ピーター・パン、CREAOの共同創設者兼CTO – インタビュー・シリーズ

ピーター・パン、CREAOの共同創設者兼CTOは、人工知能研究と機械学習インフラストラクチャの深い背景を持って、エージェントAIの新興分野に参入しています。CREAOを2025年に立ち上げる前に、パンは約6年間Metaで研究科学者として働き、LLaMAファウンデーションモデルに関連するジェネレーティブAIイニシアチブに取り組み、データ注釈と合成データ生成のためのLLMエージェントシステムを含むものでした。Meta以前は、Apple (AAPL ) でNLP、転移学習、ディープラーニング、予測システムに焦点を当てたマシンラーニングエンジニアとして働きました。彼の以前の経験は、ブルックヘブン国立研究所で先端科学研究と実験システムに触れた経験でした。彼の経験は、フロンティアAI研究、ラージスケールマシンラーニング、オートノマスシステムを通じて、CREAOの技術的なビジョンを形作っています。CREAOのビジョンは、持続的な実行、メモリ、ワークフローの自動化が可能なAIエージェントを構築することです。

CREAOは、自然言語ではなく従来のコーディングを使用して、個人が自律的なAIエージェントとワークフローを作成するためのAIネイティブプラットフォームです。同社は、出力の生成だけでなく、成功したタスクを再利用可能なエージェントに変換できるパーシステントAIシステムである「スーパーエージェント」を提供しています。CREAOのプラットフォームは、OpenAI、Anthropic、Googleなどの主要なフロンティアAIモデルをサポートしながら、AIファーストの運用モデルを重視しています。ここでは、エージェントが運用の実行を担うことが多くなり、一回限りのアシスタントとしてではなく、継続的に動作します。CREAOは、パロアルトで設立された会社で、エージェントAIワークフロー、ノーコード自動化、ビジネスと独立した専門家のためのスケーラブルなAIオーケストレーションの進歩に焦点を当てています。

メタでLLaMAファウンデーションモデルと合成データ生成のためのエージェントシステムに取り組んだ後、ブルックヘブン国立研究所とアップルでのマシンラーニングの役割を経て、CREAO AIを共同創設することを決めたのは何ですか？また、既存のAIプラットフォームがまだ解決していない問題とは何ですか？

メタでは、モデル能力が毎世代で劇的に向上するのを見ていました。LLaMAのスケーリングに取り組みました。制御された環境でこれらのモデルが何ができるかを見ました。広がるギャップは、モデルが何ができるかではありませんでした。人々が実際にそれらから何を得ているかでした。

毎回、同じインターフェイスが提供されました。チャットウィンドウです。質問すると、答えが返ってきます。AIは、忘れることができないコントラクターです。明日また実行します。システムは、実行間で何も学習しません。ビジネスは同じままです。

それが問題でした。モデルインテリジェンスではありませんでした。実行です。誰も、会話から実行まで、パーシステントに、人間の介入なしでAIが結果を出すシステムを構築していませんでした。

私の物理学の背景は、システムではなくコンポーネントで考えることを教えてくれました。ブルックヘブンとストーニーブルックでの私の博士課程を通じて、実験パイプラインを構築しました。そこでは、インストルメント、データ収集、分析が閉じたループとして機能しなければ、結果は何も意味をなさないことを知っていました。アップルでは、マルチモーダルモデルに取り組み、同じパターンを見ました。生の能力だけでは、システムがなければ何も成り立たないことを知っていました。

カイと私がCREAOについて話し始めたとき、テーゼは具体的でした。業界はもう一つのチャットボットが必要ではありません。閉じたループが必要です。ツールを構築し、実行し、改善するAIです。モデルは十分に良くなっていました。誰もループを構築していませんでした。

CREAOは、AIがツールを構築し、自律的に作業を実行するプラットフォームであると説明しています。現在市場で氾濫しているAIコパイロットと真の「閉じたループ」AIシステムの違いをどのように定義しますか？

コパイロットはあなたの隣に座ります。あなたが運転します。コパイロットは提案します。もしあなたが眠ってしまったら、コパイロットは何もしません。

閉じたループシステムは、フルサイクルを完了します。観察、行動、学習、改善です。人間が結果を定義します。システムが実行、パーシステンス、イテレーションを処理します。

