Google は ChatGPT に似たものを既に持っていたのに、なぜ発表しなかったのか

Tibo 氏の回想によると、ChatGPT が登場する約一年前に、DeepMind 内部には LMChat というチャット製品が既にありました。初期の回答は面白いものが多かったのですが、次第に実用的になり、チームはこれを公開ツールにしようと考えたこともありました。

しかし、LMChat が一般に公開されることは最終的にありませんでした。問題は主に組織側にありました。

• Google は、新製品が自社の検索ビジネスを圧迫することを懸念していました。
• DeepMind は研究には長けているものの、製品を実際に世に送り出すことには長けていませんでした。
• 優れた製品が長期間にわたって社内に留まり続けました。

Tibo 氏は、OpenAI の最大の違いは、研究チームとプロダクトチームの連携が緊密であることだと考えています。両者が一緒に構想を練り、設計し、そしてリリースへの強い志向を持っています。まず製品をユーザーの手に渡し、実際のフィードバックに基づいて迅速に反復改善を行います。同時に、現場の従業員にも大きな裁量権があり、素早くチームを組み、実験し、リリースすることができます。

この話を一文の見解にまとめると、次のようになります。

大企業がディスラプトされるのは、新技術を見落としたからではなく、その技術に自社の既存事業を壊させようとしなかったからです。

この対比は、OpenAI が常に速いということを証明するものではありません。それは、技術が世の中に出るかどうかは、まず第一に組織の問題であることを示しているに過ぎません。

ただし、「リリース重視」という姿勢は、機能をただ増やし続けることとは異なります。Tibo 氏は続けて、迅速な実験には別の原則による抑制が必要だと強調しました。製品の方向性を一貫させ、インターフェースをシンプルに保ち、スピードを優先するあまり品質、性能、効率を犠牲にしないことです。難しいのは、現場チームに裁量権を与えつつ、製品を無関係な機能の寄せ集めにしないという、この二つを同時に達成することです。

ベンチマークは、モデルの能力の一部を示すに過ぎません。Tibo 氏によると、モデルのトレーニングが完了した後も、チームは実際にそれを使用することで、評価では明らかにならなかった能力を発見し、それに基づいて製品の方向性を変える必要があるとのことです。新しい音声モデルがその例です。自然な会話、ツール呼び出し、高品質な音声入力が組み合わさることで、彼は直接スマートフォンに向かってタスクを指示するようになり、キーボード中心に設計されていた製品も再考が必要になりました。

インタビューで軽く言及された「クレジットのリセットボタン」は、この文化を具体的に示す例です。Codex に障害や設定ミスがあり、十分なユーザー体験を提供できなかった場合、Tibo 氏はユーザーのクレジットを直接リセットできます。原則は単純です。製品が約束した水準に達していないなら、ユーザーに補償する。マーケティングや財務部門が成長キャンペーンを設計するのを待つ必要はない、という考え方です。

その後、これは実際に物理的なボタンとして作られました。障害時だけでなく、祝うべき節目にクレジットを付与したり、Ultra をまだ試していない人に体験機会を提供したりするためにも使われます。こうして、社内の補償アクションは、製品体験とコミュニティの儀式へと次第に変化していきました。これがどれだけの成長に貢献したかについて、インタビューで独立したデータは示されていません。

ただし、このボタンを繰り返し押すことができるには、物理的な前提があります。十分な計算資源です。インタビューは、ここから組織文化の話題からインフラストラクチャの話題へと移ります。これについては後述します。

この物理的なボタンが示しているのは、責任者がユーザーの問題からどれだけ近いところにいるかということです。問題を発見した時にその場で修正できるかどうかが、「ユーザーファースト」が単なるスローガンなのか、実際に機能する制度なのかを決定づけます。

現在の Codex はまだ過渡的な形態に過ぎない

OpenAI のリリースペースは速いですが、Tibo 氏は現在の Codex が最終形態に近いとは考えていません。現在、プログラミングエージェントを使用する際、ユーザーは自分で以下のものを管理する必要があります。

• スキルファイルと作業規定
• 長期記憶
• サブエージェントとそのコンテキスト
• ツール、権限、ワークフロー
• 複数の並行タスクとその状態

これらの機能は強力ですが、使用には依然として複雑さが伴います。記憶が欠落したり、サブエージェントがコンテキストを失ったり、ツール呼び出しが停止したりすると、「本当に自分のことを理解してくれている」という感覚は崩れてしまいます。真に理想的な AI は、ユーザーが先に「エージェント管理システム」を構築し、長期にわたって維持することを要求すべきではありません。

