Box CEOアーロン・レヴィ氏、「アプリケーション企業こそ最も熱いネオラボだ」と持論 ― モデルとワークフローの"橋"に価値がある
コンテンツ管理プラットフォームBoxの創業者兼CEOであるアーロン・レヴィ氏が、ポッドキャストで企業向けAIの現在地について語った。モデル企業とアプリケーション企業の力関係、Box自身のAIへの全社転換、「ワークスロップ」論争、そして、コーディング以外の分野でAI活用がなぜ遅れているのかまで、幅広いテーマが議論された。本稿ではその要点を紹介する。
1. アプリケーション企業は最も熱い「ネオラボ」か
レヴィ氏は、モデル自体の知能とエンタープライズの実際の業務フローとの間には大きな"橋"が必要であり、その橋渡しの価値が過小評価されていたと指摘する。市場は、「その橋は、限定的だ(モデル単体で十分)」という賭けと、「その橋は、広大で、企業内に深く入り込む必要がある」という賭けの二つに、いわば1兆ドル規模の資金が分かれて投じられてきたが、実際には後者が正しかったことが明らかになりつつあるという。同氏は、単なる「モデルのラッパー」に見える企業が機能している理由もここにあるとし、こうした構造は、過去のクラウド基盤(AWSやGCP)とその上に成立したSnowflakeやDatabricksのような企業の関係と同じだと説明した。基盤そのものが、莫大な価値を生む一方、その基盤の上に業務ワークフローを橋渡しするソフトウェアにも同様に莫大な価値が生まれるという構図だ。
2. モデル企業はスタックの上位に進出するのか
モデル提供企業(いわゆる「ラボ」)が、今後、アプリケーション層まで自ら進出してくるのかという論点についても議論が交わされた。レヴィ氏は、企業がエージェントにタスクを任せる際、コストとアクセス精度を最適化したいと考えるのは自然であり、そのためには、「どのモデルを使うか」について特定の利害を持たない中立的な立場の企業が適していると指摘する。モデル企業が、自社のトークン利用を補助金的に低価格で提供する戦略には限界があり、特に、上場後は、通常の資本主義の法則(粗利益の確保)に従う必要が出てくるため、この「補助金」は、一時的な現象に過ぎないとの見方を示した。また、Meta、SpaceX、中国勢、NVIDIAのように推論そのもので利益を出す必要のない「非経済的なプレイヤー」の存在が、業界全体のトークン単価を押し下げる方向に働くとも述べた。同氏は、1〜2社のモデル企業が、価値創出の95%を独占するという未来には賭けないとし、むしろ独占禁止の観点からも、モデル企業自身が健全な競争環境を望むはずだと分析した。
3. Boxの歴史とAIへの全社的な転換
Boxは、もともと、企業の非構造化データ(契約書・研究資料・マーケティング資産など)をクラウド上で安全に保存・共有するサービスとして始まった。レヴィ氏によれば、同社は、2015年頃から画像分類やOCRといった初期のAI技術を試していたが、当時は用途ごとに専用モデルの訓練が必要でコストが高すぎたため、いったん取り組みを保留していたという。ChatGPTの登場によって「対話形式で複雑な回答が得られる」という体験が世に広まったことを受け、全社的にAIへの転換を進め、現在の「Box Agent」を構築するに至った。同社が保有する数百億件のファイルには企業にとって重要な情報が含まれているが、その内容を実際に把握できていないケースが多いという課題があり、エージェントがその情報を検索・抽出・構造化し、業務フローを自動化する役割を担っているという。
4. ヒーロー事例 ― 契約書100万件を読む、長時間稼働エージェント
レヴィ氏が挙げる最も分かりやすい活用例は、企業が保有する100万件規模の契約書や研究文書の内容を、これまで人手ではコスト的に不可能だった規模で読み取り、構造化データとして抽出・分析・自動化することだという。もう一つ同社が力を入れているのが、コーディングエージェントに近い発想の「長時間稼働エージェント」だ。例えば、銀行の顧客オンボーディング業務では、自動化可能なステップをすべて自動化し、追加確認が必要な箇所だけ人間に引き渡すことで、従来1〜2週間かかっていたプロセスを1時間程度に短縮できるという。
