ソフトウェアのクローン化――有料ソフトウェアの時代は本当に終わるのか？

最近、開発者がAIツールを使って人気の有料ソフトウェア、なかでもAdobeを複製しているというニュースが相次ぎ、盗用だという非難から、無料のオープンソースツールを歓迎する声まで、さまざまな反応が広がっています。

では、オリジナルのソフトウェアを所有するテクノロジー企業や、利用のために高額なサブスクリプション料金を支払う人々にとって、これは何を意味するのでしょうか？

ABBYYでサイバーセキュリティアーキテクチャ、運用、AIセキュリティ担当シニアディレクターを務めるMatt Wood氏は、この懸念の高まりについて調査を行い、AI主導のソフトウェア開発がもたらすリスクと機会について見解を示しています。

1996年、Fatboy Slimは、何十年もの間ほとんど誰も耳にしていなかった1960年代のレコードから取り出したギターリフをもとに、「Rockafeller Skank」を作り上げた。The Chemical Brothersは、忘れ去られていたファンクのレコードのブレイクビーツをループさせ、スタジアムを埋め尽くすアンセムへと仕立てた。The Prodigyは、サイレンや映画の台詞、知る人ぞ知るレコードをサンプリングし、それまでにないサウンドを生み出した。サンプリングは、音楽制作のコストを下げただけではない。音楽を作れる人を変え、業界全体に、より難しい問いを突きつけた。何をもって「オリジナル」と言えるのか、という問いだ。

今、AIは企業に同じ問いを投げかけています。ただし、問われているのはチャートの順位ではありません。業務上の成果、コンプライアンス上のリスク、そして企業が下すあらゆる判断に顧客が寄せる信頼です。

模倣は安くできる。洞察はそうはいかない。

大規模言語モデルによって、既存の知識を組み替えることは驚くほど簡単になりました。契約条項の草案を作成する、報告書を要約する、アクセス可能なテキストをもとに、もっともらしい回答を生成する、といったことができます。こうした能力には確かな価値があります。しかし、情報の再現は新たな発見とは異なります。この二つを混同することが、多くの企業のAI導入プロジェクトがひそかに停滞する原因となっています。

生成AIシステムは、完成品のように見えるものを作るのが非常に得意です。その違いは重要です。驚くほど自然に、口調や構成、自信に満ちた表現を模倣できます。しかし、自らが生成した内容が適切な根拠に基づき、適切なプロセスと結びつき、適切な判断によって形作られていると保証することはできません。

この緊張関係は、ビジネスの世界に限ったものではありません。創作活動にも見られます。2024年のScience Advances誌の研究では、AIの支援によって、個々の物語の質や創造性に対する評価が高まることがわかりました。特に、もともと創造性が高くない作家でその効果が顕著でした。一方で、物語全体を比べると、互いに似通う傾向も強まりました。つまり、個々の作品の質は向上したものの、全体としては収束したのです。制作量が増えても、必ずしも独創性が高まるわけではありません。むしろ、同じようなアイデアが、より滑らかな表現で繰り返されることが少なくありませんでした。

企業が直面するリスクは、まさにこれと同じ構図です。誰もが同じ汎用ツールを使える環境では、テキストや要約、提案をより多く生成することが競争優位につながるわけではありません。何が重要で、何を信頼し、何に対処すべきかを見極めることが、競争優位を生みます。

ビジネスの課題は生成ではない。現実にアクセスできるかどうかだ。

多くの企業が不足に悩んでいるのは、言葉ではありません。誰もがアクセスできる、信頼性の高いコンテキストです。

企業が実際に持つ知識は、通常、契約書、請求書、オンボーディングフォーム、保険金請求、メール、報告書、スキャンしたPDF、そして書類をチーム間で受け渡すワークフローなどに分散しています。財務部門の支払いに関する例外処理、オンボーディング時のコンプライアンス上の問題、運用部門のサービス遅延は、いずれも、形式が不統一で、構造化も不十分な情報として発生することが少なくありません。しかも、そうした情報は、経営陣が意思決定に用いるシステムから切り離されています。

