YC AI 起業キャンプ Day 2：ナデラ、ウー・エンダ、Cursor CEO が来ました

2025-06-20 00:06:16

AIの最良の用途は、ワンクリック生成の「魔法」を追求するのではなく、イテレーションの速度を向上させることです。

整理：ファウンダーパーク

YC AI Startup Schoolの2日目は、Satya Nadella氏(Microsoft CEO)、Andrew Ng氏(Deep Learning.AI 創業者)、Chelsea Finn氏(Physical Intelligence Co-Creator)、Michael Truell氏(Cursor CEO & Co-Creator)、Dylan Field氏(Figma CEO & Co-Creator)、 Andrej Karpathy氏(Teslaの元AIディレクター)とSriram Krishnan氏(ホワイトハウスの人工知能に関するシニアポリシーアドバイザー)は、7人の重要なゲストでした。

AI技術や起業などの話題に関して、これらの大物たちは講演の中で多くの素晴らしい見解を共有しました。例えば：

AIを擬人化しないでください。AIは人間ではなく、ツールです。次の最前線は、AIに記憶、ツール、行動を取る能力を与えることですが、これは人間の推論能力とは本質的に異なります。
将来的には、インテリジェントエージェントが次世代のコンピュータとなるでしょう。この未来は、技術の正確さだけでなく、ユーザーの信頼とシームレスなインタラクション体験にも依存しています。
フィードバックループを含む製品、例えば Agentic AI は、「一度きり」のタスクのみを実行できるツールよりもはるかに優れたパフォーマンスを発揮します。継続的なインタラクションは成果を最適化し、反復は性能の複合的な向上をもたらします。
プロトタイプの構築速度が10倍速くなり、商用ソフトウェアの開発効率も30-50%向上しました。この利点を活かし、リアルタイムのユーザーフィードバックを通じて市場リスクを低減すべきです。
コードはもはや過去のような希少性のあるコア資産ではありません。迅速なプロトタイピングツールやAIのおかげで、コードは簡単に生産できます。真に重要なのは、コードが実現する価値です。
現実世界のデータは代替不可能です。合成データやシミュレーションデータは役に立ちますが、特に複雑な視覚的および物理的なタスクにおいては、実データが依然として非常に重要です。
AIの最良の用途は、ワンクリック生成の「マジック」を追求するのではなく、イテレーションの速度を向上させることです。デザイナーとプロダクトマネージャーは現在、AI評価に貢献する必要があります。

Andrej Karpathy（Andrej Karpathyのシェアの詳細は、昨日の記事「YC AIスタートアップキャンプ初日、Andrej Karpathyの講演が話題になった」をご覧ください）やSriram Krishnanを除くと、残りの5人のゲストのシェアの核心的なポイントを整理しました。

