元Twitter CEOのParag Agrawal氏、創業したParallelで「エージェントのWeb利用は人間の1,000倍」と予測 ― 検索基盤の作り直しを提唱
「エージェントは、人間の1,000倍Webを使う。だから、新しい技術と、新しいビジネスモデルが必要になる」。元Twitter CEOで、現在はAIエージェント向けWeb検索を手がけるParallelの創業者、Parag Agrawal氏は、インタビューの冒頭でこう述べました。ロンドンでの対面収録で、ホストの質問に答える形で議論が進みます。
話題は検索技術の設計から、広告モデルの行方、AIの安全性、富の格差、Elon Musk氏との仕事まで多岐にわたります。なお、Agrawal氏は、自社の事業を語る当事者です。市場規模や成長の見通しは同氏の見立てであり、確定した数字ではない点に留意して読む必要があります。
1. Parallelとは:「エージェント向けのGoogle」
1-1. 出発点は「1,000倍」という仮説
Agrawal氏は、Parallelを「エージェントのためのGoogle」と説明します。人間が、仕事や生活でGoogleを使うのと同じように、エージェントも何かを実行するにはWebを検索する必要があります。Parallelは、そのための技術と、それを持続可能にするビジネスモデルを作る会社です。
会社の原点は、同氏が書き留めた「エージェントは、人間の1,000倍Webを使う」という一文だといいます。桁が3つ変わると、既存の技術は耐えられません。検索1回あたりの計算量も、現状のままでは多すぎるため、10〜100倍の効率化が必要という見方です。
1-2. 人間向けの検索とは何が違うのか
Agrawal氏は、人間の検索行動が「非常に狭い範囲」に収まっていると指摘します。
入力: 人間は短く曖昧なキーワードを打つ。エージェントは、何をしたいのかを文章で具体的に伝えられる
待ち時間: 人間は0.5〜1秒を超えると待てない。音声エージェントは100ミリ秒の応答を求める一方、バックグラウンドのエージェントは「時間がかかってもよいから最良の答えがほしい」
出力: 人間は10本の青いリンクを見る。エージェントが必要とするのはトークンやファイル
入力、制約、出力のすべてが異なるため、人間向けに作られたものは「最も興味深くない部分」だと同氏は述べています。
2. 検索スタックの設計:計算量をどこに使うか
2-1. 1兆件から1,000トークンへ絞り込む
Agrawal氏は、検索を、次のような絞り込みの問題として説明します。Web上には数兆件のドキュメントがあり、その中から、モデルのコンテキストに入れる約1,000トークンまで絞り込みます。
ほとんどの文書には計算をまったく使わない
ごく少数の文書に、ごくわずかな計算を使って1万件程度に絞る
その1万件に少し多めの計算を使い、さらに絞る
より大きなモデルやランカーを段階的に使い、最終的に約1,000トークンにする
つまり、検索側に計算を配分することで、モデル側の計算を節約しているという整理です。
2-2. モデルの価格帯に合わせた最適化
配分の考え方は、使うモデルによって変わります。同氏の説明では、安価な小型モデル(発言では「Luna」クラス)なら、多少ノイズが混じっても許容できるため、検索に計算をかけすぎる必要はありません。高価な大型モデル(同じく「Fable」クラス)には、モデルの時間を無駄にしないよう、検索側で先に丁寧に絞り込みます。
APIは用途別に設計されています。
音声エージェント向けの高速モード:
低遅延で低コスト。「検索中です、お待ちください」と言わせないための設計高額なバックグラウンドエージェント向けの「advanced」:
検索に数秒かけても、モデル側の検索回数を減らせれば、全体の時間とコストが下がる
さらに、APIには、呼び出し元のモデル名を渡すパラメータがあり、伝えればより良い結果が得られる可能性があるといいます。
3. 利用の実態:コーディングより法務や営業
現在の顧客は、エンジニアリング・コーディング領域が中心かと問われ、Agrawal氏は、「共通項はナレッジワークだ」と答えました。
