多くの企業は、AIをできるだけ早く活用しています。彼らは、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ているのです。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ているようです。現在の従業員がAIで生産性のギャップを埋めるという前提で動いているのですが、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べき生産性ツールとして使用できます。すべての従業員が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、重大な利点が得られる可能性があります。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に思えるかもしれません。それが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、学習し、昇進することを考えると、私たちの人材プールを著しく枯渇させることになるでしょう。テクノロジーよりも経験実際の例として、私の会社の現在の副社長について話しましょう。彼は、技術的な専門知識と口才の強い組み合わせを持っています。彼は、購入者の旅のどの段階でも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。而且、彼はAIチャットボットに尋ねることでこれらのスキルを身につけたのではありません。大学を卒業した後、彼はテクノロジー企業でビジネス開発担当者（BDR）になりました。これは、営業担当者向け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ことを含む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、これが彼ら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、イベントに参加する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。BDRとして11ヶ月後、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、彼は商業および企業セールスチームの副社長です。彼の最初のエントリーレベルの仕事でのフロントラインでの経験は、彼の現在の役割を形作っています。彼は、ジュニアセールスポジションで成功するために何が必要か、またどのようにパイプラインを構築するかを知っています。また、アカウントエグゼクティブでもあります。つまり、どのくらいのビジネスサイズでも顧客関係を構築する方法を理解しています。実践的な学習の概念は、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、失敗して成功する必要があります。どのレベルのどのポジションの従業員でも、AIを使用して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必要があります。しかし、ジュニアポジションをAIで置き換える場合は、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、ある程度退屈だが必要なテーマ、つまりスプレッドシートについての実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多くの企業にとって、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。而且、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、組織図を作成するように依頼しました。これには、各組織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についての明確さが含まれます。たとえば、個々の貢献者、管理者、ディレクター、VPが戦術的なプロジェクトと戦略的な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です。スプレッドシートを作成するために、ゼロから始めるのではなく、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の専門知識を利用して、それを100%完璧にしました。彼女の話は、先ほど述べたセールスリーダーの話と同じです。彼女は10年以上HRで働いてきましたので、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ようにしました。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。ジェネレーティブ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、複数の反復と他のプロジェクトの優先順位の低下が必要でした。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、実際に経験豊富な人事・文化担当責任者の現場での専門知識が、プロジェクトを最後の20%まで導きました。それは少数派の立場のように思えるかもしれませんが、最後の20%がプロジェクトを素晴らしいものにしたのです。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、経験を積み、ランクを上げることで得られます。ジュニアポジションでは、重要な問題解決スキルを身につけることができます。また、ビジョンと成功への追求を形作るミスをする機会もあります。企業がジュニアポジションをAIで置き換える場合は、どのようにして人々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を探したり、コンサルタントになったり、退職したりしたときに何が起こるのでしょうか。誰が次にあなたの企業の機関的知識と文化を持って待機していますか。必ず起こることのために、待機する人材プールが必要です。AIは現在、すべてのレベルの労働者が利益を得るために利用できます。しかし、経験に基づく学習の代わりは決してありません。従業員の数を減らすためにAIをどのように使用できるかではなく、AIを使用してより迅速に人材プールを開発する方法について、ビジネスリーダーは考えるべきです。これは、人間対AIではなく、人間プラスAIです。
