大規模言語モデルが2年で疾走した後、AI大手たちが一斉に方向転換し、AI基盤データを修復へ
エンジンは載せた。でも道はまだ直っていない
前半戦:みんな展示会場でレース
過去2年のAIストーリーは非常に一様だった。モデルはより大きく、パラメータはより多く、ランキングはより高く。オープンとクローズドの2陣営が覇権を争って注目をかき集めた。企業側の台本も酷似していた。計算資源を買い、アルゴリズムの人材を採用し、モデルを展開する。デフォルトのモデルが十分に強ければ、自然に導入も進む——という前提だ。
しかし現実が一撃を食らわせる。ある大手の国有企業のCIOの話が典型例だ。17の業務システム、9つのデータウェアハウス、3つのクラウド。データ形式は玉石混交で、紙の帳票が大量にあり、デジタル化されていない。最後には、最も基本的な用途である設備故障の診断すら動かせない。モデルは過去の修理記録すら読めない。
ボトルネックはモデルがダメなことではない。データを食べさせられないことだ。
後半戦:車を本当の街へ走らせる
工場は止められない、病院は安全が必須、政府はコンプライアンスが求められる。モデルがどれほど強くても、データの道が修復できていなければ、結局その場で行ったり来たりするしかない。
世界のサプライチェーンの動きも同質化し始める。同じ大規模モデルをむき出しで企業データに投げるだけではなく、接続が完備されたデータ工程体系で稼働させると、精度には崖のような差が出る。その差はモデルの頭脳ではない。正しい食材を食べられるかどうかにある。
そして新しいアーキテクチャが浮上する。上にあるのはモデルと能力、下にあるのはデータエンジニアリング、権限監査、ガバナンス戦略。モデルとデータは、もはや単なる生産ラインの上流・下流ではなく、お互いにごはんを与え合うコンビになる。
中国の難しさはさらに一段上
製造業のサプライチェーンはより長く、コンプライアンス要件はより厳しく、非構造化データはより多い。システムはより細切れで、解釈の前提(口径)もバラバラ。汎用インテリジェンスから業界インテリジェンスへの“溝”を越えるには、基盤となるのは、まさにエンドツーエンドのデータ基盤インフラだ。
AIに大きな頭を載せるのではない。まずは神経系を直すこと。
本当に希少なのは何か
今回の“方向転換”で基盤を直す本質は、認知の修正だ。AIのスケールによる価値は、今日あるモデルが何点出したかには依存しない。データが継続的に質を保って供給されるか、体系が継続的に統制されて信頼できるか、エンジニアリングが継続的にクローズドループで着地できるか——そこにかかっている。
中国は101番目のオープンソース大規模言語モデルを欠いてはいない。欠けているのは、この“鍋のデータ”を先にきれいに洗い、高品質なスープに煮込むことだ。
このことがうまく回り出して初めて、AIはホットなニュースから、オフィスの作業台に置かれるツールへと変わる。
DYOR 非投資助言
#AI