フィル・ペルゴラは、CloudZero. のCEOです。彼は、獲得、オンボーディング、採用、拡張、そして留まるという、顧客ライフサイクルの全段階で、重要な収益成長とプラスのビジネス成果をもたらす、B2Bソフトウェアのエグゼクティブです。
ほとんどの企業は、人工知能（AI）をできるだけ早く活用する方法を模索しています。彼らは、電子メールやその他のビジネス文書を迅速に作成し、効率的な市場調査を実施し、生産性を高めるための他の方法を見つけます。悲しいことに、一部の企業は、AIを使用してジュニアポジションを削減または置き換えるために使用しています。現在の従業員がAIを使用して生産性のギャップを埋めるという前提で動いています。しかしそれは間違いです。AIは、ビジネスのすべてのレベルで驚くほどの生産性ツールとして使用できます。すべての従業員にこの強力なテクノロジーにアクセスできるようにすることで、重大なメリットが得られます。しかし、従業員の代わりではありません。ジュニアスタッフをAIで置き換えることは魅力的かもしれませんし、短期的には役立つかもしれませんが、長期的には深刻な結果をもたらす可能性があります。ジュニアスタッフがトレーニングを受け、学び、昇進することができない場合、人材プールを著しく枯渇させることになります。テクノロジーより経験実際の例として、私の会社の現在の副社長の1人について説明します。彼は技術的な専門知識と優れたコミュニケーション能力を兼ね備えています。彼は、購入者のジャーニーのあらゆる段階でプロスペクトと対話する方法を理解しています。彼は、ニッチな技術的なテーマについて専門的にコミュニケーションをとることができます。しかしそれは、AIチャットボットに尋ねたことによって得たスキルではありません。大学を卒業した後、彼はテクノロジー企業のビジネス開発担当者（BDR）になりました。これは、営業担当者とのミーティングを設定し、セールスパイプラインを構築するためのエントリーレベルのポジションです。これは、AIの影響を受けた仕事の1つです。6senseのState of the BDR 2025 Research Reportによると、仕事でAIを使用しているBDRの70％は、AIが自分たちの生産性を高めることを信じています。BDRは、コールドアプローチ、口座の調査、インバウンドリードのフォローアップ、新しいプロスペクトの資格付け、イベント出席者のプロスペクトとの対話など、多くの作業を行う必要があります。これらのタスクの多くは自動化できます。11ヶ月間BDRとして働いた後、この副社長はアカウントエグゼクティブに昇進し、次にディレクター級の役職に移りました。現在、彼は商業およびエンタープライズセールスチームの担当副社長です。彼の最初のエントリーレベルの仕事での経験は、彼の現在の役割を形作っています。彼は、ジュニアセールス職で成功するために何が必要か、プロスペクトと対話し、パイプラインを構築する方法を直接知っています。また、アカウントエグゼクティブでもあります。つまり、ビジネスの規模に関係なく、顧客関係を構築する方法を理解しています。現場での学習の概念は、シニアポジションにある人に当てはまります。階段の上のランクに到達するには、まず役割の詳細に触れてみる必要があります。失敗と成功を経験する必要があります。どのポジションにある従業員でも、AIを使用することで生産性を高めることができます。組織は、従業員がより生産的に働けるようにする方法を見つけるべきですが、AIを使用してジュニアポジションを置き換える場合は、短期的な財務上の利益のために将来の人材プールを放棄することになります。この点をさらに説明するために、ある程度退屈ではあるものの必要なテーマ、つまりスプレッドシートについての実際の例を見てみましょう。経験によって強化されたテクノロジー今日のほとんどの企業にとって、目標を達成するには、リソースを最大限に活用する必要があります。最も貴重なリソースは時間です。最近、私は人事・文化担当の責任者に、各組織内のさまざまなレベルの従業員が時間をどのように割り当てるべきかを示す組織マップを作成するよう依頼しました。これには、個々の貢献者、管理者、ディレクター、VPが戦術プロジェクトと戦略プロジェクトにどれくらいの時間を費やすべきかについての明確さが含まれます。スプレッドシートを最初から作成するのではなく、AIを使用しました。ChatGPTに3文のプロンプトを与え、80％完璧なテーブルを作成しました。すると、魔法が起こりました。私たちの専門家は、深いHRの専門知識を活用して、テーブルを100％完璧なものにしました。彼女の物語は、先ほど述べたセールスリーダーと同じです。