世界最大手のAI企業は間もなく、金で解決できない問題に直面することになる。Epoch AIの調査によると、人間が書いた利用可能なテキストデータの供給は2026年から2032年の間のどこかで枯渇し、なかでも高品質な言語データが最初に不足するという。
業界ではこれを「データの壁」と呼んでおり、その脅威が迫っている。合成データの生成、マルチモーダル学習、より高度なプルーニング（不要データの削減）など、提案されているあらゆる回避策は、かつては無料だった解決策を人工的に作り出そうとする試みにすぎない。
中小企業の経営者にとって、この差し迫った期限はそれほど恐ろしいものではない。彼らはこれまでずっと、その壁の向こう側で生きてきたからだ。
既存データの限界
アディティオ・プラカシュ氏は、AIと物理ベースの分子モデリングを組み合わせて新薬候補を設計する企業、Verseonの会長兼最高経営責任者（CEO）だ。彼の業界は、世間がそれを「壁」と呼び始めるよりもずっと前にデータの天井に突き当たっていた。試験済みのものと存在し得るものとの間に、巨大な隔たりがあるためだ。
「AIに関する最大の誤解の一つは、モデルの規模を拡大すれば、基礎となるデータが存在しない問題も自動的に解決できるようになるというものだ」と、プラカシュ氏は声明で述べている。
「AIは目にした情報からパターンを学習することには極めて優れているが、関連する事例があまりに乏しい科学的・ビジネス的な問題も存在する。どれほど規模を拡大しても、これまでに生み出されたことのない実験的知識を魔法のように作り出すことはできない」
創薬は、基礎となるデータのギャップをAIが学習するだけで乗り越えることができない業界の典型例だ。
「医薬品のような性質を持つ可能性のある分子の宇宙は、人類がこれまでに合成してテストしてきたごく一部よりも想像を絶するほど膨大だ」とプラカシュ氏は言う。「もしAIシステムが主に既知の分子から学習しているのだとすれば、本当に新しいものを発見しているのか、それとも、すでに知られている情報を処理する技術がただ洗練されていっているだけなのかを自問しなければならない」
これは決して些細な問題ではない。企業がすでに把握していることに基づいて訓練されたモデルは、それを言い換えるのが非常に得意になるが、それは企業が必要なスピードで前進し続けるための答えではない可能性が高い。
「データはAIに対応できていない」
ガートナーが2024年7月にデータ管理のリーダーを対象に実施した調査によると、63％の組織が、AIに適したデータ管理プラクティスを導入していないか、導入できているか確信が持てないでいる。同社はさらに、AI対応データに支えられていないAIプロジェクトの60％を、組織が2026年までに放棄すると予測している。
企業のデータ保管方法と、AIが求めるデータとの間にはミスマッチがあると、ガートナーのシニアディレクターアナリストであるロクサーヌ・エドラリ氏は指摘する。
「従来のデータ管理業務は、AIチームにとっては遅すぎ、構造化されすぎ、そして硬直化しすぎている」と彼女は述べ、従来の慣行ではデータの用途がほとんど文書化されておらず、データがシステム間でサイロ化されていると指摘した。
彼女によるAI対応テストの総括は、次の1文に集約される。「データに問題があるなら、そのデータはAIに対応できる状態にない」
AIが中小企業にどのように売り込まれているかを考えてみてほしい。「このツールはあなたのビジネスを学習する」というのがセールストークだが、専任のデータチームを擁するほとんどの組織でさえ、そのレベルの約束を果たす体制が整っていない。
中小企業にとって、そのプロセスは困難を極める。顧客40人は訓練データセットにはならない。18カ月分の請求書はパターンにはならない。創業者が勘であらゆる案件の価格を決めてきた場合、そこには数十年分の判断はあってもデータセットはない。そのようなビジネスに適用されたモデルは、ほぼ何もないに等しいデータから、自信満々に一般的な結論を導き出してしまう。
プラカシュ氏は、この現状分析を、しばしば見過ごされがちな問いとして定式化している。
