アリババクラウド幹部、企業AIプロジェクトの失敗はモデルの弱さではなくユースケースの誤りが原因と指摘

TREE NEWS 報道：アリババクラウドインテリジェンスグループの霍嘉（フオ・ジア）副総裁は、同社の年次雲栖（ユンシー）カンファレンス中のメディアブリーフィングで、企業AIについて率直な評価を下した。失敗の多くは、モデルが十分に賢くないことが原因ではなく、企業が誤ったシナリオを選び、自社のデータを過大評価し、AIプロジェクトを従来のIT導入のように管理していることにあるという。

昨年8月にチームを引き継いだ霍氏は、顧客からの苦情はゼロで、直接謝罪したことも一度もないと述べ、その記録は厳格なプロジェクト選定の賜物だと説明した。「資金とプロジェクトがあるからといって、必ず受けるわけではない」と彼は語った。

よくある3つの失敗パターン

彼は繰り返し見られる3つの失敗の型を挙げた。第一に、企業が垂直領域のモデルをゼロから学習させようとするが、データが整備されておらず、計算クラスタが学習に適しておらず、現在ほぼ月に一度のペースで新モデルをリリースする最先端ラボのスピードに追いつけないことに気づくケースだ。

第二に、企業が既存のITデータはAIに使えると信じているケース。霍氏の定式化は、学習に関する「ITデータはAIデータではない」から、アプリケーションに関する「ITデータはエージェントデータではない」へと進化した。企業システムに存在するものの多くは、エージェント環境で直接利用できない。

第三に、企業がごく少数のユーザー向けにエージェントを構築するケース。彼は、1日あたり100件強の取引を処理するB2B電子商取引プラットフォームを持つ大企業が、全面的なAI変革計画を望んだ例を挙げた。「では、なぜAIが必要なのか」と霍氏は問いかけた。手作業での処理はわずか数分から数時間で済む。

断ること、サイクルを短縮すること、エンジニアを配置すること

霍氏の処方箋は2つある。顧客に断ること、そしてエンジニアを顧客先に送り込むことだ。彼はプロジェクトに2つの追加条件を課した。短い納品サイクルで、四半期ごとのローンチではなく毎月あるいは毎週のリリースを行うこと。そして、従来のクライアント・ベンダーという区分を捨てる「One Team」モデルだ。

アリババクラウドは、現在の熱狂サイクル以前からフォワード・デプロイド・エンジニア（FDE）モデルの実験を始めていた。2024年後半のエネルギー分野のプロジェクトでは、ソリューションアーキテクトが現場に派遣され、その場でシナリオを検証し、最終的に本番グレードのシステムを納品した。このアプローチは12月の社内戦略会議で試験導入が正式に承認された。

霍氏はFDEという呼称自体には慎重で、中国では「新酒を古い皮袋に入れただけ」と片付けられるリスクがあると指摘する。「この言葉についてもうあまり話したくないとチームに伝えている」と彼は語った。

ビジネスモデルは2つだけ

収益化について、霍氏は率直だ。彼は実行可能なモデルは2つしかないと見る。長期サービス契約とプロダクト型ビジネスだ。彼は成果連動型の価格設定、すなわちResult as a Serviceに賭けており、真の成果の納品だけがプレミアムを正当化すると主張する。彼の確信は、モデル能力が向上した5月以降に強まった。

従来のソフトウェア企業に対して、彼のメッセージはより厳しい。中核製品の競争力とマージンが上がらなければ、人日単位の課金しか残されない。「あなたの堀（moat）とは一体何なのか」と。

アリババクラウド自身は、FDEの業務が主要な利益源になるとは期待していない。チームの中核KPIは、それが製品採用を促進するかどうかだ。「国内では、これで大金を稼ごうと期待するのはおそらく非現実的だ」と霍氏は述べた。

市場への示唆

霍氏の発言には投資家向けのいくつかのシグナルが含まれている。第一に、トークン消費は急増し価格も上昇しており、AIネイティブのスタートアップとハイテク顧客がそれを牽引している。これはクラウドと計算インフラへの需要シグナルだ。第二に、企業の導入は依然として遅く、シナリオごとに進んでいる。つまり、AIネイティブの需要と主流企業の収益との間のギャップは、強気派が予想するよりも長く続く可能性がある。

第三に、成果連動型価格設定とサービス契約への移行は、企業ソフトウェアおよびITサービス部門全体のマージンを再形成し、従来のシート単位のSaaSモデルに圧力をかける可能性がある。第四に、FDE採用の急増（関連職種は1月から9月の間に800％以上増加）は、ベンダーが吸収するか転嫁しなければならない納品コストの構造的な増加を示唆している。

現時点で霍氏の整理は、トークン価格曲線と企業導入曲線はまだ収束していないというものだ。「知らないからといって想像力を失ってはいけない」と彼は語った。「4年間の学習を経て、ようやくスタートの号砲が鳴ったばかりだ」。

主なポイント

企業AIの失敗は、モデル能力ではなくシナリオ選定とデータの準備状況によって引き起こされる。
トークン価格の上昇は、AIネイティブおよびハイテク顧客からの真の需要を反映しているが、主流企業の導入は依然として初期段階にある。
成果連動型価格設定と長期サービス契約が主流の収益化モデルになる可能性があり、従来のSaaSの経済性に挑戦を突きつける。
フォワード・デプロイド・エンジニア職の急速な成長は、納品コストの上昇と、製品開発と顧客の現実とのより密接な結びつきを示唆している。