AI Frontier

EP 91

ビジネス視点で見るAI 26年第1四半期アップデート

· ロ・ジョンソク, チェ・スンジュン · 1:16:56
ページ全体

イントロ 00:00

ロ・ジョンソク 00:05 収録している今日は2026年3月21日、 土曜日の朝です。 久しぶりにビジネスの話をしてみようと思います。 これまでは私たちがAI自体に ついての話をたくさんしてきましたが、 その間に積み重なった変化、 そして少し変わったインサイト、こういうものを中心に 一度まとめて話してみようと思っています。 今日はだいたいこのくらいの順序でやろうと思います。 私たちが先週、スンジュンさんと一緒に OpenClawミートアップに行ってきて、 その話を最初のほうで少ししてみようと思います。 そしてAIゲームに対する本質的な見方、 この部分についても一度整理して、 その次に事業的な話、 そして後半ではAX、関心ありますよね みんなAIトランスフォーメーションと読んでいましたが、 私たちの会社もそれなりに会社自体のビジネスを AXしてきたので、 それについての話を 短くしてみる時間にしたいと思います。

OpenClaw Seoulミートアップの感想 00:52

00:56 これ、私たち先週の土曜日の朝に ジヌォンさんと収録したじゃないですか。 ジヌォンさんの収録をして、 その日の午後に私たちScionicのオフィスで OpenClaw Seoulミートアップがあって、行ってお会いしましたよね。 久しぶりにうれしい顔を本当にたくさん見ましたし、 会いたかったこの若くて優秀な方々が そこにみんな集まっていて、一度会える いい場だったと思います。

01:16 Hashedのキム・ソジュン代表も来て発表してくださいましたし、 その次にここにスンジュンさんと私も立っていて、 Oh-My-OpenCodeを作られたヨンギュさん、 その次にミンソクさん、 だいたいイベントの雰囲気はこんな感じでした。

01:31 Scionicの新しいオフィス、 すごくきれいにうまく作ってありました。 それでこの地下の空間を、 セミナー空間、発表空間として作られていたんですが、 私たちも時々お願いして 使えたらよさそうです。

チェ・スンジュン 01:47 面白く見ましたし、 またいい刺激を受けた気がします。

ロ・ジョンソク 01:49 それで発表がすごく多かったんですが、まあ笑って話して 人たちと話しているうちに 私も全部の発表を見たわけではないんですが、 Oh-My-Claude-Code、Oh-My-Codexを作られた ホ・イェチャンさん、ホ・イェチャンさんの発表が すごく面白かったです。 この方がOpenClawでザリガニ家族を作って、 ザリガニ家族をマネジメントして、 実質的にザリガニ家族がその下でOMXだとか OMCだとか、こうしたコーディングハーネスを扱う形で プロジェクトをほぼ進めておられるんですが、 このライフサイクルをどう回しているのかについて 話してくださったんですが、それがすごく面白かったです。

ザリガニ家族とAIハーネスのライフサイクル 01:56

チェ・スンジュン 02:26 ザリガニ鍋、ザリガニの墓を思い出しますね。

ロ・ジョンソク 02:31 発表もすごく面白かったですし、 それからその形式もElevenLabsで ボイスレコーディングして使っていたんですが、 これ、著作権をお持ちの方々なんですが みんな有名な方々なんですよ。 すでに写真も全部知られている方々なんですが、 私はこの方々のことを若い神仙だ、 こういうふうに外では呼んでいるんですが、 方法論がすごく違うんです。 私たちはいつもlearn、unlearnの重要性について 話をしていますが、私もこの方々の話を聞いて その日すごくunlearnする いいきっかけになりました。 方法論がどれも独特なんですが、 ほとんどその背景では私たちが もう一度AIの本質的な意味について 整理しながら話すことになると思いますが、 このトークンをどうもっと効率的に、もっと多く使って これを私たちが直接問題を解くやり方ではなく、 私たちは目標だけ設定すれば AIができるだけすべての問題を解くようにする、 そういう形のこのワークフロー、イェチャンさんも ここでザリガニ家族は役割ではなく 小さなAI会社です、 こう言っていましたが、 ご本人を兄貴と呼んでいて、 この兄貴がリードする このAIハーネスを、メタレイヤーから 下へとどんどんレイヤーを重ねていって、 何かtaskが生じると 下へずっとこう cascadeしながら降りていって仕事が解決され、 全部解決すると上がってきてレポーティングされ、 そしてワークフローが安定した部分は安定化させて 完全に自動でひとりで回るようにして、 こういう部分をすごくうまく作っておられました。 そしてこうやってセットされた方法論が 私が若い神仙たちと呼んでいる この優秀な方々の方法論としてこう定着して、 その基盤の上でいいハーネスが作られていくのを 目撃できたのが面白い点でした。

ChedexとRalph Loop 04:17

04:17 それで私も土曜日に行って帰ってきてから 刺激を受けて、日曜日と月曜日の二日間 一生懸命ハーネスを磨きました。 OpenClawを全部セットアップしてあったものを 全部入れてみたりして、そのワークフローを少しコピーして、 私の業務において メタレイヤーを敷く作業を一生懸命やりました。 すごく面白かったです。

04:44 そしてそれをやりながら 実は私もRalph loopだとか オートパイロットだとかオートリサーチだとか それからまたウロボロスというフレームワークを 作った方もいるんですが、 それはどうすればスペックを本当にうまく書けるかに 特に集中した、そういうハーネスなんですが、 そういうものを全部掘ってみながら 私がループを回しながら必要なものは取り出して また必要でないものは取り出さず こうしながら自分なりのハーネスを 私がChedexと名付けたんですが、 それを敷くことをやってみながら ああ、業務がみんなこうやって回っていくんだなとまた思いました。 ということをたくさん感じました。

05:22 簡単にまとめると、 何か僕が方向を決めて 自分の目標を決めるにあたっては human-in-the-loopを回しながら絶えずやり取りして 回していくのが重要で、 ある程度目標に安定して到達できたら その時からはRalph loopをn回回しながら このハーネスを回して当てていくと、その中にあった混沌が みんな削ぎ落とされるんです。 そして非常に精製された形で こうしてエッセンスだけがぱっと残るようになるんですが、 こうした過程を通じて この業務が一粒きれいに終わるのを見ながら これは新しい方法論であり、新しい会社なんだな、 そんなことをいろいろ考えるようになった 良いきっかけでした。

チェ・スンジュン 05:58 流行になってきている気もします。 YCのGarry Tanもgstackというものを作って 最近かなり話題になっていましたが、 CEOたちがハーネスを削るのが ちょっと流行っているんじゃないですか。

ロ・ジョンソク 06:07 そんな気がします。 実際、ハーネスというのは一種のワークフローなんですが、 ワークフローもよくよく見れば それぞれがお互いをコピーして、実際には一般的なものを 少し違う形で束ねてあるだけなので、 それらを全部集めたからといって そのまま使うわけでもないし、 そのハーネスもやはりみんな自分なりの観点を持って こうしてまた削って使うことが多いので、 これはしばらくはちょっとしたトレンドに なるんじゃないかという気がします。

健康診断でのアレルギー体験と人間の感覚 06:34

06:34 でも大事な経験だったのは、 このAIがいくら発展して どれだけ良くなっても ああ、僕たちは人間なんだなという事実を 僕が気づくきっかけがあったんですが、 僕が先週健康診断を受けたんですが、 その特定の薬に僕はアレルギーが あると分かっているんです。 それで、その血管造影剤なんですが、 それをやるといつも体に軽くじんましんが出て ちょっと体調が悪くなったり するのが過ぎていくのは分かっていたんですが、 これが何度か繰り返されて 今回でほぼ7、8年目になって 回数でいうと4、5回目になるので、 今回は完全に免疫反応が強く来て 本当にこのままだと 死ぬかもしれないという直前まで行ったんですよ。 それでステロイド注射を打って 薬を飲んで、ただ横になっている2、3日を過ごしたんですが、 この経験をしてみると わあ、人間であるとは何なのか。 これについて改めて考えるようになったんです。

07:30 横になりながら、面白いのは以前と違って 僕の薬についての僕自身の経験や 僕の反応やそういったことについて GPT-5.4と絶えず会話を 何時間もしていたんです。 全部教えてくれるんですよ。 なぜそうなのか、これが問題として疑われる、この確率が高い。 そうしながらまたそれなりにRalph loopを回していくと 問題がこれだとはっきりしてきて これくらいなら時間はどれくらいかかるだろうと こうして処方のようなものまで出てくるので、 もちろん横で先生が全部説明してくださってはいるんですが、 先生が話してくださらない その背後にあるあらゆるpriorを 全部話してくれるので、 これは本当にちょっと新しい世界に 行くんだろうなという気もしましたし、

08:20 それから僕がもともと会社を創業した時、 この化粧品を売ろうとして作るのが始まりではあったけれど、 結局は何か、この人間がどうすれば もっと健康で、もっと美しい状態で 長く生きられるのか。 それで僕がやって いるブランドの名前がKYYBなんですが、 KYYBというブランドなんですが、 それは今、Keep You Young and Beautifulの 頭文字だけを取ったものなんです。 どうすればもっと若く美しく それを自分の残りの人生のビジョンにしなければ いけないと思って、 ブランド名をKYYBにしたんですが、 この事業にもう一度強力に復帰しなければという 決意を少し固めました。

GTCキーノートと「仕事の未来」 08:55

チェ・スンジュン 08:55 でもまた具合が悪い中でGTCをご覧になったんじゃないですか。

ロ・ジョンソク 08:57 やることがなくて、Jensen Huangが話しているのを 2時間ぼうっと見ていましたよ。 スンジュンさんもGTCをご覧になりましたか。

