矛盾した現象に気づきましたか？AIの成功事例が溢れ、資金調達の発表が至る所で行われ、AI製品が日々リリースされています。その一方で、企業が直面する深刻な問題があります。IBMの調査によると、AIソリューションの75%が期待されたROI（投資収益率）を達成できていません。さらにMITのレポートでは、AIプロジェクトの95%は測定可能なリターンが得られていないという、さらに深刻な状況が報告されています。一体何がこの大きなギャップを生み出しているのでしょうか？魅力的に見えるAI技術が、なぜこれほど実装が難しいのでしょうか？
数日前、ベンが2026年のAIビジネスモデルについて詳細な分析を共有した動画を視聴しました。ベンは2年以上AIエージェンシーとAIソフトウェア事業を運営しており、彼の見解は私に深く共感を呼びました。彼は多くの人が見落としている現実を指摘しました。真に収益を上げ、顧客に真の価値をもたらすAIビジネスは、往々にして最もクールな純粋な製品を提供する企業ではなく、一見「退屈」に見えながらも、サービスと製品の組み合わせを提供する企業であるということです。この視点は、AI起業家精神に対する私の認識を完全に覆しました。
なぜほとんどの AI ソリューションは失敗するのでしょうか?
動画の中で、ベンは衝撃的なデータ比較を引用しました。ChatGPTの利用が急速に拡大し、企業が様々なAIソリューションを必死に試している一方で、実際に商業的価値を見出している企業はごくわずかです。MITの調査によると、ベンダーが販売するAIソリューションのパイロットプロジェクトのうち、最終的に本番環境に到達するのはわずか5%です。デロイトの調査によると、AIによる測定可能なROI（投資収益率）が顕著であると報告した企業はわずか15%でした。PwCのレポートによると、企業の76%がまだ利益への影響を感じていないことが示されています。これらの数字は実に驚くべきものです。
しかし同時に、全く逆の例も見られます。Claraは、AIアシスタントによって顧客満足度を低下させることなくカスタマーサービスコストを40%削減できたと報告しています。Intercomは毎週100万件以上のカスタマーサポートの問い合わせを解決しています。FreshworkはAIを活用して、ITヘルプデスクのチケット解決時間を76%短縮しました。なぜ、AIからこれほど驚異的な成果を上げている企業がある一方で、全く成果を上げていない企業もあるのでしょうか？
ベンは3つの重要な要素をまとめましたが、非常に示唆に富んでいると思います。1つ目はカスタマイズとプロセスリエンジニアリングです。AIは労働力を自動化できますが、ROI（投資収益率）を生み出すのは、単にツールスタックに別のツールを追加するのではなく、実際のワークフローに真に組み込まれた場合のみです。つまり、既存のプロセスに対して、ある程度のカスタマイズ、統合、あるいは再設計が必要になることがよくあります。労働力は、企業固有のデータ、エッジケース、ツール、そして「何が良いか」の定義と密接に結びついています。マッキンゼーの調査はこれを裏付けており、テストされた25の属性のうち、AI向けにワークフローを再設計およびカスタマイズすることが、組織が生成AIソリューションから実際のEBIT（利払い前税引前利益）への影響を享受できるかどうかに最も大きな影響を与えたことがわかりました。
よく分かります。多くの企業は、AIツールを購入すればExcelプログラムを購入するのと同じようにすぐに成果が得られると考えています。しかし、AIはそうではありません。企業ごとにデータ構造、業務プロセス、そして品質の定義が異なります。深いカスタマイズがなければ、AIは企業の状況を理解していない新入社員のように、仕事を遂行することができません。だからこそ、既成概念にとらわれないAI製品では期待に応えられないことが多く、深くカスタマイズされたソリューションこそが真の価値を生み出すのです。
2つ目の要因は、チームのトレーニングと意識改革です。ベンは、AIは新しい技術であり、従来のソフトウェアは決定論的であるのに対し、AIソフトウェアは確率論的であると強調しています。AIソフトウェアの出力を盲目的に信頼するのではなく、批判的に評価する方法を改めて学ぶ必要があります。多くの人は、この新しい技術の本質を理解するのではなく、1つの誤った出力を見て、AIソリューションが未熟であると結論付けてしまいます。チームがAIソフトウェアの使い方、その出力の評価方法、検証のタイミング、そして良い結果とは何かを学ばなければ、社内でのAI導入率は急落することがよくあります。
