Resolve AIは、DST GlobalとSalesforce Venturesが主導する、$40ミリオンのシリーズA拡大ラウンドを15億ドルの評価で確保しました。この資金調達は、人工知能がソフトウェアの構築を劇的に加速させたときに実施されましたが、展開後にはそうではありません。この資金調達とともに、会社は、AIスタックで最も重要なギャップの1つである、生産環境でソフトウェアを信頼性高く運用する能力を解決することを目的とした、Resolve AI Labsという研究イニシアチブを立ち上げました。解決されていないボトルネック: 本番環境AIは、コードの記述を以前よりも速くしました。大量の言語モデルを使用したツールは、数分で全体のアプリケーションを生成できます。しかし、コードが展開されると、現実ははるかに複雑になります。本番環境は、インフラストラクチャ、テレメトリ、ログ、依存関係、および常に変化するサービスで構成される断片化されたシステムです。エンジニアは、時間の圧力と不完全な情報の下で、すべてのシステムのシグナルを解釈して障害を診断する必要があります。これがResolve AIが注力している分野です。プラットフォームは、コード、インフラストラクチャ、テレメトリを接続してインシデントを調査し、根本原因を特定し、行動を起こします。基本的に、自律的な本番環境エンジニアとして機能します。課題は、技術的な複雑さだけではありません。スケールも課題です。AIがコード生成を加速するにつれて、組織はチームが現実的に管理できるよりも多くのソフトウェアを生成しています。結果として、開発速度と運用の信頼性の間のギャップが拡大しています。汎用AIモデルが短所を補うResolve AIのアプローチの中心テーゼは、汎用のAIモデルは本番環境向けに設計されていないということです。基礎モデルは急速に改善されていますが、運用システムの現実に対応するように最適化されていません。本番環境では、ノイズの多い、不完全な、そしてしばしば矛盾するデータストリームを跨いで推論する必要があります。また、高い精度、信頼性、制御が求められ、ミスは停止、金銭的損失、またはセキュリティリスクにつながる可能性があります。Resolve AIは、これに対処するために、ドメイン固有のモデルと、生産ワークフローに合わせたエージェントシステムを構築することで対処します。これらのシステムは、ログを解釈し、システムの変更を分析し、イベントを相関させ、ツールを跨いでマルチステップの修復プロセスを実行できます。これらのタスクは、従来、経験豊富なエンジニアが必要でした。Resolve AI Labsの内部新しく立ち上げられたResolve AI Labsは、このビジョンを推進するために、AIが本番環境のシステムをエンドツーエンドで運用するために必要な基礎技術を構築することを目的としています。ラボは、Dhruv Mahajanが率いる予定で、MetaでのLlamaモデルのポストトレーニングで働いていた経験を持っています。エージェントに狭く焦点を当てるのではなく、ラボは運用AIのフルスタックアプローチを取ります。これには、次の開発が含まれます: 生産データでトレーニングされたドメイン固有のモデル ログ、メトリクス、トレース、インフラストラクチャイベントを跨いで推論するシステム 現実のワークフローで信頼性を測定するための評価フレームワーク モデルをテストして改善するためのシミュレーション環境 安全で制御された自動化を確保するためのガバナンスレイヤー これは、AI開発におけるより広範なシフトを反映しており、生産環境で安全に動作できるシステムに向けた、生のモデル機能を超えたものです。アシスタンスから自律性へResolve AIは、AI for productionまたはAI駆動のサイト信頼性エンジニアリング(SRE)と呼ばれる、成長するカテゴリの一部です。コードアシスタントとは異なり、これらのシステムは、ライブ環境を操作するように設計されています。アラートをトリアージし、障害を診断し、リアルタイムでインシデントを解決します。会社のプラットフォームは、すでにエンジニアリングチームがインシデントを大幅に高速化できるようにしています。AIシステムは、複雑な依存関係を跨いでシステムの動作を分析し、根本原因を特定できます。時間の経過とともに、野心は、アシスタンスから自律性への移行です。エンジニアが手動でアラートに応答するのではなく、AIシステムが大部分の運用作業を処理し、リスクとコンテキストに基づいて人間の監視が適用されるようになります。エンタープライズ顧客との初期のトラクションResolve AIの急速な資金調達のトラジェクトリは、この機能に対する強いエンタープライズ需要を反映しています。