AGIブームへの冷静な視点——Andrew Ngが語るAIの現在地と投資家が見るべきリスク
現代AIの基礎を築いた研究者の一人、Andrew Ng氏が改めて問いを投げかけている。GoogleブレインとBaidu AIの立ち上げを主導し、現在は、AI FundとDeepLearning.AIを率いる彼が語ったのは、業界の熱狂に対する率直な懸念だった。「AGIに関する過度な期待が失望を生み、いわゆるバブル崩壊につながるとしたら、それは世界にとっても、AI分野にとっても良くない」——この発言は、投資判断においても無視できない視点を含んでいる。
1. AGIは「マーケティング用語」になっている
Ng氏は、まず、AGI（汎用人工知能）という言葉そのものへの懸念を示した。
「AGIは、精密な技術的意味を持つ言葉であるはずなのに、今やマーケティング用語と化している。それが多くの人を誤解させている」
本来のAGIの定義として彼が挙げるのは、「人間ができるあらゆる知的作業をAIが行える状態」だ。人間が数時間から数十時間の訓練でできる作業——トラックの運転、コールセンターの対応、法律文書の読解——これらを幅広くこなせるAIがAGIだとすれば、「現状はそこから遠く離れており、おそらく数十年以上かかる」というのが彼の見立てだ。
2026年にAGIが実現するかという問いに対しては、「いかなる合理的な定義においても、答えはノーだ」と明言している。
2. AGIテストの再定義——Ng版「チューリングAGIテスト」
2-1. 既存のベンチマークの限界
AI評価における問題として、Ng氏は、ベンチマークの構造的な弱さを指摘する。数学の正誤や事実確認のような「客観的に答えが決まる問題」は、ベンチマーク化しやすいが、リサーチレポートの質や会話の適切さといった「グレーゾーンのある評価」は測りにくい。
「ベンチマークが90%を達成しても、ユーザーが『むしろ使いにくくなった』と感じるのはそのためだ。ベンチマークは何かを測っているが、それは私たちが本当に測りたいものの、ごく一部に過ぎない」
2-2. 新しいAGIテストの提案
こうした問題意識から、Ng氏は、「チューリングAGIテスト」と呼ぶ新たな評価枠組みを提案した。内容はシンプルだ。
人間の審査員が複数日にわたる業務体験を設計し、その業務をAIが「熟練した人間のプロフェッショナルと同等に」こなせるかを評価する——というものだ。審査員はリアルタイムでAIの弱点を探ることができるため、特定のテストセットに最適化された「見かけ上の高得点」を排除できる。
「これが、一般の人々がAGIに期待していることに、より近い定義だと思う」とNg氏は言う。
3. スケーリング則の現在地——終わりか、進化か
Ng氏は、Googleブレインを創設した際、「とにかくスケールすること」を最優先ミッションとして掲げた。彼のチームがトランスフォーマーアーキテクチャを発明し、それが現在の生成AI革命を支えていることは、よく知られた事実だ。
「スケーリング則の時代は終わった」という声に対して、彼は否定的だ。「終わってはいない。ただし、スケールを駆動するための具体的なレシピは大きく変化している」
以前は「より多くのデータ、より大きなモデル」という単純な公式が機能していた。しかし、現在、オープンインターネット上のデータはほぼ読み尽くされており、合成データの生成や強化学習の改善といった、より人手のかかるアプローチが主流になりつつある。
スケールへの投資が指数関数的なコストを要する一方で、その成果も指数関数的であることから、「費用対効果として悪くない」というのが彼の評価だ。
4. エージェントAIの現実——「信頼性の壁」がある
4-1. エージェントワークフローの実用的価値
Ng氏が「AGI」よりも現実的な価値があると強調するのが、エージェントAIとアジェンティックワークフローだ。彼のチームAI Fundでは、関税コンプライアンスのチェック、法律文書の読解支援、医療補助業務、カスタマーサポートなど、多様な業務にエージェントを実装している。
「AIが一人で複数日の業務を生産的にこなせるようになれば、それは非常に価値があり、人々がAGIに期待するものに近いだろう」
4-2. 「賢いモデル」だけでは不十分な理由
しかし、より賢いモデルが出てきたからといって、ワークフロー設計が不要になるわけではない——これがNg氏の重要な指摘だ。
現時点では、多くのビジネス用途において、エージェントに完全な自律性を与えるには信頼性が十分でない。そのため、実務チームは細かなステップを設計・実装し、「10,000回実行しても安定して動く」精度を追求している。
「MCPサーバーにツールリストが長すぎると、入力コンテキストを圧迫し、正しいAPIコールができなくなる」といった具体的なエンジニアリング上の課題も、依然として重要だという。
モデルの賢さが増すにつれてガードレールは減らせているが、「その差はまだ多くの人が思うよりも大きい」と彼は慎重に語る。
5. 消えゆく職種・残る職種——率直な見解
5-1. 代替リスクが高い職種
Ng氏は、率直に「完全自動化のリスクが高い職種」として以下を挙げた。
コールセンターのオペレーター、翻訳者、声優——これらは「業務のほぼ100%をAIが代替できる」という条件に近いため、影響が出やすいという。「そういった人々には申し訳なく思うし、新しいスキルを身につけて職場復帰できるよう、AI業界は責任を持って支援すべきだ」と彼は語る。
5-2. 「使う人と使わない人の差」が本質
一方で、弁護士や放射線科医については見方が異なる。
「弁護士は規制的な保護があるため、完全な代替は難しい。ただし、AIを使う弁護士と使わない弁護士の生産性差は、劇的に開いていく」
放射線科医の自動化も「予測より時間がかかっている」と指摘し、「業務の30%をAIが担えるとしても、残り70%は人間が必要だ。そしてその人間はAIを活用しなければならない」と結論づける。
プログラマーについても同様で、「AIを使わないプログラマーは苦境に立つ。AIを使うプログラマーは、むしろ需要が追いつかないほど希少だ」という現実を語った。
6. オープンソースとAI寡占——Ng氏が最も恐れること
Ng氏がもう一つ強調したのが、オープンソース・オープンウェイトモデルの重要性だ。
「モバイルプラットフォームにはiOSとAndroidという2つのゲートキーパーがいる。AIでも同様の少数寡占が生まれてしまったら、多くのイノベーションが制限される」
現在、質の高いオープンソースモデルの多くが中国から生まれているという事実も指摘しており、「開源モデルの選択肢が豊富であることが、AI全体の多様なイノベーションを守る鍵だ」と語る。
おわりに
Andrew Ng氏の発言が投資家・ビジネスマンに示すのは、二つのことだ。一つは、「AGIが近い」という前提で行動することのリスク。もう一つは、エージェントAIや生産性向上ツールといった「現実に価値を生んでいる領域」に目を向ける重要性だ。
「AIは水のようなものだ。水に幸福を求めるのは間違いだが、水は人を健康に保つ。AIも同じだ」——Ng氏のこの言葉は、テクノロジーへの過度な期待と現実的な活用の間にある距離を、静かに示している。
