AI時代に「物をつくる速さ」をどう上げるか キャディ加藤勇志郎氏が語る物的限界と日本製造業の暗黙知
PIVOT 公式チャンネル
AIが論文を書き、新しい理論を次々に見つける時代になっても、私たちが暮らす物理世界はほとんど変わっていない。製造業向けAIを手がけるキャディの加藤勇志郎社長は、PIVOTのインタビューでこの問題意識から話を始めた。加藤氏は、物理世界への実装速度を上げることこそが人類の発展につながると考えている。そのうえで、製造業の知の多くがまだ人の頭の中にあることを課題として挙げ、同時にそれをAI時代における日本の強みになり得るものと位置づけた。
シリーズD調達の背景にある「物理世界は変わっていない」という危機感
加藤氏は約3年前にシカゴにキャディの拠点を開き、現在は米国法人のCEOも兼ねて普段は米国で暮らしている。創業期には町工場を千社ほど回ってものづくりをしていたという。今回はシリーズDの資金調達を実施した。その理由として加藤氏が挙げたのは、グローバル展開の強化に加えて、ChatGPTの登場から約4年が経つのに、通勤路や病院といった物理世界は「正直ほぼ何も変わってない」という危機感である。これを変えるには、グローバル展開とテクノロジーの両面でやるべきことが多いと話した。
理論が見つかっても、実装には時間がかかる
加藤氏によれば、AIによって数学の論文が自動で書かれたり、AlphaFoldがタンパク質の構造を解いたりと、発見や理論は爆発的に増えている。しかし理論や発見を物理世界の変化に変えるには、誰かが物理的に実装しなければならず、その実装に長い時間がかかる。
例として挙がったのが自動車だ。2026年現在、日本でも欧米でも車を1台開発するには4〜5年かかる。30年前も4〜5年だった。ソフトウェアの世界が加速し続けているのと比べると、物理側の実装速度はほとんど変わっていない。このままでは、知識がどれだけ増えても5年後、10年後の世界は今とほとんど同じになり得る、と加藤氏は指摘する。
歴史の例として、加藤氏は飛行機を挙げた。ライト兄弟の初飛行は1903年だが、飛行の原理は1799年頃から確立されており、原理の発見から実際に制御された飛行までに約100年かかっている。今起きている発見ラッシュも同じ道をたどれば、「我々が生きてる間にはほとんど何も起こらない」こともあり得る。だから実装速度を上げなければならず、それを担うのが製造業であり、キャディはその加速をビジョンに掲げている、というのが加藤氏の立場である。
BYDの開発期間はなぜ短いのか
聞き手は、中国のBYDが開発期間を大きく縮めている理由を尋ねた。加藤氏は理由を大きく2つ挙げた。
1つ目は単純に稼働時間の差だ。工場は2交代や3交代で1日16〜24時間動いているが、設計や調達といったホワイトカラーの業務は9時から5時の1交代で、ここが開発期間全体の大半を占めている。中国ではこのホワイトカラー業務も2〜3交代で回しているという。
2つ目はPDCAの回し方だ。ソフトウェアはリリース後に不具合があれば修正したり元に戻したりできるが、物理製品は出荷後に遠隔で直せず、修理にも限界がある。そのため最初に安全性を固め切ってテストする必要がある。一方、中国は良くも悪くも一度出して、壊れたら後で直すというサイクルを非常に速く回している、と加藤氏は見る。
ただし加藤氏は、規制や守られている価値もあるため、日本や米国がこのやり方を真似するのはほぼ無理だと考えている。そのうえで取り組んでいるのが、手戻りを減らすことと、工程を並列化することだという。設計から調達に進み、部品を買った後で設計ミスが見つかれば、買い直しや組み立て直しが発生する。こうした手戻りをなくし、ある作業の最中に別の作業も同時に進められれば、全体の期間は大きく縮まる。
「物的限界」とは何か
加藤氏は「物的限界（フィジカルリミッツ）」という言葉を使う。知能的な限界はAIによって次々に解かれていくが、物理的な限界はそう簡単には解けない、という意味だ。
その一つは命に関わる問題である。車がどれだけ賢くなっても、ぶつかれば人は亡くなるし、飛行機が落ちれば人は亡くなる。もう一つは物理的なアクセスの問題だ。加藤氏によれば、世界では40億人以上がまだ車にアクセスできていない。これは貧困の問題として扱われがちだが、物理的な限界の問題でもある。車が約10万円で買えるようになれば、今買えない40億人の8割が車を買えるようになるという。
10万円の車は不可能なのかという問いに対し、加藤氏はSpaceXを引き合いに出した。ロケットの打ち上げ価格を約97%下げたのは、再利用などによって物理的限界を一つ突破した例だという。車で同じことができれば、貧困の状況が変わらなくても8割以上の人が移動の自由を手に入れられる。キャディでは、こうした移動の自由、物理的アクセス、命などに関わる物的限界を14個定義している。AIが変えるのは理論までで、物理世界を変えるのは製造業というプレイヤーだ、と加藤氏は強調した。
スパーク、マテリアライゼーション、ディフュージョン
物的限界を超えるプロセスを、キャディは3つのフェーズで捉えている。最初は「スパーク」で、ひらめきや発見にあたる。AIが多くの論文や新しい知見を生み出し、ここは加速している。次が「マテリアライゼーション」で、ひらめきを物理世界に実装する段階だ。キャディが最も重視しているのはここである。最後は「ディフュージョン（浸透）」だ。物ができても使われるとは限らず、マーケティングやメディア、さらに「この国ではこれは買えない」といった政治の問題も絡む。