チェ・スンジュン 09:06 いいえ。 ざっとクリップだけ見て、ああそうなんだなと思っただけで、 詳しくは見ていませんでした。 でもまた面白いパターンがあって、 ロさんも今回具合が悪くてそうやって対話していたんですが、 周りの人たちを見ていると、こうして横になっている時 点滴を打ちながらコーディングしている人たちがいるんですよ。 もうできるようになったから。

ロ・ジョンソク 09:22 話し言葉でもできますしね。

チェ・スンジュン 09:24 それから知人たちと会ってご飯を食べるんですが、開発者の方たちなのに ずっとスマートフォンを見ながら、その通知を確認して エージェントに仕事を振る光景もまたずいぶん変わったなと。 何をしているんですかと聞いたら、ずっと仕事を振っているんですよ。

ロ・ジョンソク 09:39 監督官みたいに。その日、僕たちのOpenClawミーティングでも見たら イェチャンさんがiPadを1台持ってきて いくつかCLIをこう回しながら 全部監督していたんですよ。 それで、ああ、あれが仕事の未来なんだなという 考えをするようになりました。 では、それで今、僕が これから僕たちが実は長くやってきながら ある種の生産性の向上だとか コーディングだとか、そういう話は見方を変えれば これはもう終わった話で、 日常へ移っていくことだけが残った、そう考えていますし、 また非常に多くのFrontier Labや Latent Spaceだとか 先を行くそういう人たちは ほとんど大半がサイエンス側、AIサイエンス側に このレンズをかなり向けているじゃないですか。 だからそういうこととも ある程度アラインしているんじゃないかと思います。

AIビジネスの本質的視点への転換 09:54

10:28 では今日このあとの内容は そのまま一気に走っていかないといけないので ちょっと進めていきますね。 前のスライドはちょっと一度読んでみます。 それで、私が少し入る前に 今のAIビジネスの世界を どう見ればいいのかについて 一通り論理を書いてみたんですが、 とにかく根源的な観点は 一つ獲得する必要があるんです。 なのでその根源的な観点について 一度話してみて、その次にこの事業的な 私たちが今いるこの産業で 起きていることを話してみて、 その産業の中の会社におけるAXは どうすべきなのか こういう話を一度、広いところから 狭いところへと絞っていこうと思います。

2026年3月時点のAI産業スナップショット 10:34

11:08 このMETRの時間地平はあえて話さなくても 私たちはみんな知っている話ですし、 その次に、ベンチマークが出ても あまりちゃんと見ないじゃないですか。 ベンチマークが出ると、たいてい冗談半分に おい、このベンチマークどうだ、という話ではなく お前より上だ、みたいに言って終わるじゃないですか。 私より上っぽい。 こういう話で、GPT-5.4くらいになると 私は実務で使っているんですが これ、別に何の無理もないんじゃないかという 気がするくらい、大きく失望したことがないです。 すごく満足したと言うというよりは ひどく失望して、これはダメだなという そういうコーナーケースにはまった経験が著しく減って いる、という話はしてもいいと思います。

11:51 そして26年3月、 今現在のこの産業を見ている スナップショットについて少し話してみると、 pre-trainの話はあまりしないんですが、 これはもう、ある程度できるゲームとして固まった感じです。 昨日XiaomiがMiMoという V2 Proというモデルを発表したんですが、 これも1TベースのほぼFrontierモデルで、 これを作った方は若い女性の方のようなんですが、 DeepSeek R1に参加していた方なんですよ。 でも、その人がTwitterで書いていた内容の中に 意味深いものがたくさんあるんですが、 私たちも今回、ドクパモ事業でも見ていますが、 このcomputationコストは実際ずっと下がっています。 正直、NVIDIAのマシンはずっと高くなっている気もしますが、 単位コスト当たりのパフォーマンスは ずっと安くなっているのは確かなので、 これが昔みたいに、これは絶対に挑戦できない 数千億ウォン台のような資源が必要だ、という話では ない気がします。 ほぼ数百億ウォン台まで落ちてきて、 それも後ろのseveralの数百億から a fewの数百億に落ちてきて、 ひょっとするとさらに下がりそうな そんな感触も今はかなりはっきりあります。

12:56 それからNVIDIAのような会社、 今回Nemotron、Nemotronは以前は発表だけして トレーニングコードやレシピは少し空いていたんですが、 2、3か月差くらいで全部埋めてきました。 中を見るとNemotron Nanoと、その次に 最近ちょっと大きめのベースで出たものがあるじゃないですか。 Superだったかな、そういうものについても全部pre-train、 その次にmid-train、post-trainについて そういうトレーニングコードが全部出ていて、 関連データセットも全部そろっているんです。 だからMiMoV2 Proを作った方も 1年くらいのギャップだと言っているんです。

13:34 インフラをしっかり作っておいて、どうやるかが分かれば、 スンジュンさんがいつもおっしゃっていた話とも これ、ある程度つながっているんですが、 誰かがこういうことをやったというのを見ると それは私たちもみんなできるようになる、ということだと。

チェ・スンジュン 13:47 AIでやった。

ロ・ジョンソク 13:50 そうですね。AIがなければ、私たちは取るに足らない存在にすぎませんから。

チェ・スンジュン 13:54 AIでやった、という場合には、できるということが 大きなヒントになるということですね。

ロ・ジョンソク 13:59 そうですね。だからMiMoV2 Proのようなケースでも そういう準備がきれいに整ったとき 1年くらいで追いつけるし、 品質を作れるということを よく示す良い例になった気がします。 なのでpre-trainは、ああこれは ある程度はいけるな、と。 それからまた、このAIの ある未来の究極的な発展像について、 そのまま未来に一気に飛んでみると、 結果的にはすべての単位サービスが 一つの単位モデルになる世界までずっと進んでいくはずなので、 このモデルworkをする、そういうプロセスは 私は依然として重要だと思っているんです。 ただ、そういう部分へのアクセシビリティや こういうものもずっと下がっている状況なので、 今、私たちはエージェントやそういうものを見ていますが、 それでもモデルworldの発展も引き続き見ていく必要は 当然ある気がします。

RLVRとCUA 14:48

14:50 もう少し進んでみると、 frontier labたちの競争の軸は、 私たちのソンヒョンさんも前回のセッションに来られて 今年はこれっぽい、RL環境スケーリングだと きっぱり規定してくださったじゃないですか。 それがRLVRだと私たちがずっと言っているものなんですが、 RLVRはReinforcement Learning by Verifiable Rewardsのことなんですが、 検証可能な何らかの報酬信号さえ出せれば モデルは必ず学習可能だ、という話なんです。 なので私たちがドメインを、 最初にRLVRが出てきたときは VRという話もしませんでした。 Verifiable Rewardsという話もしていませんでしたし、 数学とコーディングがただ代表的な例でした。 なぜなら数学とコーディングは 問題を解く過程は難しいかもしれませんが このソリューションが合っているのか 合っていないのかを検証するのは簡単な話ですから。 まるで Sudoku の問題のように、解くのは難しくても 解いておいたものがこれで正解なのかということを 確認するのは簡単じゃないですか。

15:43 だからそういうものだけがあったんですが、 今はもう general な分野へと、コーディングを離れて 医療、法務、化学、生物、物理、 こういう方向へ全部広がっていて。 こういう環境さえ作れれば ただ仕事が終わる on-policy から 継続して学習が起こる そんな不思議な世界を生きているわけです。

16:06 そして今回 GPT-5.4 が出てきて CUA と呼ぶじゃないですか。 Computer Use Agent。 これも実は、コンピューターを活用する環境を置いて 望む状態になったらこれは正しい、間違っていると言う そういう報酬を与えながら モデルが私たちに馴染みのあるアプリを扱ったり あるいは macOS や Windows を扱ったり こういったものを本当にうまく扱えるようにする そういう能力をずっと伸ばしてきたんです。 ものすごくうまくいっています。

16:32 それで私たちが話していたのが、 デジタル環境では絶対に発生させられない ある種の報酬環境が 新しい事業の軸になっていくようだと 話しながら言及していたのが Periodic Labs のような会社でした。 そこは材料工学の会社なんですが、 絶対にデジタルでは実験できない特定の材料が これが超伝導体の性質を持つのか持たないのか、 こういうことを実験してみるのを ロボットが制御するラボそのものを作って そのラボで報酬信号を出して、 これはいける、いけないということが 逆にこうしてモデルにフィードバックされる形で デジタル world と atom world を結合した形で モートを築いているわけですが、 こういう問題が、新しく企業が持つべき モートの best example として登場している。 そのくらいの話で締めくくれると思います。

すべての問題はSearch Problemへ収束する 17:21

17:23 もっと簡単にまとめると、 前でいくつか例を挙げましたが これを一段上の abstract layer に上がって少し整理すると、 今起きていることを すべて一文でまとめると、compute を使って 計算資源を投入して すべての問題を search problem に 置き換えてしまったんです。 私たちがどんなドメインの問題だと言おうと その問題には、人間がまだ知らないけれど 何らかの superset が全部あるじゃないですか。 私たちがまだ行ったことのない solution 領域があって その solution 領域を 無作為に computing 資源を投入して 全部行ってみるわけです。 全部行ってみて、それが正解なら これは solution、正解でなければ これは違うと言いながら、その solution space に マーキングしていくんです。 一種の manifold を作るわけですが、 それでその学習されたものをまたモデルに持ってきて モデルがそのドメインに対する知識を すべて持つ形へと持っていっているんです。

