この対談では、AWS の Tom Godden が、QuantumBlack, AI by McKinsey の元 Senior Partner であり、現在 Invisible Technologies の CEO を務める Matt Fitzpatrick 氏に話を伺います。Fitzpatrick 氏は、大規模なエンタープライズ AI イニシアチブを主導した経験から、なぜ AI モデルの 8％ しか成功しないのかを明らかにし、組織内で AI をスケーリングするための実践的な戦略を概説します。効果的な AI ビジネスケースの構築から、組織変革の管理、AI の未来に向けた従業員のスキルアップまで、全社的な AI 採用の現実を当社専門家が解き明かす議論にご参加ください。AI 時代に会社を成功に導く方法を学びましょう。
Tom Godden:
Hello.AWS がお届けする Executive Insights ポッドキャストへようこそ。私の名前は、Tom Godden です。現在、AWS でエンタープライズ戦略ディレクターを務めています。本日は Matt Fitzpatrick をお迎えしました。
Matt、本日はご参加いただきありがとうございます。
Matt Fitzpatrick:
お招きいただき、ありがとうございました。
Tom Godden:
本当に感謝しています。簡単に自己紹介をしていただけますか? McKinsey でのご自身の役割について、そして Quantum Black Labs についても、もう少し詳しく教えてください。名前がすばらしいですね。
Matt Fitzpatrick:
McKinsey Engineering は、大まかに言えば数千人のエンジニアがクライアント先の現場でモデルやテクノロジーを構築しており、Quantum Black Labs はそれら全般を支える技術開発グループのようなものです。
対象が離職防止モデルであれ、レコメンデーションエンジンであれ、関係ありません。意思決定につながるモデルを備えたソフトウェアインターフェイスであれば、すべて対象になります。生成 AI の文脈では、チャットボットのようなものが該当します。Quantum Black チームはそうしたことに取り組んでいます。
そして Quantum Black Labs は、そうした前線に展開されるエンジニアを支えるツールや製品の開発全般を担っています。
Tom Godden:
McKinsey では現在、AI に関して多くの取り組みが見られるようですね。私たちの顧客も、そうしたインサイトから多くの恩恵を受けています。私自身もインサイトを得るために、McKinsey をフォローしています。現在、AI の分野で最も注目していることは何ですか?
Matt Fitzpatrick:
そうですね、この 2 年間はとても興味深いものでした。AI は多くの人々の注目を集める存在になりました。今や新聞の一面を飾るような話題です。
Tom Godden:
まさに時代の寵児ですね。
Matt Fitzpatrick:
ただ、実際のところは人々が期待していたよりも難しい面があったと思います。多くの人は、新しい ERP システムのようにインストールすればすぐに使えるソフトウェア的なものだと、AI に期待していたのではないでしょうか。ですが実際は、もっと試行錯誤しながら理解していくプロセスのようなものなのです。
Tom Godden:
トレーニングですね。
Matt Fitzpatrick:
そう、トレーニングです。そうした中で、これまで主にソフトウェアと多少のモデリングしか扱ってこなかった伝統的な非テクノロジー型の組織が、トレーニングのプロセスを経てテクノロジー開発型の組織へと転換しようとしています。それはまったく異なる意味を持ちます。25 年前には、独自のメインフレームでカスタムソフトウェアを構築するようなことは誰も試みなかったですし、それは極めて困難だったでしょう。しかし、現在の状況では、さまざまなテクノロジーを組み合わせて、例えば生成 AI モデルを活用することを考えた場合、実際に開発の経験がない Fortune 5000 企業の多くにとっては、まったく異なるプロセスとなります。データによると、現在構築されているモデルの約 92% は実運用に至っていません。
Tom Godden:
本当ですか?