マイクロソフト CEO：サティア・ナデラ

プラットフォームの複合効果：AIは空から出現したのではなく、数十年にわたるクラウドインフラストラクチャの上に構築されており、これらのインフラは大規模なモデルのトレーニングをサポートできるまでに発展してきました。各世代のプラットフォームは、次の世代のプラットフォームの出現に向けて基盤を築いています。
モデルはインフラであり、製品はエコシステムです：基本モデルは新しいタイプのSQLデータベースに似たインフラストラクチャです。本当の製品はモデルそのものではなく、それを取り巻く全体のエコシステムです：フィードバックループ、ツールの統合、ユーザーインタラクション。
経済的影響が基準：SatyaがAIの価値を測る北極星の指標は「それは経済的余剰を生み出しているか？」です。もし技術がGDP成長を促進できないのであれば、それは革新的ではありません。
計算能力と知能の境界：知能のレベルは計算能力の投入に応じて対数的に増加する。しかし、未来の重要な突破口は単に規模から来るのではなく、パラダイムシフトから来る。次の「スケールの法則の瞬間」の到来のように。
エネルギーと社会的コンセンサス：AI の大規模な発展には、より多くのエネルギー消費が必要であり、社会からの許可も必要です。許可を得るためには、AI がもたらす真の、ポジティブな社会的利益がそのコストに見合うものであることを示さなければなりません。
AIの真のボトルネックは変更管理です：伝統的な業界の発展の障害は技術にあるのではなく、固有のワークフローに束縛されていることです。真の変革には、AIを単に導入するだけでなく、仕事の進め方を再考する必要があります。
役割の融合：LinkedInなどで、デザイン、フロントエンド、プロダクトなどの伝統的な役割が徐々に融合し、「フルスタック」人材を生み出しています。AIは、より多くの人々が学際的な能力を持つことを可能にし、この傾向を加速させています。
繰り返しの作業の価値を過小評価しないでください：知識労働には、多くの繰り返しの肉体労働があります。AIの最も良い応用は、この「目に見えない摩擦コスト」を排除し、人間の創造性を解放することです。
未来に対してオープンであり続ける：サティア自身も「テスト時計算」と「強化学習」の技術の進展がこれほど早いとは予見していなかった。私たちがAIの最終形態を見たとは仮定しないでください。将来はさらなる突破がある可能性が高い。
AIを擬人化しないでください：AIは人間ではありません。それはツールです。次の最前線は、それに記憶、ツール、そして行動を取る能力を与えることですが、これは人間の推論能力とは本質的に異なります。
開発の未来：AIは開発者を置き換えるのではなく、彼らの強力な助手となるでしょう。VSCodeはAIと協力するためのキャンバスです。ソフトウェア工学の核心は、コードの記述からシステム設計と品質保証に移行します。
責任と信頼は不可欠です：AIの出現は人間の責任を免除するものではありません。企業は依然としてその製品の行動に法的責任を負う必要があります。これが、プライバシー、安全性、そして主権が核心的な地位を維持しなければならない理由です。
信頼は実用的価値から生まれる：信頼は便利さから来ており、空虚な言葉ではありません。Satyaは、インドの農民のために展開されたチャットボットがその一例であることを指摘し、目に見える支援が信頼を築く基盤であると述べています。
音声からエージェントへ：マイクロソフトのAIの旅は1995年の音声技術に始まりました。今日、その戦略の中心は、音声、視覚、そして至る所に存在する環境コンピューティングデバイスを融合させた完全な機能を持つ「エージェント」に移行しています。
インテリジェントエージェントは未来のコンピュータです：サティアの長期的なビジョンは「インテリジェントエージェントが新しい世代のコンピュータになる。」この未来は、技術の正確さだけでなく、ユーザーの信頼とシームレスなインタラクション体験にも依存しています。
リーダーシップに関する洞察：彼のアドバイスは、最も基本的な役割から始めることですが、最も大きな野心を抱くことです。製品を開発するだけでなく、チームを作る方法を学ぶ必要があります。
サティヤが求める人：彼は次のような人を重視します：複雑をシンプルにし、明確な考えをもたらす；チームの活力を引き出し、心を一つにする；厳しい制約の下で複雑な問題を解決することを楽しむ。
最も好きな面接の質問：「あなたが解決方法が分からなかった問題を教えてください。そして、それをどのように解決したのかを教えてください。彼は候補者の好奇心、適応能力、そして粘り強さを見たいと思っています。
量子コンピューティングの可能性：次の破壊的技術は量子分野から来るかもしれません。Microsoftは「エラー訂正量子ビット」の研究開発に注力しており、この技術は自然界を比類のない精度でシミュレートすることを可能にするかもしれません。
若者へのアドバイス：他人の許可を待つな。人々に真の力を与えるツールを構築しよう。彼はしばしば反省する：「私たちは他者が創造する手助けをするために何を創造できるだろうか？」
最も好きな製品：VSCode と Excel ——なぜなら、それらは人々に超能力を与えるからです。