10年以上にわたってHRで働いてきた彼女は、ChatGPTの一般的なフレームワークを私たちの会社の特定の状況に適応させ、テーブルを瞬く間に使用できるものにしました。翌日、私はこのテーブルを使用して、昇進するために何が必要かという従業員の質問に答えることができました。生成的なAIの登場以前は、このようなテーブルの作成には数日かかり、複数のイテレーションが必要で、他のプロジェクトを優先順位から外す必要がありました。AIを使用すると、数分で完了しました。AIは80％使用可能なテーブルを作成しましたが、最後の20％は私たちの経験豊富な人事・文化担当責任者の現場での専門知識によって完了しました。そうは言っても、最後の20％はプロジェクトを良好なものから優れたものに変えるものでした。従業員を置き換えるのではなく、強化するAIテーブルを完成させるために必要なスキルと知識は、経験と昇進を通じて身に付けるものです。ジュニアポジションでは、重要な問題解決スキルを身に付け、失敗と成功を通じて自分のビジョンと成功への追求を形作ることができます。企業がジュニアポジションをAIで置き換える場合、誰が専門家になるのでしょうか。現在のリーダーが他の企業の仕事に就く、コンサルタントになる、または引退するときに何が起こるのでしょうか。誰が次にあなたの組織の知識と文化を引き継ぐのでしょうか。必然的に起こることへの備えとして、人材プールを用意しておく必要があります。AIは、すべてのレベルの従業員が活用できるようになりました。しかし、経験に基づく学習の代わりになるものではありません。ビジネスリーダーは、AIを使用して人材プールをより迅速に育成する方法について考えるべきです。人間対AIという対立ではなく、人間とAIの組み合わせです。
カワイイクジラのロゴを持つ最近のディープシークのリリースは、チャットGPTのコピーのようなものに終わる可能性がありました。しかし、ニュースになったのは、どれほどのコストで作成されたかということです。アメリカにおける高機能の大規模言語モデル（LLM）のトレーニングに必要な投資の概念を覆すものでした。ディープシークは、AIモデルのトレーニングにわずか600万ドルを費やしたと伝えられています。これを、OpenAIがChat GPT-4に費やした8,000万ドルから1億ドルの間、またはGPT-5に1億ドルを費やす予定であることと比較すると、ディープシークは大手企業であるNvidia、TSMC、Microsoftに、AIの長期的な財務的持続可能性について心配させています。如果AIモデルのトレーニングが以前考えられていたよりもはるかに低コストで可能であるなら、AIの総費用への影響は何でしょうか。ディープシークの混乱により、重要な議論が行われていますが、いくつかの重要な点が混乱の中で失われているようです。しかし、このニュースは、イノベーションのコストとAIの潜在的な経済的影響についての議論を引き起こしています。ここでは、このニュースから生まれた3つの重要な洞察を紹介します：1. ディープシークの600万ドルの価格タグは誤解を招く企業は、インフラストラクチャーの総所有コスト（TCO）を理解する必要があります。ディープシークの600万ドルの価格タグが頻繁に言及されていますが、これはおそらくプレトレーニングランのコストであり、全体的な投資ではありません。実際のコスト、つまりディープシークの構築、トレーニング、実行のコストは、はるかに高いでしょう。業界アナリスト会社のSemiAnalysisによると、ディープシークの背後にある企業は、LLMを実現するために16億ドルをハードウェアに費やしました。したがって、実際のコストは、その中間にある可能性があります。実際のコストが何であっても、ディープシークの出現は、コスト効率の高いイノベーションに焦点を当てることで、変革的な影響を与える可能性があります。イノベーションは、制約のある状況下でエンジニアリングチームがリソースを最適化することで生まれることがあります。2. 価値があるのはトレーニングではなく、推論であるAIモデルのトレーニングコストに注目することは重要ですが、トレーニングは全体的なコストの中で小さな部分を占めます。推論 — 人間の仕事、交流、生活を変えるAIの多様な方法 — が、AIの真正の価値を生み出すところです。これは、ジェヴォンズのパラドックスという経済理論を思い出させます。技術の進歩によってリソースの使用が効率化されると、リソースの総消費量が実際に増加する可能性があるというものです。つまり、トレーニングコストが低下すると、推論とエージェントの消費量が増加し、総費用もそれに従います。AIの効率化は、実際にはAIの支出の増加につながる可能性があります。これは、すべての企業、中国企業だけではなく、OpenAIやNvidiaのような企業にも利益をもたらすでしょう。