Matt Fitzpatrick:
つまり、現在構築されているモデルのうち、実際に使われているモデルは約 8% にすぎません。この数字が示すように、多くの伝統的な企業にとって大きな適応の壁が存在していると思われます。
Tom Godden:
掘り下げて検討してみましょう。ハードルにはどのようなものがありますか？ それに期待する人が 8% ではなく 80% になるのを妨げているのは何ですか？
Matt Fitzpatrick:
いくつかの異なる要素があると思います。最も顕著なのは、生成 AI のコンテキストでのハルシネーションだと思います。機械学習なら話は少し簡単です。「これが私の従属変数です。ある程度の精度が必要です」と言い、それに慣れることができます。生成 AI のコンテキストでは、必ずしも明確な定義がないモデルを構築することにした場合、たとえばチャットボットで、誰かが注文したいコーヒーの種類について話し合うとします。何が良いものかを定義することは、かなり難しいです。
Tom Godden:
なるほど。簡単そうですがね。
Matt Fitzpatrick:
ですから多くの組織では、100 件のパイロットが実施されている場合、「よし、これは本番環境に移すことができ、うまくいく」というものが何なのか、よくわからないと思います。 要するに、「測定する KPI はこれで、それをバインドしてテストし、納得がいくもので、リスクが発生しないことを確認する」という定義だと思います。 それが一番大きかったと思います。また、組織が公開したチャットボットがかなり恥ずかしいことをしたという、非常に注目度の高い公開された問題もいくつか見てきました。それが断然ナンバーワンだったと思います。
Tom Godden:
そのことが人々を心配させるのは当然だと思いますが、やや過剰反応です。当然のことながら、人々はソーシャルメディアやウォールストリートジャーナルのトップページで話題になるような会社にはなりたくないからです。
Matt Fitzpatrick:
まったく同感です。ところで、そのことについて興味深いのは、リスクを管理することをかなり高いレベルで確信して行う方法がいくつかあるということです。つまり、偏見や毒性に関することについて言えないように、周りにガードレールを置くということです。ガードレールを置いて、こう言うことができます。「ほら、これが私が探している結果で、これが推奨事項です。」 あるいは、この製品の購入を提案することや価格などの推奨を行う必要がある場合は、非常に監査しやすく、明確で透明な機械学習モデルによってそれを管理し、LLM を、それを包み込む会話型のラッパーにすることもできます。
そのようなパラダイムでは、リスクはほとんどありません。推奨事項がどうなるかはわかっていますし、ガードレールを設置できるため、特に怖いことを言わないようにすることもできます。しかし、繰り返しになりますが、これは今までそのようなものを構築する必要がなかった組織での話です。ですから、学習に時間がかかったと思います。
他の要素としては、「テストして学ぶ」ことに慣れるために、多くの組織変革が必要だということだと思います。 それがこのことのもう一つの難しい部分だと思います。テクノロジーを構築するほとんどの組織は、6 か月後にはその仕組みが確実にわかっている状態になることを知る必要があると思います。
Tom Godden:
これはユニークな点です。なぜなら、呼吸している生物は、供給されるデータややり取りするデータが変化するにつれて、絶えず進化し、変化し続けるからです。そしてその考え方は、あなたも思いついたと思いますが、多くの人にとって非常に異質なものであり、当然のことながらそうです。理解はできますが、少し怖がって、どうすればわからなくなると思います。
Matt Fitzpatrick:
まったくそうです。基本的な統計モデルのように、機能するソフトウェアや予測可能性の高いモデルのパラダイムで運用していたのに、突然、テストと学習に移行しなければならなくなった場合、それは簡単なことではないと思います。
Tom Godden:
びっくりしますね。
Matt Fitzpatrick:
たとえば、Salesforce の担当者やコールセンターの担当者など、最前線の人に権限を与えるようなことや、その人が完璧ではないかもしれないことについてすぐに決定を下さなければならないということを考えてみてください。繰り返しますが、それは難しいです。興味深いのは、その提案に慣れ、本番稼働前に適切なトレーニングとテストを行えば、本当に良い結果が得られるということだと思います。しかし、それはほとんどの組織が持っている力というわけではありません。
Tom Godden:
話を少し戻しましょう。いくつかの課題について話しました。もう少し話しますが、ここでは機会について話しましょう。企業は何に関心を示し、何を行うでしょうか？ ワクワクするようなことは何ですか？ そしてもう 1 つ、 イージーレイアップはどれですか？ つまり、成功例を教えてください。何が成功となりますか？
Matt Fitzpatrick:
5〜10 年を振り返ると、最初の 2 年間は人々が予想していたよりもはるかに困難だったと言えると思いますが、今から 10 年間の変化は、多くの点で人々が予想したよりもはるかに大きくなるでしょう。そしてコーディングとソフトウェア開発という 2 つの異なる側面を見てみると...