Deep Learning.AI の創設者: Andrew Ng

実行速度が成功を決定する：スタートアップ企業が成功できるかどうかを測る最良の指標は、構築、テスト、反復の速度です。速度は学習の複利効果をもたらし、AIはこの効果を指数関数的に増加させます。
多くの機会はアプリケーション層にあります：現在最大の利益は新しいモデルの構築からではなく、既存のモデルを価値のあるユーザー向けのシナリオに適用することから来ています。これが創業者が注目すべき点です。
エージェンティックAIは「一回限り」のツールより優れています：フィードバックループを含む製品、例えばエージェンティックAIは、タスクを「一回限り」で完了することしかできないツールよりもはるかに優れたパフォーマンスを発揮します。継続的なインタラクションは成果を最適化でき、反復はパフォーマンスの複合的な向上をもたらします。
「オーケストレーション層」が台頭している：基盤となるモデルとアプリケーションの間に、新たな中間層が形成されている：エージェント式オーケストレーション。この層は、ツールやデータソースを超えた複雑なマルチステップタスクをサポートすることができる。
アイデアが具体的であればあるほど、実行は迅速になる：迅速な行動の最良の方法は、具体的なアイデアから始めることであり、エンジニアがすぐに構築を開始できるほどの詳細があるアイデアです。良い具体的なアイデアは、通常、直感的な明確さを持つ分野の専門家から生まれます。
「マクロな物語」の罠に注意：「AIが医療を強化する」といった抽象的な目標は野心的に聞こえますが、しばしば実行の遅れを招きます。本当に効率をもたらすのは、「MRI予約の自動化」といった具体的なツールです。
方向を調整する勇気を持つことは、最初の一歩を正しく踏み出すことが前提です。初期のデータがあなたの考えがうまくいかないことを示す場合、具体的な初期プランはあなたが方向を転換しやすくします。あなたが何をテストしているのかを明確に理解することで、失敗した後に迅速に別の方向に転換できます。
フィードバックループを利用してリスクを回避する：現在、プロトタイプの構築速度は10倍速くなり、商業レベルのソフトウェアの開発効率も30-50%向上しました。この利点を活用し、リアルタイムのユーザーフィードバックを通じて市場リスクを低減するべきです。
完璧を追求するのではなく、試行を重ねること：最初のバージョンを完成させようとしないでください。20個の粗いプロトタイプを作成し、どれが残るかを見てみましょう。研磨することよりも学ぶ速度が重要です。
迅速な行動と責任を持つ：アンドリュー・ンはシリコンバレーの古典的な信条を再解釈しました。「迅速に行動し、常識を打破する」ではなく、「迅速に行動し、責任を負う」ことです。責任感は信頼を築く基盤です。
コードはその希少価値を失いつつある：コードはもはや過去のように希少性のあるコア資産ではなくなった。プロトタイピングツールやAIのおかげで、コードは簡単に生成できる。実際に重要なのは、コードが実現する価値である。
技術アーキテクチャは可逆的です：以前は、アーキテクチャを選択することは一方向の決定でした。今では、それは双方向の扉であり、アーキテクチャを変更するコストは大幅に低下しました。この柔軟性は、より大胆な試みやより迅速な実験を促進します。
誰もがプログラミングを学ぶべきだ：「プログラミングを学ぶな」という主張は誤解を招くものだ。かつて人々はアセンブリ言語から高級言語に移行する際にも同様の懸念を抱いていた。AIはプログラミングの敷居を下げており、将来的にはより多くの職業の人々がプログラミング能力を習得すべきだ。
分野の知識がAIをより良くする：特定の分野に対する深い理解は、AIをより効果的に活用するのに役立ちます。美術史家はより良い画像プロンプトを書けます。医師はより良い健康AIを形作ることができます。創業者は、分野の知識とAIリテラシーを組み合わせるべきです。
プロダクトマネージャーが現在のボトルネックです：現在、新しい制約要因はエンジニアリングではなく、プロダクト管理です。ウー・エンダのあるチームは、フィードバックと意思決定プロセスを加速するために、プロダクトマネージャーとエンジニアの比率を2:1に調整することを提案しました。
エンジニアはプロダクト思考を持つ必要がある：プロダクトの直感を持つエンジニアはより迅速に行動し、開発されたプロダクトはより良いものになる。技術的能力だけでは不十分であり、開発者はユーザーのニーズを深く理解する必要がある。
最速でフィードバックを得る：アンドリュー・ングが推奨する速度階層（最速から最遅まで）：社内のDogfood（製品自テスト） → 友人の意見を求める → 知らない人に尋ねる → 千人のユーザーに小規模リリース → グローバルA/Bテストを行う。起業家はできるだけ早くこの道を登っていくべきである。
深いAIの知識は依然として競争優位：AIリテラシーはまだ普及していない。AI技術の原理を真に理解している人々は依然として大きな優位性を持っており、よりインテリジェントで効率的かつ自律的な方法で革新を行うことができる。
マーケティング ≠ 真実：印象的に聞こえるが主に資金調達や地位向上のために使われるストーリーには警戒が必要です。AGI、絶滅、無限の知能といった用語は、影響力のシグナルではなく、通常はマーケティングのシグナルです。
安全は使用に関するものであり、技術自体に関するものではない：「AIセキュリティ」という概念はしばしば誤解される。AIは電気や火のようなものであり、それ自体は善悪を問わず、どのように適用されるかに依存する。安全は使用に関するものであり、ツール自体に関するものではない。
唯一重要なのはユーザーがそれを好むかどうかです：モデルのコストや性能基準に過度にこだわる必要はありません。唯一気にする必要があるのは、あなたがユーザーが本当に好きで継続的に使用したいと思う製品を作り出しているかどうかということです。
教育におけるAIはまだ探索段階にあります：Kira Learningなどの企業が多くの実験を行っていますが、教育分野におけるAIの最終的な形態はまだ明らかではありません。私たちはまだ変革の初期段階にいます。
「終末論」と「規制捕獲」に警戒せよ：AI に対する過度の恐怖が、既存企業を保護するための規制を正当化するために利用されている。権力者に有利な「AI セキュリティ」のストーリーには懐疑的であるべきだ。

