プリンストン大のArvind NarayananとAkash Kapurが、AIラボの持続的な利益は半導体・データセンター・モデルという基盤層ではなく、その「上のレイヤー」——垂直統合、業務に埋め込まれたエンタープライズ導入、意図的に作り込むスイッチングコスト——から生まれると論じました。鉄道・電力・通信・航空など6つの資本集約型インフラ産業の歴史を引き、2030年代前半までに4〜8兆ドルとされるAIインフラ投資の担い手が、その価値を回収できるとは限らないと指摘しています。
プリンストン大のArvind NarayananとSayash Kappor氏は2026年6月14日、AIによるソフトウェアエンジニアの大量解雇は起きていないと指摘しました。ニューヨーク州のWARN通知では、AI起因とチェックされた事例は初年で160社超のうちゼロでした。
Sayash KapoorとArvind Narayananらの研究チームが、OpenAI・Google・Anthropicの14モデルを18か月にわたり評価し、能力は急伸する一方で信頼性は小幅な改善にとどまることを示しました。論文『Towards a Science of AI Agent Reliability』では、信頼性を12次元に分解する評価枠組みを提示しています。
OpenAIの新モデルo3の登場でAGI達成論争が再燃していますが、研究者のArvind NarayananらはAGIを「観測不能で即時的な影響もない概念」とし、マイルストーンとして扱うこと自体が誤りだと指摘しています。事業に効くのは技術到達ではなく、社会への普及速度です。
プリンストン大学のArvind NarayananとSayash Kapoorによる書籍『AI Snake Oil』の第1章（30ページ）が無料公開されました。Nature・Bloomberg・Forbesの2024年ベストブックに選出された本書は、「動かないAI」と「動いても害になるAI」を切り分ける視座を提供します。