ここで、シンプルな概念を紹介します。Agent Harness とは、モデルの周囲を取り巻く作業システムのことです。モデルは推論を担当し、Harness はコンテキスト、記憶、ツール、権限、サンドボックス、実行フローを接続する役割を担います。モデルがエンジンだとしたら、Harness はその車が安定して走れるかどうかを決定づけます。

今日のパワーユーザーは、実際にはエージェントに代わって、これらの接続部分を管理しているのです。

これらの接続部分が製品内部で処理されるようになれば、人間はシステム管理者の役割から、目標を設定し、リスクを承認する役割へと戻ることができます。将来の AI は、以下のことを自動的に理解するはずです。

• あなたが誰であるか
• あなたの目標は何か
• あなたが日々何をしているか
• あなたのチームが何をしているか
• 今すぐ知らせるべきことは何か
• バックグラウンドで完了できることは何か

それは単にコマンドを待つだけではなく、自ら問題を発見し、提案を行い、権限が許す範囲でタスクを実行するはずです。

これは、スキル、記憶、マルチエージェントが消えるという意味ではありません。それらは、ユーザーが毎日手動で管理する「明示的な部品」から、システムが自動的に維持する内部機能へと変化する可能性が高いです。OpenAI は現在、マルチエージェント、クラウド環境、スキル、バックグラウンドタスクを Codex 製品に組み込んでいますが、「システムがユーザーを長期的に理解し、すべてを自動的に調整する」という最終目標にはまだ距離があります。

関連記事OpenAI、Codex の中核フレームワーク Agent Harness をオープンソース化：Agent を自社の業務システムに簡単に組み込めるOpenAI は、コンテキスト管理、ツール呼び出し、サンドボックス、承認を担う Codex の実行基盤を公開しました。開発者はエージェントフレームワークをゼロから作らなくても、既存のダッシュボード、チケット管理、業務管理画面に Codex を組み込めます。→

したがって、Tibo 氏が「今日の Codex はすぐに原始的だと感じられるだろう」と言う主な理由は、人間が依然としてこれらの機能を自分でまとめ上げ、作業システムとして組織化する必要があるからです。

ChatGPT と Codex は同じ入り口へと向かっている

ここ数か月、ChatGPT と Codex は急速に接近しています。なぜ統合する必要があるのかと疑問に思うユーザーもいます。Tibo 氏の答えは、将来のモデルはそもそも統合を要求するから、というものです。

統合には、非常に現実的な流通ロジックもあります。Tibo 氏によると、Codex は ChatGPT の既存ユーザーベースを活用して、製品、デザイン、営業、マーケティング、コミュニケーションといった非技術職に急速に浸透することができ、これが最近の成長を促進したと考えています。司会者は、Tibo 氏が当日、Codex のユーザー数が 2000 万人 に達したと投稿したことに言及しました。インタビューでは統計の定義や第三者によるデータは示されていないため、この数字はあくまでベンダー側の成長指標であり、独立した監査結果として扱うことはできません。

彼の構想は、「チャット」と「コードを書く」という人為的な境界をなくすことであり、単に二つのボタンを同じページに置くことではありません。同じエージェントが、コードを書き、調査を行い、提案をし、仕事用ツールを呼び出し、音声でホワイトボード上のアイデアについて議論することもできます。インターフェースは、あなたがプログラマーか、デザイナーか、一般ユーザーかを最初に尋ねるのではなく、あなたの目標、経験、タスクに基づいて自動的に調整されます。

これは彼が言うところの「パーソナル AGI」の製品上の意味でもあります。ここでの AGI は統一された入り口を指しており、汎用人工知能が実現されたことを意味するわけではありません。あなたと家族が同じ製品を使用しても、接続されるツール、尋ねる質問、表示される情報量、得られる支援はまったく異なります。

さらに深いレベルでは、このエージェントが適応すべきは、職業やインターフェースの密度だけでなく、人間本来の表現方法です。Tibo 氏は、自然言語のニュアンスや微妙な意味を理解し、音声、視覚、ジェスチャー、ホワイトボードといった環境にも入り込めると構想しています。人間が機械に合わせる方法を先に学ぶ必要はなく、テクノロジーは徐々に人間の行動の自然な延長となるべきです。これはまだビジョンであり、現在の製品が完全に備えている認識能力ではありません。

インタビューではまた、二種類のエージェントを意図的に区別しています。

両者は同様のモデルとツールを使用できますが、製品に対する要件は異なります。パーソナルエージェントは、トーン、目標、日常のリズムを理解する必要があります。完全自動システムは、プロセスの安定性、権限の境界、異常時のエスカレーションをより重視します。両方を「エージェント」と呼ぶことは、同じ管理方法で扱えるという意味ではありません。