CREAOでは、ハーネスシステムについて考えています。単一のエージェントは、メールを下書きしたり、バグをトライエージングしたり、レポートを要約したりできます。しかし、単一のエージェントは複合しません。実行して出力を生成して停止します。ハーネスシステムはエージェントを囲み、一回限りのツールから自己改善エンジンに変えます。ループに従います。接続、監査、ソリューション、構築、自己改善です。システムは、実際のデータソース、リポジトリ、エラーログ、アカウントに接続します。現在の状態を評価します。修正を提案します。エージェントはそれらの修正を実行するために構築されます。出力はフィードバックされます。新しい監査が開始されます。ループは緊密になります。

これは、「私はXを行うエージェントを持っています」ということと構造的に異なります。これは、Xが何であるかを発見し、Xを構築し、Xを測定し、Xを進化させるシステムです。あなたに何も言わなくてもです。

ほとんどのコパイロットはAIアシストです。閉じたループはAIオペレートです。それが分界線です。

あなたの最近の「ハーネスエンジニアリング」と「AIファースト組織」に関する投稿は、オンラインで大きな注目を集めました。CREAOでは99%のプロダクションコードがAIによって書かれているという事実が、どのように受け止められましたか？

投稿は180万回のビューを獲得しました。私はそれをチームのドキュメントとして書きました。私が何を学んだかを記録するためです。そんなに大きな反響を得ることを期待していませんでした。

私が驚いたのは、反応の分裂でした。一部の人々は、それが無責任であると言いました。プロダクションではAI生成コードを信頼できないと。もう一部の人々は、「私たちも同じことを見ていますが、誰も話していません」と言いました。

後者のグループは、私に重要なことを教えてくれました。業界の中には、静かにこの移行を経験しているチームがいるということです。私に話した記者は、この話題について5人と話したと言いました。彼らは、私たちがさらに進んでいることを伝えました。彼らは、「私はあなたたちのように、全てのワークフローを再構築したチームとは話したことがありません」と言いました。

99%の数字は挑発的ですが、人間のボトルネックを1つ1つ除去することの結果にすぎません。AIエージェントが全コードベースを見られるようにアーキテクチャを設計し、CI/CDパイプラインに6つの決定的な段階があり、3つの並列AIレビューパスがPRの品質、セキュリティ、依存関係の問題をキャッチする場合、人間の役割はコードの書き方から、エージェントがコードを書くシステムを設計することにシフトします。コードの量は自然に続きます。

私が驚いたのは、もっと多くのCTOがこれを公に言っていないことです。多くの人がこれを行っていると思いますが、認識されることを恐れていると思います。

あなたは、ほとんどの企業はまだ「AIアシスト」ではなくて「AIファースト」であると主張しています。リーダーシップチームが既にAIネイティブ組織であると信じているときに、最も大きな誤解とは何ですか？

私は、スプリントサイクル、Jiraボード、週次スタンドアップ、QAサインオフと同じやり方でAIツールを使っているチームを見ています。彼らはループにAIを追加しました。ループを再設計しませんでした。

最大の誤解は、「私たちがAIツールを使っているので、AIファーストです」というものです。エンジニアがCursorを開き、PMがChatGPTで仕様を書き、QAがAIテスト生成を実験します。ワークフローは同じままです。効率は10〜20%向上します。構造的に何も変わりません。これはAIアシストです。

テストは次の通りです。もしもあなたが明日すべてのAIツールを取り除いたら、プロセスが変わる必要がありますか、それともツールだけが変わる必要がありますか？プロセスが同じままであれば、AIファーストではありません。

2番目の誤解は、AIファーストがエンジニアリングの決定であるということです。エンジニアリングが機能を数時間で出荷できる場合、しかしマーケティングが機能を発表するのに1週間かかる場合、マーケティングがボトルネックです。製品チームがまだ月次計画サイクルを実行している場合、計画がボトルネックです。CREAOでは、AIネイティブ操作をすべての機能に押し進めました。リリースノートは変更ログから生成され、機能紹介ビデオはAIによって作成され、ソーシャルメディアはオーケストレートされ自動的に公開され、ヘルスリポートはプロダクションデータベースから生成されました。エンジニアリング、製品、 マーケティング、成長が1つのAIネイティブワークフローで実行されます。1つの機能がエージェントの速度で動作し、別の機能が人間の速度で動作する場合、人間の速度の機能がすべてを制限します。

3番目の誤解は、この移行が漸進的なものであるということです。一般的なバージョンの1つは、人々が「バイブコーディング」と呼ぶものです。Cursorを開き、プロンプトを実行し、何かが機能するまで繰り返します。それはプロトタイプを生成します。プロダクションシステムには、安定性、信頼性、セキュリティが必要です。コードを書くAIが保証されるシステムが必要です。システムを構築します。プロンプトは使い捨てです。