だからこそ、多くの企業向けAIプロジェクトはデモでは impressive に見えても、本番環境では失敗することがあります。モデルに能力があっても、与えられるコンテキストは断片的です。モデルが推論できるのはアクセス可能な情報に限られますが、多くの組織では、それは現実の全体像のごく一部にすぎません。

これは理論上の弱点にとどまりません。意思決定の質にも影響します。関連する修正条項を参照できないままモデルが契約書を要約すれば、明快に聞こえても内容が不完全な可能性があります。形式や仕入先ごとの請求書例外処理を把握できずに買掛金の問題を分析すれば、整った形ではあっても役に立たない提案を生み出すかもしれません。重要な情報がスキャンした書類や分断されたワークフローに閉じ込められたまま顧客のオンボーディングを支援すれば、誤った結論に至るプロセスを速めるおそれがあります。

その結果として生まれるのは洞察ではありません。自信ありげに聞こえる当て推量です。

理解よりも模倣のほうが速く広がる理由

ここで、音楽のサンプリングというたとえは、単なる比喩ではなくなります。

サンプリングによって、音楽制作はより速く、安く、誰もが取り組みやすいものになりました。しかし、長く活躍したプロデューサーは、断片をただコピーするだけの人たちではありませんでした。断片を作り変えるためのセンスと規律を備えた人たちでした。ビートを抜き出すことは誰にでもできても、それを土台に新しいサウンドを作り上げられる人は限られていたのです。

AIは、ソフトウェアや知識労働にも同様の分断を生み出している。模倣のハードルは大幅に下がった。インターフェースの複製、出力の再現、ワークフローの模倣、専門知識の再現は、かつてないほど容易になっている。ソフトウェアのカテゴリー全体が、表面的なレベルで再現可能になるリスクが高まっている。

これは有料ソフトウェアの時代が終わるという意味ではない。Adobe製品の無料代替ソフトを開発した開発者Brandon Thomasが述べているように、ソフトウェアの価値が移り変わっているということだ。

模倣が安価になると、価値は別のところへ移る。信頼、統合、判断力、そして現実の条件下でも通用する成果を生み出す能力だ。もはや問われているのは、AIシステムが専門家の仕事に似た回答を出せるかどうかではない。重要な局面で人々が信頼できるほどの透明性を備え、状況に即して安定的にそれを実現できるかどうかだ。

複製した出力を作るのは簡単だ。信頼できる成果を出すのは簡単ではない。

真の価値を生む専門知識

だからこそ、AIによる複製の時代には、専門知識の重要性は薄れるどころか、いっそう高まる。

長年、多くのデジタルツールは、専門的な機能を希少なものにすることで価値を生み出してきた。ソフトウェアによってプロセスを形式化し、作業を標準化し、あるいはそれまで難しかったワークフローを簡素化できるなら、顧客はそのパッケージ化された専門知識を利用するために対価を払ってきた。生成AIは、専門知識の目に見える特徴の多くを低コストで模倣できるようになったため、このモデルを揺るがしている。

しかし、模倣できるのは表層にすぎない。

真の専門知識とは、どの例外が重要か、どの曖昧さを無視できないか、どの情報源が信頼できるか、そしてシステムの回答を受け入れるのではなく、いつ疑うべきかを見極めることだ。それは、文書からテキストを抽出することと、そのテキストが事業上の意思決定を裏付けるのに十分かどうかを理解することの違いである。また、方針を要約することと、その要約を誤った場合の業務上の影響を認識することの違いでもある。

AIと独創性をめぐる議論の多くが的を外すのも、ここだ。ビジネスにおける独創性は、目新しさそのものを追求することではない。業務プロセスのノイズに隠れたリスク、断片化した情報に埋もれたパターン、連携していないシステムによって見えにくくなった機会など、ほかの人が見落としているものを見つけることだ。そうした独創性を支えるのは、流暢な文章の生成よりも、正確な解釈である。