3. ユニットエコノミーが最も重要であることは真実であるAIをより効率化することは、コストを低減することだけではなく、ユニットエコノミーを最適化することでもあります。The Motley Foolによると、この年はAIの効率化の年になる予定です。如果そうであるなら、企業はAIのトレーニングコストとAIの消費コストの両方に注目する必要があります。AIを構築または使用する組織は、ディープシークの600万ドルのトレーニングコストのような印象的な数字ではなく、ユニットエコノミーを理解する必要があります。実際の効率化には、すべてのコストを割り当て、AI駆動型の需要を追跡し、コストと価値の関係を常に監視することが含まれます。クラウドユニットエコノミー（CUE）は、クラウドによって駆動される利益を測定し、最大化することに関係しています。CUEは、クラウドコストを収益と需要の指標と比較し、クラウド支出の効率性を示し、それが時間の経過とともにどのように変化したかを示し、適切なプラットフォームがあれば、効率性を高めるための最良の方法を示します。CUEの理解は、AIの文脈では、クラウドサービスよりもはるかに高価なAIの消費量を考えると、さらに重要です。エージェントアプリケーションを構築する企業は、取引あたりのコスト（例：請求書あたりのコスト、配達あたりのコスト、取引あたりのコストなど）を計算し、AI駆動型サービス、製品、機能の投資収益率を評価するために使用できます。AIの支出が増加するにつれて、企業はこれを行うことを強いられるでしょう。無限の資金をイノベーションに投入することはできません。最終的には、ビジネス上の意味をなさなければなりません。より高い効率性に向けて600万ドルの数字がどれほど意味のあるものであるかはわかりませんが、ディープシークは、テクノロジー業界に効率性の重要性を認識させる画期的な瞬間をもたらしたかもしれません。この出来事が、コスト効率の高いトレーニング、推論、エージェントアプリケーションの門を開き、AIの真の潜在性とROIを解き放つことを願います。
クラウドへの投資は世界中で続いており、ガートナーは、2027年までにパブリッククラウドの支出が1トリル円に達することを予測しています。この数字は、企業がジェネレーティブAIに多く投資しているため、クラウドの容量が必要であるため、急激に増加しています。しかし、多くの組織はまだクラウド投資の価値を最大化するのに苦労しています。クラウドの浪費は大きな問題です。クラウド支出の28〜35%が浪費されていると推定されています。したがって、最近のCloudZeroの調査では、72%の回答者がクラウドコストが「高すぎる」または「かなり高すぎる」と答えたことは驚くことではありません。どうすればクラウド投資の価値を最大化できるのでしょうか？それには、クラウドについて考えること、クラウドを使うことのアプローチを変えることから始めます。クラウドの浪費問題正しい考え方は、「リフトアンドシフト」の考え方から離れ、既存のリソースをクラウドに移動するだけではなく、クラウドのインフラストラクチャを活用することです。クラウドの浪費は、この古い考え方から生じています。この考え方は、クラウドのインフラストラクチャを тради的なインフラストラクチャと同じように扱います。クラウドのインフラストラクチャの消費と管理は、従来のインフラストラクチャとはほとんど共通点がありません。クラウド以前、企業はデータセンターとサーバーに多額の投資を行い、予想される需要に応えるために必要なインフラストラクチャを購入していました。プロセスは次のようになりました：製品チームは何らかのイノベーションを提案し、需要を予測し、必要なインフラストラクチャの正式なリクエストをIT調達チームに提出しました。調達チームはリクエストを承認したり、却下したり、変更したりし、数ヶ月後、製品チームはイノベーションを実行するために必要なインフラストラクチャを手に入れることができました。企業は、使用するよりも多くのインフラストラクチャを購入し、価値を生み出していないサーバーに座っていたことがよくありました。仮想化はこのバランスを均衡させることを約束しましたが、過剰なプロビジョニングと利用不足は引き続き課題でした。クラウドは、インフラストラクチャ、データベース、プラットフォームサービス、消費者主導のユーティリティモデルを介した無限の可能性を提供しましたが、多くの企業はまだ物理仮想マシンのコレクションとしてクラウドを管理しています。調達チームと財務チームは、インフラストラクチャの購入に関与していました。クラウドでは、インフラストラクチャの消費は、エンジニアが新しいクラウドリソースを起動したり、コードを書いたりするたびに瞬時に発生します。