5. 「ワークスロップ」論争 ― コードは受容されるがコンテンツは嫌がられる理由
AIが生成したコンテンツに対する一種の"アレルギー反応"、いわゆる「ワークスロップ」についても議論された。レヴィ氏自身、AIが全文作成した取締役会向け資料を受け取ることに複雑な思いを抱くとしつつ、コードとコンテンツの受容度の違いを分析した。コードは、多くの人にとって「目的を達成するための道具」であり、価値創出のほぼ100%がそのまま機能するテキスト(プログラム)に直結するため、自動化への抵抗が少ないという。一方、コンテンツの場合、それを見た人は、「この人がどれだけ考えたのか、信頼できるのか」を判断する手がかりとして受け取ってしまうため、AIが生成したと分かった瞬間にその判断がぐらつくのだという。同氏は、この違和感は財務モデルにおいてExcelの数式やマクロが自動計算していることを誰も気にしないのと同じように、時間をかけて社会が慣れていく可能性があるとしつつ、「その人が何を理解し、何を実行できるかの代理指標としてコンテンツをどう扱うべきか」という問いに、今後3〜5年は向き合い続けることになるだろうと述べた。
6. Boxが構築する「エージェントハーネス」と評価(Eval)
Boxは、自社のファイルシステムや検索システム、権限構造についての深い理解を組み込んだ独自の「エージェントハーネス」を構築しているという。ドキュメントのテキスト抽出やチャンク単位での取得、その場でのエンベディング生成といった一連のツールを備え、大規模なデータセットに対する質問応答に特化した設計になっている。実際に、汎用のClaudeやOpenAIのAPIをそのまま使う場合と比較して、精度・レイテンシーの両面で明確に優れた結果が出ているという。評価(Eval)については、生命科学・金融・公共部門などの業界別文書を対象にした「複雑業務エバル」と、Box社員自身の実際のデータ利用状況をもとにしたエバルの二種類を運用し、新しいモデルが出るたびにこれらで細かく性能を測定しているとした。
7. モデル競争の現状
レヴィ氏は、モデルの性能は、おおむねコーディング性能と強く相関しているとしつつ、Googleの「Gemini」は、一部の業務ではコーディング性能から予想されるより明確に優れた結果を出していると指摘した。取材当時の最新モデルでは、「Fable 5.1」が最も優れていたとしつつ、他の新モデルの噂も含め、業界全体が拮抗した激しい競争状態にあると評した。
8. オープンウェイトモデルの企業導入
企業によるオープンウェイトモデルの採用については、思われている以上に進んでいるが、企業が本来望むレベルにはまだ届いておらず、5年後にはさらに大きく進むだろうとの見立てを示した。現時点での採用理由の3割程度は、コスト最適化ではなく単に「試してみたい」という物珍しさによるものだと分析しつつ、今後は特定の業務が安定してくるにつれて、コスト面で有利なオープンウェイトモデルに切り替えていく動きが進むと予測した。フロンティア企業の収益が急伸する一方でオープンウェイトの利用も同時に急拡大するという、一見矛盾する現象が実際には両立していくとの見方も示された。
9. メモリと継続学習、モデルの重みに何を刻むべきか
モデルが継続的に学習し、ユーザーごとにパーソナライズされていく「継続学習」の方向性についても意見が交わされた。レヴィ氏は、Boxが、日常的に扱う複雑な権限管理やアクセス制御が、こうした継続学習アプローチにとって大きな課題になり得ると指摘する。ある社員が日々異なるプロジェクトへの参加・離脱を繰り返す中で、その都度モデルに与えるべき文脈が変化する場合、個人専用モデルを継続的に訓練し続けることの複雑さは非常に大きいという。一方で、業界共通の知識よりも、その企業固有のノウハウ(例えば製薬企業における独自の薬剤開発プロセス)の方が、より深くモデルに組み込む価値がある領域として挙げられ、こうした線引きは業界・用途ごとに異なる形で決着していくだろうと述べた。
