Circuit & Chisel創設者、Louis Amira ― インタビューシリーズ

Louis AmiraはCircuit & Chiselの創設者で、AI、暗号資産、決済の各分野で製品やパートナーシップを構築してきた経験を持つ。GoogleのArea 120インキュベーター内で事業を共同創業したほか、Chainlinkで勤務し、Stripeでは暗号資産とAIに関するパートナーシップを主導した。AIエージェントが企業にとって信頼でき、実用的な仕事をこなすうえで妨げとなるインフラの不足を解消するため、David Noël-RomasとともにCircuit & Chiselを立ち上げた。

Circuit & ChiselはAIエージェント向けのインフラを構築しており、ATXP、Unbiased、Paretoを手がける企業でもある。ATXPはエージェントに身元確認と決済の機能を提供し、Paretoは最先端モデルとオープンウェイトモデルを組み合わせ、AI推論の品質とコストの課題に取り組む。Unbiasedは自社プラットフォームを通じてParetoを利用できるようにしている。このインタビューでAmiraは、モデルのオーケストレーション、評価、推論の経済性、データ保持、そして信頼できるエージェントの推論と自律的な決済の関係について語る。

キャリアの中で、GoogleのArea 120インキュベーターからStripeでの暗号資産・AIパートナーシップの主導を経て、Circuit & Chiselを共同創業されました。こうした経験から、AIエージェントに必要なインフラについてどのようなことを学びましたか。また、最終的に同社を立ち上げるきっかけとなったのは何でしょうか。

Googleでは、Area 120内で会社を共同創業しました。そこで得た教訓は、最初に何を築くかによって、その後に築けるものが決まるということです。ChainlinkとStripeでは、今度は反対側から同じパターンを目にしました。新しい技術は、天候に恵まれた完璧な条件のデモ環境では動いても、現実世界で使うための基盤がまだ整っていないために、そこで行き詰まってしまうのです。

Davidと私は、実際の企業のために実際の仕事をこなすエージェントを開発するため、Circuit & Chiselを立ち上げました。エージェントは、ありふれた理由で何度も失敗していました。自分が誰なのかを証明できず、何かの支払いもできなかったのです。そこで、エージェントに身元と決済手段を提供するATXPを開発しました。

次にぶつかった壁は、行動できるエージェントは、タスクに見合う価格で正しい結果を出す必要もあるということでした。それがParetoです。どちらの場合も、足りないものを見つけて、それを作るという発想は同じでした。

Circuit & Chiselは当初、AIエージェント間の自律的な決済を可能にするプロトコルATXPに注力し、その後、UnbiasedとParetoを通じてAIモデルのインフラへと事業を広げました。この展開のきっかけは何でしたか。また、これらの技術は、エージェント経済に関するより大きな構想の中でどのように位置づけられていますか。

顧客とそのエージェントが、ATXPが機能することを示してくれました。エージェントは身元を持ち、お金を使うことができました。しかし、企業と話をすると、最初の課題は決済ではありませんでした。出力への信頼でした。仕事に合わないモデルを選んだり、間違った答えを出したりするエージェントに、予算を任せる人はいません。

そこで今年初め、品質とコストの改善に向けた取り組みを強化しました。それがParetoになりました。

この2つは今も連携しています。Paretoは、エージェントがタスクについてどのように推論するかを決めます。ATXPは、エージェントが行動し、支払いを行えるようにします。両方が必要であり、その順番も重要です。判断力を信頼する前に、エージェントにウォレットを渡す人はいないからです。私たちは、開発する順番を間違えただけでした。

Paretoは、単一のモデルや従来型のルーティングシステムに頼るのではなく、複数の最先端モデルとオープンウェイトモデルの出力を組み合わせることで、従来の大規模言語モデルとは異なるアプローチを取っています。このアーキテクチャの仕組み、特に競合する回答を統合して、より正確で有用な結果を導き出す方法について説明していただけますか。

Paretoは単一のモデルではなく、システムです。複数の研究機関のモデルにタスクを振り分け、最先端モデルにもオープンウェイトモデルにも、それぞれ役割を与えます。複数のモデルがタスクをこなせる場合もありますが、複雑なケースでは、レビューや助言を担当するモデルが必要になることもあります。どのモデルを呼び出すかは、その種類のタスクに対する能力、コスト、速度、信頼性の各スコアに基づいて決めます。また、タスクに応じて、どの程度の検証が必要かも判断します。

