AI開発も「Ops」が本質——アルゴリズム自動化時代にエンジニアが問われること
ChatGPTの登場以降、「AIを作る」ことのボトルネックは根本から変わった。アイシア=ソリッド氏の指摘はその変化を鮮明に言語化している。
出典: 「AI作りもOpsが本質？」データサイエンティスト協会委員・アイシア=ソリッド氏が語るAI開発の未来
要点 (事実のみ)
- アイシア=ソリッド氏はデータサイエンティスト協会のスキルチェックリスト改定に携わった経歴を持つバーチャルデータサイエンティスト
- 2021年に「スケーリング則（Scaling Law）」が論文レベルで提唱され、計算資源を投入すればAIが賢くなることが明らかになった
- RAGの普及などにより、情報処理における技術的ボトルネックは次々と突破されてきていると同氏は述べている
- AIの本質を「計算機とアルゴリズムとデータの組み合わせ」と整理し、現代ではアルゴリズムを作るコストがAI自身の力でほぼゼロに近づいていると指摘
- その結果「計算機をいかに使いこなすか」にシフトし、インフラからアプリケーションまで扱うデベロッパーがAI開発の主役になるという見方を示した
徐 聖博の見解
私はこの整理に、実務の感覚としてかなり同意する。Indeed Japanで機械学習モデルの運用・監視に関わり、現在はAIエージェントのPoC案件を複数進めているが、「モデルを作ること」よりも「動かし続けること」のほうがはるかにコストがかかると実感している。
アイシア氏が「AI作りもOpsが本質」と言う核心はここだ。プロトタイプはLLM APIを繋げば数時間で動く。問題はそこから先で、AIの挙動を継続的に評価し、品質を担保し続ける仕組みを作れるかどうかが、プロダクションに乗るかどうかの分水嶺になる。「エンジニアの勘で修正し続ける」アプローチは短命に終わるという指摘は、ソフトウェア開発でCI/CDが当たり前になった経緯と本質的に同じ話だと思う。
一点だけ補足しておきたいのは、「アルゴリズムコストがゼロ」は大きいプレイヤーには真だが、中小企業がAIを「発注」する文脈では別の問題がある。何を評価指標にするか、どのデータを使うか、運用体制を誰が持つか——これらは依然として発注側と開発側が一緒に設計しなければならない部分であり、「LLMに繋げば解決」という誤解が現場ではまだ根強い。エンジニアが主役になった分、その誤解を解く責任もエンジニア側に移ってきたと私は見ている。
(編集レンズ: 実装・運用視点 / 発注側・中小企業への含意)