ベンは良い例を挙げてくれました。彼らのAI SEOソフトウェアは製品化されたソリューションでしたが、システム自体の使い方とAIとの連携方法についてチームにトレーニングを行わなければ、適切に導入することはできませんでした。これは多くの人が見落としている真実を明らかにするため、特に重要だと思います。AIは魔法ではなく、人間がAIと連携する方法を学ぶ必要があるのです。ユーザーがコマンドラインインターフェースからグラフィカルインターフェースに移行したときと同じように、新しいインタラクション方法を習得する必要がありました。そして今、従来のソフトウェアからAIソフトウェアに移行するときにも、同じような学習曲線が必要です。
3つ目の要素は、継続的な運用と人間による監視です。AIソリューションは、生産性向上ツールというだけでなく、成果を約束することが多いため、システムの運用に責任を持ち、それを所有する人が必要になります。仕事やビジネスは変化し、AIは急速に進化します。これらの要因すべてから、品質を監視し、人間が関与するプロセスに参加し、エッジケースに対処し、ガードレールを強化し、キューワードとロジックを更新し、ビジネスとの整合性を全体的に維持する人が必要になることがよくあります。
ベンはAIを、一度設定して放っておいても問題ないソフトウェアではなく、成果を出すために実践的な指導とメンタリングを必要とする優秀なインターンに例えています。私もこの比喩に完全に同意します。多くの企業は、AIが従来のSaaS（Software as a Service）のように導入後に自動的に実行されることを期待しています。しかし、AIは従業員の雇用に似ており、継続的な管理、フィードバック、そして調整が必要です。ガードナーの調査もこれを裏付けており、AIシステムを定期的に評価・最適化することで、高い価値を得られる可能性が3倍に高まることを示しています。
成功している AI ビジネスは何をしているのでしょうか?
では、成功しているAIビジネスは、これらの要素をどのように満たしているのでしょうか？ベンの答えはシンプルですが、非常に重要です。それは、AIソリューションやソフトウェアの上にサービスレイヤーを追加することです。これが、一見「退屈」に見えても非常に効果的なビジネスモデルの核心です。AIネイティブソフトウェアを活用する企業など、様々なタイプのAIビジネスが成功しており、コンサルティング、教育、そしてカスタマイズされた実装を組み合わせたサービスを提供するケースが増えています。
ベンは、いくつかの主要なビジネスモデルについて詳細な分析を提供しています。まず、AIスタートアップやAIソフトウェア企業におけるコンサルティング部門の存在感の高まりです。フォワードデプロイドエンジニア、つまりソリューションエンジニアは、AIスタートアップにおいて現在、最も需要が高く、最も評価の高いポジションの一つです。Yコンビネーター傘下のスタートアップ企業数十社が、これらのフォワードデプロイドエンジニアを通じて、導入を確実に実現するためのサービスを提供しています。ソリューションに応じて、これらのエンジニアは、製品を継続的に最適化し、それぞれのビジネスに統合する支援を行います。コンサルティングを提供して企業のプロセスの優先順位付けや再構築を支援することもあれば、AIとの連携方法やツールの効果的な活用方法についてチームを教育・トレーニングすることもあります。
ベンが言及したYコンビネーター傘下の企業、Harvey AI、Strata AI、Sakana、Collectwise、Furaiなどを調べてみましたが、いずれもこうした職種の採用を活発に行っています。n8n、Relevance AI、Make.comといった大企業でさえ、通常、大規模クライアント向けのサービス部門と、小規模クライアントにサービスを提供できるパートナーネットワークを持っています。n8nの成功は、YouTubeブロガーが多くのビジネスオーナーにこれらのツールの実際の使い方を指導したことによるところが大きいと言えるでしょう。このことから何がわかるでしょうか？それは、最高の製品であっても、真の価値を提供するには、教育とサービスの層が必要であるということです。
ソフトウェアの種類によって、カスタマイズサービスに重点を置くもの、トレーニングとエンパワーメントに重点を置くもの、コンサルティングに重点を置くものがあります。これら3つ全てを融合させる場合もありますが、AIネイティブソフトウェアビジネスのほぼすべてにおいて、このサービスレイヤーは企業に真のROIをもたらすために不可欠な要素となっています。これは、私のこれまでのソフトウェアビジネスに対する認識を完全に覆すものでした。従来のSaaS時代において、最も成功したビジネスモデルは、完全にセルフサービスでスケーラブルな製品でした。しかし、AI時代においては、最高の製品であってもサービスレイヤーによるサポートが不可欠です。