回答を平均することはありません。平均すると、誤りが互いに混ざって曖昧になるからです。モデル同士には異なる回答を出してほしいと考えています。意見の食い違いがあるところに、間違いが表れるからです。利用可能なモデルの組み合わせが変われば、再テストを行い、番号を付けた新しいバージョンのParetoをリリースします。

Paretoが掲げる主要な価値の一つは、最先端レベルの知能を大幅に低いコストで提供することです。回答の生成に複数のモデルが関わる場合もある中で、どのようにコスト効率を実現しているのでしょうか。また、推論コスト、レイテンシ、出力品質の間にはどのようなトレードオフがありますか。

Paretoの役割は、最先端レベルの回答を提供することです。コストを抑えられるのは、その実現方法によるものです。

人々がAIに送る依頼の大半は定型的なものです。そうした依頼には、より安価なモデルでも、最も高価なモデルと同じ頻度で正しく答えられます。Paretoは定型的な依頼をそうしたモデルに振り分け、最先端モデルや、複数のモデルが連携して対応する必要がある依頼のために、それらを温存します。公開済みのテストでは、この組み合わせにより、主要なベンチマークの大半でGPT-6 AstraやClaude Opus 5.5に数ポイント差まで迫りながら、タスク当たりのコストを30～70％削減しました。

大きなトレードオフはありません。Paretoがすべての依頼を完璧に振り分けられるわけではありませんが、振り分けを誤る頻度を測定し、その結果を改善して公開しています。

貴社のチームは、GPT-6 AstraやClaude Opus 5.5を含む比較評価を通じて、Paretoが主要なプロプライエタリモデルやオープンウェイトモデルと競争力を持つことを示すベンチマーク結果を公開しています。こうした評価がベンチマークに特化した最適化ではなく、実環境での性能を反映していることを、どのように確かめていますか。また、最先端モデルがParetoに対して依然として明確な優位性を持つのは、どのような点でしょうか？

評価コードを公開しているため、誰でも数値を再検証できます。Paretoを含め、すべてのモデルを同じ評価環境でテストしています。また、Paretoが勝った結果だけでなく、同じように負けた結果も公開しています。常に運営側が勝つスコアボードは、ただの広告です。

複数のAIゲートウェイでサービスを開始し、規模や業種を問わずさまざまな企業に新モデルへのプレビューアクセスを提供してきました。寄せられたフィードバックをほぼリアルタイムで取り入れ、モデルの性能を継続的に改善しています。

Paretoは、公開から最初の48時間で2兆トークン以上を処理したと報じられています。この初期需要から、コスト効率に優れたAI推論の市場について何が分かりましたか。また、この規模で性能、信頼性、拡張性を維持するうえで、最大の技術的課題は何でしたか？

需要は、私たちやパートナーが予想していた数倍に達しましたが、残念ながら、十分に対応できるだけの計算資源がありませんでした。初日には、需要が1分あたり50億～100億トークンを超えました。私たちが処理できていたのは約16億トークンでした。こうした需要のすべてに無料で適切に対応するには、1日あたり何百万ドルもの費用がかかったでしょう。

分かったのは、価格がAIの利用を大きく抑制しているということです。ある価格なら製品が成り立つものの、その5倍の価格では成り立たないという開発者がいます。価格を下げれば、そうした人たちが使い始めます。

最も大きな問題は単純でした。処理能力が足りなくなったのです。初日にはモデルの応答が遅くなり、利用を諦めた人もいました。一晩で処理能力を増強し、サービス開始から2日後に有料アクセスへ移行しました。これが、正直な形で利用を制限する方法です。

情報開示についても学びがありました。Union Alphaが単一のモデルではなく、複数のモデルが連携して動くものだと知り、誤解させられたと感じたユーザーもいました。パートナーとともに、Union Alphaを「もう一つのモデル」として公開したのには、そうした事情もありました。ルーターの出力をユーザーが利用するうえで、実際に違いはないからです。

ゼロデータ保持もParetoの重要な特徴の一つです。特に企業では、機密情報がサードパーティーのAIプロバイダーを経由することへの懸念が高まっています。複数の基盤モデルが関わる場合、こうした保護をどのように徹底し、検証していますか。また、企業顧客はデータの取り扱いについて、どのような保証を得られますか？

