AI があふれる時代、なぜ最終的な勝者は OpenAI である可能性が高いのか？
モデルの優位も API の流量も動く。それでも David George が OpenAI を有力視するのは、新しい AI 利用習慣を生み、幅広い実際の需要から次につくるべきものを見つけられるからだ。
各社のモデルが進歩し続けるなら、今日の首位も明日には追いつかれるかもしれない。それでも OpenAI が長く勝ち続けるとしたら、何が強みになるのだろうか。
a16z の David George が挙げるのは、モデルの性能でもチップでも、最も安いトークン価格でもない。これまで存在しなかった AI の使い方を人々に身につけてもらい、その行動を非常に多くの人に広める力だ。
ChatGPT が最も分かりやすい例である。従来のチャットボットを単に改良したのではない。普通の人が、まずソフトを探し、メニューを覚え、検索語を考える代わりに、空白の入力欄へ自分の目的をそのまま書くことに慣れた。
この論考は、AI 競争の因果関係を逆向きに見る。通常は「優れたモデルがあるから利用者が増える」と考える。George の見立てでは、将来は利用者が多く、直面する課題が多様だからこそ、次のモデルや製品に何が必要かを OpenAI が見つけやすくなる。利用者が増えれば改善の手がかりが増え、改善がまた利用者を呼ぶ。
一時的な先行を長期の優位に変える四つの方法
- これまでになかった利用行動を生み出す。
- 多くの人に製品を届ける。
- 生み出した価値を収益に変える価格を見つける。
- 顧客が離れにくくなる乗り換えコストを築く。
George はまず四番目を割り引く。ただし対象はモデル API 層である。開発者は Claude にコードを書かせ、GPT で分析し、バッチ処理には安いモデルを使うことができる。タスクごとに提供元を選ぶことさえ可能だ。接続や評価には費用がかかるものの、モデルを変えるたびに製品全体を作り直す必要は通常ない。各社のモデルが進歩する以上、一度の性能優位だけで顧客を長く引き留めるのは難しい。製品、協業関係、プラットフォームの層に乗り換えコストが生まれるかどうかは、原文でも未解決の問いとして残されている。
原文は OpenRouter の市場シェアの変化にも触れ、OpenAI と Anthropic の呼び出し比率が短期間で大きく入れ替わり得るとする。それだけで顧客に忠誠心がないと証明できるわけではない。それでも、呼び出し回数は強固な顧客関係と同義ではない。価格や性能が変われば、流量は移り得る。
三番目の価格も重要だ。しかし各社とも規模の経済、垂直統合、自社チップを通じてトークン費用を下げようとしている。最終的に最良の価格性能比を出す会社は、もともと最大規模の会社かもしれない、というのが George の判断だ。つまり安さは市場を最初に勝ち取る理由というより、規模を獲得した後の報酬に近い。
そこで、モデル層の乗り換えコストは弱く、価格優位も規模の結果になり得る。George は長期の差を決める要因を最初の二つに置く。
- 新しい行動をつくる。 以前はできなかった、あるいは思いつきもしなかった仕事を AI で始めてもらう。
- 分配力を築く。 その行動をさらに多くの人へ届け、次に何をしたいのかを見続ける。
以下の議論は、この二つがどう互いを強めるかを説明している。
「顧客をつくる」とは、新しい習慣をつくること
ChatGPT の公開当時、OpenAI 社内でも、消費者向けの本命製品を見つけたとは考えられていなかった。Sam Altman は後に、急成長にもかかわらず「チャットボットは楽しいが、これが本当につくるべき製品なのか」と疑う人が多かったと振り返った。別の方向を探すことも話し合われた。
Peter Thiel が見たのは玩具ではなく、新しい種類の顧客だった。「これこそが製品だ」と Altman に伝えたという。Google の検索窓のように、その空白の入力欄自体はほとんど何も示さない。それでも誰もが自分の問題を持ち込める。
ここでいう「顧客をつくる」は、競合の既存客を奪うことではない。それまで買う理由も、需要があるという自覚もなかった人に、新しい習慣が生まれることだ。