Tom Godden:
追い求めるべき優れたユースケースです。
Matt Fitzpatrick:
ええ、考えてみてください。5 年前や 8 年前に、会社を設立してアプリを構築したい場合、Web ページを構築する人を見つけなければなりませんでしたが、これは実際には大変でした。テキストを HTML に、テキストを SQL に変換するというアイデアは、これらすべてと同様に、新しいテクノロジーの開発へのアクセスを劇的に民主化するでしょう。
そして、それは社会にとって、また会社を始めたい人にとって、本当にポジティブな変化になると思います。しかし、それによりエンジニアの効率も大幅に向上します。つまり、私たちのエンジニアの多くが、開発段階ですでに生成 AI を大量に使っているのをもう見ています。検索しなければならない単なるコードリポジトリよりも、多くの点で効率的です。すでにソフトウェア開発の改善ステップの 3 イニング目に入っていると思います。しかし、それは大きなことだと思います... 私の意見では、今後数年間で最大の影響を与えるのはこの分野でしょう。
Tom Godden:
私が気に入っている点の 1 つは、すぐに得られる価値だけでなく、開発者に精神的な刺激を与えてくれることです。そして、生成 AI をコーディングアシスタントに使っているところから始めて、「カスタマーサービスでもこのような方法で使えないか？」と進みます。 また、人に取って代わるのではなく、人を補強することについて話していることもわかります。ですから、これらすべてを具体化することで、コーディングの利点と価値が得られると思います。つまり、「なんてことだ、前へ進めよう！」ということです。
Matt Fitzpatrick:
まったくその通りです。また、世界中に存在する数兆個のレガシーソフトウェアについても考えてみてください。そして、古いレガシーコードベースで書かれた 20 年前の古いシステムを使用している場合、それらの組織が抱える問題について考えてみてください。
Tom Godden:
このバージョンの .net から次のバージョンにアップグレードできますか？
Matt Fitzpatrick:
それはお客様にとってひどい体験です。従業員にとってもひどい経験です。想像してみてください
Tom Godden:
それは差別化につながらない作業ですよね？ 本来の仕事に取り掛かるためには、やり遂げなければならない仕事です。
Matt Fitzpatrick:
まさにそのとおりです。デジタル時代のことを考えると、多くの企業が実際にデジタルに移行するのを妨げているのは、これらの巨大なレガシーコードベースだけだと思います。
ですから、それらをもっと効率的に最新化し、組織がデジタルファーストになれるような世界に移行できれば、昔ながらの企業をよりテクノロジー企業のように感じさせるのに大きな意味があると思います。ですから、これは企業のあり方にとってポジティブな意味での大きな変化になると思います。なぜなら、30 年前のシステムでビジネスを運営しようとしている人なら誰でも、リファクタリングするのが非常に骨の折れるプロセスであることを知っているからです。
私が重要だと思うもう 1 つの分野は、カスタマーエクスペリエンスです。つまり、顧客アウトリーチ、コールセンター、アウトバウンドメール、アウトバウンドテキストに関するすべてのものです。今のところ、それはかなり骨の折れるプロセスです。
つまり、たとえばコールセンターの経験から、ほとんどのコールセンターの MPS スコアがあまり良くないことがわかっています。ほとんどの人は、25 分間保留状態になることを好みません。そこで、請求やサービスのことしか話せないというような経路指定の一方向フローではなく、会話をして問題を仕分けできる世界を想像してみてください。繰り返しになりますが、コールセンターで保留に費やす時間が大幅に減少することになります。
そして、顧客に働きかけて話しかける能力は、本当に大きく変化するでしょう。現在、アウトバウンドメールを送信する場合は、イベントに関する同じ内容の手紙であることがほとんどです。しかし、そのアウトバウンドメールを送る際に相手のアカウント情報がわかっていれば、カスタマイズされたオファーを提供できるということを想像してみてください。それは本当に重要なものだと思います。