あなたは、CREAOがエンジニアリングワークフローをAIエージェントの周りに再設計するというブレークスルーを経験しました。チームにとって、運用的または文化的に最も困難な移行の部分は何でしたか？

両方とも、異なる種類の困難です。

運用的には、最も困難な決定はコードベースを統一することでした。私たちの古いアーキテクチャは、複数の独立したシステムに分散されていました。1つの変更が3つまたは4つのリポジトリに触れる必要がありました。人間のエンジニアの観点からすると、管理可能です。AIエージェントの観点からすると、不透明です。エージェントは全体像を見られません。クロスサービスへの影響について推論できません。ローカルで統合テストを実行できません。

私は1週間を新しいシステムの設計に、別の1週間をエージェントを使用して全コードベースの再構築に費やしました。それは大胆な決断でした。失敗した場合、壊れたモノレポとマルチレポの設定ができたでしょう。しかし、原則は明確です。エージェントが検査、検証、変更できるシステムの部分を càng多く引っ張り出せば、 càng多くのレバレッジが得られます。断片化されたコードベースはエージェントにとって不可視です。統一されたものは読み取れます。

文化的に最も難しい部分は、アイデンティティでした。エンジニアは、自分が書くコードに価値を見出します。AIが99%のコードを書く場合、質問は「私の仕事は何ですか?」になります。これはプロセスの質問ではありません。これは存在的なものです。

私は、誰もが幸せだったとは言いません。私は毎日人と話すのをやめたとき、管理時間が60%から10%未満に減ったとき、チームメンバーの中には不確実性を感じる人もいました。CTOが毎日話さないことは何を意味しますか？私の価値はこの新しい世界では何ですか？これらは妥当な懸念です。何人かは、AIが自分の仕事をできるかどうかについて議論するのをやめないで、仕事をする時間を費やします。

しかし、人々が新しいワークフローを経験したとき — 仕事がコードを書くことからシステムを設計し、SOPを定義し、フィードバックループを構築することにシフトしたとき — 多くの人はそれをより知的によく思ったと感じました。最も苦労したエンジニアは、アイデンティティがコーディング行為に強く結びついていた人でした。最も迅速に適応した人々は、自分自身を最初に問題解決者と見なし、2番目にコーダーと見なす人々でした。

あなたの記事で、ジュニアエンジニアがシニアエンジニアよりも新しい環境に適応しやすかったと述べられています。AIファーストエンジニアリングチームで、蓄積された技術経験よりも適応性が重要になる理由は何ですか？

私は予想外のパターンを見ました。伝統的な実践が少ないジュニアエンジニアは、エンパワーメントを感じていました。彼らは影響力を高めるツールにアクセスしていました。彼らは、習慣を再学習する必要がありませんでした。

伝統的な実践が強いシニアエンジニアは、最も苦労しました。2か月間の彼らの仕事は、AIによって1時間で完了することがありました。これは、数年間で構築された希少なスキルセットを考えると、受け入れるのが難しいことです。

理由は構造的なものです。シニアエンジニアの専門知識は、コードの機械的な実行 — 複雑なシステムのナビゲーション、最適化された実装の書き込み、徹底的なレビューの実行、予測システムの構築 — にあります。これらのスキルは、数年間で獲得され、実際のものです。しかし、AIファーストの環境では、コードを書くという機械的なスキルが自動化される部分です。残っているのは、AIを評価し、批判し、指示する能力です。

私は物理学の博士号を持っています。私の博士号で最も役に立ったことは、仮定を疑う方法、議論をストレステストする方法、見落とされたものを探す方法を教えてくれたことです。AIを批判する能力は、コードを生成する能力よりも価値があります。アーキテクチャ提案を見て、エージェントが見落とした障害モードを見ることができますか？生成されたUIを見て、ユーザーが教える前に間違っていることを知ることができますか?

ジュニアエンジニアは、放棄する必要のある深い機械的な専門知識を持っていませんでした。彼らはただ新しいことを学んだだけです。

私は判断を下していません。私は私が観察したことを説明しています。シニアリティはまだ優位です — 深いアーキテクチャ的思考、システム設計の直感 — しかし、シニアエンジニアが異なる高度で動作することに同意する場合に限ります。この移行では、蓄積されたスキルよりも適応性が重要です。

CREAOは、モノレポ、自動CI/CDパイプライン、AIレビューシステム、CloudWatch、Sentry、Linear、Claudeなどのツールを統合する自己修復ループを備えたインフラストラクチャを再構築しました。ソフトウェアシステムが主に自己維持および自己修復される将来に近づいているのでしょうか？