ChatGPT 以前、普通の人がファイルを分析し、コードを直し、契約書を下書きするには、まず適切なソフトを知り、その使い方を学ぶ必要があった。ChatGPT は出発点を変えた。先に目的を伝え、実現方法を AI に考えてもらえる。生まれたのはアカウントではなく「まず AI に聞く」という行動である。
その後のチャット画面、推論、ツール呼び出し、コンピューター操作にも共通点がある。実現後には当たり前に見えるが、無数の候補から、人が繰り返し使う簡単な形を先に見抜くのは難しい。
チャットは目的を直接伝えられるようにした。推論は回答前に考える余地をつくり、ツール呼び出しは回答を行動へ変えた。コンピューター操作は専用 API のないソフトにも AI の仕事を広げる。いずれも単なるベンチマークの小幅な改善ではなく、新しい使い方を開く。プログラミングは主な例外で、OpenAI が最初に突破口を見つけたわけではないが、後に追いついた。
George は OpenAI が「次」を見つけやすい理由を三つ挙げる。
- 利用者の目的を先回りして固定しない。 決められた機能を選ぶだけでなく、安全の範囲内で達成したいことを伝えられる。
- 技術スタックの深い層を押さえている。 モデル、ツール、コード実行、チップまで制御するほど、新しい需要に合わせて不足した能力を補いやすい。
- 非常に幅広い利用者を見る。 消費者、専門家、企業がまったく違う課題を持ち込み、繰り返し起きる摩擦が見えやすくなる。
特に三番目が重要だ。経費精算ソフトは経費精算を理解すればよく、サポート用ソフトはサポートを理解すればよい。汎用 AI が相手にする目標は、あらかじめ列挙しきれない。利用者層が十分に広くなければ、人々がどこで繰り返しつまずくかさえ見えない。
分配は「より多く売る」だけでなく「より多く見る」こと
分配というと広告、販路、プリインストールを思い浮かべる。同じ製品をより多くの人に届けることだ。しかしこの議論では第二の役割がある。現実の問題を多く観察し、次に何をつくるべきか知ることだ。
OpenAI には消費者、高頻度の専門利用者、企業が集まる。文章、データ、コード、サポートチケットなど、仕事はばらばらだ。一件ずつは特殊でも、大量に重なれば共通の不足が見える。長期記憶、コンピューター操作、安全なコード実行、人と Agent の協働などである。
企業は共通する問題を、再利用できる基礎能力に変えられる。技術者はこれを「プリミティブ」と呼ぶが、レゴの部品と考えるとよい。完成したサポートソフトや会計ソフトではなく、「文脈を覚える」「コンピューターを操作する」「コードを安全に実行する」といった部品だ。開発者はそれを組み合わせ、OpenAI 自身が想像しなかった製品をつくれる。
こうして一つの循環が考えられる。利用者が増えるほど課題が増え、繰り返される課題から共通部品が見つかり、部品が増えるほど外部の開発者が新しい用途を生み、それがまた利用者を連れてくる。
ここでの「学ぶ」は、顧客の非公開データを自由にモデル学習へ使ってよいという意味ではない。広い利用の中から、人が何をしたがり、どこでつまずき、どの能力を製品にすべきかという需要の形を知る、という意味である。
分配が製品を改善する循環
消費者、専門家、企業が異なる仕事を持ち込む。
同じつまずきが異なる場面で繰り返される。
記憶、道具、権限、実行環境などに共通パターンを変える。
新しいアプリが行動を生み、利用者を循環へ戻す。
分配の価値は共通の需要を早く見つけ、再利用できる製品能力へ変えることにある。
利用者へ届く三つの道
AI 企業が利用場面を広げるには、自社製品をつくる、提携先の製品へ入る、プラットフォームになるという三つの道がある。いずれも呼び出し回数を増やし得る。違うのは、最後に誰が利用者と向き合い、本当にしたいことを聞けるかだ。
| 道 | 主な利点 | 主な負担 | 需要を把握する主体 |
|---|---|---|---|
| 独立した製品 | 入口と体験を直接設計し、使い方を観察できる | 製品全体の複雑さを自社で担う | 製品企業 |
| 提携 | 多くの場面へ素早く入れる | 画面、ブランド、顧客関係や収益を提携先が握りやすい | 提携先 |
| プラットフォーム | 外部の開発者が予想外の用途を探せる | 安全、権限、データ構造、実行環境、開発道具への投資が必要 | プラットフォームと開発者が共に需要の地図を広げる |