2つ目のビジネスモデルは、マーケティングエージェンシーやリードジェネレーションエージェンシーなどのAIファーストサービスエージェンシーで、社内プロセスでAIを多用し、クライアントに提供するサービスを自動化しています。ベン氏は、AIファーストのリードジェネレーションエージェンシーであるCalled IQについて言及しました。同社はAIを活用してコンテンツ作成、メール、LinkedInでのアウトリーチプロセスを自動化し、アカウントマネージャーやGTMエンジニア（市場参入エンジニア）を通じてこれらのサービスを提供しています。これらのエージェンシーは、自らがAIオペレーターであるという強みがあります。そのため、通常、クライアントチームにAIソフトウェアの使い方をトレーニングする必要はありません。しかし、これは本質的にサービスビジネスであり、コンサルティングやカスタマイズされた戦略を提供することが一般的です。これらのアカウントマネージャーは、ますます技術的に熟練する必要に迫られています。そのため、AI GTMエンジニアは、需要の高い新しいポジションとなっています。
このモデルは特に巧妙だと思います。クライアントに働き方を変えるよう説得するのではなく、直接的に成果をもたらします。クライアントはAIの使い方を学ぶ必要はなく、より良いマーケティング成果やより多くの潜在顧客を獲得するだけで十分です。このモデルは、AIの複雑さをサービスの背後に完全に隠蔽します。クライアントはツールではなく、結果を購入しているのです。これはまた、多くの従来型サービス企業がAI導入によって利益率を大幅に向上させてきた理由も説明しています。なぜなら、サービス提供コストは削減されているにもかかわらず、クライアントが支払う価格はそれに応じて下がっていないからです。
3つ目のタイプはAI自動化エージェンシーです。これは、企業にとって最も高いROIと最大の牽引力を提供します。これらのエージェンシーは、構築に特化するのではなく、AIパートナーとして、AI監査によるコンサルティング、カスタマイズされた実装、そして企業がこれらのシステムを効果的に活用する方法を指導するためのチームトレーニングなど、包括的なサービスレイヤーを提供します。これらのエージェンシーにおいて非常に重要な役割を担うのは、ビジネス理解、AIの専門知識、そしてコミュニケーションスキルを兼ね備えたデリバリーマネージャーです。彼らは継続的なコンサルティング、プロセスのリファクタリング、非効率性の特定、チームのトレーニング、そしてAIオペレーターの配置などを行うことができます。
ベンは非常に洞察に富んだ経験を共有してくれました。彼が代理店を設立した当初は、実装に重点を置いていましたが、その結果、企業にAIソリューションが活用・導入されることが少なかったのです。その後、戦略、教育、実装を組み合わせたアプローチを採用し、デリバリーマネージャーを導入しました。それ以来、企業の導入率とROIは大幅に向上しています。この変化は極めて重要であり、テクノロジーの実装は成功のほんの一部に過ぎないことを示しています。真の価値は、ソリューションが正しく活用され、成果を上げることにあるのです。
4つ目の高価値職は、AIオフィサーまたはフラクショナルAIオフィサーです。彼らはビジネス感覚とAI技術の理解を組み合わせた包括的なスキルセットを有し、AI時代における企業の変革を支援するための一貫したサービスパッケージを提供することができます。ベン氏によると、この職種にはフラクショナルAIオフィサーやAIトランスフォーメーションオフィサーなど様々な名称がありますが、最終的には、AIソリューションから企業に真のROIをもたらすことができる、特に価値の高いスキルセットを持つ人材を指します。
製品とサービスの境界が曖昧になっています。
ベンの指摘の中で特に印象に残ったのは、Claude Codeを使えば数時間で優れたソフトウェアを構築できるようになったとはいえ、AI製品ビジネスを構築しようとすると、ほとんどの場合（常にではないにせよ、ほとんどの場合）、サービス提供に多額の投資が必要になるという点です。多くの人は製品とサービスを白黒はっきり分けて捉えがちですが、ベンはAI分野ではむしろスペクトルのようなものだと考えています。完全にセルフサービス型のAI SaaSもあれば、AIトランスフォーメーション・エージェンシーのように完全にカスタマイズされたものもあるのです。