会社は、2年未満で1億9千万ドル以上を調達しており、すでにCoinbase、DoorDash、Salesforce、MSCI、Zscalerなどの組織と協力しています。これらは、ダウンタイムが高く、信頼性が重要な環境です。インシデント応答時間またはシステムの安定性の小さな改善でも、重大なビジネスへの影響につながる可能性があります。Resolve AIのような会社の出現は、AIエコシステムのより広範な進化を示唆しています。最初の波の生成AIは、作成に焦点を当てていました。コードの記述、コンテンツの生成、ワークフローの加速。次の段階は、運用です。構築されたものが信頼性高くスケールで実行できるようにします。このシフトは、新しい技術的な課題を導入します。時間を跨いで推論するシステム、不確実性を処理するシステム、複数のツールとやり取りするシステム、および厳格な制約の下で動作するシステムが必要です。また、従来のベンチマークでは実世界の運用パフォーマンスを捉えていないため、新しい評価方法も必要です。今後の意味AIがソフトウェア開発を加速し続けるにつれて、本番環境はますますボトルネックになります。複雑なシステムを信頼性高く運用する能力が、次の世代のエンタープライズAIプラットフォームを定義することになるかもしれません。Resolve...
Griffin Parryは、m3terのCEO兼共同創設者です。GameSparksの共同創設者兼CEOを務めたのを含めて、これが彼の2番目のスタートアップです。GameSparksは、2017年にAmazonに買収された後、Griffinは3年間AWSでシニアプロダクトおよびフィールド役職を務めました。彼は、SkyやNews Internationalなどのメディア業界でキャリアを始め、デジタル戦略とデジタル製品開発に焦点を当て、SkyのオンラインTVポータフォリオの立ち上げとリーダーシップを担当しました。m3terは、既存のシステム seperti CRMsやERPsと並行して動作するメータリングおよび請求インフラストラクチャ層として機能する、使用量ベースの価格設定を実装および管理するために設計されたSaaSプラットフォームです。生の製品使用データを取り込み、柔軟な価格ロジックを適用し、見積もりから支払いまでの全プロセスを自動化することで、企業は正確でリアルタイムの請求書を生成し、収益漏れと運用オーバーヘッドを削減できます。請求書をコアシステムから切り離すことで、m3terは企業が価格モデルを実験し、新しい製品を迅速に立ち上げ、顧客の使用状況と収益ストリームに関するより深い洞察を得ることができるようにします。これは、消費ベースのビジネスモデルに移行するモダンソフトウェア企業にとって特に貴重です。あなたはGameSparksを設立してスケールアップさせ、買収されるまで運営しました。次に、請求書インフラストラクチャとモダンな収益化に特化した2番目の会社m3terを設立しました。どのような問題空間があなたを引き付けたのですか。以前の創業者の経験がその決定にどのように影響しましたか?私たちは、実際に直面した問題を解決する典型的な創業者です。GameSparksでは、使用量ベースの価格設定 — というモダンな収益化戦略 — を採用しました。なぜなら、それが私たちのビジネスモデル (クラウドインフラストラクチャ) に適していたからです。それは私たちの成功の鍵でしたが、同時に運用上の問題やGTM (Go-to-Market) の痛みももたらしました。次に、AWSでも同様の問題が見られたことを確認しました。AWSは、クラウドインフラストラクチャビジネスですが、はるかに大きなものです。彼らはその問題を解決するために多大な努力を払ったことも確認しました。なぜなら、それが彼らのビジネスにとって非常に重要だからです。私たちは、使用量ベースの世界では、請求書インフラストラクチャが多くの企業が開発できない戦略的能力であることを認識しました。そこで、m3terを設立してそれを変えました。AIネイティブ製品には、推論、トークン使用、またはモデル再トレーニングに伴う予測不可能なインフラストラクチャコストが伴うことがあります。創業者は、価値と価格の整合性を保ちながら粗利益率を保護するために、どのように考えるべきですか?従来のSaaS製品は、使用量によるコストがほとんどありません。つまり、顧客が製品を使用する量は、サービス提供のコストに影響を与えません。これはAI製品には当てはまりません。なぜなら、使用量によってトークン消費などのコストが発生するからです。価格が固定されている場合、顧客ごとの粗利益率は使用量によって大きく異なります。これにより、使用量ベースの価格戦略がほぼ不可避となるため、収益はコストと一致し、粗利益率が安定します。