私たちは現在、プロダクションで自己修復ループを実行しています。実際に何をしているかを説明します。

毎朝9:00 UTCに、自動ヘルスワークフローが実行されます。Claude SonnetはCloudWatchを照会し、サービス全体のエラーパターンを分析し、チームにエグゼクティブヘルスサマリーを提供します。誰も求めていません。1時間後、トライエージュエンジンはCloudWatchとSentryからのプロダクションエラーをクラスタ化し、9つの重大性次元 — ユーザーへの影響、速度、爆発半径、ビジネスクリティカル性、他5つ — に渡ってスコアリングし、Linearにサンプルログ、影響を受けるエンドポイント、推奨される調査パスを含む調査チケットを自動生成します。

エンジニアが修正をプッシュすると、同じパイプラインがそれを処理します。3つのClaudeレビューパスがPRを評価します — コード品質、セキュリティ、依存関係スキャニング。CIは6段階のパイプラインを介して検証します。デプロイ後に、トライエージュエンジンが再度チェックします。もしあなたが元のエラーが解決された場合、チケットは自動的に閉じられます。

その上に、私たちはエージェントハーネスを構築しました。3人の評価者パネル — 1人のAnthropic評価者、1人のOpenAI評価者、1人のGoogle評価者 — は、すべてのライブエージェントレスポンスにスコアを付けます。スコアが低下すると、6つのエンジニアリングジョブパイプラインが低いスコアをLinearチケット、下書きPR、検証済み修正に変換します。メジャーな変更の場合、AIゲート化グレイルールアウトは10%のトラフィックを新しいバリアントにルーティングし、スコアが保持される場合にのみ20%、50%、100%に昇格します。

私たちにはQAチームはありません。私たちにはステージング環境はありません。誰も手でトランスクリプトを読んでエージェントの返答にスコアを付けません。

私たちが近づいているのでしょうか？多くの人よりも近いと思います。制約されたドメイン — 既知のエラーパターン、リグレッション、構成ドリフト — の場合。私は、70〜80%のプロダクションメンテナンスが、適切なインフラストラクチャがある場合、このように実行できるだろうと考えています。人間がまだ必要な部分は、エージェントがミスった可能性のあるアーキテクチャ自体が間違っている可能性のある、曖昧な障害です。あるいは、システムにエンコードされていないビジネス上の決定を理解する必要があります。

実用的には、部分的な自己修復はチームのダイナミクスを劇的に変えます。

あなたは、AIエージェントが大規模な運用チームを置き換えることができる「1人会社」が一般的になる可能性があると述べています。どのような種類の会社や業界が最初にこの変化を感じるでしょうか？

運用オーバーヘッドと核心的な価値創出の比率が最も高い会社です。

私は、1人会社が一般的になることを信じています。1人のアーキテクトとエージェントが100人の仕事をすることができる場合、多くの会社は2人目に従業員を雇用する必要はないでしょう。モデル能力は、この変化を推進する時計です。CREAOでの全ての変化は、最後の2ヶ月に帰属します。Opus 4.5は、Opus 4.6ができることをできませんでした。次世代のモデルは、さらに加速します。

変化は最初に、仕事がデジタルで、繰り返しで、フィードバックループが明確なところに来ます。コンテンツ制作、마케팅オペレーション、電子商取引、開発者ツール、デジタルエージェンシーです。ビジネスが基本的に情報を取得し、変換し、配布することについてである場合、ハーネスシステムはそのループのほとんどを処理できます。

私たちは、自分のプラットフォームでそれを見ています。私たちは、具体的なユースケースを説明しています。ソロの創設者がGitHub、Sentry、CloudWatchを接続します。システムはエラーログ、デプロイ頻度、インフラのヘルスを監査します。監査から、バグトライエージュエージェント、機能発見エージェント、コンテンツ生成パイプライン、インフラ最適化ループを構築します。各エージェントは実行され、出力を生成し、状態を変更します。次のサイクルで、監査は異なる絵を見ます。システムが新しいソリューションを見つけました。創設者はそれらを計画しませんでした。

CREAOでは、自分たちの運用をこのように実行しています。1つのエージェントが3人のSEOワークフローを一晩で置き換えました。別のエージェントは、2日間コンテンツパイプラインを実行しましたが、誰も出力を確認しませんでした。出力はガベージでしたし、殺しました。両方が同じ週に起こりました。私たちは、仕事の将来のクラッシュテストダミーと呼んでいます。

最後に感じる業界：ヘルスケア、重工業、法律 — 仕事が物理的であるか、厳しく規制されているか、または毎回人間の判断が必要である場所です。しかし、そこでも、管理層は圧縮されます。

