」と説明した。彼が考えるAGIの最良の指標は「人間が手作業では到底発見できないような新しい科学を自律的に探索できるシステム」「あるいはAIが人類の科学的発見のスピードを4倍に高められるほど強力なツールになること」だと語った。
3-3. メタ的視点：AGI ≒ 意識？
Guo氏は、「AGI = 意識（Consciousness）の有無に対して興味を示している層もいるのではないか」と問いかけた。彼女自身は、「AGIを問う人々の多くは、実は『意識があるかどうか』を問うている」と捉えていると語りつつ、「定義そのものより、我々がどのように人間と機械の協働をデザインしていくかが大切」と述べた。
4. 次世代モデルの展望
4-1. 「Codex」に見るAGI的瞬間
アルトマン氏は、最近リリースしたコーディングエージェント「Codex」について触れ、「これはまさにAGI的瞬間の一つだ」と語った。Codexは、長期的に複数のタスクをこなし、GitHubと連携してコード生成やレビューを行う能力がある。さらに、「将来的には、会議やSlackのやり取りを読んで、エンジニアでなくても成果物をチェックできるレベルに進化する」と述べた。彼は「今はまだインターンのような存在だが、やがて日間・週単位で作業できる熟練エンジニアに匹敵する存在になるだろう」と予測した。
4-2. あらゆるツールとの連携
さらにアルトマン氏は、「小型モデルに超人的な推論能力を持たせ、1兆トークンのコンテキストとあらゆるツール・システムへのアクセスを与えたとき、問題の性質を問わず、極めて革新的な成果が得られるはずだ」と述べた。具体例として、「チップ設計企業に対しては『これまで人間が到達できなかったより優れたチップを設計せよ』と指示できる」「バイオテック企業には『この病気を治す研究をやってくれ』と投げられる」、まさに人間以上の推論力で問題解決に挑戦するフェーズが近いと強調した。
5. 1000倍の計算資源活用
5-1. コンピュートを投じる価値
Sarah Guo氏から「もし1000倍の計算資源が手に入ったら、何に使うか？」と問われたアルトマン氏は、「まずは、AI研究に全力投球し、より優れたモデルを作り、そのモデルに次に何をすべきか尋ねるだろう」と回答した。
これに対してGuo氏は、「たとえば、DNAプロジェクトやRNAシーケンシングのように、人類が直面する最大の課題に計算資源を集中投下するのも素晴らしい」と述べた。実際には1000倍の計算資源は現実的ではないものの、「すでに試行された例として、Snowflakeや他企業では、最も重要な問題に対してより多くの試行回数を掛けることで、明確なビジネス成果を生み出すケースが出てきている」と解説した。
5-2. ビジネスへの示唆
アルトマン氏は、「今すぐ1000倍の計算を投入するわけではないが、すでに現実的な形で『最も重要な課題にリソースを集中させ、パワー・ロー（力の法則）的に試行回数を増やすこと』が可能になってきた」と語った。たとえば、チャットボットの応答品質向上や複雑な需要予測モデルの構築など、従来では膨大なコストを要したタスクに対し、より多くの計算資源を割り当てることで効率と精度を同時に高められるという。
今回のファイヤーサイドチャットでは、生成AIを巡る議論が「実験フェーズ」から「本番運用フェーズ」へ転換しつつある現状、そしてAGIの定義やタイムラインに対する実務家視点の考え方が鮮明になった。アルトマン氏は、「好奇心を持ち、失敗コストを低減しながら迅速に学習サイクルを回す企業が勝利する」というメッセージを貫き、また「AGI実現の瞬間よりも進化速度そのものが重要であり、次世代モデルは人類の科学的進歩を大幅に加速する可能性がある」と強調した。さらに、「限りある計算資源をパワーライ的に戦略的に投じることで、ビジネス価値と科学技術革新の両方において大きな成果を得られる」というインサイトも示された。これらの教えは、今後1年、さらには5年先の企業戦略に大きな示唆を与えるものであり、多くの経営者や技術者にとって必読の内容と言えよう。