AIが既存のソフトウェアカテゴリに埋め込まれるにつれて、ほとんどの企業がサブスクリプションに使用量コンポーネントを追加するか、まったく新しい収益化フレームワークが登場するかを見ていますか?私はまったく新しいものを期待していません — 以前見た価格モデルを再発明するだけです。サブスクリプションから成果ベースのモデルまで、全スペクトルを見ると思います。しかし、最大のクラスターはハイブリッドになります。顧客にとっては成功と関連付けられる固定再発行要素と、ベンダーにとってはコストと十分に一致している変数メトリックが組み合わさることで、予測可能性が得られます。AI時代の成果ベースの価格設定について、議論が拡大しています。どこで実際のトラクションが現れるか、モデルが効果的に実装できる以上に複雑になる場所はどこか?成果ベースの価格設定の課題は帰属です — それが機能するには、測定可能な成果がベンダーの製品によって明確に駆動されている必要があります。時々それは可能です — 支払いはその例で、提供者は取引のシェアを取り、それは公平に見えます。しかし、私の経験では、そのような状況は比較的まれで、企業は価値の代理として機能する価格メトリックに頼る傾向があります — 例えば、AIカスタマーサポートエージェントの場合、人間の介入なしで解決されたコールです。再び、使用量ベースから価値代理まで、成果ベースの価格設定まで、ソリューションはスペクトルに沿って存在します。それらが共有するものは、何かがカウントされ、価格が適用される必要があることです。これはm3terが関与するところです。AIパワード製品での価値を定義する場合、成果としての現実的なプロキシとして会社が集中すべき実用的なメトリックは何ですか?これは、ユースケースによって非常に異なるため、難しい質問です。常に考慮されるものがあります — メトリックは単純で、予測可能で、価値に関連し、コストを十分にカバーするために十分に一致していますか? ただし、メトリック自体は製品が何をしているかによって異なります。LLMモデルでは「使用トークン」が機能します。ドキュメント分析では「処理されたドキュメント」が機能します。エンタープライズ検索では「実行されたクエリ」が機能します。カスタマーサポートでは「人間の介入なしで処理された会話」が機能します。サブスクリプションのみのモデルからハイブリッドまたは使用量ベースの価格設定に移行する場合、企業が直面する最も一般的な運用上および技術的な課題は何ですか?重要な痛み点は、収益漏れ、顧客エクスペリエンスの低さ、製品およびセールスを妨げる価格の非適応性に根ざしています。原因は、間違った運用基盤にあります。サブスクリプションのみから使用量ベースの価格設定に移行する場合に必要な新しい機能は、使用データ処理、先進的（および継続的な）請求計算、およびCRM、請求、ERPシステム間の自動接続です。多くの企業は、SalesforceやNetSuiteなどのシステムに深くコミットしています。m3terは、既存のスタックを一から作り直すことを強制することなく、収益化インフラストラクチャを現代化する方法は何ですか?確立された見積もりから支払いまでのツールであるSalesforceやNetSuiteは、サブスクリプションの世界を前提としています。ただし、それらがモダンな収益化アプローチでうまく機能しないことを意味するわけではありません。ただし、重要なギャップを埋める必要があります。これがm3terが行うことです。使用量データ処理、先進的レーティング、および見積もりから支払いまでのシステム間のデータフローの自動化に焦点を当てています。収益漏れは、しばしば過小評価されます。モダンなSaaSビジネスでは、この問題はどれほど重大なものですか? また、通常、収益漏れは何によって引き起こされますか?収益漏れとは、請求書の不正確さにより、販売および提供された価値が収集されない場合に発生する、獲得された価値です。PwCの収益完全性チームによると、収益漏れは4〜7%と推定されており、価格設定が複雑になるほど収益漏れが発生しやすくなります。根本的な原因は、システムとコントロールにあります。使用データを効果的にキャプチャできないこと、価格と請求計算メカニズムの間の自動接続がないこと、および請求計算メカニズムが複雑さに対処するのに十分に洗練されていないこと (例:...