私が非常に重要だと思うもう 1 つのものは、私がナレッジマネジメントと呼ぶものです。たとえば膨大な量のデータを持っている組織を考えてみてください。組織は請求処理会社でも自動車修理会社でもかまいません。その組織には大量の情報があり、整理も構造化もされていません。そのため多くの場合、何かが行われるたびに、車輪を再発明するような無駄が繰り返されます。そして、インスティテューショナルメモリー (組織に蓄積された記憶) はないと思います。これは私たちが大きな関心を寄せているもので、非常に大きな変革をもたらすものだと思います。
Tom Godden:
AWS のウェブサイトには、エレベーターやエスカレーターなどのある企業について、優れた AI ソリューションを AWS 上に構築し、これまでに行われたすべてのサービスの記録の履歴をさかのぼることができる、素晴らしい例があります。ある場所でエスカレーターやエレベーターを修理しようとしているとき、車輪を再発明するような無駄を繰り返す代わりに、これまでに存在したすべてのサービス呼び出しの履歴をさかのぼって、それをトリアージする方法は何かを考えてみることができないでしょうか？ これはほんの一例であり、活用できるものはたくさんあると思います。
Matt Fitzpatrick:
サービスコールはその最も良い例の 1 つだと思います。つまり、地球上のほとんどすべての組織がサービスコールが現在どのように機能しているかを考えたとき、本当に洗練されたコールセンターのシステムがない限り、ある個人に意思決定させ、評価を行わせ、それが正しくてもそうでなくても、その内容は保管も使用もされません。そのため、社会全体として、サービスのあらゆる時点での誤った診断が原因で、多くの苦労が生じています。改善すれば、とても前向きなことになると思います。
Tom Godden:
2023 年と 2024 年にかけて、生成 AI の誇大宣伝やワクワク感が多少ありましたが、それに伴う過剰宣伝も多少ありました。AWS でも時間が経つにつれて、ほとんどすべてのアプリケーションが AI と生成 AI によって補強されるだろうと強く信じています。しかしそのような背景において、リーダーが生成 AI に関するビジネスケースを提唱し、過大な売り込みにならないように正当化することを支援するにはどうすればよいでしょうか。 正しい価値を見つけるのが目的です。そのような状況で前進するよう人々にどのようにアドバイスしますか？
Matt Fitzpatrick:
このことは、なぜわずか 8％ しか成功していないのかということに少し関係しています。そして成功の不確実性は、ここでのビジネスケース開発プロセスにおいて難しい部分だと思います。つまり、経費などの処理を行うために新しいソフトウェアシステムをインストールしたいとしましょう。 今すぐビジネスケースを作成し、それが実行するワークフローが正確にわかるので、非常に自信が持てます。したがって、そのためのビジネスケースを構築するのは非常に簡単なプロセスです。しかし、ビジネスケースが、組織を活用できる 12 個の異なる要素で構成されていると想像してみてください。
Tom Godden:
ええ。
Matt Fitzpatrick:
そのうちの 5 つが機能し、7 つが機能しない場合があります。そして、もっとベンチャーキャピタルのように見えるようにビジネスケース開発の仕組みを変える必要があると思います。だからといって、10 個のうち 1 つしか機能しないという意味ではありません。つまり、実験に慣れる必要があり、10 個、12 個、14 個の別のものを試し、そして最初のバッチで、5 個がうまく機能します。次のバッチで、10 個がうまく機能します。それぞれを開発するために多額を投資する必要もありません。
たとえばナレッジマネジメントで、サービスコールに使用するものと同じデータを、おそらくコンタクトセンターに使用でき、サービスコールの処理に関する文書作成などに使用できます。その結果、5 個、6 個、7 個のユースケースが、構築してうまくいったユースケースにリンクされることになります。
Tom Godden:
これはすばらしいことです。私がいつも人にアドバイスするのは、文書の要約のユースケースがうまくいったら、次に人事や財務に使えということです。微調整してモデルを少しトレーニングする必要はありますが、80％ か 90％ はできています。
Matt Fitzpatrick:
ビジネスケースについて難しいことがあります。2 年かかるようなパラダイムを採用するわけではなく、最終的に 1 つのモノリシックなビジネスケースが完成します。パラダイムは次のようになります。「このユースケースでは 4 つの異なるデータコンポーネントを入手する必要があります。これらのデータコンポーネントはすべてモジュール式で、他の 4 つのユースケースにも使用できます。私のビジネスケース開発は、『これは始める価値があるだろうか？私は十分な機能を構築し、この機能は繰り返し役立つだろうから、始めることを正当化できる』というものです。」そして 3 ～ 5 年経つうちに、投資額は何倍にもなるでしょう。これは最初のものではないかもしれませんが。
Tom Godden:
Matt、私が CIO のふりをしましょう。元 CIO なので、ふりをするのは難しいことではありません。そして、何か非常にユニークなものを自分に合わせてカスタマイズしたいが、それを安価にしたいという状況を目指しているとしましょう。 パラダイムとはいつもそういうものではないですか？ マッキンゼーの貴方なら、構築するか、購入するかにどのようにアドバイスしますか？ 構築する場合は、カスタマイズできます。そうすると、もっと費用がかかります。購入する場合、理論的には安価で、カスタマイズが少なくなります。私は CIO ですが、その間で立ち往生しています。助けてください。さて、どんなアドバイスをしますか？
Matt Fitzpatrick:
構築と購入の定義は、どのテクノロジー企業でもそうであるように、私たちがどう考えるかによって非常に偏ると思います。私はこう考えます。10 年前、構築と購入の定義は、購入とは既製のものを入手し、それはすぐに機能し、ある程度の費用がかかるものでした。そして、構築する場合、文字通りメインフレームコンピューターを立ち上げる必要がありました。すべてのコードをほとんどゼロから構築しなければなりません。これは 15 年前のことかもしれませんが。
Tom Godden:
すべて構築します。
Matt Fitzpatrick:
本当にゼロから何かを構築することになり、投資額は膨大になります。
Tom Godden:
そう言ってくれて感謝します。それは AWS の戦略です。「差別化につながらない面倒な作業」をお手伝いします。
Matt Fitzpatrick:
特定のテクノロジープロバイダーではなく、広い視野で見ると、今日の「構築」とは、クラウドインスタンスを起動することを指します。私はさまざまなモジュラーコンポーネントを使用しています。GitHub コードや、情報を含むコードリポジトリを取得します。私は 6 ～ 7 種類の既製のコンポーネントから選んでいます。これにより、10 年前に使用していたものの数分の 1 のコストで立ち上げることができ、非常に便利で自分の組織に合わせてカスタマイズできます。
3 年前、私はある企業と既製品の購入について議論していましたが、それは大規模な資産運用会社で、クレジットシステムを再構築する必要がありました。彼らの議論は、既製のクレジットプラットフォームを購入すべきか、それとも構築すべきかということでした。 これはテクノロジー企業ではありません。10 年前なら、クレジットプラットフォームを構築するというアイデアはまったく馬鹿げているように思えたでしょう。
Tom Godden:
警報が鳴りますね。
Matt Fitzpatrick:
しかし彼らが議論を通して最終的に気付いたのは、購入してもいいが、既製のクレジットプラットフォームに合わせてデータスキーマをカスタマイズするには、非常に多額の投資が必要だということでした。そして、このような画面が必要になるなど...。彼らは自社で開発したシステムを交換しようとしていましたが、既製のシステムをカスタマイズして希望どおりに表示するには、多額の投資が必要でした。データをそれにマッピングするには多額の投資が必要でした。そして結局...