18:25 ここでの核心は 結局、報酬信号を発生させられる環境が あるのかないのか、これしかないということに 問題が本質的に帰着していて。 私たちはほとんど去年、かなり前ですよね。 去年の半ばくらいに、残っているのはこれしかない。 non-verifiable を verifiable に 転換できる環境を持っているのか 持っていないのか、もちろんこの前提は computation power はみんなが持っているという前提のもとで 話をしたんです。 私たちがこれまでの YouTube エピソードの中で 古いもの、ニュースっぽいものは もう死んでいるものもかなり多いですが この non-verifiable を verifiable に転換できる そのシナリオとそのノートがあるんです。 それは一度ずつ見直していただいても この問題を根源的に理解するのに かなり役に立つと思います。

19:09 でもこれは、モデルが継続して強力になりながら 安くなっていることが、とにかく今起きている すべての変化の根本のようです。 そして、これが強力ではあるけれど それでもまだ人間を超えられないんじゃないかという話を なさる方がとても多いんです。 だからそれは暗黙知の領域だから モデルは絶対に超えられないと言う話を 私も少なからず耳にするんですが、 この部分は私が capability overhang という話で 要約して少しお話しできる気がするんですが、 実際、私たちが継続して分かってきているのは このモデルが私たちの思っているより はるかに賢いということじゃないですか。

モデルは私たちの想像以上にはるかに賢い 19:17

19:44 そして スンジュンさん、この前プロンプトの講義をしてくださったときに いや、ただ前に論文を一つ入れておいてから 自分の言いたいことを言うと、その前にある space たちが 整列されて、はるかに賢い答えを 出してくるという話をされたことがありましたよね。 それと同じように私も 私がビジネスで、あるいは私が解く ある種の思考実験の中でも やってみると感じるのは、 この中にこのモデルが持っていた capability overhang を私が引き出しているにすぎず 私がこれをガイドしているという、人間として これを優位にリードしているという感覚が だんだん得られなくなることが多くなっているんです。

20:25 それとともに、こういうことが 根源的によく表れているのが、 私が言っている話でもなく Claude Code を作った Boris Cherny や こういうふうに言うのは 最も general なものが 最も specific なものだと 言っているじゃないですか。 ある特定の問題をよりうまく解くというより より general に問題解決能力が高まれば 特定の specific なドメインの問題はそのまま解けてしまう。 モデルの強さのほうがはるかに重要だ。 今解けないならいったん置いておけ、6か月後には そのときモデルが解くから、という話をするんです。

チェ・スンジュン 21:06 この部分で僕も思い出すのが、 最近知人たちと話していると ループを閉じるという表現を使うことがあるんですよ。 ループを閉じて フィードバックループが形成されるようにすれば 多くのことが解決する。そうして これが報酬信号として 必ずしも下位レベルでの報酬信号だけではなく、 verifiable な形に何らかのかたちで変換すれば Ralph loop のようなものが回って いまや性能向上や問題解決が起こりうる そういう相似形の構造ができたと言うべきなんでしょうか。

21:30 だから最近は単なるチャットインターフェースである ChatGPT や Claude や Gemini みたいなものを使うとき みんな内部的にはそういう CLI みたいなものを 動かせるじゃないですか。 だからその中で Python を使って bash loop を回すと、その standard out されたものは 再び context に入ってきて モデルが仮説を立てて実験し続ける、ということを 30分とか1時間とか チャットインターフェースでも珍しくなく見られるんですよ。

ロ・ジョンソク 22:01 その話がまさに僕たちが このチャプターを閉じる前に 言いたい核心メッセージなんですが、 お話ししていると、実際多くの会社が 自分たちのデータは非常に希少で この世にないものだから それを何らかのオンプレミスモデルに閉じ込めたり 情報が外に出ないようにすることに すごく気を使うじゃないですか。

会社の独占知識テスト 22:03

22:21 でも僕がある会社でテストを一つやってみたんですが、 うちの会社だけが知っている 完全に独占的な何かを 3つだけ外に出して入れてみよう、 GPT-5.4 に。ところが面白いんです。

チェ・スンジュン 22:36 やったことのなかったことをやることになったんですね。

ロ・ジョンソク 22:38 はい、でも結論だけ言うとモデルはもう全部知っています。 だからもちろん実行までは行きませんでした。 でも僕が心の中でイメージとして持っているのは、 自分が持っているものを保護する形よりも 自分が持っているものを 早く自分に、その capability overhang を持って いるモデルに提供して そいつが持っている追加の search space を もっと自分のところに持ってこさせるほうが より得だという考えで 僕はかなりイメージを固めています。 だから最近はセキュリティよりも、自分が持っているものを、 もちろん Frontier Lab たちは喜ぶでしょうけど、 こういうふうに OpenAI や Claude は 外の人類が持っているものを 全部こういう報酬信号として 持っていって使っているわけですが、 それにもかかわらず、その取引をすることで得られる利益のほうが まだ今のところは大きい、 そんなふうに少し考えています。

Auto Researchと最適化の同型性 23:32

23:32 でもさっきスンジュンさんがおっしゃった話が、 いま Andrej Karpathy が auto research というのをやったじゃないですか。 でもこれ、概念も完全に同型なんです。

23:47 結局ディープラーニングというのも この明確な目標、あの scalar の loss 関数の value を下げようという目標にして、 evaluation metric は、下がり続ければいい。 そしてそのあと途中にモデルを置いて その間で使う方法論というのは ただ愚直に computation を投入して ひたすら optimize し続けることじゃないですか。 gradient descent というアルゴリズムについて 勉強したことがある人なら分かると思いますが、 本当に愚直なくらい単純なアルゴリズムなんです。 コード一つで書いても20行以内で実装できる そんな単純なアルゴリズムなんですが、 そこに computation をひたすら投入すると 解が見つかるわけです。 より optimal な方向へ絶えず移動していく いわゆる進化アルゴリズムなんです。

チェ・スンジュン 24:33 重要なのは、それが作動する領域があって、 それが作動しないと一見思えてしまう問題を それで翻訳することなんだと思います。 ある程度また翻訳できるので。

ロ・ジョンソク 24:42 そしてその翻訳可能性というのも、 スンジュンさん、今すごく重要なことをおっしゃったんですが、 モデル自体がその翻訳までしてくれるんです。 つまり on-policy のモデルが 僕があいまいに持っている objective と、僕があいまいに持っている evaluation metric さえも 途中でずっと fine-tune してくれるので、 この過程で human-in-the-loop を何回か回して 目標が明確になれば その次からはただ回せばいいんです。

チェ・スンジュン 25:12 不完全でも第1段階をやると その次がまた展開していくんですよね。

ロ・ジョンソク 25:17 はい、それでこれを、このスライドが 実は見方によっては今日話している内容の中で いちばん重要なスライドなんです。 ディープラーニングで僕たちが得たこの方法論が、 モデルがある程度賢くなってきたら、 人間のある水準を超える能力を持つ臨界点を越えたら、 僕たちがこれまで恐れていた この世界へ入りつつあるんです。

25:37 ただあらゆる問題を、問題解決というもの自体を いまやこれしかありません。 ただ賢いモデルをぶつけて そのモデルと一緒に目標と evaluation metric を明確にすれば ただ全部を最適化問題に収束させるんです。 その最適化の対象は何であっても構いません。 一つの .md ファイルになることもあるし コードの repository になることもあるし 会社になることもありえます。 プロジェクトになることもあるし、何であれこの構造に入れて AI ループを回すのが 人に働かせるよりはるかに速いです。 今の frontier モデルも たぶん Xiaomi もそうだったと言っていますし Andrej Karpathy が auto research で見せたのもそれだし 少し前に MiniMax も、これはエージェントが トレーニングしたモデルだと言っていたじゃないですか。

26:29 人はそのループの中に入らないんです。 モデルが自分自身を evolution させること。 コンピュータさえ与えられれば 自分で evaluation しながら 自己増強するんです。 この3つさえあれば、あらゆる問題は解決する。 そしてこれは、さっき スンジュンさん がおっしゃった 私たちがディープラーニングで見つけたものと 完全に isomorphic なんですよ。 同型なんです。

チェ・スンジュン 26:51 それから、もう一つ面白いと思ったのが ホ・イェチャンさんの発表を聞きながら思い浮かんだんですが ザリガニの墓みたいな話をされたじゃないですか。 ザリガニ鍋を見ていると、成功できなかった .md たちは つまり、それがプログラム .md であれ SOUL.md であれ 彼らは fitness function を通過できなければ 次の別の世代へ派生させること。 これ、どこかでよく聞いた話じゃないですか。 genetic algorithm のときにやっていた。

ロ・ジョンソク 27:17 進化のアルゴリズムです。 適応すれば生き残るし、そうでなければ死ぬんです。

チェ・スンジュン 27:22 だから良いものは crossover して たまに突然変異を作る、そういう昔のアルゴリズムも 今のその考え方に全部適用できそうです。

Ralph Loopの変種とMeta Cascading 27:30

ロ・ジョンソク 27:30 それから、私たちがこれをいつか一度扱おうとして ずっと扱えなかったんですが 実は Blaise Agüera のあのセッションも まさにこの話をしていて 私たちは生命工学とか そういう分野にも関心が高いので そういう方面とも完全にまたつながっています。

27:46 あれを見ながら、私がそこで捉えた核心アルゴリズムは mutation は要らない。 ただ、あるプールを探るだけでも order は見つかる、というのが 私にはいちばん insightful な話だったんですが

28:00 それで最近、私たち Ralph loop 流行ってからだいぶ経ったじゃないですか。 それに、その Ralph loop の変種なんですが ほとんどの方法論も、これを見ると アルゴリズムはこれなんです。

28:09 最初に目標の仕様と言うか、スペックと言うか まあ呼び方はいろいろですが 目標を明確にするのにかなり時間を使って その次に、その目標が定まると 実質的にはその evaluation metric はただ決まるんです。 なぜなら、モデルが勝手に決めてくれるからです。 正しいか間違っているかを、目標に応じて それを見分ける能力があるからです。

