インタビュー

Apify共同創業者兼CEO、Jan Čurn — インタビューシリーズ

Antoine Tardif
Unite.AI を Google の優先ソースに追加
Jan Čurn, Co-Founder and CEO of Apify
要点エージェントは、ゼロから構築するコストが購入するコストを上回る場合、既存のツールをレンタルする。
もっと見る
  • エージェントは、ゼロから構築するコストが購入するコストを上回る場合、既存のツールをレンタルする。
  • サイレント障害により、エージェントは問題に気づかずに空のページを自信を持って要約してしまう。
  • Apifyは先月、数百人のクリエイターに総額約200万ドルの純収益を支払った。

Jan ČurnはApifyの共同創業者兼CEOです。2015年、Y Combinator Fellowshipを通じてJakub BaladaとともにApifyを立ち上げました。プラハの賃貸物件情報を集める必要に迫られたことが、ウェブサイトをAPIに変換するツールという、当初の製品の着想につながりました。その後、ウェブクローリングの基盤だったApifyを、ウェブデータ、ブラウザー自動化、そしてAIエージェントによる利用が増えているツールのマーケットプレイスを備えたプラットフォームへと発展させてきました。

Apifyは、ウェブスクレイピング、ブラウザー自動化、すぐに実行できる「Actors」と呼ばれるツールを提供するプラットフォームです。開発者はマーケットプレイスでActorsを公開して収益化でき、企業やAI開発者はそれらを使って構造化されたウェブデータを取得し、タスクを自動化できます。このインタビューでČurnは、エージェントが専門的なツールをどのように見つけて利用するのか、最新データが重要な理由、そしてエージェントがウェブ上で大規模に機能するために必要な信頼性、権限、経済性について語ります。

2015年、Y Combinator Fellowshipを通じてJakub BaladaとApifyを共同創業し、当初は開発者が柔軟で拡張性の高いウェブクローラーを簡単に構築できるようにすることに注力されました。着想のきっかけは何だったのでしょうか。また、この10年間で当初のビジョンはどのように進化しましたか?

Apifyの着想は、Jakubと私自身が直面した問題から生まれました。プラハの新築賃貸物件情報が必要なクライアント案件に取り組んでいたのですが、当時のツールでは、動的なJavaScriptや不規則なウェブサイト構造にうまく対応できませんでした。そこで、あらゆるウェブサイトをAPIに変換する独自のツールを作りました。

やがてApifyはクローリングの枠を超え、ウェブスクレイピング、ブラウザー自動化、ウェブデータを扱うプラットフォームへと成長しました。その後、開発者が「Actors」と呼ばれるツールを公開し、ほかの人が利用すると報酬を得られるマーケットプレイスを開設しました。現在、Actorsの利用者に占めるAIエージェントの割合は増え続けています。

Apifyは、AIエージェントが業界の大きな注目を集めるようになるずっと前から、ウェブクローリングのプラットフォームとして始まりました。構築してきた基盤が、ウェブにアクセスして操作する必要のあるAIエージェントにとって、とりわけ価値あるものになり得ると気づいたのは、いつ頃でしたか?

最初の「なるほど」と思った瞬間は、ChatGPTの公開直後、2023年初頭に訪れました。新しいモデルを訓練する代わりに、最新のウェブデータをプロンプトに入力できるようになったのです。Apifyは、新たに登場したRAGパイプライン向けのクローラーを提供し、LangChainやLlamaIndexなどの新しいライブラリと連携した、最初期のスクレイピングプラットフォームの一つでした。

その後、AIエージェントの波がやってきました。たとえば、あるエージェントに20のECサイトで商品の価格を比較するよう頼んだとします。データはどこから取得するのでしょうか。それこそ、私たちが何年も開発者のために解決してきた問題です。そのため、Anthropicが2024年末にModel Context Protocol (MCP)を公開すると、すぐに採用しました。私たちにはすでに、明確な入力と出力を備えたツールが何千もありました。まさにエージェントが必要とするものです。

本当の転換点は2025年末に訪れました。モデルの性能が向上し、エージェントが実質的な作業をこなせるようになったのです。エージェントには適切なツールと信頼できるデータが必要です。それ以来、Apifyの利用は急速に伸び、総ARRは1億ドルに迫っています。

Apifyは、ウェブデータ、スクレイピング、自動化、AIにまたがる9万種類以上のツールを備えたプラットフォームへと成長しました。エージェントが大規模言語モデルの能力だけに頼るのではなく、専門的なツールを必要とするケースが増えるなか、このエコシステムはどのような役割を果たすとお考えですか?

