AI戦略を左右する新しいネットワーク効果とは何か
Hiroshi Watanabe/Getty Images
サマリー：本稿は、生成AIで起こっている「AIネットワーク効果」を解説する。AIは、強化学習や、予測がフィードバックを得ることによって精度が向上する。知能が高まるにつれてシステムは予測の精度を上げ、その有用性を高め、...　もっと見る新しいユーザーを引きつけ、既存のユーザーを維持することができる。ユーザーが増えれば反応も増え、予測の精度が上がるという好循環がAIネットワーク効果だ。このネットワーク効果は従来のものと異なる性質があり、AI戦略を取る経営者はその違いを理解する必要がある。　閉じる

AIネットワーク効果という新たな仕組み

　2022年末、オープンAIがチャットGPTを発表した時、業界の観測筋は称賛と懸念の両方の反応を示した。このテクノロジーによって、コンピュータープログラマー、教師、金融トレーダーやアナリスト、グラフィックデザイナー、アーティストがいなくなる可能性があるともいわれる。AIが小論文を消滅させることを恐れた大学は、急きょ、カリキュラムを改訂した。

　最も直接的な影響は、チャットGPTが従来のインターネット検索エンジンをつくり変える、あるいは置き換える可能性があることだとの指摘もある。検索とそれに関連する広告は、グーグルの収益の大部分を占めているが、チャットボットがグーグルを破滅に向かわせるのだろうか。

　チャットGPTは、機械学習の技術の可能性を顕著に示すものだが、サービス単体としてはほとんど成立していない。その技術力を活かすために、オープンAIはパートナーを必要としていた。そのため、同社がマイクロソフトとの提携をすぐさま発表したのも驚きではなかった。AIスタートアップとレガシーハイテク企業の連携は、ついにグーグルの優位性を脅かし、「AI軍拡競争」を激化させるかもしれない。また、この技術の展開における勝者と敗者を決定づける力に関しての教訓も与えてくれている。

　オープンAIがマイクロソフトの検索エンジン「ビング」（Bing）と提携せざるを得なかった理由、そしてグーグルがそれでも勝利する可能性がある理由を理解するために、この技術が電話や、ウーバー、エアビーアンドビーといったマーケットプラットフォームなど過去の技術発展とどう違うのかを考察したい。これらの例では、ネットワーク効果（ユーザーを獲得することで製品の価値が上がる）が、製品の成長と成功する企業を決定するうえで大きな役割を果たした。

　チャットGPTのような生成AIサービスも、類似した、しかし異なる種類のネットワーク効果の影響を受ける。AIを活用した戦略を選択するためには、経営者や起業家は、この新しいタイプのAIネットワーク効果の仕組みを把握しなければならない。

ネットワーク効果はAIに対して異なる働きをする

　AIの価値は、正確な予測や提案にある。しかし、供給物（電力や人材）を生産物（明かりや税務アドバイス）に変換することに依存する、従来の製品やサービスとは異なり、AIは、顧客とのやり取りのために、常に新鮮で大規模なデータセットが必要だ。競争力を維持するために、AIオペレーターはデータを収集し、分析し、予測を提供し、フィードバックを求めるための提案を磨き続ける必要がある。システムの価値は、ユーザーから送られてくるデータに依存し、それによって価値は向上する。

　この技術の性能、つまり正確に予測し、提案する能力は、「データネットワーク効果」（「データドリブンラーニング」とも呼ばれる）という経済原則に依存している。電話のように加入者が増えるほど通話できる相手が増え、その価値が上がるという馴染みのある直接的なネットワーク効果とは異なる。また、プラットフォームの買い手が増えれば売り手が増え、逆に売り手が増えれば買い手が増えるという、間接的または2次的なネットワーク効果（エッツィでの買い物やエアビーアンドビーでの予約は、売り手が増えれば魅力が増す）とも違う。

　データネットワーク効果は、新しい形態だ。馴染みのあるネットワーク効果と同様に、ユーザーが多いほどその技術の価値は高まる。しかし、電話のようにユーザーの数や、エッツィなどのプラットフォームのように多くの買い手と売り手の存在によって価値が生まれるのではない。むしろ、その効果は技術の性質に起因している。AIは、強化学習や、予測がフィードバックを得ることによって向上する。知能が高まるにつれてシステムは予測の精度を上げ、その有用性を高め、新しいユーザーを引きつけ、既存のユーザーを維持することができる。ユーザーが増えれば反応も増え、予測の精度がいっそう上がり、好循環が生まれる。

　たとえば、グーグルマップは、AIを使って目的地までの最短ルートを推奨する。この機能は、多くのユーザーから届くデータをもとに、代替経路の交通パターンを予測することで実現する。データユーザーはサプライヤーでもあるのだ。アプリを使う人が多いほど、過去のデータや同時データが蓄積される。グーグルはそのデータをもとに、アプリが予測した時刻に到着したのかどうか、無数の予測と実際の結果を比較することができる。また、アプリの指示は適切だったかどうかというユーザーが受けた印象も、予測を改善するためには必要だ。

　客観的な事実と主観的なレビューが蓄積されると、ネットワーク効果が働く。その効果により予測が改善され、ユーザーにとってだけでなく、グーグルにとってもアプリの価値が向上する。

　ネットワーク効果がAIに働く仕組みを理解すれば、このテクノロジーが必要とする新しい戦略を推察することができる。