CREAOは最近、Prosperity7 Venturesのリードで1,000万ドルの資金を調達しました。資金調達そのもの以外に、このパートナーシップは、エンタープライズに焦点を当てた自律的なAIエージェントの開発において、会社にどのような戦略的機会を提供しますか？

Prosperity7は、30億ドルの多様なファンドを管理し、シリコンバレー、ミドルイースト、アジアで運営しています。彼らは、Arcee AI、Spirit AIなどのエンタープライズAIインフラストラクチャに焦点を当てたポートフォリオを構築しています。戦略的なフィットは、資本を超えています。

彼らのテーゼは私たちのものと一致しています。Raed Twaily、エグゼクティブマネージングディレクターは、公開で次のように述べています。「AIの採用が成熟するにつれて、モデルから実行への焦点が移ります。Creao AIは、エージェントが自律的に、信頼性があり、継続的に動作することを可能にするインフラストラクチャレイヤーを構築しています。」これは、私たちが信じていることです。AIエージェント市場は、2030年までに520億ドルに達すると予測されています。実際の価値を獲得する会社は、最も優れたモデルのものではありません。実行レイヤーが最も優れたものである会社です。

実際には、1,000万ドル — 1年以内に3ラウンドで2,500万ドルに達する — が3つのことを加速します。最初に、エンジニアリングの深さ。エンタープライズグレードの統合とエージェント間のコラボレーションを扱うチームを拡大しています。自己修復ハーネス、3人の評価者パネル、AIゲート化ロールアウトシステム — これらはすべて、25人のチームではなく、エンタープライズスケールで動作する必要があります。2番目に、地理的なリーチ。Prosperity7のミドルイーストとアジアでの存在は、シリコンバレーの人々が実現していないAIの採用が加速している市場を開きます。3番目に、機関の信頼性。エンタープライズが、継続的に運用を実行するエージェントを信頼するように求めている場合、バックアップは重要です。

私たちは、1年以内に3ラウンドで2,500万ドルを調達しました。有料マーケティングはゼロです。200,000人のユーザーがオーガニック採用を通じて到着しました。スピードは、市場が実行レイヤーが次の戦いの場であると確信していることを反映しています。

今後、CREAOの成功とは何ですか？長期的なビジョンは、より優れたAIエージェントを構築することですか、それとも最終的には、会社自体の構造と運用を再定義することですか？

両方です。それらは切り離せません。

近期的には、成功は閉じたループモデルがスケールで機能することを証明することです。私たちには、2025年9月の立ち上げ以来、有機的採用で200,000人のユーザーがいます。私たちは毎日3〜8回プロダクションに出荷します。私たちは、ハーネスで自分のエンジニアリング、 マーケティング、運用を実行します。次のステップは、すべての規模のビジネスが同じように実行できることを示すことです。

しかし、より優れたエージェントは最終目標ではありません。最終目標はハーネス — エージェントの周りのシステムです。

エージェントはツールです。ハーネスシステムはフライホイールです。実行するほど、より紧密になります。データをより多く見るほど、監査がより良くなります。監査がより良くなると、ソリューションがより鋭くなります。ソリューションがより鋭くなると、エージェントがより影響力があります。エージェントがより影響力があるほど、データがより多く変化します。ループは続きます。

20世紀の会社のモデルは、部門に組織化された人間の階層です。各部門にはマネージャーがいます。各部門には、人間のスループットに設計されたプロセスがあります。エージェントがほとんどの運用作業を信頼性高く実行できる場合、そのモデルはただ効率的になるだけでなく、不要になるようになります。

誰もが、AIが生産性の爆発を約束していることを知っています。しかし、業界は2つのトラップに陥っています。人間がAIツールをステップバイステップで操作する場合、生産性は天井に当たります。人間がツールを構築する唯一の存在である場合、革命は始まっていません。私たちは、AIがツールを構築し、実行するシステムを構築しています。

私は、ほとんどの創設者が従来のやり方で運営しているのを見ています。何人かは移行について考えています。非常に少数が実際にそれを行っています。ツールは、どのチームでもこれを行うためにあります。私たちのスタックの中には、独自のものは何もありません。競争上の優位性は、これらのツールの周りにすべてを再設計する決定であり、コストを吸収する意欲です。

私たちはエージェントプラットフォームを構築しました。エージェントがそれを再構築しました。これが設計原則です。ハーネスは、日々、緊密になります。

素晴らしいインタビュー、ありがとうございます。読者がもっと学びたい場合は、CREAOを訪けてください。