では、モデルを自由に入れ替えられる世界とはどのようなものか。それは、先進企業が自社の「クラウンジュエル（企業にとって最も価値ある核心的資産）を基盤モデル（ファウンデーションモデル）に明け渡すことを拒む世界だ。その資産こそが検証インフラである。企業が測定してきたすべてのもの、測定できるすべてのもの、そしてトップエキスパートが学んできたすべてのもの──検証し、判断し、キュレーションし、仕事において「センス」を適用する方法を形づくる、蓄積された経験のことだ。
ナデラは、それに伴う自己改善ループこそが企業の新しく重要な知的財産であると正しく見抜いている。そして適切に構築すれば、それは複利的に成長すると彼は言う。
「私はこれをヒルクライミングマシン（山登りのように改善し続ける仕組み）だと考えている。そして多くの資産と違い、それは複利的に成長する。改善されたワークフローの1つひとつが、より良い学習シグナルを生み出し、その企業固有の暗黙知の蓄積を加速させる。これを早期に構築した企業は、個々のモデル能力がどれほど新しくなろうとも、複製が困難な優位性を持つことになる」
複利的に成長する唯一のループ
その優位性はネットワーク効果によるものだが、馴染みのあるタイプではない。過去20年間、最も強力な堀は単純な参加者数によって成長してきた。ユーザーが増え、出品者が増え、開発者やアプリが増えることで強くなる、というものだ。エージェント経済（AIエージェントが主体的に機能する経済圏）ではそれが弱まる。AIエージェントは、かつて健全性を示すシグナルだった活動を人工的に生成でき、実際の在庫やワークフローを数分のうちにプラットフォーム間で移植できるからだ。規模が逆効果になることさえある。数百万のAIエージェントが同じ指標を最適化すると、もっともらしいノイズがネットワークを埋め尽くし、それを品質と誤認する。活動が増えるほど価値が高まるのではなく、むしろ低下してしまう。
生き残る種類は1つだけで、私たちはそれを検証グレードのネットワーク効果と呼んだ。解決された紛争、発見された不正、エキスパートによる修正はすべて、再利用可能な先例となる。次のケースをより速く安全に自動化できる確定した事例だ。それは使用とともに深まる資産で、計算資源で製造することはできない。1つひとつの検証された結果を通じて獲得されるものだからだ。
企業がモノ（原子）、情報、そしてデータ（トークン）といった入力をより洗練された形へと変換するたびに、こうしたネットワーク効果は拡大する。ただし、同じプロセスが依拠するグラウンドトゥルース（機械学習における「正解データ」）を研ぎ澄ますか、エキスパートの頭の中に閉じ込められた暗黙知の一部を体系化する場合に限られる。