提携は最速だ。オフィスソフトやスマートフォン、企業システムへモデルを入れれば、大量の利用に届く。しかし利用者が覚えるのは提携先のブランドかもしれない。画面、価格、顧客関係も提携先の手にある。モデル会社は呼び出しを得ても、その理由までは見えず、自社の製品能力に変えにくい。
プラットフォームは遅い。モデルだけでなく、道具、権限、安全、データ、実行環境まで提供し、初期には最大の収益を得られないかもしれない。それでも外部の人々が自由につくれるようになれば、何千もの開発者が需要を探ってくれる。会社があらゆる業種別アプリを自ら予想する必要はない。
そこで George はプラットフォーム路線を重視する。提携は他人の入口を借りて流量を得る。プラットフォームは自分の環境へ他人を招き、新しいものをつくってもらう。前者は到達範囲を広げ、後者は到達範囲と新しい需要を発見する力を共に広げ得る。
API を公開するだけでは「真のプラットフォーム」ではない
「プラットフォーム」は便利すぎる言葉だ。モデルを呼び出せる API も能力の公開には違いないが、iOS や AWS のような仕組みにはまだ遠い。
原文は Marc Andreessen の分類を借り、技術プラットフォームを三段階に分ける。これは前節の三つの事業経路とは別の分類であり、外部開発者がそのシステムの中でどこまでできるかを問う。
- Type 1：API を提供する。 能力だけを外に出し、コード、データベース、サーバー、ネットワーク、安全対策は開発者が自分で用意する。提供側の負担が最も小さく、開発者の負担は大きい。
- Type 2：プラグインを認める。 中核製品が大半の需要を満たし、外部の開発者が拡張機能として特殊な機能を足す。
- Type 3：実行環境そのものを提供する。 開発者は計算、保存、権限、安全の境界内でシステムをつくり、動かせる。iOS、AWS、Ethereum、Cloudflare などがこの層に当たる。
Type 3 の核心は機能の数ではない。最も難しく共通する土台を、プラットフォーム側が引き受けることだ。スマホアプリをつくるのに OS を自作せず、クラウドサービスを公開するのにデータセンターを保守しないのと同じである。AI Agent でも、コードをどこで動かすか、何を読めるか、失敗をどう戻すか、越権をどう防ぐかを毎回開発者がゼロから解かなければ、普及は難しい。
モデルはその一部しか担わない。利用者が指示し、モデルが実行する様子は実行環境に似ている。しかしモデル同士は交換しやすい。本当に移しにくいのは、周囲の道具、データ、コード実行、権限、安全規則の一式かもしれない。George はこの層に、OpenAI のより長続きする壁が生まれる可能性を見ている。
Agent は道具を順に押すだけでなく、その場でコードを書く必要がある
何十もの表計算ファイルから異常注文を探し、条件ごとに分類して、顧客別のメールを作成してほしいと Agent に頼む場面を考えよう。そんな臨時の仕事すべてに専用ボタンを事前に用意することはできない。
Agent は「ファイルを読む」「データを絞る」「メールを書く」という道具を順番に呼ぶこともできる。ただ、手順が長くなるほど条件の見落とし、重複、以前の操作の取り違えが起きやすい。小さなプログラムで手順、判断、繰り返しをまとめて記し、実行結果を確認し、間違った箇所だけ直すほうが安定する場合がある。
コードは、開発者が予想しなかった目標を表せる。複雑な処理を再現し、検査し、修正することもできる。ここでのコードはプログラマー専用の機能ではなく、Agent が複雑な仕事を組み立てる手段なのだ。
ただし「コードを書けるモデル」は出発点にすぎない。どのファイルを読めるのか。どの道具を呼べるのか。結果を誰へ送ってよいのか。失敗時はどう戻すのか。支払いや削除の前には人の承認を待つのか。プラットフォームはこれらにも答えなければならない。
これが Type 3 の重い仕事であり、壁になり得る部分でもある。使える Agent プラットフォームは、賢いモデルだけでなく、モデルが安全に行動できる操作環境である。
最大の市場は奪うのでなく、目覚めさせる