愛らしいクジラのロゴを持つDeepSeekの最近のリリースは、ChatGPTのノックオフにすぎない可能性がありました。何がそれをニュースに値するものにしたのか、それが競合他社の株価を下落させたのは、作成に要したコストが非常に低かったからです。実際には、米国の大規模言語モデル（LLM）のトレーニングに必要な投資額の概念に大きな影響を与えました。DeepSeekは、AIモデルをトレーニングするのにわずか600万ドルを費やしたと伝えています。OpenAIがChat GPT-4に8000万ドルから1億ドル、GPT-5に1億ドルを費やしたと報告されているのと比較してください。DeepSeekは、そのレベルの投資を疑問視し、Nvidia（その株価の価値は1日で6000億ドル下落した）、TSMC、Microsoftなどの大手企業がAIの長期的な財務上の持続可能性について心配するようになりました。如果AIモデルを従来考えられていたよりもはるかに低コストでトレーニングできるのであれば、全体的なAI支出について何を意味するのでしょうか。DeepSeekの混乱は重要な議論を引き起こしましたが、重要な点が混乱の中で失われているようです。しかし、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焦点を高めています。ここから生まれる3つの重要な洞察があります：1. DeepSeekの600万ドルの価格タグは誤解を招きます企業は、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。DeepSeekの600万ドルの価格タグは多く話題に上がっていますが、それはおそらくプレトレーニングランのコストだけで、全体的な投資額ではありません。トレーニングだけでなく、DeepSeekを構築して実行する総コストは、はるかに高い可能性があります。業界アナリストファーム SemiAnalysis は、DeepSeekの背後にある企業がLLMを実現するために160億ドルをハードウェアに費やしたことを明らかにしました。したがって、実際のコストは中間のどこかでしょう。いずれにせよ、DeepSeekの出現は、変革的な可能性を持つコスト効率の高いイノベーションに焦点を当てることになりました。イノベーションは、制約によってしばしば促進され、DeepSeekの成功は、エンジニアリングチームが現実世界の制約に直面してリソースを最適化することでイノベーションがどのように起こるかを強調しています。2. 重要なのはトレーニングではなく、推論ですAIモデルトレーニングのコストについて注意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 — 人々が仕事、交流、生活を変えるAIの多様な方法 — が、AIが真正に有価値になる場所です。これは、ジェヴォンズのパラドックスという経済理論を引き起こします。この理論は、技術の進歩がリソースの使用をより効率的にすると、リソースの全体的な消費量が実際に増加する可能性があることを示唆しています。つまり、トレーニングコストが下がると、推論とエージェントの消費量が増加し、全体的な支出もそれに従います。AIの効率化は、実際にはAI支出の増加につながり、すべての企業が利益を得ることになります。効率化の波に乗ることができれば、OpenAIやNvidiaのような企業も利益を得るでしょう。3. ユニットエコノミーが最も重要であることは変わりませんAIをより効率的にすることは、コストを下げることだけではありません。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は、今年が AIの効率化の年 になることを予測しています。如果彼らが正しいなら、企業はAIトレーニングコストを下げるだけでなく、AI消費コストも下げること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、DeepSeek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に焦点を当てるのではなく、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、コスト対価値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および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メトリクスと比較し、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、および（適切なプラットフォームがあれば）その効率性を高める最良の方法を示します。CUEを理解することは、AIのコンテキストでは、従来のクラウドサービスよりもはるかに高価な消費であるため、さらに大きな価値があります。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、それを使用して、特定のAI駆動型サービス、製品、機能の投資収益率を評価できます。AI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。最終的には、無限のドルを実験的な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。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別として、DeepSeek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。このこと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洪水門を開き、AIの真の潜在性とROIを解き放つことを願います。
