経済の冬の後には人工知能の春が来る

企業が選択する経済発展の道は、多くの場合、時代の背景によって決まります。さまざまな経済状況下で適切な経済戦略を選択することは、企業が成長を反転させ、飛躍するための転換点となることがよくあります。

[[333170]]

一般的に、経済が好調なときは、企業は全体的な発展のスピードに重点を置きますが、経済が厳しいときは、企業は生産効率、つまり最小限の投入コストで利益を最大化することに重点を置きます。

この発言は決して根拠のない話ではなく、歴史的経験の中にその証拠を見つけることができます。

1980 年代以降、ほぼすべての大規模な経済不況の後、起業家は自社の開発目標をデジタル技術と密接に結び付ける傾向があり、同時にソフトウェア技術の革新にもより注意を払うようになりました。これらはすべて、デジタル技術を使用して、本来の生産性を大幅に低下させることなく反復的な作業を削減し、人的資源コストを節約しようとしています。

現在、新型コロナウイルス感染症のパンデミックによって引き起こされた経済不況は、再びデジタル技術とハイテクの発展にとって最高の機会をもたらしています。

長年のベンチャーキャピタル経験を持つベンチャーキャピタルの専門家マーク・ゴレンバーグ氏は、以前に発表した分析の中で、パンデミックによって引き起こされた経済不況はAIにとって障害にはならず、むしろその発展の促進剤になっていると述べている。疫病流行後の経済回復は人工知能の急速な発展によって推進され、人工知能の応用のさらなる発展を加速するためのより適切な環境となると言える。

経済回復は新興技術の上に成り立つことが多い

全米経済研究所（NBER）の経済学者たちは、あるパターンを発見した。それは、経済が大恐慌からゆっくりと回復するにつれて、広範囲にわたる失業も発生したが、同時に、大恐慌によって人々の仕事の性質の変化、つまり、単純で反復的な仕事から非定型的な仕事への移行が加速したということだ。

実際、既存の作業の多くは自動化によって完了できますが、企業は依然としてデータ分析などの反復性の高いタスクを従業員に割り当てて、数字の判断力を高め、生産効率と品質をさらに向上させています。これにより、生産効率の向上により企業がより高い利益を得られるだけでなく、従業員の労働能力も向上するという好循環が生まれます。

しかし、大恐慌の時期には事態は複雑になりました。失業率が最高レベルに達すると、人々はスキルを向上させるさらなる機会を求めるようになります。そのため、景気回復後も、自動化の度合いは回復前に比べて高まったにもかかわらず、失業率は上昇せず、むしろ史上最低水準まで低下しました。

新型コロナウイルスの流行により、私たちは再び不況と回復のサイクルに陥っています。もちろん、関連業界も、次の経済回復期にAIと機械学習の急速な発展がもたらす産業革新に期待しており、AI起業家にとっても新たな貴重な機会が生まれることになるだろう。

1980 年代初頭の経済不況を振り返ると、その流れにうまく逆らって繁栄した企業は、いずれも経済回復の 10 年間の半ばに新規株式公開 (IPO) を開始しました。Lotus、Microsoft、Oracle、Adobe、Autodesk、Borland などです。

これらのソフトウェアの台頭は、商業企業の歴史においてユニークな転換点となりました。ソフトウェア企業は、総じて設備投資や人件費の要件が非常に低く、同時に、企業の粗利益率は 80% 以上と高くなりました。このユニークな利点により、自らの生存を危険にさらすことなく、驚くべき成長能力を持つことができます。

つまり、ソフトウェア起業家が低賃金を受け入れる意思があれば、外部からの投資を最小限に、あるいは全く受けずに迅速に会社を立ち上げることができる。また、初期の市場で製品が適合するのを見つけることができれば、自力で立ち上がって有機的に成長できる場合が多い。

もちろん、賢明な起業家は不況の「黄金期」を捉えて、新興ソフトウェア企業を発展させるだろう。なぜなら、特別な時期には、優秀な人材は低い賃金を受け入れる傾向があり、それは人件費のさらなる節約を意味するからです。同時に、家賃が安いことで、より快適な空間も提供されます。

最も重要なのは、同じ分野の既存の競合他社は一般的にサービスの維持と既存顧客の維持に重点を置いており、そのため新製品の開発が停止していることです。

大恐慌はビッグデータ時代の発展の礎となることが多い

サブプライム住宅ローン危機が経済全体を低迷させたとき、企業は失いかけていた既存顧客を維持する必要がありました。また、予算が限られているため、コスト削減と生産効率の向上にも努める必要がありましたが、この 2 つの目標はしばしば矛盾します。