AI は私たちの生涯で最も重大な技術であり、ビジネス ランドスケープを再描く重大な転換点に近づいています。採用は急速に増加しており、78% の企業が 2025 年までに AI を導入し、2030 年までに 1.81 兆ドル になることが予測されています。ただし、その成長の背後には、多くの企業が AI を実際の、拡張可能な、有形な成果に翻訳するのに苦労しているという厳しい現実があります。AI を採用するには、スケールで実行するために必要な運用上の変更が行われていないことが明らかになっています。同時に、AI を支えるインフラストラクチャは必要な成長に追いついていないです。組織やモデルは、利用可能な GPU コンピューティングによって制約されており、世界中で利用可能なデータセンターの容量は史上最低水準です。新しい AI 容量は、電力の可用性、構築のタイムライン、労働力の不足によって制約されています。これが AI の転換点です – 必要なペースで AI を構築し、採用するものと、保守的なレガシーモデルによって制約されるものとの間の隔たりです。2035...
アンソロジックは、Claude Opus 4.7と自然言語デザインツールを早ければ今週中にリリースする予定で、ベンチャーキャピタル企業は8000億ドルを超える評価額で投資を提示している。これは、会社の最後の公式価格帯の2倍以上である。モデルID anthropic-claude-opus-4-7は、4月16日にGoogle Vertex AIのクォータ管理ページにEUのマルチリージョン展開用として表示された。これは、以前のClaudeのリリースと一致するパターンである。The Informationは、4月14日に、計画に精通している人物の話によると、両方の新しいモデルとデザインツールが今週中に出荷される可能性があると報告した。Opus 4.7は、2月5日に1ミリオントークンのコンテキストウィンドウとSWE-bench Verifiedで80.8%のスコアを達成したClaude Opus 4.6のインクリメンタルアップグレードである。新しいバージョンは、マルチステップ推論、デバッグ、自律タスク実行を改善することが期待されている。これは、安全性の懸念により公開されていない、さらに高度な内部モデルであるMythosとは異なる。これは、会社のProject Glasswingイニシアチブを通じて制御されている。AIネイティブデザインツールがFigmaとWixに挑戦モデルとともに、アンソロジックは、自然言語プロンプトからウェブサイト、プレゼンテーション、ランディングページ、プロトタイプを生成するツールを立ち上げる。製品は、アンソロジックを、確立されたAIウェブサイトビルダーやAIグラフィックデザインツール、およびFigma、Wix、Adobeなどの既存の企業と直接競争させる。デザインソフトウェア会社の株価は、ニュースを受けて下落し、今年のS&P 500ソフトウェアおよびサービスインデックスの約26%の下落を含む、より広範な売りが出ている。投資家は、AIネイティブツールが従来のデザインソフトウェアの需要を損なうことを心配している。今年の初め、アンソロジックのCoworkアシスタントと関連する自動化プラグインの立ち上げにより、同様のソフトウェア株の下落が発生した。アンソロジックは、コアモデルのビジネスを着実に拡大している。Figmaと提携して、AI生成のコードを編集可能なデザインファイルに変換し、Microsoft WordとPowerPointにClaudeを統合し、最近エンタープライズワークロード用のマネージドエージェントとClaudeデスクトップコントロールをMacにリリースした。会社は、1月以降、約2週間ごとのメジャープロダクトアップデートのペースを維持している。8000億ドルのオファーは爆発的な投資家の需要を示す複数のベンチャーキャピタル企業は、アンソロジックに8000億ドル以上の評価額で資金提供のオファーを出し、TechCrunchおよびBusiness Insiderによると。アンソロジックは、これらすべてを拒否した。オファーは、2月のGICとCoatueが主導し、D.E. Shaw Ventures、Founders Fund、ICONIQが参加した30億ドルのシリーズGラウンド時の会社の3800億ドルの評価額から驚くほどの大幅な増加を表す。二次市場では、アンソロジックの株式は、4月14日時点でCaplightで6880億ドルの評価額で取引され、3か月で75%増加した。需要はアンソロジックの財務トラジェクトリによって推進されている。会社の年間収益は、4月初旬に300億ドルに達し、シリーズGラウンド時の140億ドル、2025年末の90億ドルから上昇した。1000以上のエンタープライズ顧客が、Claude製品で年間100万ドル以上を費やしており、フォーチュン10の8社がユーザーである。アンソロジックが8000億ドルで増資しなかったことは、会社がより良い条件を待っているか、IPOを待っている可能性があることを示唆している。報告によると、アンソロジックは、2026年4月クォーター以降に公開する可能性のあるIPOについて、ウォール街の銀行と非公式に話し合っているが、会社はまだタイムラインを確認していない。新しいフラグシップモデル、デザインツールが混雑したソフトウェア市場に参入し、評価額が2か月で2倍以上になったことは、競争環境がどれほど急速に変化しているかを強調している。OpenAIは、122億ドルのラウンド後に8520億ドルの評価額となり、IPOも予定されているため、2社はモデル性能だけでなく、価格設定を正当化するために十分な大きさの製品エコシステムを構築できるかどうかで競争している。