世界中での大量なクラウド投資が続いており、Gartnerは、2027年までにパブリッククラウド支出が1兆ドル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に多く投資するにつれて、GenAIイニシアチブが多くのクラウド容量を必要とするため、著しく増加しています。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。クラウドの浪費は深刻な問題です。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「非常に高すぎる」と答えたことは、驚くことではありません。どのようにしてお金の価値を最大化することができますか？ それは、クラウドについて考え、使用する方法を変えることから始まります。クラウド浪費の問題正しい心構えは、既存のリソースを単にクラウドに移行する「リフトアンドシフト」の思考から離れることです。クラウド浪費は、大部分がこの旧来の心構えから生じています。これは、クラウドインフラストラクチャを従来のインフラストラクチャのように扱うものです。クラウド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大な金額を投資し、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に多額の金額を費やしました。プロセスは、製品チームが何らかの革新を提案し、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調達チームに提出することでした。調達チームはリクエストを承認、拒否、または変更できましたが、数ヶ月後、製品チームはもしかしたら必要なインフラストラクチャを取得できるようになりました。企業は、使用しないインフラストラクチャを購入し、価値を生み出さないサーバーに座り込むことが多かったです。仮想化はバランスを均等にしようと約束しましたが、過剰なプロビジョニングと利用不足は依然として課題でした。クラウドは、多様な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と消費者向けユーティリティモデルを通じて無限の可能性をもたらしましたが、多くの企業は依然として物理仮想マシンのコレクションのようにそれを管理しています。調達チームと財務チームは、従来、インフラストラクチャの購入に関与していました。ただし、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、リソースを消費するコードを記述し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、毎回のエンジニアリング（構築）決定は購入決定です。エンジニアー — 財務リーダーや集中型ITチームではなく — が直接会社のテクノロジー予算を費やしています。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チームに負担させる場合、目標を外しています。エンジニアはエンジニアリングの専門知識に基づいて構築決定を行います — 他のチームが持っていない専門知識です。財務チームは一括購入または最適化されたコミットメント使用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チームは未使用のリソースを見つけるのが上手ですが、ハイリー利用されている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理解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、クラウドでのコスト効率の高い構築決定を行うための財務洞察が不足していました。これにより、毎年大量のクラウド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施する企業は、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、これは、2027年にクラウド支出が1兆ドルに達したとき、122〜183億ドルが浪費される可能性があることを意味します。これは変化する必要があります。企業は、クラウド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完全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理解する必要があります。私たちは、より良い購入からより良い構築への移行が必要です。エンジニアに自身の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。クラウドでより良く構築することとより良く購入することの違いより良い構築は、財務パラダイムではなく、エンジニアリングの哲学です。「構築」とは、エンジニアが製品を開発し、市場に出すプロセスで行う、すべてのアーキテクチャ、コーディング、または操作の決定を指します。最近まで、これらの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非常に投資していませんでした。「より良い購入」の心構えは、コストを削減したいという欲求から生じていますが、「より良い構築」の心構えは、効率的なソフトウェアを開発し、実行することについてすべてです。より良い構築の利点エンジニアの関与。 データは、エンジニアが自身のコストを管理するように設計されている場合、彼らはそうする — そして会社はより良く機能することを示しています。同じ調査では、81%の企業は、エンジニアがクラウドコストについてある程度の所有権を持っている場合、クラウドコストは「適切なレベルにある」と述べています。より良い構築に焦点を当てることは、エンジニアの関与に焦点を当てることを意味します。エンジニアにクラウドインフラストラクチャ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、効率性の向上を容易に追跡できるようにします。財務とエンジニアリングの関係の改善。 企業がより良い構築に焦点を当てると、財務チームとエンジニアリングチームが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に寄与する要因を比較検討します。財務チームは、ソフトウェアのコスト効率について定期的で詳細なレポートを受け取ります。チーム間の摩擦が軽減され、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、可観測性ツールなど）を取り込み、それを会社のビジネスを反映するフレームワークで割り当てることを意味します。そうした頑強な割り当てにより、クラウドユニット経済学の材料が得られます。利益と非利益の製品、機能、顧客を評価し、固定コストと変動コストの関係とマージンの関係を理解し、クラウドユニット経済学に基づいてGo-to-Market戦略を洗練することです。クラウドユニット経済学は、クラウド財務運用（FinOps）の聖杯 — 真にクラウド効率の良い組織の特徴です。より良い構築の時 より多くの組織は、クラウド投資に対するリターンが少ないと感じています。より良い購入からより良い構築への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測定し、エンジニアの関与の向上、財務とエンジニアリングチームの関係の改善、ユニット経済学の強化を実現します。