Naresh Prajapati氏—CEO兼創業者、Azilen Technologies。カリフォルニア州サンフランシスコ。
私にとって、最も偉大なGitHubリポジトリ（repo）は、Linux創始者リーナス・トーバルズ氏のリポジトリである。しかし、彼のリポジトリ以上に強力なのは、その背後にある彼の思考だ。「理論と実践は時に衝突する。そして、それが起きた時、理論が負ける。毎回だ」
理論上、勝利するオペレーティングシステム（OS）は、最も広いリーチ、最も多くのユーザー、そして最小限の学習曲線で洗練された体験を提供するものであるはずだった。その論理に従えば、マイクロソフトのWindowsがすでに勝利していた。
しかし実際には、開発者、企業、ビルダー、つまり実際の問題に最も近い人々は、Linuxを選び続けた。Linuxは、インターネット、クラウドインフラストラクチャ、そして単一のマシンを超えて拡張するあらゆるものの基盤となるシステムレイヤーとなった。
この対比は、より深い何かを明らかにしていると私は考える。理論上、インターフェースが製品のように見えるが、実際には、システムこそが真の製品である。インターフェースはユーザーが関与する場所だが、システムが結果を決定する。インターフェースは複製可能だ。システムは複利的に成長する。
私たちは今、同じパターンがAIにおいて繰り返されるのを目撃している。ただし、より速く、機能をクリーンなインターフェースにラッピングし、既存のモデルの上に乗っかっている。この種のインテリジェンスは、アクセスしやすく、デモしやすく、採用しやすいが、複利的に成長させることは容易ではない。これらはAIラッパーである。
しかし、少数の持続するAI企業は、AIシステム、つまりAIオペレーティングシステムを構築している。これらのAIシステムの重要な特徴は、主要業績評価指標（KPI）から実行へと逆算して機能することだ。KPIは、インテリジェンスがどのように振る舞うか、ワークフローのどこに適合するか、どのように進化するかを定義する。システムが稼働すると、リアルタイムで学習と改善を続け、定義されたKPIにワークフローを絶えず近づけていく。
AIラッパーにおけるシステムの深さの錯覚
錯覚は現実である。能力のように見えるものは、多くの場合、単に能力へのアクセスに過ぎない。一例として、いわゆるエージェント型サポートツールの台頭がある。これらは、顧客の問い合わせに答えるためにGPTトークンを消費するAIラッパーだが、解決率、チケットあたりのコスト、顧客維持率といったビジネスKPIの改善にはほとんど貢献しないと私は考える。
理由は非常に明確だ。このようなツールは決してシステムとして構築されない。インターフェースとして死ぬ運命にある。これらのAIラッパーを展開する企業は、インタラクションのポイントに位置しているが、ビジネスKPIをコントロールするポイントには位置していない。
これは、月に向かうアポロ13号の指揮を執っているが、ミッション目標、つまり我々の場合はビジネスKPIを達成するためのナビゲーション、計算、コース修正を処理する地球上のミッションコントロールがない状態に似ている。
そして、そこから製品の深さの錯覚が始まる。私はこれを3次元で考えている。X軸はインタラクションの質である。システムがどれだけうまく応答するか、どれだけ流暢で役立つと感じられるか。Y軸は実際のビジネスインパクトである。それらのインタラクションがKPIを動かすかどうか。そしてZ軸は学習である。フィードバックを通じてシステムが時間とともにどのように改善するか。
ほとんどのAIラッパーは、X軸でのみ強力なパフォーマンスを発揮する。しかし、ビジネスKPIが動くY軸では弱く、複利的成長が起こるべきZ軸ではほぼフラットである。
インテリジェンスをKPIに結びつけ、KPIに対して測定し、KPIによって継続的に改善しない限り、製品やシステムのように見えるものは、多くの場合、単なるインターフェース、つまり単なるAIラッパーに過ぎない。
持続するAI企業が正しく理解していること：3つの基盤
持続するAI企業は、単にAIを使いやすくするだけでなく、ビジネスワークフローの実行方法の基盤とし、最終的にはそれなしでは運営できないようにする。
持続するAI企業が行う最初の基盤選択は、プロンプトファーストデザインではなく、KPIファーストデザインを選択することだ。この種のAIシステムは、KPIから逆算して設計され、インテリジェンスのすべてのレイヤーがそれらのKPIを満たすために機能している。
持続するAI企業が行う2番目の基盤選択は、アクションと結果の間のループを閉じることだ。彼らは、すべての決定が測定され、すべての結果がシステムにフィードバックされることを保証する。これらのAIシステムは絶えず問いかける。このインタラクションは問題を解決したか？この推奨は成約につながったか？この決定はコストやリスクを削減したか？各反復で、システムは望ましいKPIに近づいていく。
持続するAI企業が行う3番目の基盤選択は、ワークフロー内にインテリジェンスを配置することだ。例えば、音声AI主導のアウトバウンドキャンペーンでは、AIシステムは単に質問に答えたり製品を売り込んだりするだけでなく、エッジケースを処理し、コースを修正し、異なる解決パスを選択し、ファネルをWhatsAppやRCS（リッチコミュニケーションサービス）まで縮小して、生の意図を行動に移す。
AIラッパービルダーとAIシステムビルダーのメンタルモデル
これは技術の問題ではなく、マインドセットの問題であると私は強く信じている。AIラッパービルダーもAIシステムビルダーも、同じ技術で構築している。しかし、その根底では、彼らは非常に異なるメンタルモデルから動いている。
AIラッパービルダーは、システム1思考、つまり速く、直感的で、印象駆動型の思考により影響を受けているように見える。彼らはモデルができることを見て、それをパッケージ化することを急ぐ。彼らは、GPTモデルのような即座に良い印象を与えるものを過大評価する。
一方、AIシステムビルダーは、動かない問題、つまりフラットなままのKPI、下がらないコスト、スケールしないプロセスから始める。彼らの目的は、インテリジェンスを披露することではなく、それを規律化することだ。
このマインドセットは、遅延満足の考え方を反映している。彼らは、長期的な結果を優先して、短期的な勝利を無視する。彼らは、ビジネス成果に向けたインテリジェンスの継続的な調整がなければ、AIはエントロピーに向かってドリフトすることを理解している。高いランダム性、高いノイズ、ゼロのビジネス価値である。
これが本当に意味すること
結局のところ、これはLinux対マイクロソフトでも、AIラッパー対AIシステムでもない。
これは、ビジネス成果のためのエンジニアリング対単に優れた非ネイティブ機能のためのエンジニアリングについてである。そして、これは非常に重要だ。なぜなら、もはや優位性はインテリジェンスを使用することにあるのではなく、それが成果にどれだけ緊密にエンジニアリングされているかにあるからだ。
持続する企業は、規律あるインテリジェンスの使用により、AIをビジネス価値に向けて複利的に成長させる企業である。彼らはKPIに対してインテリジェンスをエンジニアリングする。彼らはそれを修正するフィードバックループを構築する。彼らは決定が結果をもたらすワークフローにインテリジェンスを組み込む。
なぜなら、理論上は、最もアクセスしやすいAIが勝つ。しかし実際には、リーナス・トーバルズ氏が知っていたように、実際の問題に最も近いシステムが常に勝つのだ。