28:29 そうなった後は evaluation metric が満たされるまで ただ無限ループを回すんです。 最後に終わるとき hook を掛けておいて 検査しろ、検査に通らなかったら また戻れ、また戻れ。 これが、モデルで今いつも問題になるのは 途中で曖昧に終えてしまうことなんです。 「いいですね」と言ってそのまま終わらせてしまうんですが そいつを「何の問題もありません」という答えを出すまで ただひたすら無限ループを回すんです。

チェ・スンジュン 28:57 もちろん実戦ではいろいろ複雑なことがあります。 なぜなら、評価項目を間違えると それを exploit して とんでもない形で通過しようとする試みをするんです。

ロ・ジョンソク 29:08 モデル自体がまた reward hacking を するかもしれないですから。

29:13 でも、そういう部分は これ、実質的には会社と似ているんです。 すごく実務的ではありますが その組織には hierarchy があるじゃないですか。 代表、役員、その次に チーム長、そしてチーム員がいて 実は代表取締役は、かなり精製された形の 最終レポートを見ることになっていて、その回る過程を見ると Ralph loop なんです。 「もう一回やってこい、もう一回やってこい、もう一回やってこい」と言いながら その下へ絶え間なく、ある種の同型の作業が 下へこう meta cascading していく、と私は表現するんですが そういう構造になっているので

29:50 逆に言えば、今現存する会社は この方法論で完全に全部置き換えることは 可能だと私は見ています。

エージェント時代における人材の定義 29:57

チェ・スンジュン 29:59 では、そこでちょっと気になるのは エージェント人材の定義って何ですか。 今、粘り強く掘り下げることは 基本的な Ralph loop で解決できるとしたら 意外なアイデアを出したり そういう幅を探索できることが 能力になるんですか。

ロ・ジョンソク 30:12 まだ今のところは、モデルに何かを initiation させる 最初の system prompt は人間が与えなければならないので。 もちろん、これもじきに AI が AI に 与える世界が来る気はしますが、 まだ今は、まだ今は何かの好みを、 好みと意志を input すること、 initiate すること、 こういう程度の意味は人間に与えないといけないんじゃないでしょうか。

30:42 だから、これも スンジュンさん と 私と ジョンギュさん がいるグループチャットで いつもする話なんですが、 今はモデルがすべてをやり切ってしまって 私たちにはやることがなくなりそうじゃないですか。 でも、それにもかかわらず、依然として世界が変化するには 時間がかかるし、またビジネスの世界、市場が これらを受け入れるには 本当に短くても数年、長ければ 二、三十年かかることもありうるので その間でバランス感覚をうまく発揮することが、 いちばん重要だと思います。 私は、事業家にとっていちばん大事な徳目は バランス感覚だと見ているんですが、 それを少しうまく発揮しないといけない気がします。

31:22 それは今、何でしたっけ？ この evaluation metricが きれいに機能しない、存在しない部分だから その部分にはまだ人間の役割があるんです。

31:29 では、ここで少し先に進んでみましょう。進んでみましょう。 要約すると、モデルが良くなって モデルのおかげでハーネスが良くなって、 そしてソンヒョンさんもずっと指摘されていましたが そのハーネスに合わせてRLが行われるので モデルの性能はさらに良くなって、そうして そのgeneralityが増すと また既存のハーネスの機能を これがかなり取り込んでいくんです。 でもそれにもかかわらずモデルが強力になると それを利用した別のハーネスがまた出てきて、 これはウロボロスの蛇のように 永遠に繰り返されるループなんです。

チェ・スンジュン 32:08 去年くらいにはNoam Brownの話を引用しながら 私たちが、ハーネスが 結局はモデルに吸収される現象が 起こるだろうと言っていたんですが、 またハーネスがそれに合わせて出てくるので これはおっしゃる通りウロボロスの形のようです。

ロ・ジョンソク 32:22 絶え間なく正反合、正反合の形で進んでいるわけで、 その速度も重ねて 私は畏敬の念を持って見つめているし 恐ろしさを持って見つめてもいるので 加速していますね。

チェ・スンジュン 32:34 私もまだ考えが整理できてはいないんですが、 ニューラルネットの形で存在する何かと そのニューラルネットが外在化した道具を使うことは 人間、人類がそうしてきたように これが続いていくある種のパターンなんじゃないか、 そんなことも一緒に考えるようになるんですよね。

ロ・ジョンソク 32:52 なので、とにかくあらゆる問題を computeを使ったsearch problemへと転換し、 そしてそのcomputeがその問題を一瞬で解いてしまう 新しい時代に私たちは突入している。 このループをよく理解して 自分のビジネスをこうしたラウンドの上に載せる者は このbenefitを得るだろうし、 これを理解できない人は これを利用する人によって代替されるだろうというのが

チェ・スンジュン 33:19 かなり強いメッセージですね。 against、これに抵抗するな というニュアンスなんですよね。

ロ・ジョンソク 33:23 Sam Altmanがよく使っていた表現じゃないですか。 「Do not bet against us」という言葉があるじゃないですか。 それで、これは図に描いた話で、 ハーネスが良くなるとより良いデータがどんどん出てきて、 そのせいでモデルが良くなって、 そのせいでさらに多くのRLをかけるようになって、 そのせいでより良いモデルが生まれて、 より良いRL環境を作るようになって、 こうなっていくということです。 では、ここでAIゲームについての ある本質的な見方はこうだ、このレンズを持って ちょっと見てみようということです。 でも、そのレンズの上でもいつも私たちそうじゃないですか。 何か一つレイヤーが積み上がると次のレイヤーが来て、 その次のレイヤーが来るとまた次のレイヤーが来て、 これが私たちが去年の年末に 私たちの逃亡者連合の発表などで使っていた あのゲーデル、エッシャー、バッハの例で見ていた この弁証法的な非創発についての話だったんですが、 こういう本質があるとしても その上に積み上がるビジネスの世界は もう一段さらに複雑に積み上がっていくんです。

OpenClawと個人エージェントの台頭 34:26

34:31 なので完全にビジネスの話に戻って ビジネスでどんなことが起きていて 今何が重要なのかということについて 私の考えを少し整理してみました。 ビジネスの話として少し前に進めると、こういうことだと思います。 OpenClawが出る直前までは ChatGPTやClaudeや Geminiがこの巨大なゲートウェイ、 ネイバーやGoogleになって 新しいゲートキーパーのポジションを置き換えて 彼らが新しいゲートキーパーになるんじゃないか というふうに 私は事業論理をかなり使っていたんですが、 OpenClawが出たあとにOpenClawを使ってみて OpenClawに慣れた世界で生きてみると そうではないかもしれない。

35:12 これ、私たちはグレンジャーと ソナタだけに乗っているわけじゃないでしょう。 ある人はキャスパーに乗り、ある人はテスラに乗り、 ある人はBMWに乗って、用途と好みに合わせて みんな違う車に乗っているじゃないですか。 それと同じように、もしかするとこの人が情報にアクセスする 最上位のゲートウェイが 私たちが今まで慣れてきた少数のチャネルではなく それぞれの個人エージェントへと 完全に分化してしまうかもしれないという考えが 新たに浮かんできています。 なぜなら、そのほうがずっと楽なんです。 ChatGPTが私に、今私たちがこのあと少し bundling、unbundlingの話をしますが、 私に押しつけようとする そのbundlingのフレームが嫌なときがあるんですよ。 なんで必ずそう使わなきゃいけないんだ。 でも、そういうものを完全にもう一度解体してくれるんです。

35:57 なので今は少数のアーリーアダプターと 先を行く人たちにだけ 来ているOpenClawの世界が、 これがもしかするとすべての人のゲートキーパーに なり得るかもしれないという気が少ししています。 私が少しそのニュアンスを 感じるのがちょっと面倒ではあるんですが、 オピニオンリーダーたちのトークを私はほとんど聞くんです。 要約して見るのではなく 出勤したり退勤したり何かしているときに ほとんど聞きながら、彼らの言葉の間に存在する 微妙なグラディエントを読み取ろうと努力しているんですが、 Samは去年の10月の時点では お前ら全員終わりだ、というモードだったんですよ。 26年にはAIリサーチインターンを作るし、 28年にはAIリサーチャーを作るし、 うちはGoogleみたいなフルスタックサービス企業を作るんだから。 ビジョン発表会を去年の10月末にやったんですよ。 ほんの4か月前の話なんですが、その後2、3か月たつうちに Samのニュアンスが少し変わったんです。

チェ・スンジュン 36:59 しょんぼりしてきたんじゃないですか。

ロ・ジョンソク 37:03 ちょっと謙虚になりました。 Anthropicがぐっと台頭してきたこと、 これも意味があった気がします。 そうして結局、うちはトークンを メーターを付けて売る事業者になりそうだ、という話を わりとよくするんですよ。 みんなトークン事業者になりそうだと。 それに昔みたいにOpenAIだけが この強みを持っていたならともかく、 今は実際、中国のフロンティアモデルだとか、 それにNVIDIAがOpenAIやClaudeさえも commoditizeしようと頑張っているじゃないですか。 Frontier Labたちが持って いるknowledgeを全部レシピとして引き出して GitHubやHugging Faceに載せてしまって、 お前らNVIDIAのGPUさえ買えば お前らも自分たちのものを作って使えるぞ、みたいな形で 第3の軸まで供給しているので、 まさに完全無欠のfrenemyワールドなんです。 誰が友達で誰が敵かも分からない。