『BitTorrent for AI』は近い将来現実になる可能性があるか？ 意見 マイク・ジャッジの面白くて鋭いテクノロジー・サティア『シリコンバレー』のリウォッチを昨日終えたところで – そこでは社会的に課題を持った天才たちが、ピードパイパーと呼ばれる『新しいインターネット』を作ろうとしている。彼らはモバイルフォンのメッシュネットワークを利用してそれを作ろうとしている – その後、HNコミュニティが新しいオファーであるDarkBloomと関わっているのを見て興味を持った。Eigen LabsのDarkBloomは、AI推論の分散型メッシュネットワークの平等主義的な概念と、暗号通貨マイニングの利益動機の間にある。Apple Silicon Macシステムの所有者は、機器を推論ノードに変えることができる。このシステムは現在、Trinity Mini（3B）やCohere Transcribeのようなテキストベースのモデルに重点を置いているが、FLUX 2 Klein 4Bのような画像生成モデルも提供している。このスキームに参加するユーザーは、1ヶ月間の推論提供で新しいMacを買うのに十分な収益を得ることができ、理論的には推論ファームを構築できる。実質的に、このようなスキームが本当に人気を博した場合（現在はコールドスタートの問題がある）、熱心なユーザーがハードウェアを求める立場に戻る可能性がある。最後の大きな暗号通貨ブーム（そしてその後の崩壊）のように。そう簡単ではないしかし、小規模なユーザーにとって、その船はもう出航したかもしれない。AIのRAMへの需要以外に、AI対応データセンターのグローバルな需要は、一般の消費者にとってハードウェアとサービスコストを引き上げている。これは、以前はRAMを独占的に使用していたが、現在は企業の関心が高まっているため、規制の不確実性により、企業の関心が高まっている。MacBook Neoは、常にエスカレートするハードウェアの代替として現れたが、そのA18モバイルフォンチップと8GBのVRAMは、推論マシンとして真剣に検討されるほどではない。しかし、ユーザーが推論ファームを構築しようとしていない場合、現在の未使用のM[n]容量をレンタルしたいだけならば、潜在的な収益は大きく見える。コールドスタートの問題がすぐに解決され、プラットフォームが単なる実験ではなく、潜在的な需要として広告される場合に限る。異なる推論いくつかのコメントでは、DarkBloomのスキームにPiedPiper/Torrentスタイルの民主主義を見ているが、推論タスクは、映画ファイルをハッシュ化されたスライスに分割して後にトレントクライアントで再構築するように、簡単に分割できない。DarkBloomモデルは、参加者のM[n]チップが推論タスクのx%を処理することを提案していない。主流の使用では、NVIDIAのTensorRT LLMやDeepSpeedのシャーディング推論のような、いくつかのフレームワークまたは方法論のみが、単一の推論タスクでクロスGPU利用を実現できる。代わりに、DarkBloom対応のMacは、リストされているモデルをダウンロードして起動し、100%の推論を実行し、エンドツーエンドの暗号化とハードウェア認証ノードでのみプロンプトを復号化する。ワークロード自体は、テキストベースの推論または画像の1つ以上で構成される。単一のユーザーセッションがどれほど広範囲に及ぶかは不明である。現在、AIの趣味家は、RunPodのような推論ファームを利用してGPUを確保することに慣れている。ピーク時にはGPUを確保するのに時間がかかるが、ユーザーはセッションが期限切れにならない限り、GPUを独占的に使用できる。したがって、単一の支払いユーザーが、単一のレンタルDarkBloom MacのMシリーズAI機能を非常に長いセッションで使用する可能性がある。ただし、クライアントをリクエスト間で交換することによるロジスティックまたはコンプライアンスの利点がある場合を除く。Macは、このアプローチに適しているように見える。これは、参加者に対して技術的な構成が限られているため、クライアントに適切なサイズのモデルを割り当てることが容易だからである。さらに、DarkBloomネットワークに参加できるMacには、ユーザーとサプライヤーを隔てるハードウェアセキュアエンクレーブがある。