購入の瞬間は完全に変わりました：クラウドでは、エンジニアリング（ビルディング）上の決定はすべて購入の決定です。エンジニアー（財務リーダーや集中型ITチームではなく）は、会社のテクノロジー予算を直接費やしています。したがって、企業がクラウドコストを財務チームまたは集中型ITチームに責任を負わせると、目標を外れています。エンジニアはエンジニアリングの専門知識に基づいてビルディング上の決定を下しますが、その知識は他のチームにはありません。財務チームはバルク購入または最適化されたコミットメント割引を行うことができますが、m7g.2xlargeとm7gd.metalの使用を区別することはしたくありません。ITチームは使用されていないリソースを見つけるのが得意ですが、特定のリソース上で実行されているコードが健全であるかどうかを判断する立場にはありません。クラウドでは、「より良い購入」だけでは十分ではありません。長い間、エンジニアはクラウドでコスト効率の良いビルディング上の決定を下すために必要な財務の洞察が欠けていました。その結果、毎年大量のクラウドの浪費が発生しています。CloudZeroの最近の調査によると、正式なクラウドコスト管理プログラムを実装する企業は、年間のクラウド支出を20〜30%削減することができます。61%の企業が正式なプログラムを持っていないことを考えると、2027年にクラウド支出が1トリル円に達したとき、122〜183億ドルが浪費される可能性があります。これは変化する必要があります。企業は、クラウドのインフラストラクチャが従来のインフラストラクチャとは根本的に異なることを認識し、クラウドコスト管理には完全に新しいアプローチが必要であることを認識する必要があります。購入するのではなく、ビルディングすることに重点を置く必要があります。エンジニアにクラウドコストの所有権を与え、アマゾンのCTOであるWerner VogelsがThe Frugal Architectで述べたように、「コストを優れたソフトウェアの非機能要件にする」ことです。クラウドでより良いものを購入するのではなく、ビルディングする時ビルディングは、エンジニアリングの哲学であり、財務のパラダイムではありません。「ビルディング」とは、エンジニアが製品を開発し、市場に導入するプロセスで行う、すべてのアーキテクチャ、コーディング、運用上の決定を指します。最近までは、こうした決定の真のコストを把握する方法はありませんでした。組織はそのことを知ることにあまり投資していませんでした。購入することを重視する考え方は、コストを削減したいという反応的な願望から生じていますが、ビルディングすることを重視する考え方は、効率的なソフトウェアの開発と実行に重点を置いています。ビルディングの利点エンジニアの関与。データによると、エンジニアが自分のコストを管理するように設計されている場合、会社のパフォーマンスが向上するということです。同じ調査では、81%の会社がクラウドコストが「適切なレベル」であると答えました。ビルディングに重点を置くことは、エンジニアの関与に重点を置くことです。エンジニアにクラウドインフラストラクチャのコストに関する関連性の高い、タイムリーなデータを提供し、効率性の向上を簡単に追跡できるようにすることです。財務とエンジニアリングの関係の改善。企業がビルディングに重点を置くと、財務チームとエンジニアリングチームは、それぞれの専門分野に集中できるようになります。エンジニアは、よく構築されたソフトウェアの要素を考慮し、財務チームはソフトウェアのコスト効率に関する定期的な詳細なレポートを受け取ります。チーム間の摩擦が減り、全体的な生産性が向上します。ユニット経済の明確さ。エンジニアに有意義なコストデータを提供することは、すべての支出データ（ハイパースケーラー以外にも、プラットフォームサービス、データベースサービス、観測可能性ツールなど）を取り込み、それを会社のビジネスに合致するフレームワークで割り当てることを意味します。そうしたロバストな割り当てにより、クラウドのユニット経済学の材料が得られます。利益のある製品、機能、顧客と非利益のものを評価し、固定費と変動費の関係とマージンの関係を理解し、クラウドのユニット経済学に基づいてGo-to-Market戦略を洗練することができます。クラウドのユニット経済学は、クラウドの財務運用（FinOps）の聖杯であり、真正にクラウド効率の高い組織の特徴です。ビルディングの時が今多くの組織は、クラウドへの投資から十分なリターンを得ていないと感じています。購入するのではなくビルディングするアプローチに切り替えることで、組織はクラウドの真の性質に合わせてアプローチを計測し、エンジニアの関与を高め、財務とエンジニアリングの関係を改善し、ユニット経済学を強化することができます。