確かに、モデルはゼロからより複雑なソフトウェアを生成できるようになるでしょう。しかし、ある水準を超えると、エージェントにとっては既存のツールを購入するほうが、ゼロから作るより効率的になります。モデルの性能向上に伴い、その水準も上がっていくでしょう。それでも、既製のツールを販売できる余地は常に残ります。特に、非公開データや入手困難なコンテキストに基づくツールには、その余地があります。

ソフトウェアの開発コストが下がり、ソフトウェアシステムやツールの数が増えるなか、主な制約となりつつあるのは、必要な作業を完了するための、信頼できて価値のあるツールをどこで見つけるかという問題です。そして、適切に生成するために500ドルを払う代わりに、誰かに5ドルを払って既存のサービスを借りることもできます。

Apifyの開発者コミュニティ全体を見渡すと、現在、AIエージェントを使って構築されている実社会の応用例にはどのような興味深いものがありますか。また、実際に本番環境で使われているのは、どのようなユースケースでしょうか?

特に興味深い事例のなかには、意外なほど特定の用途に特化したものがあります。AIを使ってYouTube、eBay、日本のショップを調査し、どのポケモンカードを買う価値があるか判断する事例がありました。ある保険会社はApifyを使い、イタリアの死亡記事サイト55件を確認して、契約者の死亡を検証しました。一方、まったく異なる分野では、CanaryがApifyを活用してSpotlightを提供しています。これは、捜査担当者が児童人身取引の被害者を見つけるのを支援するツールです。

こうした応用例に共通しているのは、あらゆることを少しずつこなすよう設計されたエージェントではなく、特定の問題と、それを解決するための適切なデータがあることです。

AIエージェントにとって最大の課題の一つは、静的な学習データだけに頼らず、ウェブサイトから最新の構造化情報にアクセスすることです。エージェントがますます複雑なタスクを担うようになるなか、リアルタイムのウェブアクセスはどれほど重要になるでしょうか?

LLMは、学習に使われたデータを情報損失を伴う形で圧縮したものです。非常に巧みな推測はできますが、あくまで推測にすぎません。エージェントが現実世界で意思決定をしたり、タスクを完了したりすることを求められるようになれば、学習データだけに頼ることはできません。価格は変わり、商品は販売終了となり、競合他社は新製品を投入し、ウェブサイトは絶えず更新されます。

モデルが推論を担う一方、多くのエージェントには、最新のウェブ情報を取得し、大規模に活用できる構造化データへ変換するための、信頼性の高い方法が必要です。

ウェブ環境は、インターフェースの変更、動的コンテンツ、認証要件、自動化を防ぐシステムなどにより、予測が難しい場合があります。オープンウェブ全体で安定して動作するエージェントを構築しようとする開発者が直面する、最大の技術的課題は何でしょうか?

現代のウェブサイトは、動的なJavaScript、チャレンジページ、あるいは不完全なコンテンツを返すことがあり、ボット対策システムはIPアドレスのレピュテーションからブラウザーのフィンガープリントまで、あらゆる要素を調べます。失敗しても表面化しないことが多いため、エージェントは空のページに気づかないまま、自信たっぷりに要約してしまうことがあります。

一度だけ動くものを作るのは、比較的簡単です。変化し続けるウェブサイトに対応し、本番環境の規模でも動き続けるものを作るのは、はるかに困難です。

エージェントが情報の取得だけでなく、オンラインで行動する能力も身につけるなか、企業がより自律的なワークフローを任せられるようになるには、信頼性、権限、検証、人間による監督といった分野で、何を改善する必要があるでしょうか?