ビッグデータの未来という考え方は、非常に根付いており、先見の明のある経営者は、解決策を見つけることができれば、すでにデータの中に解決策があると考えています。しかし同時に、既存のソフトウェア企業は研究開発費を削減し、より新しく機敏な分析企業にとって肥沃な土壌を作り出しました。

2009年、ほとんどのソフトウェア企業は成長しなかったが、ウェブ分析のリーダーであるOmnitureは同年に80%以上成長し、Adobeが19億ドルで同社を買収するに至った。

Tableau は 2003 年に設立されましたが、2008 年の不況まではほとんど成功していませんでした。2008 年から 2010 年にかけて、売上は 1,300 万ドルから 3,400 万ドルに増加しました。偶然にも、Splunk は 900 万ドルから 3,500 万ドルに増加しました。 Ayasdi、Cloudera、Mapr、Datameer はすべて、大不況の真っ只中に立ち上げられました。

もちろん、これらの企業はいずれもデータ サイエンティストなしでは繁栄できません。

1990 年代初頭に大学が大量のソフトウェア開発者の育成を加速させたのと同様に、大不況は再び分析の専門家やデータ サイエンティストの出現を加速させ、経済回復を促し、次の 10 年間の米国経済の拡大、雇用の増加、そして米国史上最長の強気相場の幕開けとなりました。

今度はAIの番

実際、COVID-19パンデミック以前は、多くの経済学者や企業の最高財務責任者は、2020年に景気後退が起こる確率は少なくとも50％であると信じていました。

1年以上前、欧州議会が発行する政策誌も、次の経済不況が人工知能の開発を最高潮に押し上げるだろうと予測していた。同誌はロンドン・スクール・オブ・エコノミクスのミルコ・ドラカ氏の言葉を引用し、「今後10年から15年の間に人工知能とロボット工学に基づく技術が再び急増すると予想している」と伝えた。

単に景気後退を予測する人たちは、それほど悲観的ではないと主張することもできる。多くの企業は、事態の突然性と深刻さに対応するため、前例のないペースで人件費を削減した。回復が始まると、生産を高めるために再び自動化に頼ることになるだろう。

アトランティック・カウンシルは、COVID-19が世界のイノベーションに与える影響について100人以上の技術専門家を対象に調査を行った。結果によると、パンデミックの最中でも、これらの専門家は、今後2～5年でデータと人工知能がバイオメディカルエンジニアリングよりも大きな影響を与えると考えていることが示されています。もちろん、この 2 つは相互に排他的ではなく、互いを促進することさえあります。たとえば、Google の Deepmind テクノロジーは最近、AlphaFold ツールを使用して複雑なタンパク質の折り畳みパターンを予測しましたが、これはワクチン研究に役立ちます。

オンライン小売業者など、自社に生産能力を持たない企業でも、複雑なグローバルサプライチェーンの信頼性を向上させるために AI を活用する予定です。したがって、AI 人材の需要が急増することは避けられません。

2018年には、いくつかの主要大学がAI人材育成の取り組みを発表しました。

MIT は AI に対するこれまでで最大の取り組みとして 10 億ドル規模のコンピューティング スクールの設立を発表しました。カーネギーメロン大学は AI に関する初の学士課程を設立しました。カリフォルニア大学バークレー校は新しいデータ サイエンス部門の設立を発表しました。スタンフォード大学は人間中心の AI イニシアチブを発表しました。

他の何十もの学校もこれに倣った。 30 年前のソフトウェア開発や 10 年前のデータサイエンスと同様に、機械学習も徐々に無名から、あらゆる場所で存在感を示すよく知られた存在へと変化してきました。

2017年にはすでに、複数のベンチャーキャピタルの専門家がAIリスク曲線に関する記事を執筆し、人工知能の応用を妨げているのは技術ではなく、（パフォーマンスがわかっている）従業員をなじみのないソフトウェアプロセスに置き換えることに伴うリスクに対する管理者の認識であると主張しました。

しかし現在、経済の縮小により、経営者はコスト削減を迫られ、新たな技術の導入に伴うリスクに対する許容度が高まっています。今後 1 ～ 2 年で、企業はリスクを負って新しいテクノロジーを自社のインフラストラクチャに統合する意欲が高まるでしょう。

食品および農業分野では、AI は変化する気候を理解し、適応するのに役立ちます。インフラストラクチャとセキュリティの面では、機械学習モデルによりクラウド インフラストラクチャの効率、信頼性、パフォーマンスが向上します。より優れた、より動的なリスクモデルは、企業や金融市場全体が次の危機に備えるのに役立ちます。

これらすべてを達成するには、より優れた開発ツールとインフラストラクチャを作成し、プログラムがデータの品質、セキュリティ、プライバシーを向上させるのを支援するためにシステムと製品を継続的に最適化できる、多数の新しい AI 対応企業が必要になります。