彼の指摘に完全に同意します。ベンの主張は、2026年にAIビジネスを立ち上げようとするほとんどの企業は、ビジネスモデルに関わらず、何らかのサービスレイヤーを追加する必要があるということです。たとえ完全にセルフサービス型の製品であっても、教育やオンボーディングトレーニングに多額の投資が必要になるでしょう。Claude Codeのようなツールのおかげで、製品開発はますます民主化されています。SaaS時代は製品開発が困難でしたが、今やAI SaaSを成功させるには、コードよりもAIの導入能力が重要になります。
この洞察は深い意味を持っています。これは、技術的な参入障壁は低下している一方で、サービス障壁は高まっていることを意味します。かつては、コードを書くのが難しかったため、コードが書けるだけで大きな価値を生み出すことができました。しかし今では、単にコードが書けるだけでは十分ではありません。AIが代わりにコードを書いてくれるからです。真の価値をもたらすのは、顧客のニーズを理解し、適切なソリューションを設計し、それらが適切に導入・利用されることを確実にすることです。これらには、技術的なスキルだけでなく、深いサービス能力が求められます。
ベン氏によると、多くの人がAI製品を開発し、それを効率化して何千人もの人に販売することを夢見ているそうです。しかし、長年の起業経験、ベンチャーキャピタルとのつながり、シリコンバレーのネットワークを持たないほとんどの人にとって、サービス提供は最終的な目標ではないとしても、今日真のROIを実現するための最速の道筋であるというのが現実です。そして、サービスは製品化のための最適な手段でもあります。異なるクライアント間で同じパターンが繰り返される場合（類似したワークフローの調整、類似した統合、類似したトレーニングの問題、そして繰り返し発生するROIなど）、これらは繰り返して製品化すべきだというシグナルとなります。
これが最も重要な点だと思います。優れた製品は通常、仮定ではなく証拠に基づいて生まれます。A16Z（大手VCのAndreessen Horowitz）も、AI時代における製品主導の成長とサービス主導の成長に関する記事を公開しました。彼らも同じ傾向を見ています。最も高いROIを達成し、長期的に最も高い収益を生み出す企業は、サービス指向のAIビジネスを採用している企業です。これは利益率の低下や初期作業の増加を意味するかもしれませんが、通常は製品と市場の適合性（PMF）をはるかに早く見つけられることを意味します。
ベンは自身のAI SEOソフトウェアを例に挙げています。彼らは複数のクライアント向けにカスタマイズされたSEOシステムを構築し、製品に何が必要なのか、何が本当に成果につながるのか、どのような統合が必要なのか、そしてどうすればユーザーに効率的に使ってもらえるのかを理解してきました。このプロセスを通じて、彼らはソリューションを着実に製品化してきました。しかし、100社以上の企業とソフトウェアの協業をしてきた今でも、これらのソリューションから真の成果を得るには、各クライアントへの教育とトレーニングに多大な投資が必要です。
AIビジネスモデルに関する私の考察
ベンのプレゼンテーションを聞いて、AIビジネスの本質をより深く理解することができました。私たちは今、単なる技術革新ではなく、ビジネスモデルの根本的な転換を経験しているのだと思います。従来のソフトウェアの時代では、スケーラビリティが何よりも重要でした。最も成功したソフトウェア企業は、最も低い限界費用で、より多くの顧客にサービスを提供できた企業でした。だからこそ、SaaSモデルは人気があるのです。ソフトウェアを開発すれば、1人の顧客にサービスを提供するコストは、1万人の顧客にサービスを提供するコストとほぼ同じになるからです。
しかし、AIは状況を一変させました。AIの価値はソフトウェア自体ではなく、具体的なビジネスシナリオにどのように適用されるかにあります。企業ごとにデータ、プロセス、目標が異なるため、同じAIツールであっても、導入効果や有効性は企業によって大きく異なる可能性があります。だからこそ、カスタマイズとサービスレイヤーが非常に重要になっています。もはや、従来のソフトウェア思考でAIビジネスを考えることは不可能です。
AIビジネスは、コンサルティングとソフトウェアのハイブリッドのようなものだと私は考えています。コンサルティングの顧客洞察力とカスタマイズ能力に加え、ソフトウェアの技術力と拡張性も求められます。純粋な製品提供のみに注力するAI企業は、製品が技術的に高度であるにもかかわらず、顧客が使い方を知らなかったり、既存のプロセスに統合できなかったりして、導入に問題を抱えることがよくあります。一方、純粋なサービス提供のみに注力する企業は、顧客のニーズを満たすことはできますが、拡張性に欠け、利益率も限られてしまいます。