「『私たちは本当に、この問題に必要なデータを持っているのだろうか』」と彼は言う。「もし答えがノーなら、より大きなモデルを選んでも何も解決しないかもしれない。必要なのは、ドメイン知識、シミュレーション、第一原理モデル、新たなデータの生成、あるいは全く異なる技術的アーキテクチャかもしれない」
「規模」が「質」に勝るとは限らない
この事実は新しいものではない。スタンフォード大学のコンピューターサイエンス教授であるパーシー・リャン氏は、規模の拡大こそがすべてに対する絶対的な答えだとまだ信じられていた2022年に、MITテクノロジーレビューに対して明確に述べている。
「より高品質なデータで訓練された小規模なモデルが、低品質なデータで訓練された大規模なモデルを凌駕する様子を、私たちは目の当たりにしてきた」
Epoch AIの調査は、高品質なデータと低品質なデータの境界線自体が曖昧であり、研究者が高品質な情報を積極的にフィルタリングするのは、まさにそれが再現したい言語であるからだという点を強調している。
量よりも質が常に大きな役割を果たしてきた。そしてデータの壁とは、その高品質な蓄積が細っていった先に起きることなのである。
データの代わりに何を使うべきか
Verseonの答えは物理学だ。何千もの過去の事例から分子の挙動を学習できないのであれば、分子同士がどのように相互作用するかを支配する力そのものをモデル化する。
「これはAIに反対する議論ではない。AIの得意分野を理解し、どのような補完的アプローチが必要かを理解するための議論だ」とプラカシュ氏は言う。「我々がAIと物理ベースのモデリングを組み合わせているのは、特定の分子タイプについて過去何千もの事例がなくても、物理学によって分子の相互作用を論理的に推論できるからだ」
分子シミュレーションを実行している中小企業はないが、そこから学べる教訓がないわけではない。応用可能なアプローチは構造的なものだ。すなわち、パターンマッチングの対象となるデータがないのであれば、代わりに「ルール」を提示すればよい。
それは、自分が真実だと知っていることを明文化することを意味する。引き受ける価値がなくなる価格の下限、顧客が解約すると常に予測できた3つの条件、順序を入れ替えられないプロセスの手順。
これらが文書化されていれば、システムが稼働するための制約条件となる。しかし、創業者の頭の中にしかないままであれば、それこそがAIがあなたの利益率を知らない理由であり、したがってAIがあなたに利益をもたらしていない理由である。
反論
データの壁は、予測通りには到来しないかもしれない。最近の進歩によって猶予期間が延びており、Epoch自体の分析でも、2030年まで規模の拡大が続くことは「もっともらしいが、不可避ではない」とされている。
また、自己利益の問題もある。物理ベースのモデリングを販売する企業が、データ主導型AIには限界があると主張するのは当然のことであり、プラカシュ氏の主張はその点を考慮して評価されるべきだ。ガートナーはデータ管理の調査を販売している。いずれも破滅的なシナリオから利益を得る立場にある。
今四半期にすべきこと
誰かがAIツールの導入を提案した3つの意思決定を書き出してみる。それぞれについて、AIが良い意思決定を行うためにどのような情報が必要かを書き出し、そのデータがAIの読み取れる形式で存在するかどうかを確認する。
答えが「イエス」であれば、進めてよい。もし「ノー」であれば、解決策は別のツールやより優れたツールを導入することではない。意図的にデータを生成し始めるか（これには数カ月かかるため、今すぐ始めるべきだ）、あるいは、すでに持っている判断力を明確なルールに落とし込むか（これなら午後の時間があればできる）のどちらかだ。
この区別が重要なのは、失敗するAI投資のほとんどが、どのモデルを選んだかに関係なく、最初から機能するはずがなかったからだ。それらは、ビジネスにおいて回答するための根拠となるデータが存在しない問いに向けられていた。
「真の競争優位性は、自社のデータの限界がどこにあり、モデルがそこから妥当に何を推論できるのか、そしてその境界を越えるためにどのような追加の知識や技術が必要なのかを理解することから生まれる」とプラカシュ氏は述べた。
最先端の研究所は、データが枯渇したときにどうすべきかを解明するために、これから数十億ドルを費やそうとしている。中小企業の経営者は今週、同じ問いに1枚の紙で、無料で答えることができる。
