‍パネル参加者:

• ジャマウール・ブロナー、共同創設者、ザ・フォアグラウンズ

• モニカ・ヴィクトロヴァ、責任技術プロダクトマネージャー、物流業界

• ジェイソン・グリーン・ロー、AI政策センター所長

• モデレーター: ヴァー・シャンカー、最高AI・プライバシー責任者、Enzai

VS導入:

• パネリストを紹介します。

• 議論はAI政策と技術に焦点を当てており、2025年の躍動的な予測をしています。

第1部: 2025年のAIの行く先は？

MV:

• 悪い点: 生成AIの悪用が増加しています。アクセスのしやすさと低コストがその原因です。声のクローン化による詐欺、CSAMの作成、大規模な偽情報の流布などが例です。悪質な役者たちは効果的にこの技術を利用しています。 合法的な組織でも高名な失敗が起こっています。チャットボットが誤情報を提供したり、会社の方針外の解決策を提供したりする例（例: エア・カナダケース）が挙げられます。 ディープラーニングAIの幻覚を作り出す性質と、ユーザーニーズに応じて回答をカスタマイズする性質が、リスクを生んでいます。 具体例として、プロアノレクシアチャットボットが若者に影響を与えるCharacter.AIがあり、十分な防御策がないことを示しています。

• 良い点:  生成AIは科学的発見において大進歩をもたらしています。特に科学と医学で。 タンパク質の折りたたみ予測（アルファフォールド2）がそれを示し、薬物設計と開発を加速させています。

• 組織内で:  生成AIは産業全般で広く展開されています。 営業とマーケティングチームはコンテンツ制作とパーソナライズされた広報活動で使用しています。 金融業界およびその他の業界でのCRUDアプリケーションは、大きな生産性向上を見せており、生成AIがレポートの自動化に使用されるとき（ガードレールと人間の監督付きで）。  情報管理を支援するために、広範な文書リポジトリとの対話を可能にする検索強化生成が使われています。 ただし、幻覚についてのユーザー教育と源の確認が重要です。

• 重要なポイント: 生産性向上の可能性は非常に大きいですが、強固なガードレール、ユーザー教育、そして幻覚への対応が不可欠です。大型組織のROIと価格モデルは依然として重要な問題です。

JGL:

• 基盤モデルのさらなる改良なしで現有モデルの活用、次なる市場ニッチの探訪、インタラクションメソッドの「解放」に焦点を当てる必要があります。 現在のインタラクションは（テキストベース、短いプロンプト、即時応答）制限されていますが、将来のインタラクションでは大きなコンテキストウィンドウ、AIの「思考時間」、自動プロンプト、マルチメディアインタラクション（音声、ビデオ、音楽、車両制御）、ロボティクスとの統合による実世界への影響が含まれる可能性があります。

• モデルの一時的なスケーリングの減速が進行を停止することはありません。電力、データ、資金のようなボトルネックが指数成長に影響を与えるかもしれませんが、線形成長は依然として期待されています。 2025年のモデルは2024年のモデルよりもかなり強力である可能性があります。 パフォーマンスの停滞報告は誤解を招く可能性があります。企業は戦略的に静かにその投資と真の進歩について語っています。

第2部: 2025年の政策の行く先は？

JGL:

• 米国の政策不透明性: キャンペーン期間中のAIに関する議論は少しだけです。そして、「自由な言論と人間の繁栄に基づくAI」についての共和党のプラットフォームの暗号的な言及のみです。

• 「自由な言論」側面: 偽情報の懸念への反発が（検閲とみなされる）と政治的正しさに対する抵抗が予想されます。

• 「人間の繁栄」側面: 意味不明ですが、バチカンのコメントやシカゴ学派の経済学の家族福祉や適切な仕事の研究に関する潜在的なリンクが考えられます。

• 多様なアドバイザー: トランプ政権のAIアプローチは、多様な助言者層により不確実です。

• 期待: 二党制のAI安全研究所のようなイニシアティブ、革新的な企業とのテストと安全基準に関する協力、そして安全ガードレールの実装を通じた米国のリーダーシップを継続すること。

MV:

• 米国対EU: 米国のエグゼクティブ・オーダーは任意の遵守に焦点を当てている一方、EUのAI法は厳しい罰則（数百万ドルの罰金）があります。EUのアプローチは将来の米国政策で同様の罰則を刺激する可能性があります。

• グローバルな規制環境:  中国、ブラジル、オーストラリアなどで規制が発展している環境があり、製品チームや役員に摩擦と課題をもたらしています。多国籍企業はさまざまな法域に準拠するために製品ロードマップ、機能セット、基盤構造、モデルを適応させる必要があります。

• EUの執行: GDPRの下では著名な執行ケースと重大な罰金に焦点を当てているEUのアプローチは、AI法の執行のモデルとなり、特に多国籍企業における製品開発と展開の取り組み方に影響を与える可能性があります。

第3部: 組織と実務家にとっての意味は？

JB:

• スキルアップと適応:  AIへの適応は不十分で、懸念を引き起こしています。多くの企業が戦略的に生成AIを優先していますが、スキルアップの計画が欠けています。組織はAI教育と標準化に焦点を当てる必要があります。

• ROIの測定:  カーソルやGitHub Copilotなどのツールによる生産性向上は、個々の開発者だけではなく、組織全体で追跡しスケーリングする必要があります。