もう一つ、認識しておくべき現実的な境界があります。OpenAI の 現在のヘルプページ では、依然として Codex をデスクトップ向けの独立した入り口としており、履歴も ChatGPT とは分離されています。音声はすでに Work と Codex で利用できますが、「同じパーソナルエージェントがすべての人に適応する」というのは依然として進化の方向性であり、完全に提供された現状ではありません。

モデルが速くなるほど、真に不足しているのは人間の注意力であることが明らかになる

統一されたエージェントには、より良いインターフェースだけでなく、パソコンとは異なる実行環境も必要です。

ノートパソコンは人間向けに設計されています。人間は一度にほんのわずかなウィンドウしか見つめられず、タイピングや思考の速度も限られています。モデルにはそのような制限はありません。将来的には、多くのアプリケーションを同時に処理し、並行して解決策を探り、テストを書き、コードをコンパイルし、仮説を検証するかもしれません。人間の作業量に基づいて設計されたコンピューターは、すぐにそのリソースの上限に達するでしょう。

したがって、クラウド上のエージェントの意義は、「コンピューターをサーバーに移す」ということではなく、モデルが自身の並列処理能力に見合ったリソースを得ることです。しかし、リソースが増えると、人間の注意力がより明確なボトルネックとして浮き彫りになります。

司会者は、現在 10 から 15 のエージェントを同時に起動していると語りました。各タスクに 30 分から 45 分かかることがあるからです。その代償として、コンテキストの切り替え、状態の確認、各タスクがどこまで進んでいるかを思い出すことを絶えず繰り返しています。モデルが代わりに仕事をしてくれているのに、彼はエージェントのスケジューラーになってしまいました。

速度が上がるほど、ボトルネックは生成自体から、実行チェーン全体へと移行します。

つまり、Ultra Fast が本当に短縮するのは、アイデアが判断可能な結果になるまでの時間です。

インタビューで示された社内のシナリオは具体的です。サービス障害が発生した場合、インシデント対応チームは Ultra Fast を利用します。一秒一秒が貴重だからです。ウェブサイトやゲームのプロトタイプを作成する場合、コード生成が十分に速ければ、タスクを送信して他のことをするのではなく、同じ思考プロセスにとどまりながら試行錯誤を繰り返すことができます。

ただし、超高速がすべての人に同じ価値を生むわけではありません。Tibo 氏によると、多くのタスクを同時に処理し、頻繁に切り替えることに慣れている人は、Ultra Fast から同等の利益を得られるとは限りません。シングルスレッドで物事を進めたい、現在の思考から離れたくない人こそ、フィードバックループが明らかに短縮されたと感じやすいでしょう。速度に価値があるかどうかは、それがその人の注意力の習慣に適合しているかどうかにかかっています。

低遅延が最終的に変えるのは、コードを書く速度だけではありません。Tibo 氏が期待しているのは、非テキストベースのインタラクションです。共有キャンバス上で複数の案を生成し、画像を選び、すぐにプロトタイプを作成し、音声やテキストでリアルタイムに修正を指示します。この段階に至ると、AI は単により速くチャットボックスに文字を吐き出すだけでなく、人が可視的で操作可能な創造的空間にとどまり、継続的に反復できるようになります。

Tibo 氏は、一、二年後には今日の超高速体験が標準速度に近づく可能性があると予測していますが、より高価で高速なオプションは常に存在するでしょう。これは製品責任者としての予測であり、提供の約束ではありません。これが真に示す判断は、将来の速度競争は、エンドツーエンドのフィードバックループがどれだけ短縮されたかを見るべきであり、一秒あたりに生成されるトークン数だけを見るべきではないということです。

より強力なモデルが、AI ファクトリー全体を変革し始めている

速度の向上と価格の低下は、単に GPU を多く購入することから生じるわけではありません。Tibo 氏は、より具体的な「再帰的な自己改善」について説明しました。

これは、前述のリセットボタンが長期間存在できる理由も説明します。Tibo 氏によると、OpenAI は非常に早い段階から計算資源を計画しており、かつては投資が大きすぎると批判されたこともありました。現在、大量の計算資源は研究を支えると同時に、製品がより高い使用量とユーザー補償に耐えることを可能にしています。表面的には責任者がボタンを押したように見えますが、その背後にはずっと前から行われていたインフラストラクチャへの賭けがあるのです。

より強力なモデルが、モデルを実行するためのインフラストラクチャ全体を変革するために使われています。

これはシステムレベルの自己改善です。モデルが魔法のように自分自身のコピーを作成しているわけではありません。モデルは、人間がそれを支えるファクトリーをより速く書き換えるのを支援しているのです。

