未来は究極の未知です。「これから何が起こるのか？」という知識ほど、ビジネスにおいて求められるものはありません。しかし、不確実性を排除することはできないため、次善の策として「管理する」ことしかできないのです。
大規模な事業運営は何百万もの意思決定を伴う「数のゲーム」です。個々の結果に確率を割り当てることで、このゲームをより効果的に進めることができます。どの取引を潜在的な不正として阻止すべきか？どの機械部品が故障する前に交換すべきか？どの顧客が解約する前に割引を提供すべきか？
ここで予測AIの出番です。予測AIはデータから学習し、各ケースの確率を評価します。魔法の水晶玉はありませんが、次善のものとして確率があります。これは各個人がクリックする、購入する、嘘をつく、死亡する、不正行為を行う、あるいは不良債務者になる可能性を教えてくれます。
生成AIはこの役割に適していません。より新しく、魅力的で高度ではありますが、予測AIに取って代わるものではなく、それを補強するだけです。両者は、統一された技術エコシステムに融合しながらも、本質的に異なる取り組みと分野であり続ける運命にあります。その理由を説明します。
生成AIは予測AIに取って代わらない
不確実性は常に存在します。アルゴリズムがどれほど高度になっても—何兆ものパラメータで構成される大規模言語モデルを含めても—一般的に将来の結果を非常に高い確信度で予測することはできません。むしろ、結果に確率を割り当てることしかできないのです。アルゴリズムの洗練度が増すにつれて予測は向上しますが、収穫逓減の法則があります。最終的に、人間、企業、機械、その他の人工物の行動をどれだけ正確に予測できるかには限界があります。
予測AIで不確実性を管理するためには、企業は非常に特定のエンドツーエンドのパラダイムに従う必要があります。これらのプロジェクトは本質的に「予測的」であり、生成AIではなく、ケースごとの確率が必要です。その機能は多くの意思決定を推進することであり、それぞれの決定は特定のケースの確率の推定によって行われます。そのためには、予測AIプロジェクトは3つのことを決定することで高度にカスタマイズされる必要があります：1）何を予測すべきか、2）どれだけ正確に予測する必要があるか、3）予測をどのように使用して意思決定を推進するか。
生成AIはこのような粒度の高いケースごとの予測には適していません。予測AIを改善するために生成AIを使用するFeatureByte社のCEO、ラジ・ラジウディン氏は、この限界を理解するのに役立ちます。「LLMやその他の生成AIモデルは多くのビジネス問題に価値をもたらしますが、大規模な表形式データを分析するためには設計されておらず、ましてやそのようなデータに対して機械学習アルゴリズムを実行するためには設計されていません」と彼は私に語りました。
生成AIはMLのために作られたのではなく、MLで作られています。予測AIに通常使用されるものよりも洗練されたML手法で構築されていますが、生成AI自体は同じ種類の「予測マシン」を構成するものではありません。LLMの核心は、文章の次の単語（トークン）を予測するMLモデルです。そのため、人間の言語とうまく連携し、ある程度の「推論」（定義によっては）を達成します。しかし、明確に定義されたデータ分析タスク—ML自体を含む—にLLMを使用することは、通常は不格好な過剰対応であり、実際通常は効果的ではありません。
生成AIは予測AIプロジェクトを単独で実行することはできません。予測AIを使用するためには、組織は3つの方法で予測能力を明示的に活用する必要があります：1）対象の予測目標のためにMLモデルをトレーニングする、2）運用改善のための価値についてモデルを評価する、3）モデルを運用化し、個々のケースに対して予測を行い、それに応じて意思決定を推進する。特別な修正なしでは、LLMはこれら3つの段階のいずれにも適していません。
しかし生成AIは予測AIを支援する
生成AIは予測AIの中核的な分析を実行しませんが、予測AIプロジェクトをサポートする様々な方法があります。結局のところ、生成AIはコーディング、設計、説明ができます。生成AIは、わかりやすいコパイロットとして機能し、MLモデルがどのように決定するかを説明したり、予測AIコーディングアシスタントや予測特徴量ジェネレーターとして応用されています。
これらの発展により、予測AIと生成AIは新興の統一されたエコシステム内で結びつきます。これは生成AIシステム内に予測AI機能を組み込むことで機能します。例えば、ユーザーは会話型AIに対して、どの顧客が離脱するリスクがあるか、そして彼らを維持するためのターゲットマーケティングキャンペーンをどのように設計するのが最適かを尋ねることができます。
予測AIと生成AIの統合はまだ十分に評価されていません。DataRobotの元VP、ジャスティン・スワンズバーグ氏は、「多くの機会があり、これまでに十分な注目を集めていないと思います...エンジニアリングのコンテキスト、出力の説明、ワークフローへの統合、そして予測モデルをツールとして組み込むという点で」と指摘しています。
予測AIは、不確実性が生活とビジネスの消えない側面であるため、この世界で常に役割を持ち続けるでしょう。生成AIシステムは、予測AI機能を明示的に組み込むことによってのみ、不確実性管理のための最先端の能力を実現できます。これにより、生成AIは確立された、構造化された粒度の高い予測を生成し、それに基づいて行動するためのパラダイムにアクセスできるようになります。このように統合されると、生成AIは予測AIをサポートし、強化する役割を果たします。
これらのAIの組み合わせについて詳しく知りたい方は、無料のオンラインイベントIBM Z Day（2025年11月12日にライブ配信、その後オンデマンドで視聴可能）での私のプレゼンテーション「予測AIと生成AIを融合させる7つの方法」にご参加ください。ハイブリッドAIに関わるお仕事をされている方は、Machine Learning Week 2026での講演の提案をご検討ください。