37:56 それでJensenの話をしたので、 Jensenが少し前に文章を発表したじゃないですか。 AIは5層のレイヤーケーキだと。 それでエネルギーから始まって、その上に半導体チップ、 そしてインフラストラクチャー、その上にモデルが載って、 その上でアプリケーションが花開く、 まあそんな話をしていたんですが。 このアプリケーションは、私たちが 知っていたアプリケーションではないんです。 エージェントアプリケーションは これまで私たちがウェブの世界と その次にアプリの世界で慣れ親しんできた そういうアプリケーションとはまったく違う。

38:27 では、これまで存在していた数多くのモバイルアプリ、 私たちが慣れ親しんだ数多くのサービスがあるじゃないですか。 それらはどんな運命をたどるのか。 AI時代に、これは当然やってみられる 思考実験じゃないですか。 そしてそれに合わせて何かを作らないといけない。 実際、App Storeにアプリをうまく載せて お金をたくさん稼ぎました、 なんて話、もう長いこと聞いていないじゃないですか。 私自身もApp Storeで新しいアプリをダウンロードしたのは 何年も前な気がします。

38:55 そういう世界なんですが、これはそのOpenClawミートアップで Simonが見せてくれたアプリなんです。 ご本人が作っていると見せてくれたOMO.BOTなんですが、 エージェントアプリなんです。 私たちが面倒くさくアクセスしている数多くのアプリ、 実際、私たちそう思うじゃないですか。 ジャージャー麺を配達してもらうならBaeminに行かなきゃいけないし、 ミネラルウォーターを注文するならCoupangに行かなきゃいけないし、 タクシーを呼ぶならカカオタクシーに行かなきゃいけないし、 何かするたびにどこかへ行かなきゃいけなくて、面倒じゃないですか。 それ、秘書が全部やってくれればいいんじゃないの。 ただそれを実現したんです。 APIがある会社はAPIをつないで、 そうでない会社はCUA、Computer Use Agentを つないで そのままエミュレーションしたみたいなんです。 だからこれはBaeminでチキンを注文するやつなんですが、 これもこんなふうにして この中で全部実装してあったんですよ。 だから、これが未来なんだろうと。 アプリの未来であり、エージェントアプリケーションの 到達点なんだろうという気がするんです。 どう見てもこうなるだろうと想像はしていたんですが、 やはりこんなに早く実行する人たちが 作っておいたものを見ると、感じが少し違いました。

エージェントが既存アプリを代わりに操作するレイヤー 39:01

40:11 でもここで私たちが注意深く見ないといけない点は、 私たちが知っていたすべてのアプリが このエージェントが代わりに操作してくれるレイヤーの下へ、 ただの下位レイヤーとして全部埋もれていくということを 私はかなり重要に見るべきだと思います。

40:28 ところが私たちの下にいる数多くのBaeminだとか 何だとか、この既存のビジネスワールドで どうにか成功して、ある種の媒体力を発揮している 既存のゲートキーパーポジションを見ると、 彼らの核心は全部、中間介入なんです。 だから私はいつも言うんですが、 ITビジネスはただメディアビジネスとまったく同じだと。 媒体力こそがマージンである、そういう世界だと言うんですが、 とにかく彼らがそういう媒体力を発揮すること、 中間パワーを発揮することは、 その直前の時代にどうにか勝利を収めたからこそ そのポジションになったわけなんです。 NAVERは検索を制覇したし、 カカオはコミュニケーションを制覇したし、 Baeminは配達を制覇したし、 その次にCoupangはロケット配送によって 生活必需品だとかそういうものをいちばん安く提供する そういう領域を制覇したし。 そうやって積み上げた媒体力を持って 顧客と数多くの供給者の間で いわゆる仲介者の役割をしながら マージンを作っている事業者たちなんですが、

41:36 さっき見たOMO.BOTを見ると ただ彼らと私たちの間に 割り込んでくる新しい事業者なんです。 既存事業者は当然嫌がるでしょう。 これまでは阻止してきました。 NAVERがそういうのを本当にうまくやっていた会社の一つですよね。

41:48 クローラーを防いで、あれも防いで、 これも防いで、とにかく全部防いで いわゆるwalled gardenの中で コンテンツが外へ出ていくのを防ぎながら その中でのvirtuous cycleを作りつつ 今日の帝国を築き上げたんですが、 エージェントがこうしたものをdecomposeすること、 分解することを防げるのだろうか。

チェ・スンジュン 42:05 止めてはいけないでしょう。 この方向性においては。

ロ・ジョンソク 42:12 そうですね、止められないと思います。 なぜなら、人が来るのと トラフィックの区別がつかないはずだからです。 だって、ただ自分のエミュレーターに自分でログインしておいて そのエミュレーターを自分のエージェントが操作したら どうやって止めるんですか。 IPも全部違うし、何もかも全部違うはずなのに。 それにXiaomiがMiMo V2をやりながら 当然MiMo Clawを作って入れ込むだろうし、 OpenClawをそのままこの中にモバイルまで含めて Clawを入れようとするでしょうし、そうしたらAppleはやらないでしょうか。 Googleはやらないでしょうか。 みんなやるでしょう。 区別がつかないんです。 だから結局、思考実験をしてみながら その中での新しいナッシュ均衡点のようなものを探してみると、 これは止められないゲームで、既存にいた事業者たちは みんなdisintermediationされる可能性がかなりあるんです。 これを私たちは 産業構造のbundle、unbundleという表現で よく使うんです。

Bundle-Unbundleフレームワーク 42:57

43:04 そしてこのbundle、unbundleという表現を いちばんうまく図式化して説明してくれる人が a16zのBenedict Evansという人なんです。 そのBenedict Evansが Andreessen Horowitzが有名なのは 「Software is eating the world」という その表現でおなじみじゃないですか。 でも今は「AI is eating the world」と 新しく押し出しているんですが、その「AI is eating the world」という フレームを作った人がBenedict Evansで、 結局、こう言えば合っている気がするんですが、 さっき話したように ある産業では絶えず何らかのパラダイムが変わるんですが、 メディアが変わるたびに、紙からTVへ移るとき、 TVからインターネットへ移るとき、 インターネットから、つまりウェブからモバイルへ移るとき そして今、モバイルからAIへ移るとき あるdistributionチャネルが 私たちは今distribution layerと言うんですが 新しいdistribution layerが登場するたびに 一度ずつ盤面がひっくり返るんです。

44:00 だから昔の新聞や雑誌やテレビを見ると 放送というのはこういうものだ。 ドラマとニュースはこう編成するもので その間には広告を入れろ、というふうにして 自分たちが作った媒体力で何かの枠組みをがっちり組むんです。 それが私たちの言うbundleです。 そうやってbundleを顧客に強いるんです。 すると顧客はそれを当たり前のように見て それによってメディア事業者にはビジネスが生まれるわけで でもインターネットが来ながら それらは全部unbundleされたんです。 そういうふうにunbundleされ、またunbundleされたものが かなりの時間が流れて そのlayerでの支配者のようなものが現れると そいつはその支配力を持って、またそれをbundlingするんです。 そしてその次にはまたunbundlingして これはやはり進化アルゴリズムとまったく同じです。 ある環境の変化に応じて 絶えずdiversificationが生まれ diversificationが生まれると その中からどれか一つの勝者候補が出てきて 勝者が出ると、その勝者候補が出たという話は いくつかのselectionが行われるという話で そのselectionが終わると、それが再び支配種になって amplificationされて、また新しい環境を作り diversification、selection、amplification この3つがRalph loopのように 永遠に回り続けるのが基本的な進化アルゴリズムなんですが これも同じように回るんです。

45:22 だからbundle、unbundleの 繰り返しの例はものすごく多い。 そうしながらBenedictが言うのは 私たちが知っている ほとんど大部分のB2B SaaSアプリケーションは ただのOracle unbundlingだ。 極端に言えば、ExcelとOracleだけ持っていても 全部作れるサービスなんだけれど それをそれぞれのユースケースに合わせて 全部unbundlingしておいた時代だと言っていて AI時代は結局、ほとんど大部分のサービスは ChatGPT unbundlingになるだろうと言うんです。 でも、まあすでに見ていますよね。 私たちも初期にはChatGPTに行って コーディング、リサーチ、法務まで何でもやっていましたが 今はどんなContext Engineeringになろうと あるいは別のハーネスとの組み合わせになろうと もしくは特化モデルになろうと 全部またunbundleが起きているんです。 もちろん、そこでまた争いに負ければ より大きな事業者にbundlingされることもあるし でもbundle、unbundle というframeworkは産業を理解するうえで とても良いframingなので 私が少し時間をかけて説明してみました。

既存事業者のUX摩擦とDisintermediation 46:28

46:33 では、既存事業者の立場から 一度思考実験をしてみると これはたぶん、彼らはほとんど防御しにくいはずです。 顧客がもっと便利になるために離れていくのを いったいどんな手で止められるでしょうか。 そうですね。既存の事業者たちが いわゆるUX、私は簡単に言えば 終わりに向かっていると思うんですが、終わったと見るには少し言い過ぎで まだかなり時間はかかるでしょうが AIのせいで既存のUXが全部unbundleされるのが 次のトレンドだからです。 既存の事業者が積み上げてきた一種の媒体力、 そしてその媒体力で作った収益区間が 顧客の立場から見ると、全部が摩擦なんです。 frictionなんです。 そしてそのfrictionこそ、実は全部マージンなんです。 事業者の立場では、これをやるにはこれを必ずやらなければならない と組んでおいたUX flow、その間に存在する 数多くの広告インベントリ、 そしてその横や下や上に存在する cross-sell、upsellの区間。ところがエージェントたちがやって来て これらを全部なくしてしまっているんです。 ずっと速く。そうすると結果的にどうなるかというと、 既存事業者は他のエージェントたちの function callになる可能性が 非常に高いわけです。 防げません。 防げないはずなので、実際のところ私は、いちばん良いのは 早くこの戦争に一緒に飛び込むこと以外に 答えはないのではないか、という気はするんですが、 もう少し進めてみると、 結局、この OMO.BOT のように何かユーザーの目の前で 最上位の接点になる可能性が高い存在が 私は OpenClaw 系だと かなり強力な candidate だと思います。