文書がすべてではないが、物語の始まりは多くの場合そこにある

企業の実態が蓄積されていながら、十分に活用できる状態にはなっていない場所として、文書は今も特に一般的なものの一つである。そのため、文書は重要なのだ。

だからといって、「文書AI」が物語の主役になるわけではない。文書の理解は、業務情報をAIシステムが責任を持って活用できる形に変える、より広範な取り組みの一部にすぎない。生成モデルからより良い成果を得たいなら、組織はモデルが頼りにする根拠に、より適切にアクセスできるようにする必要がある。そのためには多くの場合、フォーム、ファイル、分断された引き継ぎの中に閉じ込められたままの情報を抽出し、検証し、構造化することが求められる。

こうした機能を適切に活用する目的は、ある製品カテゴリーを別のカテゴリーより優先することではない。企業が把握していることと、AIシステムが実際に認識できることとの隔たりを縮めることだ。

この違いは重要だ。優れたエンタープライズAI戦略は、生成だけを基盤にしているのではない。活用可能なデータ、業務プロセスへの理解、人間による監督を組み合わせて構築される。たとえば、MITのProject NANDAによる最近の企業調査は、AI導入の最大の障壁は、モデルの品質だけにあるのではなく、ワークフローとの統合が不十分なことや、実際の利用時にツールがどのように動作するかへの信頼が欠けていることにある場合が多いと論じている。

聞き覚えがあるはずだ。企業は、最も多くの合成コンテンツを生み出すことで勝つのではない。根拠を示せる情報に基づいて、より良い意思決定を、より速く、より一貫して行うことで勝つのだ。

次に価値を生むのは判断力

サンプリングは音楽の価値を損なったのではない。独創性の意味を変えたのだ。

素材を再利用しやすくなると、価値の源泉は選択、構成、意図へと移った。アクセスできることより、判断力のほうが重要になった。今、エンタープライズAIでも同じことが起きている。ソフトウェアを複製しやすくなるなか、持続的な優位性は、優れた仕事を模倣できるモデルを持つことからは生まれない。AIを適切な文脈に結び付け、適切な制約を設け、人間の創造性と専門分野に関する判断力が最も重要な場面で活用する方法を知ることから生まれる。

「AIがソフトウェアに取って代わる」という議論の多くが見落としているのは、この点だ。あらゆるツールをインターフェースのレベルで複製できるなら、本当の競争優位はインターフェースではない。その背後にある深い理解、すなわちワークフローのロジック、例外への対応、信頼できるデータ、組織に蓄積された知識、そして出力を意思決定につなげるために必要な人間の専門知識にある。

では、有料ソフトウェアは本当に終わるのだろうか。ソフトウェアの価値は、目に見える部分だけにあったと考える場合に限られる。

ソフトウェアのありふれた機能をめぐる競争圧力は、今後さらに強まる。一部の製品は複製され、カテゴリーによっては集約が進むだろう。かつて高い対価に値した機能の一部も、今では当たり前に備わっているべきものになる。しかし、長く存続するツールや企業は、組織が模倣から理解へと進むのを助けるものだ。

だからこそ、AIにおけるサンプリングの局面が重要なのだ。複製のコストが下がっても、独創性の必要性がなくなるわけではないと、改めて気づかせてくれる。それは、独創性が宿る場所を変えるだけだ。

音楽では、独創性は素材そのものを演奏することから、素材を変容させる技へと移った。

エンタープライズAIでは、もっともらしい出力を生成することから、信頼できる情報、専門家の判断、創造的な問題解決を規律をもって活用することへと移りつつある。

複製は安価だ。洞察はそうではない。だからこそ、AIの次の段階を担うのは、知的に聞こえるだけのシステムではない。自分たちがすでに知っていることを、新たな発見につなげられるほど活用しやすくする術を知る組織が、その担い手となる。