• リスク軽減: 非標準化された生成AIの使用は組織を重大なリスクにさらします。逆手検査、人的監督、そして綿密な分析が重要です。

• スキルセットの変化:  生成AIツールを利用するジュニア開発者は「AI対応開発者」となり、創造的な問題解決とソリューション設計に焦点を当てます。これにより、職務記述、HR実務、および評価基準の調整が必要です。

• 職の喪失懸念への対応:  いくつかの業務は再割り当てされる可能性がありますが、AIを推進者として活用することに焦点を当てるべきです。責任ある組織は職場、作業フロー、および職務記述を再考し、新しい機会を創造し、人間の監督を効果的に利用します。

• ‍組織への影響/ベストプラクティス: ベストプラクティスは盛んに誕生しており、しばしば十分な資源を持つ組織やケーススタディから来ています。

JB 続き: ベストプラクティスの源

• 基盤モデル提供者: LLM大学（Cohere）などの教育イニシアティブやOpenAIの同様の取り組みが貴重なリソースを提供します。

• AI教育パートナー: ザ・フォアグラウンズのような組織はケーススタディをまとめ、成功と失敗を評価し、専門家にインタビューしてベストプラクティスを理解し伝えています。

• 社内AI倫理/ガバナンスチーム: これらのチームはコンプライアンス、責任ある展開、および組織内でのクロスファンクショナルな連携を推進します。

• 政府および政府向け機関: シンガポールの国家AI戦略やAI政策センターの活動などのイニシアティブは、利害関係者の調整を通じて世界的なベストプラクティスに影響を与えています。

JB 続き: 起業家精神の促進

• 入ってくる政権の起業家精神の促進への焦点は、保守的な政権が伝統的に優先してきた地域（防衛、先進製造業）への投資増加の可能性とイーロン・マスクのような人物の影響と相まって、起業家環境の変化を示唆しています。

• 防衛: AndurilやPalantirのような企業は機会の増加を見る可能性があります。

• 先進製造業とロボティクス: 製造能力をオンショアリングすることに焦点を当て、AIがブルーカラーの職を置き換えるのではなく支援することに重点が置かれています。 Figureやイーロン・マスクのヒューマノイドロボティクスの試みが例です。これは産業製造の観点からも興味深い機会を提供します。

• 創造的産業: 新たな波の起業家やクリエイターがAIツールを利用して音楽生成、ビデオ制作、画像作成などを行っています。これらの人々はSaaS製品の専門知識の台頭に似て、これらのツールで専門家になっており、参入障壁を下げ、新たな起業家精神を促進しています。これが製品開発サイクルの合理化を通じて、迅速な繰り返しと展開を可能にしています。

• 医療と教育: これらのセクターには興味深い可能性がありますが、新しい政権がこれらの分野でAIの大規模な拡張を支持するかどうかは不確実です。

MV続き: 小規模組織

• 大企業における生成AIの優位性: 多国籍な活動を持つ大企業は、しばしばより多くのデータとリソースを持っており、生成AI開発での優位性を持っています。彼らはさまざまで時には矛盾する規制の懸念に直面しています（例: 大統領令、AI法、中国、ブラジル、オーストラリアでの規制）。この断片化された規制の風景をナビゲートすることは、製品開発と展開のために複雑さを増します。

• 小規模企業と起業家の戦略:

• 生成AIの能力を理解する: 生成AIが得意とするものを特定し、それがどのように自社のビジネスに特に利益をもたらすかに焦点を当てます。

• ビルド対購入: AIソリューションを社内で構築するか、棚卸し製品を活用するかを賢明に判断します。後者は多くの場合、小規模組織にとってよりコスト効率が良いです。

• 調達とベンダー管理: 技術的能力だけでなく、下流のリスク、規制の遵守、サイバーセキュリティ、法的考慮事項も重視してAIベンダーを徹底的に審査します。これにより、内部専門知識への依存を減らし、小規模企業が専門ベンダーから利益を得ることができます。

• 大企業から学ぶ: 大企業で観察された調達とベンダー管理のベストプラクティスを採用します。これにより、小規模企業が適切な解決策を選択し、リスクを効果的に管理することができます。

• 政府政策の役割: NGOsに対する助成金が、より広範な社会的利益のために生成AIツールへのアクセスを促進することができ、より公平な競技場を確保できます。これが研究、開発、および多様な分野における責任あるAI展開をサポートし、「勝者が全てを取る」効果を軽減する可能性があります。これは革新と競争を促進し、少数の大企業による支配を防ぎます。

JGL続き: 人とAIの協働

• 人の影響を維持する:  難しいです; AIはしばしば客観的で信頼性が高いと認識されるため、その推奨事項に過度に依存するのが容易です。 ループ内に人間を置くことは十分でないかもしれません。

• 人間の役割を統合する:  意思決定プロセスに基本的に人間の役割を組み込む必要があります。ただの最終承認ステップとしてではありません。

• オラクルAI:  状況の説明を行い、関連情報をハイライトするためにAIを使用します。最終的な行動の推奨を行うのではなく、人々がAI生成の知見に基づいて情報に基づく意思決定をできるようにします。

• タスク対仕事:  AIは特定のタスクを自動化することに優れていますが、これは全体の仕事と一致しない可能性があります。人間が最も適したタスクとAIが最も適したタスクを分けて仕事を再構築します。 これが有益な協働を生み出し、双方の強みを最大化します。AIが進化するにつれて人間のタスクが減少するという長期的な懸念が残ります。

VS結論:

• トランプ政権のアプローチはまだ明らかではありません。

• EUのAI法は世界の組織に影響を与えるでしょう。

• 組織は教育、タレント獲得/開発、および適切な人間の監督に焦点を当てる必要があります。