“起業するなら今”──AI時代に求められるスピード、プロダクト、そして人間力

Kevin Scott氏はMicrosoftのCTOとして、AIの研究・実装からビジネス展開までを幅広く主導する存在です。近年は大規模言語モデル（LLM）やエージェント型AIの進歩が急激に進むなか、インタビューや講演で積極的に見解を示しています。本記事では、Kevin氏の語った内容を中心に、「Deepseek」という中国発の大規模言語モデルへの評価や、AIのスケーリング法則、エージェントの未来などについて詳しく解説します。専門性の高いテーマですが、わかりやすさを重視し、具体例や引用も交えながらその本質に迫ります。

1. 起業家にとって「いま」が最高の時代だと言える理由

1-1. Kevin Scottが語るAIと起業の交差点

Kevin氏は、「This is the best time to be alive if you have an entrepreneurial spirit.（起業家精神があるなら、これほど良い時代はない）」と強調します。AIをはじめとする新技術が次々と登場し、既存の常識が大きく変化する今こそ、ビジネスチャンスが数多く生まれていると述べています。

この背景には、大規模言語モデルやAIインフラストラクチャが進化したことで、これまで以上に迅速かつ容易にプロトタイプを作り、ユーザーの反応を確かめながら反復的に開発を進める環境が整ったことがあります。既存企業も新興スタートアップも、同じく「未知のプロダクトの創造」に対して探究できる時代だといえるでしょう。

1-2. モデルではなく「プロダクト」が価値を生む

Kevin氏は、「Models aren’t products.（モデルそれ自体は製品ではない）」 と繰り返し述べています。AIモデルはあくまで技術的基盤であり、最終的にユーザーの問題を解決するのはUI・UX、つまりプロダクトの形です。
したがって「AIモデル」の精度や性能が優れていても、それをどう組み込むか、どのような体験を提供するかがビジネス価値や社会的価値を左右するのだと強調しています。これは新規事業の立ち上げにおいても重要な視点です。

2. スケーリング法則はどこまで続くのか

2-1. 「まだ終わりが見えない」スケーリングの可能性

大規模モデルを巡っては「モデルのサイズを大きくしても、そろそろ限界が見えてくる」という議論があります。しかし、Kevin氏は、「I can very clearly see what we’re doing now and what we’re doing next, and I don’t see the limit to the scaling laws.（現在のモデル規模や次の段階を見ても、スケーリングの限界はまだ見当たらない）」と述べています。

もちろん物理法則やコスト、データ量の問題はいずれ直面しますが、いまこの時点では「スケールアップをするほど性能が向上し続ける状況が続いている」という認識です。

2-2. 合理的制約はあれど急激な停滞はない

スケーリングには多大な計算資源・電力・データが必要になるため、将来的には費用対効果が合わなくなる局面が来るかもしれません。Kevin氏自身も「人間の脳のニューロン数」に例えながら、ある程度の上限がいずれは訪れるとしています。ただし、それはあくまで遠い将来のことであり、「We’re not at that asymptote yet.（まだその漸近線には到達していない）」 と述べ、短期的には大幅な性能向上が続くとの見解を示しています。

3. データ・コンピュート・アルゴリズム：何がボトルネックになるのか

3-1. データ品質と評価の重要性

モデル訓練で最も大きな問題はデータ量だけでなく「品質と評価」だとKevin氏は指摘します。大量のテキストを「ただ集める」だけではなく、そこに含まれる情報の正確性や、モデルの性能向上に直接つながるかどうかを見極める評価手法が未だ確立されていないというのです。

「No one has good science about the incremental value of a single token of data.（1トークンのデータがモデル性能にどれだけ寄与するか、科学的に測る手法が未成熟）」 とも述べており、「高品質な合成データ」や「専門家のフィードバック」による効率的な学習が今後の鍵になるとの見解です。