48:11 Jensen も今回 GTC で 「Are you OpenClaw ready?」という表現をしているじゃないですか。 すべてのビジネスであれ、すべての個人であれ、 OpenClaw 戦略を持っていなければならないと。 私が顧客の立場で 私が OMO.BOT の顧客になったという立場で考えてみると、 私たちはよく会長 analogy を使っていますが、 AI のおかげで誰もが会長になりつつある。 だから新しい仕事の本質が 私から見ると文字どおり 私たちのアシスタントだと言うじゃないですか。 もう秘書供給業なんです。 手段を提供するのではなく、 解決完了を売らなければいけないんです。 誰もがみなこの生き方へと移行している、 そんな気が少しします。 今は素早い適応のほうがはるかに重要な相場だ、 そんな気がしています。

適応競争の時代 48:52

48:54 だから私は、 こういうスタートアップ事業のほうにいるので、 誰かが事業計画のようなものを持ってきて あれこれ聞いてくると、 私はそれが自動車レースなのか自転車競技なのか、 ヨットレースなのかを聞くんです。 自動車レースは、お金があれば必ず勝てます。 ただもっと良い車を買えば、 それより少し悪い車に乗っている人には 必ず勝てるんです。 もちろんドライバーの実力が みな上方平準化されているという前提で。 ほとんどみな上方平準化されているので、 自動車レースは結局ただの資金勝負です。 自転車競技は、自分がどれだけ一生懸命やるか、 プラス少しの駆け引きです。 先に出るのか、後ろにいるのか。 ヨットレースは、これは前の二つとは違うんです。 自動車レースも自転車競技も、どちらも ゲームをリードするのはみなリーダーです。 リーダーがどう変化するかに応じて後ろにいる人たちが みなリアクションする形で ゲームが回っていくんですが、 ヨットレースは少し違うんです。 後発走者が方向を変えると、 前にいる人たちもみな変えなければなりません。 なぜなら、自分が何をうまくやるかが重要なのではなく、 外でどんな風が吹くかのほうがずっと重要だからです。 私が見るには、 今この AI の風が支配する相場が ものすごく強いので、後ろにいる後発事業者が 別の戦略を使うと、 実際にはあらゆる領域を すべて counter しなければならない競技のように思います。 私はあらゆる領域を すべて counter できるとは思っています。 なぜなら、彼らの制作単価が下がった分だけ、 既存事業者たちの単価もみな下がっているので、 これは哲学とタイミングの勝負に もう一度入ったのだという気がしていて。 だから既存事業者の立場からしても、 実際にはこれがどうなるのかと眺めているよりは、 この世界に合わせて とにかく一緒に変わっていかなければならないのではないか、 そんなふうに思っています。

50:49 ただ、いずれにせよその間で、 自分がこのゲームでどんな防御地点を持っていくのか。 私たちが先ほど話したように、 non-verifiable を verifiable に変える 何かが moat になり得ると言ったように、 ビジネスでも こうした部分の moat になり得る領域、 なぜなら本質的に 今はみな同型のゲームをしているからで、 ここにもそれは存在します。 ともかく私たちは 10x の話をよくするんですが、 これはうちの会社のエンジニアの一人である ジヌクさんが私にくれた frame なんですが、 もともとは 5分の1、5倍という frame を使っていたんですが、 最近は 10 という数字が流行っているので。 私は AI を二つの方向に投入できる。 効率を極大化して もともと 100 かかっていたものを 10 にして 90 の利益を残すこと、あるいは ただ新しい場所に行って 新しい 900 を創出すること。 今のほとんどすべての AX は みなただの効率追求です。 そして後ろにある、本当に別の 10倍 を作り出すこと、 これは少し zero to one なんですが、 こちらはまだ始まっていない気がします。 そしてもうすぐ始まりそうです。 結局、私たちの立場で考えてみると、 両方やらなければならない、両方やらなければならない、という 考えを持っています。

1/10倍の効率化 vs 10倍の新規事業 51:10

52:05 先週流行っていた article の一つが AI はどんな人を強化するのか、ということで 10x lawyer という文章があったんです。 要約だけすると結局、 強化される人たちの種族は別にいる。 だから今の組織は、 これはこの法律事務所を例にしていた話なんですが、 最上位のパートナー、 その次にシニア、その下にジュニア、 そしてこの人たちがチームで動く形になっていて。 実質的にほとんどの value add は 数人の決定的な貢献によって生まれているのに、 実際にはビジネスモデル自体は チーム単位で time charge をしながら、 下で何を調査したのか、しなかったのかは分かりませんが associate弁護士たちにまで全部chargeする形にして ビジネスモデルが成り立っているんですが これもやはりunbundlingされるんです。 より優れた人の、 シニアの能力を持った弁護士1人が エージェントと結びついて はるかに安く、速く クライアントを満足させ始めたら クライアントたち、需要側では いい商品があるのに 何の理由もなく、これまでこれを使っていたという理由だけで 高いものを買うのもせいぜい一度や二度なんですよ。 変化は間違いなくものすごく速く起こる。 だからその軸がひとたび回り始めると 手がつけられないほど 変わるだろう、という話をしておいたんです。

53:27 そうしながら結局、10x talentに早くなることが どれほど重要かという話、 それに加えて、それが逆らえない 事業構造の変化を生み出さざるを得ず、 これは実際には10x lawyerと言いましたが 10x engineer、10x doctor、 10x something、何でも全部出てきうるので これが出てくるんです。 そしてこういうdynamicsのために 今、組織がみんな混乱しているんです。 AI transformationが みんなこういう構造で起きるからです。 なぜなら、いつも不思議なんですが、 私があれこれいろんな会社を回ってみて いろんな会社の事業に関わってみて、 本当にエリートの塊のような会社と 普通の人たちが集まっている会社、 あるいはそうでもない会社、 ありとあらゆる種類の会社を全部見てきたのに 不思議なのは、人は集めると いつも正規分布になるみたいなんです。 できる人だけを集めても 集めると、その中で必ず一番できる人と できない人が生まれて、 真ん中にいる人たちが生まれて 彼らの間でdynamicsが分かれていく。 そしてその形はまた、それぞれの組織で ほとんど同型なんです。 Isomorphicなんです。

54:42 こういうことが本当に重要なので 私がこのスライドで話したかった内容は、 AXと言っていますが、結局は変わりたがっている 本当にこういうものを鋭くadaptする数人と 速く行かなければならない、みんなを連れてはいけないという話を 私はしたくて、この話を書いたんです。 私がさっき効率を追求して 革新を追求する。 1/10xにするのが 実は効率追求だと言いましたが これは事業用語で言えばbetter, faster, cheaperで、 その次に10xにするのが zero to oneするのが実はinnovationなんですが。 私がビューティー事業に来て AIをかけて作りたかったのが、まさにこの構造なんです。 私は物を売る会社をやりたかったわけではなく 今ある、全部物を売る構造を どうやって全部サービスを売る構造に転換させるか。 こう作りたかったのが私の考えだったし、 それでback-office、たいていの会社がそうですが いつも前方には顧客がいて、後方には何かというと、 サプライチェーン網があるんです。 supply chainがあって、 supply chainはefficiencyを持っていき 顧客たちには革新を供給しようとするのが 私の計画だったし、まだ完成はしていませんが。 実際その次に、私たちも 今、顧客にぶつけているものがあって まだぶつけていないものもあるんですが、 私が考えるある種の原型は、ほとんど全部作ったんです。 だから、誰かの会社がautonomousに回るなら こういうものであるべきだというもの、 たぶん私の会社には全部あるはずです。

エージェントを付けても、まだ10倍ではない 55:19

56:17 あらゆるデータに全部AIが付いていて、 そこに全部エージェントたちが付いていて、 promptや何かがあって、 そのエージェントの上には また別のmetaエージェントたちが付いていて、 metaの上にはまたmetaが付いていて、というふうに。 私はすべての会社の業務を、 Claude Codeがまるで全部を選択式に変えてくれるじゃないですか。 何か聞くと、お前は3番の中から選べ、 4番の中から選べ、というように 私がCEOとしてやるべきことも 毎日仕事をしなければならないのではなく エージェントが持って くる1、2、3、4を押させる構造に ほとんど全部変えておいたんですが、だから全部あるんですが それでも会社の生産性が10倍になったのか、 まだそうではありません。 もう少し変わるべき根源的なものがある、という考えを 私は持っています。

57:00 私がAIで事業をやってみようと言って これをやったのが、もう4年をはるかに超えていたんですよ。 だから2021年からモデルも作ってみて、 diffusionモデルもやってみて、LoRAを付けること、 small language model、 その次に何だ、エージェントSDK、やっていないことはありません。 ビジネスにそのときあったものを 当時あったものを全部付けながら、全部やってみたんですが 全部だめだったんです。 でも今はできます。 去年からは、モデルが臨界点を超えてから できなかったものが全部できるんです。 そして、私が自分なりのものをやろうとするのも 全部色あせるほど フロンティアモデルに依存して 全部できる世界になったんです。 もちろん後悔はしますよ。 何もせずに 去年始めていたら最大の効率じゃないか、という 考えかもしれませんが、 もちろんその間に経験した数多くの失敗が 意味があると 私は個人的にはそうやって 自分を慰めていて、 ちょうどジョンギュさんが前回来て 話していたことと似ています。 人間ジョンギュさんとしては悲しいけれど 会社Lablupは良い、とおっしゃっていたのと 私もまったく同じ感情を抱きます。