物理知能連創：チェルシー・フィン

ロボット技術にはフルスタックの思考が必要です：既存の企業にロボット技術を追加するだけでは不十分です。データ、モデル、デプロイメントからゼロから全体の技術スタックを構築する必要があります。
データの質は量を超える：業界、YouTube、またはシミュレーション環境からの膨大なデータセットは、多様性や真実性に欠けることが多い。正確で高品質なデータは、規模よりも重要です。
最適なモデル：事前学習 + 微調整：広範なデータセットで事前学習を行い、その後約1000の高品質でシーンが一貫したサンプルを使用して微調整を行う。この方法はロボットの性能を大幅に向上させることができる。
汎用ロボットは専用ロボットを超える：異なるタスクやハードウェアプラットフォーム（例えば、サードパーティのロボット）を越えることができる汎用モデルは、特定の目的のために構築されたシステムよりも成功していることが証明されている。
現実世界のデータは代替不可能：合成データやシミュレーションデータは役立つが、特に複雑な視覚や物理的なタスクにおいて、実データは依然として重要である。
リソースが多すぎると逆効果になる可能性があります：過度の資金提供や物事の過度な複雑化は進捗を遅らせることがあります。問題の明確さと集中した実行が最も重要です。

Cursor CEO＆共同創業者：マイケル・トルエル

早期に始めて継続的に構築する：たとえパートナーが途中で辞めても、マイケルはプログラミングを続けました。初期のウイルス的な拡散（Flappy Birdの模倣品）が彼に自信とスキルを築く手助けをしました。
スピーディーな検証、たとえ未知の領域でも：彼らのチームは、事前の経験がない状態で機械工学の分野におけるプログラミングアシスタントを構築しました。彼らの信条は「実践から学ぶ」です。
差別化されたポジショニング、巨人を恐れる必要はない：彼らはGitHub Copilotと競争するかどうかを躊躇していましたが、後に「全プロセス開発の自動化」を目指す企業はほとんどないことに気づきました。このポジショニングは彼らに市場を開きました。
コードからリリースまで、迅速な行動：最初のコード行から公開リリースまで、彼らはわずか3か月を費やしました。迅速なイテレーションが彼らの製品の方向性をすぐに調整するのに役立ちました。
シンプルさは複雑さに勝る：彼らはIDE（統合開発環境）とAIツールの同時開発の計画を断固として放棄しました。AI機能自体に集中し、より速い進展を遂げました。
配布は1つのツイートから始まることができます：Cursorの初期ユーザーの成長は、共同創設者がソーシャルメディアで行った1つのツイートに起因しています。正式なマーケティングの前に、口コミが主要な推進力となっていました。
実行力の複利効果：2024年、Cursorの年換算定期収入は1年間で100万ドルから1億ドルに成長し、製品の改善とユーザーの需要の推進により、週ごとの複利成長率は10%に達しました。
最良のアドバイスは、あなたの好奇心に従うことです：履歴書を飾るためにやるべきことを忘れてください。マイケルの主なアドバイスは、賢い人たちと一緒にあなたが興味のあることをすることです。

FigmaのCEO＆共同創設者：ディラン・フィールド

あなたを刺激する共同創業者を見つける：ディランのモチベーションは、彼の共同創業者エヴァン・ウォレスとのコラボレーションから来ており、「毎週未来を創造しているように感じる。」
早めに始めて、実践しながら学ぶ：ディランは19歳で大学に通っている間に起業プロジェクトを始めました。「スタンプ生成器」などの初期のプロジェクトの失敗が、最終的にFigmaのような素晴らしい構想を磨き上げました。
迅速にリリースし、より早くフィードバックを得る：彼らはメールで初期ユーザーに連絡し、迅速に反復を行い、最初から料金を取ることに固執しました。フィードバックは製品の進化の継続的な原動力です。
長期ロードマップを短期スプリントに分解する：大きなビジョンをより小さな部分に分解することは、スピードと実行力を確保するための鍵です。
製品マーケットフィットには数年かかる場合がある：Figmaは、MicrosoftがFigmaが料金を請求しなければ、協力を終了せざるを得ないという決定的な信号を受け取るまでに5年を要した。
デザインは新しい差別化要因です：彼はAIの台頭により、デザインがますます重要になっていると信じています。FigmaもDraw、Buzz、Sites、Makeなどの一連の新製品を発売することでこのトレンドに応じています。
AIを活用してプロトタイピングを加速する：AIの最も良い用途は、ワンクリック生成の「魔法」を追求するのではなく、反復速度を向上させることです。デザイナーとプロダクトマネージャーは、AI評価に貢献する必要があります。
拒絶を受け入れ、逃げない：子供の頃の演技経験が、ディランに批評やフィードバックに対して冷静に向き合うことを教えました。彼は、拒絶されることが成功への道の一部であると考えています。
人間関係は常に核心である：AIで人間関係を置き換えないよう警告する。人生の意味について尋ねられたとき、彼は「意識を探求し、学び続け、愛を分かち合う」と答えた。