3-2. 高度な推論と「事実」の分離

データの蓄積によって知識量を増やすだけでは、AIは「巨大な辞書」か「膨大なデータベース」のような存在にしかなりません。Kevin氏は「モデルの本質的な価値はデータを記憶することではなく、理由づけ（reasoning） や推論ができる点だ」と強調します。
これは検索やDBとの明確な違いであり、AIモデルが単なる情報索引ではなく、複雑なタスクを遂行する“思考エンジン”として機能する可能性を示唆しています。

4. オープンソース vs. クローズド：両立する未来

4-1. オープンソースの進化と利便性

最近の大規模言語モデル界隈では、Metaなどが出したLLaMA系モデルをはじめ、大型モデルのオープンソース化が大きな話題になっています。しかしKevin氏は、検索エンジンの例を挙げながら「オープンソースの検索プロジェクトがあっても、実際の市場価値を創出しているのは巨大インフラを備えた検索エンジン（GoogleやBing）である」と指摘します。

結局は「選択肢としてオープンソースが存在する」ことが大切であり、すべてがオープンソース一辺倒になるわけでもなければ、クローズドのみが覇権を握るわけでもない、という見解を示しています。

4-2. プロダクトレイヤーでの差別化

オープンソースの大規模言語モデルを使ってインフラを自前で構築できる企業や個人は増えています。ただ、「人に使われるプロダクトに落とし込むプロセス」では依然として専門的な知見や大規模な投資が必要です。
Kevin氏は、「オープンソースかクローズドか」という二項対立だけでなく、提供方法や用途に応じて多様な形態が併存する未来を展望しています。

5. エージェントの時代：会話型UIを超えて

5-1. 会話UI（チャット）の強みと限界

ChatGPTが登場して以来、対話型UIが新しいコンピューティングの入り口になると期待されがちです。しかし、Kevin氏は「I don’t believe in one agent for everything.（全てを1つのエージェントが担うという考えは信じていない）」と述べ、ユーザーの課題や領域に合わせたエージェントが複数存在する未来を想定しています。

一方で、会話UIそのものは、汎用性の高さや低い学習コストなど大きな利点があるため、近い将来においては「さまざまなサービスがチャットインターフェースを導入する」流れが加速するでしょう。

5-2. ユーザー体験の「メモリ」と非同期性

Kevin氏が重要視するのは、現在のチャット型エージェントが「トランザクションベース（単発的やりとり）」である点です。これからは「メモリ機能」や「非同期的にタスクを任せる仕組み」が進むと指摘します。

エージェントがユーザーの好みや過去のやりとりを学習し、バックグラウンドでタスクを進めるイメージです。これは単なるチャットの枠を超えた新しいUI/UXを生む可能性を秘めています。

6. ソフトウェア開発はどう変わるか

6-1. 「95%のコードはAIが生成する」未来

Kevin氏は、「95% of net new code will be AI-generated.（新規コードの95%はAIによって生成されるようになる）」と大胆に予測します。既にプログラミング支援ツールでコード補完を利用する開発者は「もう手放せない」と口を揃えており、コード自動生成の進化がこの傾向をさらに加速させるでしょう。

6-2. エンジニアの役割とプロダクトマネージャーの専門性

AIが大半のコードを書くようになったとしても、エンジニアが不要になるわけではありません。むしろ「作りたいものを抽象度の高いレベルで設計できる力」「AIが生成したコードをデバッグ・検証する力」がより求められるようになります。

さらにKevin氏は「domain experts as product managers（領域知識を持つプロダクトマネージャー）」の重要性を強調します。単一の汎用エージェントよりも、医療や投資など特定分野の深い専門知識をAIモデルと結び付け、優れたユーザー体験を設計する人材が必要になるという見通しです。

7. 中国のAI技術力を過小評価していないか

7-1. Deepseekへの評価

中国発の大規模言語モデルとして話題になった「Deepseek R1」には、「We've had models more interesting than Deepseek R1 that we didn’t even launch.（Deepseek R1より興味深いモデルは既に存在するが、あえて公開していないものもある）」 とKevin氏はコメントし、その技術的完成度や公開手法のインパクトに注目しました。