ゼロデータ保持プランでは、プロンプトも出力も保存しません。送信先のプロバイダーも同様に保存しません。

複数のモデルを経由する場合、ZDRの約束は最も弱い部分に左右されます。そのため、ZDRリクエストはゼロ保持の条件で稼働するモデルにのみ送信します。プロバイダーがその条件を満たせない場合、ZDR対象のトラフィックは送信しません。

企業顧客には、データ処理契約とZDR付属書という形で、書面による保証を提供しています。また、どのプランがZDRに対応していないかも明確に示し、顧客が誤ったプランを選ばないようにしています。データを自社の建物の外に一切出したくない企業向けには、自社のハードウェア上で実行できるバージョンを開発中です。詳細は近日中にお知らせします。

AIエージェントが質問に答える段階から、複雑な複数ステップのワークフローを実行する段階へと進むなか、小さな推論ミスが積み重なり、大きな失敗につながることがあります。Paretoは、ハルシネーション、モデル間で出力が食い違う問題、長時間にわたるエージェントタスクの信頼性といった課題にどう対処していますか。また、複数のモデルを組み合わせることで、新たな失敗要因が生じる可能性はありますか？

これは、私たちが最初に直面した問題です。デモの場を離れると、エージェントはうまく機能しなくなります。2番目のステップでの小さなミスが、10番目のステップでは大きなミスになります。

難しいステップでは、複数のモデルが役立ちます。同じ問題に個別に取り組ませたり、互いの結果を確認させたり、エージェントが次に進む前に結果を確かめさせたりできます。単一のモデルには、別の意見を示す存在がいません。Paretoにはそれがあります。

実際のタスクにおけるユーザー満足度と性能を測定し、悪い結果も含めて公開したうえで、見つかった問題を修正しています。毎回同じ動作を必要とする顧客は、Paretoのバージョンを固定できるため、予期せず変更されることはありません。

ATXPとUnbiasedを通じて、Circuit & Chiselは自律型エージェントにとって重要な2つの課題、すなわち効率的に知能へアクセスすることと、利用するサービスの料金を支払うことに取り組んでいます。これらの機能は今後どのように融合していくと考えていますか。また将来的には、エージェントが性能、コスト、タスクの要件に基づいてAIモデルや外部ツールを自ら選び、購入し、連携させるようになるでしょうか？

はい。今後はその方向に進みます。

現在は人が、どのモデルを使うか、どのツールを呼び出すか、その費用をどう支払うかを決めています。こうした選択をエージェントが担う場面は、ますます増えていくでしょう。エージェントは各ステップに適したモデルを選び、必要なツールを見つけ、各プロバイダーに料金を支払い、次に進む前に結果を確認するようになります。

そのために必要なのは2つです。各タスクに適した知能を得る手段、それがParetoです。そして、本人確認を行い、支払いをする手段、それがもともとその目的で構築されたATXPです。

多くの企業は今、エージェントに資金を任せてもらう前提として、利用上限や責任の所在などについて検討を進めています。だからこそ、私たちは判断から始めました。決済機能は、それを使うエージェントへの信頼が高まるほど、より役立つものになります。

今後を見据えたとき、AIにおける次の大きなブレークスルーは、個々のモデルをますます高性能化することから生まれると思いますか。それとも、既存のモデルや機能を知的に組み合わせるシステムの開発から生まれると思いますか。この違いは、今後数年間、新興AI企業と大手の最先端モデル提供企業との競争にどのような影響を与えるでしょうか。

両方です。研究所は今後もより優れたモデルを開発し続けますし、それは非常に重要です。私たちは、人々がモデルを一つひとつ調べて試す必要を感じずに済むようにします。タスクに合ったモデルを、適切な投資対効果で提供すべきです。もうモデル選びに疲れる必要はありません。

私たちがモデルの学習において研究所を上回る額を投じることはありません。研究所の成果を基盤にし、そのモデルの普及を支援します。研究所がより優れたモデルをリリースするたびに、Paretoもさらに良くなります。

研究所がこれを自ら構築することも可能で、実際にそうするところもあるでしょう。しかし、研究所が開発するルーターには、自社モデルを優先する傾向があります。私たちはモデルを所有していないため、顧客に対して、支払った金額に見合う最良の回答を提供することだけが勝つ道です。モデルの数が増えるほど、それが重要になります。

素晴らしいインタビューをありがとうございました。Paretoやエージェントのインフラ、AIの推論とID認証・決済をつなぐツールについて詳しく知りたい方は、Circuit & Chiselをご覧ください。