Tom Godden:
結局どうなりました？
Matt Fitzpatrick:
彼らは基本的に、この種の既製のシステムに基づいて新しいシステムを構築しました。彼らのもう一つの選択肢は、既存の最新ツール、最新のデータツール、クラウドインフラストラクチャなどをすべて利用して、システムを立ち上げるということでした。結局、おかしなことですが、使用するよりも高価になりませんでした。
そうした事例をますます見ています。生成 AI はそのようなことを本当に加速させると思います。なぜなら、生成 AI エコシステムで私が気に入っていることの 1 つは、さまざまなアプリケーションすべてが相互運用可能であることです。「私たちのものしか使えない」と言うためにこれを作っている人はいません。 最高の組み合わせに参加できると誰もが言っています。そして、どんな新しい技術が出てきても、参加できるようになります。そこで問題となるのは、今日新しいクレジットアプリを作成して何かを購入した後、新しい興味深い生成 AI ツールが登場した場合、それを使用できないということです。実際、最新の相互運用可能な evergreen スタックを構築し、最新のコンポーネントをすべて使用するよりも、10 年前の既製のクレジットプラットフォームを使用する方が技術的負債が多くなります。
今日のように構築に慣れている企業の数は、5 年前よりもずっと多いと言えるでしょう。そして、クラウドとインフラストラクチャへの投資により、さらなる高速化が可能になったのです。
Tom Godden:
Matt、あなたは多くの変革を行い、多くの人を導き、多くのことを見てきました。マッキンゼーは、これを実現するために組織を再構築することについてよく語っています。この生成 AI への移行を成功に導くために、人々がその文化的側面にアプローチする方法についての成功モデルはどのようなものだと思いますか？
Matt Fitzpatrick:
そのためには、いくつかの異なることが重要だったと思います。1 つは、どのようなユースケースが実際に重要で、変化をもたらす可能性があるかを明確にすることです。繰り返しになりますが、10 年前の、テクノロジー組織とビジネス組織が実際に話し合っていなかったという見方を持てば、間違いなく失敗します。明確にする必要があるのは、ビジョンは何であるか、 これから試す 10 個のユースケースは何であるか、技術チームとビジネスチームがどのように協力してテストし学習するのかということです。 そのプロセス全体が新しい力となります。最近、私たちが最も関心を持っているスキルセットは、いわゆる翻訳者スキルセット、つまりデジタル知識が豊富でありながらビジネスを理解しているスキルセットだと思います。たとえば、私は多くの不動産クライアントと仕事をしてきましたが、テクノロジーと不動産業界の両方を理解している人の方が、どちらか一方を理解している人よりもはるかに価値があります。
構築中のものが実用的で、ビジネスユーザーの要望に応えられるように、技術組織とビジネスチームをつなぐ必要があると思います。ですから、翻訳者スキルは本当に重要になると思います。
また、スキルの再習得について、あるいは少なくともエンジニアリング組織の技術的なスキルセットについてよく考える必要があると思います。たとえば、Python や、少し新しい Rust のようなものの使い方を知らないエンジニアリング組織があると、最新の生成 AI ツールの多くを活用するのが難しくなります。その結果、再教育やスキルの再習得、新入社員の採用などが起こり得ますが、従来のエンジニアリング組織を補強する必要があります。
Tom Godden:
先ほど少し話が出ましたが、今から 10 年後には、この最初の 2 年間をもう少し注意深く振り返ることになると言っていましたよね。10年後、私たちはどこにいるのでしょうか? どこへ向かっているのでしょうか?
