企業AIの自律化を阻む業務情報不足、AGI論との現実差
ゴドシによるAGIの定義は、現在AI業界で主流となっている用語の意味よりも狭い。彼は、あるシステムが人間の行う知的作業の類いを実行でき、たいていの場合において大多数の人より賢いのであれば、それはAGIの基本定義を満たすと主張する。
さらにゴドシは、人々がAGIという言葉を、むしろ超知能を表すものとして使っていると指摘する。これははるかに極端な概念であり、AIが世界中の研究者が総力を挙げて達成できることを数秒で成し遂げ、世界経済をシミュレートし、人類が蓄積してきた知識を処理できるというものだ。「それがあなたの定義なら、もちろんまだ到来していない」と彼は言う。「業界が現在構築しているものが、いずれそれになるのかどうかも不明だ」。
AGIが到来しているなら、なぜ一般的な企業内では自律的に見えるものがこれほど少ないのか。ゴドシの答えはコンテキストである。モデルは、記録、社内規則、権限、そして知っていることに基づいて行動するための業務システムにアクセスできなければ、ビジネス上の問題を十分に推論することはできない。その結果、「トークン支出が増えていることを除けば、世界はほとんど変わっていない。AIが持つ知能と、それが生み出している影響との間には大きな隔たりがある」。
Genieはメールや会議録を集め、AIに社内の文脈を渡す
ゴドシはその隔たりを主にインフラの問題と捉えており、そこにGenieとGenie OntologyがDatabricksの戦略上位置づけられる。ゴドシによれば、これらの製品は、セキュリティとプライバシーを保ちながら、メール、会議録音、社内データといった情報を接続し、AIが企業内で動作するために必要な組織的コンテキストを与えるよう設計されている。
この見立ては、能力と事業成果の間にある実際の断絶に対応するものだ。しかし同時に、モデル周辺でDatabricksが販売するインフラの市場を都合よく拡大するものでもある。より厳しい試金石は、AIモデルが進化してもなお、その隔たりが残るかどうかである。
エージェントの運用費が膨らみ、CFOが持続性を疑い始めた
ゴドシは、Databricksの企業顧客全体で高まりつつある、より差し迫った圧力を指摘した。AIエージェントの運用コスト上昇である。企業は組織全体でコーディングエージェントの導入を進めているが、多くは日常的な作業にも高性能モデルに依存しており、推論コストは実行される作業の価値を大きく上回っている。ゴドシは、「その結果として得られる生産性向上は、こうしたシステムを稼働させるために必要なトークンを生成・処理するコストに追いついておらず、CFOや他の幹部の間で、企業AIの経済性が持続可能なのかという懸念が高まっている」と述べる。
そこにDatabricksがUnity AI Gatewayの機会を見いだしている。同社は企業に対し、AIトラフィックをルーティングし、予算を設定し、プロバイダーを比較し、独自モデルとオープンモデルの間でワークロードを移動するための中央拠点を提供したい考えだ。各アプリケーションやチームが個別に支出判断を下すことを避けるためである。
1000兆超を処理、企業が求めるAIモデル切り替え
ゴドシは、より安価または優れたモデルが現れた際にAIを切り替えられる能力を企業が求めていると説明した。Databricksは自社ゲートウェイを通過したトークンが1000兆を超えているため、その点を直接把握できるという。より興味深い行動は市場の高価格帯にあるかもしれない。ゴドシによれば、「顧客は時に、同じ重要な質問を2つのモデルに送り、回答を比較するために2倍の料金を支払う」という。
Databricksは事実上、モデルの増殖により、どのモデルがどのタスクを処理すべきかを判断し、その財務的影響を追跡するレイヤーへの恒久的な需要が生まれると賭けている。ただし、中立性の問題は残る。同社は主要モデルプロバイダーと金銭的関係を持つ一方で、それらの上位レイヤーとして自らを位置づけている。ゴドシは、同社は「マルチクラウドであり、オープンソースの代替手段もサポートしているため、顧客が単一ベンダーへ誘導されることはない」と主張する。