この「ファクトリー」には、推論サービス、CUDA カーネル、技術スタックの構造、製品のインタラクションが含まれます。モデルは、小規模なチームがパフォーマンスの低下を見つけ、重要なパスをリファクタリングし、同じ計算資源でより多くのリクエストを処理できるように支援します。その後、コストの低下と速度の向上が使用量を拡大させ、新たなタスクとフィードバックをもたらします。

インタビューでは、二つの数値の規模感が示されました。司会者が質問の中で、Luna の価格が約 80% 下落したことに言及し、Tibo 氏は通常モードの速度が三か月前と比べて約 60% 向上したと述べました。前者は司会者が引用した公開情報であり、後者は OpenAI の製品責任者による自己申告のデータです。どちらも独立したベンチマークテストではないため、ここから直接、企業の利益やエネルギー消費、あるいはすべてのタスクにおける実際の高速化を推定することはできません。

また、Tibo 氏は、チームは効率向上の恩恵を社内に留めるのではなく、より良い費用対効果という形で顧客やユーザーに還元する方針だと述べました。この方針は Luna の値下げと整合しますが、あくまで企業側の自己説明です。今後の効率向上が、価格、利用枠、提供範囲に継続的に反映されるかどうかが、本当の確認ポイントになります。

この高速な循環にもブレーキはあります。OpenAI がフロンティア強化学習のトレーニングを一時停止したことについて、Tibo 氏は、安全チームがシステムを理解して強化し、より明確な原則を整えたうえで再開するための措置だと説明しました。重要なのは、真の「迅速なリリース」には停止も含まれることです。組織には加速する能力と同時に、リスクが高まった際にブレーキを踏む能力も求められます。

本当に注視すべきは、どのモデルが一時的にリードしているかではない

司会者が OpenAI と Anthropic の競争について質問すると、Tibo 氏は繰り返し同じ答えに戻りました。競合他社を追いかけるより、OpenAI が独自に得意とすること、自社の価値観、そして最速で前進する方法に関心がある、という答えです。

もちろん、これは製品責任者としての会社の説明であり、中立的な市場分析として受け取ることはできません。

もう一つ、回答そのものを吟味すべき箇所があります。司会者が雇用の自動化、環境への影響、AI に対する社会の不安について質問した際、Tibo 氏は主に、効率向上、コスト低下、利用機会の拡大、既存の用途について語りました。「AI をどう安く、便利にするか」には答えましたが、雇用や環境へのコストには正面から踏み込みませんでした。これは彼に答えがないことを意味しません。ただし、このインタビューが示すのは製品責任者による前向きな説明であって、包括的な社会影響評価ではない、ということです。

したがって、より完全な観察チェックリストは次の五つになります。

1. 組織は自らを破壊する勇気があるか？ 既に収益を上げている製品が、次世代製品へのリソース配分を妨げていないか？
2. システムは複雑さを隠蔽しているか？ ユーザーは自身の目標を達成しているか、それとも依然としてスキル、メモリ、子エージェント、権限の管理に追われているか？
3. 速度は人の注意力を守っているか？ 高速化されたモデルが、より多くの通知を生み出しているのか、それともアイデアとフィードバックを同じフローの中に留めているのか？
4. 効率性の向上はユーザーに還元されているか？ コスト削減後、能力は本当に安く、広く利用できるようになったのか、それとも単に企業の損益計算書に留まっているだけか？
5. 企業はコスト以外の代償に答えているか？ 雇用の自動化や環境影響に対して、証拠を提示しているのか、それとも質問を製品の有用性へとすり替えているのか？

「能力は普及するのか」という問いに対し、Tibo 氏は非常に具体的な時間軸を示しました。彼によると、Luna は六か月前であればまだフロンティアレベルにあったかもしれませんが、現在では価格が非常に低くなり、司会者は無料プランにも含まれていると言及しました。この例は、フロンティアの能力が急速にコモディティ化し得ることを示しています。具体的な価格、無料の範囲、利用制限については、その時点での各製品の公式利用規約を確認する必要があります。

Tibo 氏は、文章作成、個人的な助言、受診前の準備を例に挙げ、AI の価値は完全なパーソナルエージェントの登場を待たずに生まれると説明しました。これらは人々がすでに AI を利用している例ですが、すべての回答が信頼できることを証明するものではなく、専門家の判断に代わるものでもありません。

本当に追うべき変化は、人の役割が変わり始めるかどうかです。かつて、人はソフトウェアを操作していました。今はエージェントにタスクを与え、その代わりに作業システムを管理しています。OpenAI が描く次の段階では、人は目標、境界、重要な判断だけを提示し、それ以外の調整はエージェント自身が担います。

この方向性が正しければ、次世代のパーソナル AI を示す最も明確な兆候は、エージェントを自分で管理する必要がなくなることかもしれません。