何が起きているのか
2023年3月のGPT-4公開以降、「モデルを大規模化し続ければAGI、そして超知能に到達する」という物語が業界の支配的な見方でした。しかし、GPT-4の学習完了から2年以上が経過した今、OpenAI・Anthropic・Google Geminiのいずれもが次世代モデルで期待された性能向上を得られていないと複数メディアが報じています。
これを受けて、業界の語り口は「モデルスケーリングは終わった。次は推論スケーリング(test-time compute scaling)だ」へと一斉に切り替わりました。OpenAIのo1や、オープンウェイトのDeepSeek R1のように、回答前に「推論」させるよう微調整したモデルがその象徴です。複数解を生成して品質順にランク付けする手法も含まれます。
「スケーリングの死」は本当か
AI Snake Oilの著者Arvind Narayanan、Sayash Kapoor、Benedikt Ströblは、この「死」宣言は早計だと指摘します。GPT-4クラスのモデルが「容易に入手できるテキストデータをほぼ学習し尽くした」結果、従来路線の延長が止まっただけで、たとえばYouTube動画(書き起こしではなく映像そのもの)のマルチモーダル学習など、未開拓の領域は残っています。これはGoogleにしか実行できない可能性が高い領域でもあります。
大型モデルが公開されない理由も一つではありません。収束失敗やマルチデータセンターでの耐障害性といった技術的困難、GPT-4からの伸び幅が小さい、ファインチューニングに時間を割いている——いずれもあり得ます。
業界トップの予測は当てにならない
著者らが強調するのは、業界リーダーの予測力そのものへの懐疑です。2010年代の自動運転をめぐる過剰な楽観論は記憶に新しく、レベル5の完全自動運転は今も存在しません。インサイダーの情報優位は数か月程度で、3年先の予測ではほぼ無価値。学術界にも産業界と同等のAI専門知識があり、技術以上にビジネスや社会の要因が結果を左右します。
Ilya SutskeverはOpenAI時代、資金調達のためにスケーリングを語る動機がありました。現在率いるSafe Superintelligenceは、より少ない資本で競争する必要があり、ここでもナラティブと利害は切り離せません。
推論スケーリングが効く領域、効かない領域
推論スケーリングは、コーディングや数学のように「正解が明確で、生成より検証が容易」な領域では直感的に有効です。実際o1はGPT-4oに対しコーディング、数学、サイバーセキュリティ、トイワールドでのプランニング、各種試験で改善が見られ、改善幅は「推論の重要度」と強く相関します。一方、文章執筆や翻訳のように学習データの質に律速される領域では、追加の推論計算を投下しても効きにくいと考えられます。
💼 事業会社視点：これは自社にどう効くか
日本の事業責任者が読むべき含意
第一に、「AGIが間もなく来るからAI投資を待つ/急ぐ」という判断軸は捨てるべきです。著者らが明言する通り、AI能力の向上と社会・経済インパクトの結節は弱く、ボトルネックは能力ではなくプロダクト開発と導入のペースです。これは日本のSaaS各社や受託開発企業にとって追い風で、「基盤モデルの次のジャンプ」を待つ理由はもはやありません。今ある能力を業務に組み込み切ることが、最大のリターン源です。
第二に、推論スケーリングが効く領域=「正解が明確で検証が容易」な領域に、自社のAI投資を寄せる判断が合理的になります。具体的にはコード生成支援、社内システムの自動テスト、計算・数値処理、コンプライアンスチェックなど。逆にコピーライティングや高品質翻訳は、推論計算を増やしても伸びにくいと割り切るべきです。
第三に、o1系の推論モデルは1回の応答コストが従来比で大きく上がりますが、トークン単価そのものは下落基調にあります。「使う場面を選べばペイする」フェーズであり、全社一律で高価モデルに寄せるのは早計です。経営者は、業務単位でモデルを使い分けるアーキテクチャ設計をCTO/情シスに指示すべきタイミングです。