コーディング:
推論量は大きいものの、Web検索が呼ばれるのはプロンプトの約5%。自社のコードベースなど内部情報を読むことが多いため法務:
判例や、企業・人物に関する事実の調査が多く、「見つからないことを確認する」網羅性も求められるため、Web検索の比重が高い保険の引受、営業、AIによる科学研究:
同様にWeb検索への依存度が高い
4. モデルの進化は検索需要を減らすのか
4-1. 賢くなっても「記憶」には限界がある
ホストは、「モデルが賢くなれば、検索は減るのでは」と質問しました。Agrawal氏は否定します。理由は次のとおりです。
モデルのパラメータ内の記憶は非可逆圧縮であり、事実そのものよりパターンを学ぶ
有名人の事実など「頭の部分(head facts)」は覚えられるが、一般人の経歴などは覚えていない
モデルを小型化・蒸留していくと、推論力を保つ代わりに記憶はさらに失われる
4-2. フロンティアは大きく、小型モデルも追いつく
同氏は、二つの流れが同時に進むと見ています。フロンティアモデルは、ますます大型化し、一方で、ある固定の性能水準に到達できる小型モデルも約6か月ごとに現れる、という見方です。最大級のモデルは、品質のわずかな差が大きな価値を生む用途があるため、大型化する意味があるといいます。小型モデルと大型モデルは価格が100倍〜1,000倍離れうるため、どちらも有用だという立場です。
4-3. オープンモデルとルーティング層
「トークン量の9割は、オープンモデル、金額の9割はフロンティアモデル」という見方について、Agrawal氏は、「どちらも9割にはならないと思う」と述べ、明確な見解は持たないとしました。米国発のオープンモデルには存在してほしいと述べ、1社ではなく、複数の企業が競い合う状態が望ましいという考えです。
モデルやGPUの提供元を切り替えるルーティング層については、GPUが不足し、成長が予測を超える現状では実際に価値があると評価しました。ただし、需給が変われば状況も変わるため、将来は不確実だとしています。
5. データ取引とコンテンツ経済
5-1. 「推論時のデータ取引」という未成熟な市場
3〜5年後に価値が高まるものとして、Agrawal氏はデータを挙げます。知性が安くなるほど、固有のデータや洞察と組み合わせる価値が高まりますが、その対価を払う市場はまだありません。
同氏は、PitchBookを例に挙げます。人間のVCは座席(シート)単位で契約していますが、複数のエージェントを走らせる場合、エージェントが十分にアクセスできない、あるいは規約違反のブラウザ経由で使うといった非効率が生じます。エージェント利用の価値に応じて対価を払う仕組みができれば、大きな市場になるという主張です。
5-2. Amazon、Shopify、Expedia:エージェントを入れるか
ホストは、Amazonが(発言では)Museの利用を拒否し、ShopifyやExpediaは、受け入れていると指摘しました。Agrawal氏は、「最終的には全員が受け入れざるを得ない。問題は条件だ」と述べます。顧客が人間からエージェントに変わりつつあり、各社は自らの立ち位置を決める必要があるという見方です。
Amazonの判断が正しいかどうかについては、「その後の展開次第」だといいます。独自エージェントで大きな普及を実現できるほどの市場支配力があれば正解ですが、取引の多くがエージェントに移ったときに締め出されていれば誤りになる、という整理です。一方で、同氏は、買い物のような「楽しみ」は人が委任したがらない可能性もあり、エージェントが電子商取引のどれだけを担うかは不透明だとしています。
5-3. 広告が効かなくなる世界と「エージェント版AdSense」
同氏は、広告収入型のコンテンツモデルが壊れることを懸念します。エージェントが記事を読んでも、誰も広告を見ないため、コンテンツ所有者は収入を得られません。そこで、エージェントが情報から利益を得るたびに、コンテンツ所有者に変動額を支払う仕組みを、Parallelは目指しています。同氏はこれを「AdSense for agents」と表現しました。