最も成功しているAIビジネスモデルは、この2つの側面のバランスをうまく取っています。ベンが挙げた成功事例――YコンビネーターのAIスタートアップ、AIファーストのサービスプロバイダー、AI自動化エージェンシーなど――にはすべて共通点があります。それは、製品とサービスの組み合わせを提供していることです。製品によってコア機能と拡張性を提供し、サービスによって製品が正しく導入・利用されていることを確認しています。このハイブリッドモデルは短期的には利益率が低いかもしれませんが、顧客に真の価値を提供するため、長期的にはより持続可能なものとなります。
また、興味深い傾向に気づきました。AI時代の高価値ポジションは、マルチスキル化が進んでいます。もはや純粋なエンジニアや純粋なビジネス人材ではなく、テクノロジーとビジネスの両方を理解している人材が求められています。前線に展開するエンジニアは顧客のビジネスプロセスを理解する必要があり、AI GTMエンジニアは技術実装と市場戦略の専門知識の両方を必要とし、デリバリーマネージャーはビジネス感覚、技術力、コミュニケーション能力を必要とし、AIオフィサーには多角的な能力が求められます。これは、AIビジネスの本質的な特徴、すなわちテクノロジーとビジネスの深い融合を反映しています。
起業家の観点から見ると、ベンのアドバイスは非常に現実的だと思います。AI分野に参入したい人は、スケーラブルな製品を作ることから始めてはいけません。まずはサービスを提供することから始め、そのサービスを通して顧客のニーズを深く理解し、経験を積み、再現可能なパターンを発見してください。10人の顧客に対して同じ問題を解決すれば、何を製品化する価値があるのかがわかるでしょう。このサービスから製品へと至る道は「退屈」に見えるかもしれませんが、最も安定的で成功につながる可能性が高いのです。
AI時代に従来の製品思考が失敗した理由についても考えてきました。根本的な理由は、AIの確率論的な性質にあると考えています。従来のソフトウェアは決定論的であり、同じ入力を与えれば常に同じ出力を生成します。しかしAIは確率論的です。同じ入力でも異なる出力が生成され、出力の品質はトレーニングデータ、プロンプト、コンテキストなど、多くの要因に依存します。この不確実性により、AIは従来のソフトウェアのように「設定して放っておく」ことはできず、継続的な監視、調整、最適化が必要になります。
これが、サービス層がなぜそれほど重要なのかを説明しています。サービス層は、技術サポートだけでなく、継続的な最適化と改良のプロセスも提供します。ベンが言ったように、AIは自動化されたツールというより、賢いインターンのようなものです。AIにフィードバックを与え、動作を調整し、エラーに対処し、新しいスキルを教える必要があります。このプロセスは一度きりのイベントではなく、継続的なものです。だからこそ、製品を販売するだけでサービスを提供しないAI企業は成功しにくいのです。継続的な最適化の責任を顧客に押し付けているからです。そして、ほとんどの顧客には、この責任を引き受ける能力や意欲が欠けているのです。
今後の展望と提案
ベンの分析と私自身の考察に基づき、AIビジネスの将来についていくつかの予測を立てています。短期的（今後2～3年）には、サービス指向のAIビジネスモデルが引き続き主流となるでしょう。テクノロジーは依然として急速に進化しており、企業ごとにニーズは異なり、標準化はまだ確立されていません。この段階では、きめ細かなカスタマイズと継続的なサポートを提供できる企業が最大の価値を獲得できるでしょう。
中期的（3～5年）には、いくつかの成功モデルが製品化され始めるでしょう。サービスプロセス中に再現可能なパターンを発見した企業は、これらのパターンを製品機能として定着させ始めるでしょう。しかし、この段階でも、完全にセルフサービス型のAI製品は依然として少数派であり、成功しているAI企業のほとんどは、依然として一部のサービスコンポーネントを維持するでしょう。現在のエンタープライズソフトウェア市場と同様に、Salesforceのように高度に製品化された企業も存在しますが、彼らは依然として大規模な実装パートナーとプロフェッショナルなサービスチームのネットワークを保有しています。
長期的には（5年以上）、AI技術はより成熟し、信頼性が高まり、ユーザーはAIとの連携方法をより深く理解するようになるでしょう。その時点で、より完成度の高い製品化されたAIソリューションが登場するかもしれません。しかし、ビジネスの複雑さと多様性は永遠であり続けるため、サービスレイヤーが完全になくなることはないと考えています。AIがよりインテリジェントになっても、企業は独自のビジネスプロセスにAIを統合するための支援を必要とし続けるでしょう。