10. Box Labsと「システム・オブ・レコード」の役割
同社の応用研究チーム「Box Labs」では、既存モデルを土台にして特定の業務での精度を追加で10ポイント高めるような、応用レベルの改善に多くのリソースを投じているという。例えば、銀行の融資文書100ページを扱う場合、既製のモデルでの精度が70%程度であるのに対し、業務特化のチューニングによって97%まで引き上げられれば、実際に業務を自動化できるかどうかの分水嶺になるとした。
また、既存のSaaS企業が、「システム・オブ・レコード(基幹データ管理システム)」としてエージェント時代に生き残るには、2つの条件があるという。
1つは、自社のシステムに関して既製のエージェントより10〜20ポイント優れた専用エージェントを持つこと。
もう1つは、ClaudeやChatGPTなど外部のエージェントからAPI経由でアクセスできる「ヘッドレス」な状態を整えることだ。この両方を実現できれば、システム・オブ・レコード側には十分な商業的価値が残るとの見立てを示した。
11. チャットUIは企業AIの主流UIになるか
汎用的なチャットボットのUIが、今後も企業向けAIの主役であり続けるかという問いに対し、レヴィ氏は、単発の質問応答にはチャットUIが今後も普遍的に使われ続けるとしつつ、企業の業務の大半はバックグラウンドで継続的に動く「プロセス」や「ワークフロー」でできていると指摘する。契約書を全件チェックする、ログを監視する、セキュリティインシデントをトリアージするといった業務は、質問して答えを得るというチャット的な体験よりも、ダッシュボードやキュー、タスクリストのような形態がより適しているという。同氏は、5年後には、企業内のトークン利用の9割は、ユーザー自身が明示的に起動したものではなく、バックグラウンドで自動的に処理されたタスクの結果を確認するだけの形になると予測した。
12. コーディングが速く拡散した理由、他のナレッジワークがまだ遅れている理由
コーディング分野でのAI活用が、経済史上最速のペースで社会に浸透したのに対し、他のナレッジワークへの浸透は、それよりかなり遅いとの指摘に対し、レヴィ氏はいくつかの理由を挙げた。コーディングでは、価値創出のほぼすべてがテキスト(コード)そのものに直結し、AI研究者自身が日常的にコーディングをベンチマークとして使うため改善が集中しやすい。さらに、開発者はエラーが起きても自ら技術的にトリアージできる、高い賃金水準を持つ層でもある。一方、営業担当者のような職種では、価値創出の多くが顧客の反応や予定調整といった外部要因に制約されており、自動化の余地がそもそも限られている。加えて、コーディング分野では、GitHubに接続するだけで済むのに対し、他のナレッジワークには、そうした共通の「差し込み口」が存在せず、多くの企業データはオンプレミスの古いシステムに眠っているため、権限管理やデータ連携の整備に多くの作業が必要になるという。同氏は、シリコンバレーはこうした業務知識層への技術浸透に、思っている以上に時間がかかることを前提にすべきだと指摘した。
13. 創業者へのアドバイス ― 情報収集術と企業のAI化
レヴィ氏は、自身が最新のAI動向をキャッチアップする方法について、Xを日常的に活用していることを明かした。特定の有力な発信者を数十人フォローするだけで、業界の最新動向に「1年先か1年後か」という差がつくと述べ、若い世代にはまずSNSで情報収集の環境を整えることを勧めた。企業のAI活用を進める上でのアドバイスとしては、まず自社データがどれだけAIに扱いやすい形で整備されているかが土台になるとし、Box自身は、長年にわたり非構造化データの一元管理を徹底してきたことがAI活用の追い風になっているという。加えて、社内でAI活用が特に上手い社員の使い方を他の社員に共有する取り組みなど、組織全体でAIの使い方を学び合う仕組みづくりが重要だと述べた。