支払額の考え方は「限界貢献」です。たとえば1ドルをかけてエージェントに作業をさせるとき、あるコンテンツを外した結果が、90セントをかけたエージェントの品質と同じになったとします。その差の10セント分が、そのコンテンツの貢献とみなせる、という考え方です。同氏は、自社のモデルにこの計算を学習させて支払額を決めているとしています。
5-4. 音楽ストリーミングとの比較
ホストは、ストリーミングで音楽業界の収益構造が悪化した例を挙げました。Agrawal氏は、エージェントによるWeb利用が1,000倍に増えれば、価値を分け合う比率が変わるだけでなく、パイ自体が大きくなるため、ビジネスモデルを移行できる可能性があると答えました。勝者と敗者は出るものの、音楽の場合より短期間で市場が回復するかもしれない、という見立てです。
6. ビジネスとしての規模と競争
6-1. マージンと価格
同氏によれば、人間向けに約20年かけて作られた検索スタックに比べ、エージェント向けに最適化すると、同じ品質を20分の1〜50分の1程度の計算量で実現できるとのことです(文字起こしの表記が曖昧なため、数字の解釈は要確認)。
コンテンツ所有者への支払いによるマージンの圧迫は、心配していないといいます。その支払いは、推論に使う計算コストの一部を置き換えるものだからです。
6-2. 市場規模の試算
Agrawal氏は、学習と画像・動画生成を除いた、エージェントを動かす推論向けのGPU支出のうち、5〜20%がWeb検索に向かうと試算しています。推論市場が年に3〜7倍のペースで成長するなら、Parallelもシェアを維持するだけで同じペースで成長できるとしています。
対話の中の例示は次のとおりです。
検索市場を200億ドルと仮定する
33%のシェアを取れば、売上は60〜70億ドル程度
推論の成長に合わせて伸びれば、「数年以内に1,000億ドル規模の事業に届き得る」
ホストが「2030年にそこにいるのか」と問うと、同氏は「実行がうまくいき、いくつかの条件が味方すれば可能だ」と答えました。
6-3. 実現を妨げうるリスク
同氏が挙げたリスクは、次の二つです。
外的な要因:
エージェントが期待した利益を生まず、社会全体がGPUに投資しすぎてしまう(いわゆるテールリスク)自社の実行:
最良の技術を作れるか、コンテンツ提供者との提携を進められるか、将来の推論支出の多くを持つ顧客の信頼を得られるか
6-4. コモディティ化と価格の下落
第三者のベンチマークで、Parallelが首位に立った翌週に順位が入れ替わった例を、ホストは挙げました。Agrawal氏は、公開ベンチマークは飽和していて、BrowseCompのようにモデルが問題を記憶している例もあるため、あまり重視していないと述べます。
むしろ価格の下落は歓迎しています。同氏によれば、現在の市場価格は1,000件あたり数ドルから10ドル超で、これは人間向け検索の広告収益(CPM)を基準に形成されたものです。小型モデルで多数の検索を行うと、コストの80〜90%を検索が占める事態になりかねず、「検索には少なくとも1桁の値下げが必要」だといいます。
Parallelの価格は1,000件あたり1ドル
他社の多くは7〜14ドル
3年後には、さらに10分の1(0.1ドル)も可能と同氏は見る
一方、大型モデル向けには、より高品質で高価な検索も提供していく
7. Monitor API:Webは「プル」から「プッシュ」へ
Agrawal氏は、Webの次の姿は「常時稼働するエージェントのためのイベントストリーム」だと述べます。
ホストは、欧州の各国の企業登記簿を対象に、25歳未満で名門大学出身の創業者が登記された際に通知する仕組みを、自分のエージェントで作っていると紹介しました。これを従来どおりに実現すると、エージェントが6時間ごとに検索し直し、前回との差分を探すことになります。
Parallelの「Monitor API」は、いわば「賢いGoogleアラート」です。同社が常時Webをクロールしているため、変化を検知するたびに、ごく小さな計算で「通知すべきか」を判断し、可能性が高いときだけ高コストな計算に進めます。世界は頻繁には変わらないため、5日に1回の偽陽性と、その後の本物の検知で済み、計算コストを10〜15分の1に抑えられると説明しました。