58:10 これが追求する方向性が 二つあると申し上げたじゃないですか。 このefficiencyを作ること、効率化することは 私たちもものすごく多くのtrialをしてみたんですが 答えだけ申し上げると、 社長がやってみるのがいちばん速いです。 正直、結果的には私もいちばん最初に 私がこういう原型をこうすればいいじゃないかと 作って見せることが出発点だったんです。 そうしながらAI native、 nativeなタレントたちを付けて こうしてみてください、ああしてみてくださいということが 回り始めて、そしてその回る過程でも それぞれの自由度を保障しながら 誰かは自分だけのハーネスを作り、 誰かはあるフレームワークを持ってきて回し、 フレームワークも、ある人はPydanticを持ってきて、 ある人はLangChainを持ってきて、 そういうのを全部許容していたんですが、結論だけ言うと この話はさっき私たちが序盤にしていた話と似ているんですが、 問題の目標とこれを評価する基準が明確だから これもoptimization問題に帰結して、 それらをずっとoptimizeしていくうちに それぞれ収束しながら作られるんですが、全部作ってみると いちばん偉大な方法論が一つ出てくるんです。

巡り巡って、やはりバニラが答えだ 58:12

59:22 その答えだけ申し上げると、作らないのがベストです。 データコネクタをきれいに作って、 プロンプトをうまく書いて、フロンティアモデルと Claude CodeだとかCodexだとかをつなぐのが 性能は最もいいです。 これは私たちの one of N、エンジニア一人の賢いエンジニアが 彼がやっていた方法論で会社全体がその方法論に 転換したんですが、 他の方々は本当にありとあらゆる種類の 別の方法を持ちながら作っていたんですが その彼が、チェスター、そんな必要はない。 どうせ私たちはハーネスを作るんだから いちばん究極のハーネスと 究極のモデルを使えばいいんじゃないか、 その仕事をする必要はない。 それでデータコネクタ、代わりに データコネクタをきれいに作って、 その次にそのデータを記述するpromptingをうまくやって、 私たちが本来達成すべき目標に対する その目標、objectiveを、スペックを プロンプトできれいに書くことに ものすごく多くの努力をしたんです。プロンプトをうまく書くには 実はエンジニアリングパワーが重要なのではなく そのドメインに対する理解が重要なんです。 そのドメインがどういうものかを エンジニアであるにもかかわらずモデルを回して、 会社にあるデータを理解しようと努力しながら プロンプトをうまく書くと仕事が終わるんです。 だから私はいちばん最後の文が 私にはただ答えとして残ったんです。 他のことをやろうとするな、これなんです。

チェ・スンジュン 1:00:51 感覚的には巡り巡ってピュアなバニラって感じですね。

ロ・ジョンソク 1:00:55 そうですね。これは本当に話していても悲しいです。 その間に使ったこの膨大な努力と 時間、こういうものが巡り巡って 結局モデルのcapability overhangに頼る のが答えだったんだなということが分かるので、答えなんですよ。 でも問題は、良い点はあります。 確かにこんなふうに悲しく話していますが 結局その間で積み上がった 数多くの試行錯誤の例外状況、これが私の価値なんです。 ジョンギュさんもまったく同じことをおっしゃっていた記憶がありますね。 その間に生じた数多くの例外状況に対する distributionが私の頭の中に全部あるというのが 私が持っているパワーなんだと思います。

10x New BizはEntrepreneurの領域 1:01:38

1:01:38 10x new biz、これはもっと難しいです。 でもこれは結論だけ言うと これは私がただ新規事業を作るのと 本質的にまったく同じだと感じます。 これはそれをリードする人が それにビジョンを感じなければ絶対にだめです。 だから社長が、これこれこれがいけるから これを作れといくらミッションを下ろしても その下にいる人から見ると その問題がbetter, faster, cheaperの問題ではなく innovationの問題なら解決がうまくいかない。

1:02:11 だからその単位のリーダーが完全に学習するか あるいは何か悟りを得るかして 次のレベルに上がって、事業家の列に準ずる 私は結局ずっと言っている話なんですが AI時代に私たちが持つべき人としての徳目、 どんな人たちが生き 残るのかということを話したとき その残る人たちのカテゴリー、特性、characteristic。 これはただ事業家としか思えないんです。 entrepreneurという気質がなければ そもそもやることがないです。 かなりきつく要約すると。 なぜなら皆さんが 単純反復したがる仕事、 それをAIがはるかにうまくやるはずだから。

チェ・スンジュン 1:03:01 では気になってくるのが その前で言った1/10x効率と 10x new bizの間に因果関係はあるんでしょうか。 相関関係はあるんでしょうか。 互いにorthogonalなんでしょうか。 独立的なんでしょうか。

ロ・ジョンソク 1:03:12 こう要約すればいいと思います。 結局はobjectiveの性格が違うんです。 前にあるものはmetricをつかみやすいです。 objectiveとevaluation metricが 明確に見えるということで、 ここ後ろにある問題はですね。 objectiveとevaluation metricが存在しない領域なんです。

チェ・スンジュン 1:03:32 つまり、いくら効率を高めたとしても 今、後者にはジャンプできるわけですよね。

ロ・ジョンソク 1:03:37 行けないですよ、行けないですよ。 だから結局、私もここについてはまだ答えはありません。 曖昧に感じている部分なんですが、

1:03:42 ここは結局、その該当ドメインをよく知っている 賢い entrepreneurの意志がいちばん重要な領域なんだ。 だからこれは、ただスタートアップを創業するのと 本質的にまったく同じように感じるんです。

1:03:58 それで私が先ほど 私たちのOpenClawの集まりで会ったこの若い新鋭の方々、 私たちに新鮮なunlearnを提供してくれたあの天才たちを見ながら あの人たちはそのレベルまで行って いるようです。

1:04:11 何らかの方法論は会得していて、その方法論を持って これをどんな事業に適用するかについて みんな考えを巡らせている最中のようなんですよ。 だから私は、彼らがどんな 革新の領域へ行って 新しいものを作ってくるのかということを とても興味深く見ています。

チェ・スンジュン 1:04:34 長江の波、その話を思い出しますね。 いつも新しい世代がやってのけてきたじゃないですか。

ロ・ジョンソク 1:04:39 後ろの水が前の水を押すものなんですよ。 だから私たちもうまく押し出されるべきだなという気もします。 だからあの人たちを見ながら、私はうらやましかったです。 それから、韓国の未来は明るいなとも思いました。

チェ・スンジュン 1:04:53 すでにやっている戦略も興味深かったです。 国内だけでなく海外も見ていて、 さらに影響力を持つために そのスタートアップのスターを集めたり influencerを持とうと努力する そういう姿勢のようなものも行間から読み取れて とても良い刺激になったこと。

ロ・ジョンソク 1:05:13 そういうこともじっと見ていると 私たちが話していたこのoptimizationロジックに 全部還元される活動なんですよ。 企業に誰かがイシューを付けてくれれば それ自体が実はプロジェクト全体の単位 objectiveを設定することになって、objectiveが設定されれば それは明確な問題だから evaluation metricはモデルが 自ら定められるわけで、 そうすると自ら進歩が起こる ある種の生態系を構築したわけです。 非常に非常にスマートです。 だからそれを広報しながら recognitionを継続的に高めることが ひょっとすると人間がやるべき最も重要な仕事で、 それを本質的にいちばんうまくやっているんです。

1:05:52 お話もお上手でした。 終わってから行って聞いてみたんです。 イェチャンさんに。イェチャンさん、イェチャンさんはこんなに若いのに どうしてこんな深い悟りを得たんですかと 質問したら、ただ本当にお金のかかった問題で 命がけで戦っていれば こうなるんじゃないでしょうかと答えてくれたんですが。

チェ・スンジュン 1:06:10 一人でhuntしていたわけですね。

業務そのものを丸ごとなくす 1:06:15

ロ・ジョンソク 1:06:16 はい、まさにその通りです。 私たちが会社で AXプロジェクトを数え切れないほどやるじゃないですか。 でもAXプロジェクトをやるときによくやるのが AXチームを作って、そのチームはどうしますか。 該当チームを回りながら要件を受け取りますよね。 要件を受け取って何かを作ってあげる形で プロジェクトが構造化されるんですが、そうするなという話を 私が書いたんです。

チェ・スンジュン 1:06:38 どうしてそうしてはいけないんですか。

ロ・ジョンソク 1:06:42 作ってあげても結局使わないんですよ。 AX、なぜならその組織のインセンティブが ある人が、知識労働者が何かの仕事をしていて 私たちがマーケターであれ 企画者であれ、あるいは マネージャーであれ、やっている仕事が その肩書きが付いたその その仕事だけをしているわけではないんです。 ものすごく多くの仕事で構成されていて 例えばそこにAIが入って 彼らがやっている業務のうち一つをなくしました。 するとその人たちはその業務をせずに より生産的な業務へ移動しなければならないじゃないですか。 移動するでしょうか。 ほとんどの場合、しません。 彼らのインセンティブを細かく見てみると 私はここまで来るために どれだけ大変な手作業をしながら ExcelとPowerPointのショートカットを身につけたのに、 私はこれをずっとやりたい、が本質である場合が多いんです。 そしてそのうえで、これをやりながら 楽にお金をもらいたいのに どうして私がやっていたことをやめろと やりたくない仕事へ追いやるんだというような プッシュを受けることが非常に多いというのを 私はいろいろなケースで感じました。

1:07:53 これをやるには オーナーであれ、あるいは最上位のリーダーシップであれ AXについてその本質を正確に 理解しなければならないと思うんですが、 そのチームを助けてください、が目標になるのではなく あのチームを丸ごとなくしてください、と なることが成功するAXの出発点です。