Matt Fitzpatrick:
ここではポジティブな見方を紹介します。10 年後にどのようになっているかについては、当然ながらさまざまな議論がありますが、私自身はポジティブな視点でお話しします。
現在、私たちはみなスマートフォンに夢中で、たくさんの時間を費やしています。スマートフォンに費やしている時間と、誰もが日々取り組んでいるレポートや文書の多さを考えると、その量は膨大ですよね? 誰もが数えきれないほどの顧客レポートやスプレッドシートといった資料を抱え、1 日に 1 ～ 2 時間もスマートフォンの画面を見つめて過ごしていて、現実世界を見ていません。今、そんな状況が置き換えられる世界を想像してみてください。ちなみに、その状況の多くは、フライト予約や生活のさまざまな場面を管理するために使用するさまざまなアプリやツールの普及に関係しています。それぞれの場面で、別のアプリを使っているわけです。
では、何千ものアプリやスプレッドシートを必要としない世界を想像してみてください。例えば、現実の世界を歩きながら使用するメガネのようなものがあり、そのメガネにアラートが表示されるのです。ちなみに、これは既に存在している技術なので、私が言っていることはそれほど革命的ではありません。ただ、その技術に、耳に装着するバーチャルアシスタントが組み合わさるとどうでしょう。そして、仮にあなたがその世界の CEO だとすると、毎日 17 種類もの異なる内容のレポートを確認する代わりに、アシスタントに尋ねるだけでよくなるのです。
Tom Godden:
まとめていただけますか。つまり、どういうことでしょうか。
Matt Fitzpatrick:
例えば、「ヨーロッパでの売上を顧客別とこの 5 つの切り口で見せて」のように言うとします。 その情報がメガネに表示され、それを見ながら歩いていて、「あれは面白い広告だな。誰が作ったんだろう?」と言うような感じです。 こんな風に、現実の世界と実際にインタラクションを始めることができるわけです。SF が良い参考になるでしょう。こうした兆しは SF の世界で数多く見られますからね。
Tom Godden:
もしくは『シンプソンズ』ですよね?
Matt Fitzpatrick:
そのとおりです。そのとおりです。しかし SF では、必要なときに必要な情報を教えてくれる図書館員のような案内役や、さまざまなキャラクターが登場します。これは楽観的な見方であり、私たち全員の一日にもっと多くの時間を与えてくれるものだと思います。いま渋滞で過ごしているすべての時間を、無人運転車に座って、欲しい情報をいつでも尋ねられる世界で過ごしていると想像してみてください。そんな時間で、新たなビジネスを始めたり、新しい製品を作ったりするための多くの機会が生まれるわけです。とてもワクワクしますね。
Tom Godden:
最後に、この道を歩み始めようとしている人に、アドバイスを 1 つ挙げるとしたら何ですか? この分野での豊富な経験をお持ちですよね。最も伝えたいことは何でしょうか?
Matt Fitzpatrick:
とても具体的なアドバイスが 1 つあります。最近読んだ興味深い研究によると、生成 AI の登場により、コンピュータサイエンスへの関心が実際に低下しているそうです。2006年以降、コンピュータサイエンスの人気が大幅に上昇した興味深い過程を見てきました。そして、生成 AI がすべてを解決してしまうために、コンピュータサイエンスへの関心が薄れるのではという、ある種の悲観論も出てきています。それはまったくの誤解だと私自身は思います。エンジニア的な思考を持つ人なら、生成 AI を活用する方法を何百通りも見つけられると私は考えています。ですので、私からのアドバイスはとしては...
Tom Godden:
私の妻がそれを聞いたら喜ぶでしょうね。
Matt Fitzpatrick:
そうですね。これについて考えているすべての人へのアドバイスは、学び、さらに理解を深める方法を考えてみることです。
それが例えば、20 年働いた後に年齢を重ねてから学び直すことであれ、大学にいる段階でのことでも、すべてのケースにおいてエンジニアリングのスキルセットはあらゆるものの基本的な要素になると思います。そして、たとえ常に自分の手でコードを書く立場でなくても、そこから何かを生み出す能力は時間とともに大きく進化していくでしょう。私自身の意見としては、こんなところです。
Tom Godden:
私がこのような対談を好きなのは、いつも新しいことを学べるからです。今日はあなたから多くのことを学びました。マット、ご参加いただき、本当にありがとうございました。感謝しています。
Matt Fitzpatrick:
お招きいただきありがとうございました、Tom。