同氏は、エージェントは今後、メール受信や他のエージェントの完了、世界の変化といった外部イベントを起点に動くようになり、クエリはプル型からプッシュ型へ移ると見ています。
8. リスクと社会への影響
8-1. ガードレールとサイバーリスク
エージェントが目標達成のために不正な手段を取る懸念について、Agrawal氏は次のように整理しました。
報道されてきたハッキング事例の多くは、アライメント(調整)が完了する前の、強化学習(RL)中のモデルによるもの。環境設計の慎重さで解決できる問題だ
出荷後のモデルは、調整が不十分なものもあり、悪意のある人物が使う場合もある。アライメントは未解決で、敵対的な攻撃には耐えられない
北朝鮮やロシアなどの攻撃者が悪用する可能性は高い
同氏は、被害を最小化する責任は、モデルを作る企業側にあると強調しました。ハッキングの成功を「モデルが強力な証拠」として誇る風潮には、「十分な対策をしなかったという恥ずべき側面がある」と批判しています。あわせて、事後検証(レトロ)が公開されている点には一定の評価を示しました。
8-2. 最も懸念するのは「普及の仕方」
同氏がより強く懸念するのは、AIが社会にとって純粋にプラスの技術であるにもかかわらず、適切に普及させられず、恩恵が一部に集中したまま、今後数年が非常に厳しい時期になることです。技術の変化が人間の適応より速ければ、苦しい局面が生じるという見方を示しました。
富の格差については、「ある程度の格差はあってよい」としつつ、どこからが過剰かは分からず、現状は過剰な方向に向かっていると懸念しています。ただし、是正に向けた力は働くはずだとし、大きな混乱なしに調整されることを期待していました。
8-3. エージェントへの信頼は時間がかかる
「3か月後にはMuseに資金を持たせる仕組みが出る」というホストの見方に対し、同氏は、技術は整っても社会的な受容には時間がかかると述べました。銀行口座へのアクセスや、メールの読み書きをエージェントに任せることに、多数派が納得するのは数か月では起こらない、という見立てです。ホストや自分は「バブルの中にいる」とも語っています。
9. Elon Musk氏との仕事、VCとの関係
9-1. Musk氏から学んだこと
Agrawal氏は、Musk氏とは意見が合わない点も多いと前置きしたうえで、創業者が学べる点として、時間を圧縮する切迫感を挙げました。人は自分の能力を実際より低く見積もりがちなため、「非合理なほど高い期待」を切迫感とともに与えると、想定以上の成果を出せることがあり、Musk氏はそれを引き出せる、という評価です。
Twitterの現在の製品については、自身が関わったコミュニティ機能「Birdwatch(現Community Notes)」を挙げ、継続されていることを喜んでいると述べました。
9-2. クイックファイア(一問一答)
投資はするか: しない。妻がVCで、コンプライアンス手続きが煩雑すぎるため
Vinod Khosla氏から得た最大の教訓: 技術的な直感を持ち、長期の技術的な目標に向けて動くこと。一つ解決したら、次の2〜3の技術的な賭けを先回りして打つこと
この12か月で考えを変えたこと: 当初は技術と製品がすべてだと考えていたが、優秀な営業とマーケティングの価値を、週ごとに実感するようになった
競合: Perplexityは垂直統合型の製品で、Parallelの事業とは異なる。Exaは同じ事業領域の競合
10年後に最も楽しみなこと: 「カオス(変化)」。オープンなWebとコンテンツ所有者の行方に、自社が関われる位置にいることを挙げた
周囲が同意しない信念: 全員のために常時稼働するエージェントが当たり前になる、という見方
垂直統合については、価値はあるとしつつ、Parallel自身は「技術的な賭けとして」APIの層で止めていると説明しました。検索の問題はどの情報探索でも共通しており、垂直統合しないことで、垂直統合を進める他社にも使ってもらえる、という考えです。
