連載02では、AIの地図を描き、なぜ間違えるか、4つの誤解を見てきました。ここまでは主に「AIの限界」の話でした。最後にもう一方の問い——「では、なぜここまで使えるのか」に答えます。AIがどう賢くなり、なぜ”今”急に実用になったのか。仕組みが分かると、様子見でなく「使いながら伸びに乗る」判断ができます。
- AIの賢さは「3段階の重ね塗り」で作られる。”知識”と”従順さ”は別の工程
- “今”の爆発は、2017年のTransformerと「規模を増やすほど賢くなる」法則に支えられている
- 生成AIは文章を超え画像・音声・動画へ。有用性は対照実験で実証され、しかも現場の下位層ほど効く
どう賢くなるか：AIは「3段階の重ね塗り」で作られる
ChatGPTのようなAIは、一発で出来上がるのではありません。3段階の工程で作られます。元Tesla AI責任者のアンドレイ・カルパシーは、最後の段階をこう位置づけます。
RLHF（人間のフィードバックによる強化学習）は、事前学習・教師あり微調整に続く、LLM訓練の3番目で最後の段階だ。
（Andrej Karpathy, 2024）
- 事前学習 大量のテキストで、言葉そのもの（世界の知識）を覚える。AIの”素材”を仕込む段階。
- 教師あり微調整 人間が書いたお手本を見せ、「質問にはこう答える」という素直さを教える。
- RLHF（人間フィードバックによる強化学習） 複数の回答に人間が順位をつけ、それを報酬にして「人が好む答え」に仕上げる。
つまり「素材を覚える → 人好みに整える」という二段構え。ここから重要な事実が出ます。OpenAIの実験では、人間の好みで整えた13億パラメータのモデルの回答が、100倍大きい1750億のGPT-3より好まれたのです。
知識（賢さ）と、指示への従順さ（使いやすさ）は、別の工程で作られている。だから「最大・最高価格のモデル」を追わなくても、よく整えられた小さめのモデルが実務では十分に働きます。ベンダー選びでは「土台の知識量」と「指示への素直さ」を分けて評価できます。
なぜ今か：2017年の設計変更と「規模の法則」
AIブームは一過性の流行でしょうか。違います。明確な技術的土台があります。出発点は2017年のTransformerという設計。Googleの研究者たちはこう書きました。
我々は、再帰も畳み込みも完全に捨て、アテンション機構だけに基づく新しい単純な構造「Transformer」を提案する。（…）並列化しやすく、訓練時間も大幅に短い。
（Vaswani et al.「Attention Is All You Need」2017）
並列化できる＝GPUを大量投入して桁違いの規模で学習できる、ということ。この土台の上で、もう一つの発見が”今”を作りました。スケーリング則——モデル・データ・計算を増やすほど、賢さが予測可能に改善するという法則です。性能向上が読めるようになったから、巨額投資は博打でなく工学になりました。
AI研究70年から読み取れる最大の教訓は、計算資源を活用する汎用的な手法こそが、最終的に、しかも圧倒的な差で、最も有効だということだ。
— リチャード・サットン（2024年チューリング賞）”The biggest lesson that can be read from 70 years of AI research is that general methods that leverage computation are ultimately the most effective, and by a large margin.” 「The Bitter Lesson」(2019) よりさらに規模は、量だけでなく質的な飛躍も生みました。ある大きさを境に、小さいモデルには無かった能力が突然立ち上がる（創発）。そしてGPT-3は、追加学習ゼロで、プロンプトに数例見せるだけで新しい作業をこなしました（文脈内学習・few-shot）。人が数例で仕事を覚えるのと同じ振る舞いです。
この「数例見せれば適応する」性質こそ、中小企業に最も効く強みです。自社専用のモデル開発も、大量の教師データも要りません。「こういう議事録を、こう要約して」と数例見せれば、現場の人がその場で業務に合わせられる。導入の壁が劇的に低い理由がここにあります。
どこまで使えるか：マルチモーダルと、実証された効果
生成AIは「書く」だけではありません。見て・聞いて・描いて・話すへ連続的に広がりました（マルチモーダル）。
| 広がり | できること | 中小での使いどころ |
|---|---|---|
| 画像生成 | テキストから画像。文字入りも実用水準に | チラシ・バナー・POPの内製 |
| 画像理解（vision） | 写真・請求書・スクショを読み取り分析 | 写真を撮って渡すだけで処理を依頼 |
| 音声・動画 | 人間並みの速さで応答／短い動画生成 | 接客・問い合わせ・販促素材 |
そして肝心の「本当に効くのか」。これは印象論ではなく、複数の対照実験で実証されています。
- BCG実験（758名）：AI使用群はタスクを25%速く、品質40%高く完了。
- コールセンター（5,179名）：平均14%の生産性向上。ただし新人・低スキル層は34%向上、熟練層はほぼ変化なし。
- GitHub Copilot：同じ課題を55%速く完了（1時間11分 対 2時間41分）。
ここが中小企業にとって最も本質的な発見です。効果は「経験の浅い人ほど大きい」。AIが熟練者の暗黙知を新人へ橋渡しする「平準化装置」として働くからです。「ベテラン一人＋経験の浅い人」で回りがちな中小企業ほど、AIは効く。「大企業のためのもの」という過小評価こそ、最大の機会損失です。
3段構成。①ステップ図「事前学習→教師あり微調整→RLHF（素材を覚える→人好みに整える）」。②因果フロー「2017 Transformer→並列化→規模投資→スケーリング則→創発・few-shot」。③広がりマップ「文章→画像→音声→動画」＋実証数値（25%速・40%品質・新人34%）の帯。
まとめ
- AIの賢さは3段階の重ね塗り。知識と従順さは別工程で、整え方は大きさに勝つことがある。
- “今”の爆発は2017年Transformer＋スケーリング則という構造的土台に支えられ、今後も伸びる前提で設計してよい。
- 生成AIはマルチモーダルへ広がり、効果は対照実験で実証済み。しかも経験の浅い人ほど効く——中小こそ有利。