これらは、より汎用的な、カスタマイズされたセットアップや、過去6〜7年間に利用可能な数百または数千のWindowsおよびLinuxマシンを合理化することは、簡単にはできない。しかし、より大きな非Macハードウェアプールが需要を満たすことができるとは明らかである。ただし、その特性を合理化する必要がある。法的監督?このような『民主的な』解決策に直面する最大の問題は、提案されたプロセスの閉鎖性である。世界中の政府は現在、新しい法律を制定しようとしている。これは、どこで制定されても、インターネットの匿名性を基本的に終わらせる。明らかに、この時期にはプライバシーに優しい考え方ではない。したがって、フィルタリング、チェック、バランスなしに、分散ネットワーク（DarkBloomはそう呼べるかどうかはわからないが、むしろ推論マーケットプレイスである）でランダムなAI推論を実行するという考えは、皮肉にも遠い。DarkBloomやその後のメッシュ推論スキームは、プライバシーをホストに制限するバックドアに同意する必要があるかもしれない。代わりに、返された推論データは、政府機関のマンチャインザミドル（MiTM）構造を介して利用できる。分割テスト現在までに、PiedPiperスタイルのシステムを実現しようという本物の試みは驚くほど少ない。DarkBloomは一方の端に位置し、ネットワーク全体にタスクを分割するのではなく、個々のマシンに完全なジョブをダウンロードして実行する。一方、ほとんどのプロダクションシステムは問題を完全に避けるために、推論を単一のホストに保持する。しかし、いくつかのプロジェクトは、共有実行に少し近いものを表している。Petalsは、自分自身を『BitTorrentスタイルのネットワーク』と説明し、トランスフォーマーブロックを複数のインターネット接続ノードに分配し、ノード間で中間状態を渡す。Hivemindは、推論ではなく、すでにトレーニングされたモデルからの推論ではなく、モデルをトレーニングするために、同様のピアツーピアの調整とエキスパートルーティングを実験している。Latticaは、シャーディング推論が発生する可能性のあるアプリケーション層としてのみ、ネットワークの下位レベルに焦点を当てている。これら3つのモデルはメッシュ理想に近づいているが、待ち時間、不安定性、公開の代償で。一方、exoは、パブリックインターネットに頼るのではなく、ローカルクラスター内で推論を保持し、GPU間のワークロードを分割するために高速インターコネクトを使用する。最後に、いくつかの一般的に引用されるアプローチは推論には全く触れていない。2016年のGoogleのFedAvg、MITの2018年のSplitNN、および2020年のオーストラリアのSplitFedは、推論リクエストではなく、トレーニングの分散またはプライバシー保護データ交換に焦点を当てている。結論『シリコンバレー』のテクノロジーは、狂った発明だったので、PiedPiperが本当にハッシュ駆動（データをチャンクに分割して分配する、トレントスタイル）だったか、タスクまたはセッションを1つのノードに設定したかはわからない。しかし、現在のトレーニングと推論ハードウェアの需要は、提供セクターが誰もをサービスしたい、またはエンタープライズレベルのプロビジョニングに備えていることを示唆している。ただし、AI展開における一般的な『护城河』の欠如によってこれが損なわれる。メッシュ推論が現実になる場合、最初にそれを活用しようとするのは、OpenAIやAnthropicのような既存の企業である。彼らは、既存のアプリインストールベース内に専用のシステムを展開するか、インストールが簡単なオープンソースシステムに協力することができる。より民主的な、ユーザー主導のメッシュネットワークが現れるかどうかについては、数多くの要因がそれに反対している。まず、暗号化と匿名性に対する現在の世界的な取り組みは、BitTorrentのようなシステムが匿名性を保つメカニズムを破壊する可能性がある。エンドツーエンドの暗号化やVPNのような、一般的な暗号化ストリームを検査可能にすると、新しい監督と禁止の層が可能になる。次に、AIの『乱用』やオープンソースフレームワークの匿名操作に対する新しい規制や提案は、コンプライアンスのコストが企業レベルでは些細なものになるが、小規模なプレーヤーを市場から排除することになる。最後に、主要セクターのプレーヤーがEmbrace、Extend、Extinguish（EEE、FacebookやTwitterがインターネットコミュニティで行ったように）を実行する能力は、ユーザーが採用におけるあらゆる摩擦にほとんど耐えられない市場で、メッシュモデルを自身の利益のために活用化およびストリームライン化できることを意味する。 初めて公開：2026年4月16日木曜日