ただ、米国の開発コミュニティから見ると、「how surprised everyone seemed to be like, oh my God, this is coming from China.（中国からこんなモデルが出るなんて、と多くが驚いた）」 という反応自体に驚きがあったようです。

7-2. 「中国を侮るべきではない」

Kevin氏は「We should really respect the capability of Chinese entrepreneurs, scientists, and engineers.（中国の起業家やエンジニアの能力は極めて高く、侮るべきではない）」 と強調し、中国のAI技術力を過小評価してはならないと警鐘を鳴らします。
このグローバルな競争と協調の構図は、AIの発展をさらに加速させる要素になるでしょう。

8. マイクロソフトにおけるリーダーシップと組織論

8-1. Satya Nadellaのリーダーシップ

Microsoft CEOのSatya Nadella氏はリーダーシップの手本として知られています。Kevin氏は、Nadella氏の特徴を「常にチームにエネルギーを与え、同時にクリアな方向性を指し示す能力」と評しています。

この二軸、すなわち「エネルギーの創出」と「優先順位を明確にする」ことが組織変革を推進する上で効果的に作用しているといいます。

8-2. テックデット（技術的負債）との闘い

Kevin氏がエンジニアリングチームを率いるうえで常に頭を悩ませているのが「テックデット（技術的負債）」の問題です。リリース優先でコードを実装すると、あとで手戻りが生じる可能性が高まります。彼は「Tech debt is like financial debt.（技術的負債は金銭的負債のようなものだ）」とし、「We can turn the zero-sum problem of tech debt accumulation into something non-zero-sum with AI.（AIを活用すれば、これまでゼロサムだったテックデットの解消に新たな手段が生まれる）」と期待を寄せています。
Microsoft Researchでは「テックデットをAIで解消する」大規模プロジェクトを進めており、効率的で持続可能なソフトウェア開発プロセスの構築を狙っているようです。

9. Kevin Scottが思い描く未来

9-1. 教育・ヘルスケアへの応用

Kevin氏は、AIの社会実装がまず取り組むべき分野として「ヘルスケア」と「教育」を挙げています。特に医療格差の解消において大規模言語モデルの「診断支援」機能は有望であり、「The frontier models are probably better diagnosticians than your average GP.（最先端モデルは平均的な一般医より優れた診断を下せる可能性がある）」 とまで言及しています。

同時に、世界中の子どもたちが「AIは自分たちのための道具だ」と認識し、自ら活用できる教育環境を作ることが重要だと説いています。

9-2. AIで加速する「ポジティブな変革」

多くの人はAIの破壊的インパクトに目を向けがちですが、Kevin氏は「本質的には社会にポジティブな変革をもたらすための技術」だと主張します。もちろんコストやインフラ制約、規制など様々な現実的課題もありますが、これらを乗り越える方法を模索する価値が十分にあるとしています。

という言葉が示すように、可能性を追求し続ける姿勢こそがKevin氏の哲学です。

10. 結論

10-1. 大規模言語モデルがもたらす次世代のパラダイム

Kevin Scott氏の見解を総合すると、大規模言語モデルやエージェント技術がもたらすインパクトは「既存のアプリケーション開発やデータ活用の常識」を大きく塗り替えるものです。特にデータや推論の扱い方が根本的に変わり、AIを活用するハードルも劇的に下がります。一方で、テックデットやインフラ構築、データ品質評価など、解決すべき課題も山積しています。

10-2. エージェントと人間が共創する未来

チャット型エージェントは現時点で有力なUIですが、今後は継続的にユーザーを学習し、複雑なタスクを非同期で実行できるエージェントへと進化するでしょう。そこでは「単一万能AI」よりも、領域に特化した専門エージェントの集合体が重要な役割を担うと考えられます。
人間の専門性（ドメイン知識）とAIの膨大な推論能力が掛け合わされることで、新たな産業やビジネスモデルが次々と誕生することが予想されます。まさにKevin氏が強調する「いまこそ起業家精神を持つすべての人にとって最高のタイミング」が到来しているといえるでしょう。

関連記事