モデル A が値下げし、利用者が B から A へ移ったとする。A のシェアは増えるが、AI 市場全体の利用者が増えたわけではない。既存の需要の移転であり、経済学でいう「代替の弾力性」に当たる。
もっと大きな機会は、安く賢く使いやすくなった AI によって、人々が以前はしなかったことを始めるかどうかだ。プログラミングをしなかった人が自分用の道具をつくり、自動化したことのない会社が複数段階の知的作業を Agent に任せる。これは「総需要の弾力性」、つまりパイの取り合いではなくパイそのものを大きくすることだ。
短期には、どちらが相手の API 流量を奪ったかが目立つ。長期には、AI を使わなかった人に誰が使い始めてもらい、既存利用者の新しい仕事を誰が引き受けるかが重要になる。ChatGPT の空白の入力欄は一度そのような市場をつくった。George は OpenAI が再びできると見込んでいる。
強いから利用者が多い、だけではない
一般的な説明は、OpenAI が優れたモデル、十分な計算資源、良い製品を先に持ったから大量の利用者を得た、というものだ。George は矢印を逆にする。大量かつ多様な利用者がすでにいるからこそ、今後もよりよいモデル、製品、価格性能比を実現できるかもしれない。
想定される循環は次の通りだ。
- 多くの利用者が、さまざまな現実の問題を持ち込む。
- 繰り返し現れる問題から、欠けている共通能力が分かる。
- OpenAI がその能力をモデル、道具、プラットフォームに組み込む。
- 使いやすくなった製品が人を呼び、外部開発者も新しいアプリをつくる。
- 規模の拡大が計算資源、チップ、技術スタックへの投資を支え、費用の低下につながる。
モデル、チップ、費用も当然重要だ。ただしこの見方では、最初のドミノではない。最初にあるのは、分配によって集まる利用者と、そこで見える需要である。
ここは論考で最も大胆で、距離を保つべき一歩でもある。ChatGPT の急速な普及、さまざまな業務への汎用 AI の浸透、Agent 利用の増加は観察できる。しかしそれらは、幅広い分配が必ず最良のモデルやチップを生むことまでは証明しない。OpenAI の将来の優位を説明する投資判断であり、検証済みのビジネス法則ではない。
この見方から、何を観察すべきか
第一に、現時点で最強のモデルを選ぶだけでは製品戦略にならない。性能は重要だが、ランキングの首位は変わる。製品が、それまでしなかった仕事を人に始めてもらえるかが、より長期的な問いだ。
第二に、百万回の呼び出しは、百万人の利用者を理解したことを意味しない。呼び出しがすべて提携先経由なら、要求は見えても、その背後の目的は見えないかもしれない。流量とともに、誰が直接利用者と向き合い、元の需要を把握できるかを問う必要がある。
第三に、API をプラットフォームと呼び換えるだけでは足りない。外部の人が予想外のものを本当に構築できるなら、コード実行、データアクセス、権限、安全、失敗からの復旧を提供しなければならない。地味で重い実装こそが壁になり得る。
第四に、既存顧客を奪うより、まだない需要を目覚めさせるほうが大きい。既存の仕事を安くすることにも価値はある。それまでできなかった、思いつかなかった、割に合わなかったことを始められるようにするのが、顧客をつくるということだ。
Sam Altman の将来像は二つの入口にまとめられる。何をしたいか分かっている人は、望むプログラムや道具をシステムに直接つくらせる。何をつくるべきか分からない人も、ChatGPT を開いて一文から始められる。
どちらも「AI をどう使えばよいか」という敷居を下げる。少数の熱心な利用者は生活と仕事の隅々に AI を取り入れたが、大多数はまだ限られた場面で時々開く程度だ。巨大な市場はまだ完全には目覚めていない。
したがって原文の本当の賭けは、OpenAI が永久に最強モデルを持つという話ではない。知能が豊富になるほど希少になるのは、人々が次にしたいことを見つけ、多くの人が実際に始められるようにし、繰り返される需要を強くなるプラットフォームへ変える力だ、という見方である。
OpenAI の勝利は確実ではない。それでも George は現時点で、行動の創出、分配、そして分配を通じたプラットフォーム改善を最もよくつなげられる会社だと見る。一度のモデル評価の首位より、この連鎖のほうが追いつきにくいと考える理由はそこにある。