AI分野への参入を目指すプロフェッショナルの方々へ、多面的なスキルセットを身につけることをアドバイスします。技術スキルだけ、あるいはビジネス感覚だけを学ぶのではなく、両方を目指しましょう。n8nやMake.comなどのAI自動化ツールを学び、Claude Codeなどのコーディングも学びましょう。同時に、ビジネス感覚を養い、企業の課題を特定し、ソリューションを設計し、顧客と効果的にコミュニケーションをとる方法も学びましょう。この多面的なスキルセットは、将来非常に貴重なものとなるでしょう。
ベンは、専門家は徐々に社内でAIオペレーター、あるいはAI担当者としての地位を確立していくべきだと提案しています。まずは自社のプロセスの一部を自動化することから始め、その後は業務の他のプロセスにも展開し、AIの活用方法を他の従業員に示し、トレーニングを行っていくのです。こうすることで、現在の会社でなくてはならない存在になるだけでなく、AI時代に求められる貴重なスキルセットを身に付けることができます。私はこのアドバイスに強く賛同します。AIは人間に取って代わるものではなく、AIの使い方を知っている人が、知らない人に取って代わるからです。
起業を目指す方には、ベンはAIエージェンシーやフラクショナルAIオフィサーから始めることを勧めています。これにより、コンサルティング、実装、トレーニングという3つの重要なスキルが自然と身につきます。ツールは数週間で習得できますが、これらのスキルを習得するには実務経験が必要です。さらに、多くの企業はAIのトレンドに遅れをとっています。もしあなたが数週間先を進んでいれば、彼らはあなたと長期的な協力関係を築こうとしてくれるでしょう。通常、2～4社のクライアントがあれば、毎月1万ドルから2万ドルの継続的な収益を生み出すのに十分です。
すでにAIエージェンシーを運営しているなら、ベンはサービスポートフォリオ（コンサルティング、トレーニング、そして実装）に真剣に投資することを提案しています。多くのエージェンシーは実装のみに注力していますが、AI監査、ワークショップ、トレーニングセッションなどを通してコンサルティングとトレーニングの要素を加えることが、ソリューションのROIを向上させる鍵となります。そして、これらのクライアントとの長期契約締結は、このビジネスモデルにおいて継続的な収益確保に不可欠な要素となります。
マーケティングやリードジェネレーションなどの既存のサービスエージェンシー、あるいはこれらの分野で経験をお持ちであれば、非常に有利な立場にあります。外部の誇大宣伝に惑わされず、AIエージェンシーへの移行やAI製品ビジネスの立ち上げを躊躇しないでください。AIを社内で活用し、企業にマーケティングやリードジェネレーションサービスを提供できれば、非常に優れた高収益ビジネスを構築できます。重要なのは、AIはビジネスモデルを完全に変革するのではなく、サービス提供コストを大幅に削減できるということを認識することです。
AI製品ビジネスで軌道に乗るのに苦労しているなら、ベンは製品化を本格的に始める前に、数か月から数年かけてサービス層に多額の投資を真剣に検討することを提案しています。多くのAIスタートアップが失敗するのは、製品の質が悪いからではなく、スケールアウトを急ぎすぎてサービスの重要性を軽視しているからです。ですから、このアドバイスは特に重要です。まずはサービスを通じて価値を証明し、製品と市場の適合性（PMF）を見出し、それからスケールアウトを検討しましょう。
最後に、2026年にはAI分野に真の専門家は存在しないということをお伝えしたいと思います。誰もが学び、探求しています。これは挑戦であると同時にチャンスでもあります。深く学び、実践し、共有する意欲のある人には、この分野のパイオニアとなるチャンスがあります。ベンが言ったように、この大きな導入ギャップを活かして、今すぐAI分野に飛び込んでください。すべてが成熟するまで待つべきではありません。そうなると、チャンスの窓は閉ざされてしまいます。
今後数年間は、AIビジネスモデルの形成にとって極めて重要な時期になると考えています。製品とサービスの最適なバランスを見つけ、技術の誇大宣伝を追うのではなく、真に顧客に価値を提供し、多角的な能力を持つチームを育成する企業が、この時代の勝者となるでしょう。そして、一見「退屈」に見えるサービス＋製品のハイブリッドモデルこそが、最も持続可能で価値のあるAIビジネスモデルとなる可能性を秘めています。