1:08:13 だからその人たちを 切ってしまおうという話ではありません。 その人たちが持っていた単位業務のようなものを 完全になくしてあげて 彼らを新しい職務に転換させるべきであって、 そこに何かをさらに足してみても PowerPointやExcelを それに置き換えるにすぎないでしょうし、 会社の立場では 何らかのmarginalな生産性向上はない。 各人員が遊ぶ時間が もっと増える可能性はあるでしょう。

1:08:40 でもそれが企業が本当にAXをやる理由だろうかと 考えてみると、私はそうではない気がしていて、 今やっているAXは 少なくとも大企業単位で起きているAXは 巡り巡って すべて意味がなくなってしまう可能性がかなりあるという考えを 私は持っています。 私がやってみたら、私の小さな会社と それからいくつかの会社で 私がAXを一度牽引してみると 感じられるインサイトとして、そういうものがあるんですよ。 その程度のことをお話ししたいです。

組織再編とAI Native Talent 1:09:10

1:09:14 結局、会社の立場では 実際、効率を追求することと 新しい事業を作ることの両方をやらないといけないんですが、 新しい事業を作れる人たちは 依然として事業家としてのセンスがある人たちです。 そして、そういう人たちは存在します。 いつでも存在します。 どこでも探ってみれば、みんないるんです。 その人たちを早く見つけて 彼らには新しいものを素早く見つけて出ていってもらい インセンティブを極限まで強化して、そうではなく 私はmoderateに やりたいです、という方には efficiencyの追求を任せて。

1:09:44 そうすると、彼らが通り過ぎた後、 それをやる人たちが どう見ても私の基準では AI native talentなんです。 AI native talentたちが通り過ぎた後には、 過酷なハーネスが生まれます。 すると、変わりたくない人たちは その過酷なハーネスに入れられることになるでしょう。 そうしてから、はるかに大変に働く可能性があるんです。

1:10:13 逆に、人が命令してAIが遂行するのではなく AIが作ったハーネスに人間たちが入っていく ディストピア的な世界へ 入っていく確率のほうが 今ははるかに高いのではないか、という気が少しします。

チェ・スンジュン 1:10:25 もう少し前のニュースではありますが イーロンがTwitterを買収したとき Jack Dorseyは整理することについて かなり反感を示していましたが、当のJack Dorseyが

ロ・ジョンソク 1:10:35 ものすごくたくさん切りましたよね。

チェ・スンジュン 1:10:37 そうですね、最近。

ロ・ジョンソク 1:10:38 ほぼ数千人を出しましたよね。

チェ・スンジュン 1:10:39 4千人だったかな、とにかくそれが時代状況を反映する 一つの断面のような気がしますし、 そういう観点で、ロさんがおっしゃることは、 会社レベルで ある見方が表れている部分があるんですが、 今日ずっと聞いてみると 20代で今まさに伸びてきている方々は どうせ傘の下にいるよりは これから前に突き進んでいく方々だから 良い関係を持つべきなので リスペクトして導いてあげて お互いに良い関係を持つ、そういうことが必要で、 社内で効率化することは どう効率性を達成するかは どう見ても今は当然のことだ。 すでに起きていることだし、それをしなければ むしろアンダーになる。 でも、イノベーションへ向かうことは それとは独立した別の性向のイシューかもしれない。

ロ・ジョンソク 1:11:29 そう整理できると思います。 とにかく、私もこういうのが好きなわけではなく 技術的なことが好きで、何かを作っているのが好きなんですが、 でも会社経営のほうに こういうダイナミクスを絶えず引き込んで 事業へ転換していくうちに 現実と、それから短期的に追求すべき理想、 長期的に追求すべき理想、 こういったものが少し見えてくる気がします。

Prompt Injectionと隔離運用 1:11:51

チェ・スンジュン 1:11:54 今これって結局エージェントが、 私たちがエージェントをうまく使えるのは プロンプトのおかげなんですが、 エージェントたちがinjectionを食らって入ってくると 2FAみたいなものも破られる危険があるわけですよね。 それって根本的に 解決できないんじゃないですか。

ロ・ジョンソク 1:12:08 そうだと思います。 2FAも破れるんじゃないかと思います。 エージェントがメールも見てしまえばいいわけですから。

チェ・スンジュン 1:12:13 つまりこれは実はセキュリティに関するイシューが かなり大きくあるという感じが じわじわ湧いてくるんですよ。

ロ・ジョンソク 1:12:21 だから私も自分のラップトップにはOpenClawを とても入れられませんでした。 それでOpenClawを VMを入れてLinuxを新しく立ち上げて その上でOpenClawを動かして あれこれ全部テストしてみたし、 これができて、ある程度、ああこういうの得意なんだな と思った後で 外にその DGXボックスを一つ用意して そこに今OpenClawをずっとセットアップしておいて あいつに見せるべき 最低限のデータやこういったものを入れているんです。

チェ・スンジュン 1:12:53 でも自分のcredentialを与えなければ 秘書としては価値が落ちるんじゃないですか。

ロ・ジョンソク 1:13:02 はい、だからソーシャルに関する部分だとか 金融に関する部分は、私はまだ渡せていなくて 単位task、万が一この文書が丸ごと外に出ても 私にほとんどリスクのない仕事を 任せてあります。

1:13:18 つまりこれは 実はモデルに 私の個人情報が渡るのが嫌だからというのは全くなくてですね。 それは前でも話したように まず私のものを渡して、より多くを得ることが モデルとは重要だと思うんですが、

1:13:29 OpenClawの場合は あいつが持っている自律性のせいなんです。 あいつが私の代わりにあれこれ判断するはずですが、 あ、ご主人様のためにはこれをしなきゃ、となったら やってしまうこともあり得るじゃないですか。 だからその部分については少し 見守りたい気持ちはあります。

チェ・スンジュン 1:13:43 それもありますが、洗脳されて入ってくることもあるじゃないですか。 エージェントたちはinjectionを食らうんですよ。

1:13:50 それがどうしても根本的に解決できなくて まだ それが今、厄介な問題なので これは事件事故が起こる可能性もあるなと思います。

1:14:02 だからたぶん大手事業者たちが これを少し悩んでいるんじゃないかという という推測もしてしまうんですが。

1:14:06 でも流れ的には、これはやるべき流れではあるじゃないですか、また。

ロ・ジョンソク 1:14:10 やらないわけにはいかないですよ。 だからみんな出してくるじゃないですか。

チェ・スンジュン 1:14:13 Perplexityをはじめ、みんなやっているので、 NVIDIAまで言及するくらいなのに。 でも面白く聞いたというよりは、実は 行間に鋭い言葉がたくさんあって、 どう受け取られるかは分かりませんが、 それでもこれはロさんがこの4年間 実際にやってみた経験から にじみ出た言葉なんだなという気がしました。

ロ・ジョンソク 1:14:37 そうですね、でもこれも明確に 26年3月時点のスナップショットで、 僕も1日に20回くらい考えが変わるので。

チェ・スンジュン 1:14:42 去年の3月か4月ごろだと ロさん、ADK最高だって言っていたころなんですよ。

ロ・ジョンソク 1:14:49 Claude Codeが出始めていたころ。 Pydanticがいちばんミニマルでいいんですよ。 Pydanticを使いましょうって盛り上がっていたのが 去年の3月です。

チェ・スンジュン 1:14:59 それに僕も4月ごろには Chrome DevTools Protocolだったかな、 CDPを使ってブラウザエージェントを実験していて、 でも今はもう ただ全部うまくできることになってしまいました。

ロ・ジョンソク 1:15:06 あのころはまだGitHub Copilotをつけて タブコーディングしていた時でした。 直接、僕がコードのメインは 僕が握ってアシストを受ける時だったんですが、 Claude Codeに行くのがちょっと抵抗あったんです。 正直、完全なエージェントコーディングに行くのが。

チェ・スンジュン 1:15:26 今OpenClawに行くことに 実は僕は少し抵抗感があるので、 それがさっとは行かないんですよね。 でも似たような状況はたくさんある気がします。 でも行くべきなのは確かだと思います。

ヨットレースのように追随する 1:15:33

ロ・ジョンソク 1:15:33 それで僕も、自分の人生でこれはヨットレースなんだ、 とにかく変わって、若い人たちがやることなら 僕も必ず一緒についていかなければ ならない、という考えに変えました。 それでその方々、実は そういう方々と最近かなり交流しているんですが、 クボンさんにも一度お会いしましたし。

チェ・スンジュン 1:15:59 クボンさん、ヨンギュさん、イェチャンさん、そして それから以前ご出演いただいたウォンジュンさんもずっと そういうダイナミックな関係づくりをすることを 試みていらっしゃって、かなり多角的で興味深く 今20代、30代の方々が活動しているのが 今すごく目に入ってくるんですよ。

ロ・ジョンソク 1:16:14 ミンソクさんも、ミンソク代表もそれを立ち上げたんですよ。 会社も結局OpenClawに似た アシスタント、そういう方式で方向性を定めたようなので、 ミンソクさんを一度お招きして どんなビジネスthesisを持っているのか 一度話してみるのもいいと思いますし。 それから僕が外を歩き回りながら いつも、うちには若くて新鮮な方々がいると話している そのヨンギュさん、イェチャンさんや

チェ・スンジュン 1:16:41 それにジニョンさんもいらっしゃいますし、 ジニョンさんなどがそういう方々をみんなご存じなんですよね。

クロージング 1:16:45

ロ・ジョンソク 1:16:49 では今日は、このくらいにしてお話しして、 お体に気をつけてください。 健康に気をつけなければならない年齢です。 では今日はこのあたりで締めくくりたいと思います。 ありがとうございます。

チェ・スンジュン 1:16:53 面白かったです。 ありがとうございます。