エージェントが情報を読むだけでなく行動できるようになると、権限の管理がはるかに重要になります。エージェントに認証情報を決して見せてはならず、すべての秘密情報はセキュアなサンドボックスの外部に保管し、モデルに決して公開してはなりません。私たちは、Apifyプラットフォーム上のActorsと、MCP向けオープンソースCLIクライアントであるmcpcの両方で、このプロキシのサンドボックス化という課題に取り組んできました。

開発者は、ブラウザーの自動操作から特化型API、新たなエージェントプロトコルまで、さまざまなものを試しています。AIエージェントのアーキテクチャは今後どのように進化し、モデル、ツール、データソース、ブラウザーは理想的にはどのような関係になるでしょうか?

ChatGPTやClaudeのような大手エージェントプラットフォームは、新たなオペレーティングシステムになりつつあると考えています。人々がコンピューターを操作するための主要なインターフェースとなり、スマートフォンのアプリのようにツールがそこへ接続されるのです。別の場所で稼働するツールについては、MCPが標準的な連携プロトコルとして受け入れられました。

エージェントがレストランの評価や連絡先などのデータを必要とする場合、ブラウザーでGoogle Mapsを開き、人間のように画面をクリックして情報を探すことができますが、この方法は精度が低く、コストもかかります。あるいは、構造化された地図データを返すツールを見つけて呼び出すこともでき、そのほうが速く、信頼性も高くなります。また、メインのエージェントは、レストランの予約や航空券の検索といったタスクを、より安価なモデルで動作する専門のサブエージェントに委ねることもできます。

Apifyは長年にわたり開発者向けのインフラを構築すると同時に、サードパーティーの開発者が独自のツールを公開できるマーケットプレイスも運営してきました。エージェント型AIによって、エージェントが自律的に見つけて利用する専門的なツールやサービスを中心とした、より大きな経済圏が生まれる可能性はあるでしょうか?

はい。私たちのマーケットプレイスは、すでにその小規模な形と言えます。開発者がActorsを公開し、人々がそれを利用し、開発者に報酬が支払われます。それがさらに多くの開発者とツールを呼び込みます。この好循環は、購入者側に人々がいる形で、何年も続いてきました。

AIエージェントがより多くの役割を担うようになれば、タスクを完了するために資金が必要になるでしょう。エージェントにタスクと少額の資金を持たせ、x402やMPPのようなエージェント向け決済プロトコルを使って、作業の過程で必要なツールの利用料を支払わせることが考えられます。取引量はまだ少ないものの、最終的には経済活動の大半が、ますます人間の監督を受けずにエージェント同士で自律的に行われるようになると考えています。

Apifyが創業から2つ目の10年を迎え、AIエージェントがソフトウェア業界で大きな存在となるなか、今後数年で同社はどのように進化していくと考えていますか。また、現在のエージェントエコシステムには何がまだ欠けていると思いますか?

ClaudeやChatGPTのようなエージェントにApifyを接続する人はさらに増えています。こうしたツールを使えば、ウェブ上でより複雑な作業をより速く進められると気づいているのです。ApifyのプラットフォームとActorsは、エージェントが使いやすい優れた体験を実現するために最適化されており、利用と支出の拡大を促しています。

マーケットプレイスの反対側では、ソフトウェア制作者のうち、Actorsから定期的な収入を得る人が増えています。コミュニティが公開したActorsのうち300超が、月に1,000ドルを超える収益を上げています。つい先月も、数百人の制作者に純収益として合計約200万ドルを支払いました。

Apifyマーケットプレイスの成長は加速しており、Apifyを世界最大かつ最も信頼されるAIツールのマーケットプレイスにするという私たちの意欲も高まっています。それにより、人々と、将来生まれる何十億ものエージェントがウェブ上で仕事を進められるようになります。

素晴らしいインタビューをありがとうございました。ウェブデータ、ブラウザーの自動操作、AIエージェント向けツールについて詳しく知りたい読者は、Apifyをご覧ください。

アントワーヌは、先見の明を持つリーダーであり、Unite.AIの創業パートナーです。AIとロボティクスの未来を形作り、その発展を促すことに揺るぎない情熱を注いでいます。複数の企業を立ち上げてきた起業家として、AIは電気と同じほど社会を大きく変えると考えており、革新的な技術や汎用人工知能(AGI)の可能性について熱く語ることがよくあります。

未来を展望するフューチャリストとして、こうした革新が世界をどのように形作るかを探究しています。また、未来を再定義し、業界全体を変革する最先端技術への投資に焦点を当てたプラットフォーム、Securities.ioの創設者でもあります。