キャディのビジョンは「物的イノベーションを10倍加速する」ことだ。発見が100倍、1000倍に増えても、実装を1000倍に加速するのは難しい。それでも10倍になれば物理世界は相当変わるだろう、と加藤氏は考えている。キャディは10年後の10倍加速した世界を「10年デモ」として形にし、顧客に見せる取り組みも行っている。
118の工程と、手戻り・並列化
加藤氏によれば、製造業では企画から最初の1個ができるまでに、ざっくり118個の工程がある。これにかかる期間は飛行機で10年、車で4〜5年に及ぶ。各工程を自動化などで短くすることは誰もが考えるが、加藤氏はそれ以上に、工程がバトンパスのように直列でつながっている点を問題視する。設計が終わるのを待たず、設計中にシミュレーションを回しながら調達活動も進めるといった並列化は、現実的に可能だという。
もう一つの大きなテーマが手戻りだ。車の開発では設計レビュー（デザインレビュー）で図面を20回ほど書き直すのが普通だという。1〜2回で決まれば、その後の「やってみて戻る」もなくなり、全体は短くなる。製造業には100年以上の歴史があり、「この設計にすると調達でこういう問題が起きる」といった経験を必ず誰かがしている。キャディはこうした過去の知見を集めて会社の資産に変え、設計中に自動でフィードバックする仕組みを作っている。そのためのデータプラットフォームが、10倍加速の基盤だという。
どこまで縮められるのかという問いに、加藤氏は2035年までの目標として、車なら4〜5年を4〜5カ月に、飛行機なら10年を1年にする世界を挙げた。ものづくりを知る人ほど「馬鹿げた話」に聞こえるだろうと本人も認めている。実際には、顧客の経営層と目標を立て、まず2倍を目指すところから始めるという。車を1秒で作るのは物理的に不可能なので、どこまで縮められるかは分からないと加藤氏は留保をつけた。それでも開発の回転数が10倍になれば、ソフトウェアのように市場の反応を受けて実験と改善を繰り返せるようになり、世の中が変わるのではないかと語った。
製造業には「再利用」がない
加藤氏は、SpaceXの革新も新しい原理の発見ではなく、すでに分かっていたことを徹底して実装したものだと見る。そのうえで、ソフトウェアの歴史と比べて製造業の課題を説明した。
1995年頃にAmazonのようなECサイトを作ろうとすれば、1〜2年がかりの大型プロジェクトになった。ところがAIが普及する前の2020年頃にはすでに、ECサイトは数日から1週間で作れるようになっていた。加藤氏が引用した統計では、2020年頃の時点でコードの91%以上はどこかから持ってきたものだという。SDKやフレームワーク、ライブラリがあり、決済ならStripeを使えばいい。再利用ができれば圧倒的に速くなる。
一方、製造業にはこの再利用がほとんどない。加藤氏によれば、新しく作られる設計の8割以上はゼロから手で書かれ、調達先の選定や見積もりも毎回ゼロからやっている。社員が30万人いる会社なら、ほぼ同じことを以前にやった人が誰かしらいる。しかしそのすべてを誰かが把握することは現実的に不可能だ。これが「製造業の知の8割は頭の中にある」という問題である。
暗黙知をためるデータフライホイール
キャディは、データを集めて解析し使えるようにするだけでなく、使っているうちに暗黙知が自動的にたまる仕組みを作っているという。設計レビューでは、ベテランが「CADのここは過去にトラブルが起きたから変えるべきだ」とコメントし、修正を何度も繰り返す。キャディのAIはこの場面で修正案を自動で示すが、暗黙知がまだすべてたまっていないため100点は取れない。
そこで、人間同士のやり取りを図面やCAD上にコメントとして残してもらう。加藤氏は、AIにはコンテキストがなく、データ以上には賢くならないと指摘する。コメントとして残すことで、これまで消えていた暗黙知が初めて蓄積される。次に似た設計をするときには、ベテランの指摘が自動で反映される。暗黙知をためてデータベースに戻し、それを使うとさらに暗黙知がたまる。加藤氏はこの循環を「データフライホイール」と呼び、地道な作業だが顧客と一緒に進めていると語った。
知見は会社を越えて共有されるのか
ノウハウの共有は1社内にとどまるのか、業界全体に広がるのか。この問いについては社内でも議論が多いと加藤氏は明かした。そのうえで、キャディは「個別性を究極的に高めるべきだ」という立場をとる。ソフトウェアでも、サーバーを自前で用意していた時代からAWSを使う時代になって、皆が同じものを作るようになったわけではない。共通の土台が高くなったことで、むしろ個別性が尖っていった。製造業でも同じことが起きるはずだと考えている。
そのため、顧客のデータを勝手にまとめて他社でも使えるようにすることはできないし、すべきでもない、と加藤氏は言う。JIS規格への準拠チェックのように、どの会社にも共通するものは自動で走らせる。一方で、各社固有の経験に基づくチェックやシミュレーションはその会社の中に閉じる。この区分けを徹底している。キャディの仕組みは基本的に各社に閉じており、シングルテナントで構築している。
聞き手は、中国でファーウェイがソフトウェアの土台を提供し、自動車メーカーが下請けのようになっているという話を紹介した。加藤氏は、自分たちは何をどう作るかを定義すべきではないし、したいとも思っていないと述べ、その方向性との違いをはっきり示した。
「データの地図」で再現性を担保する
各社に閉じた仕組みを支えるのが、製造業に特化したライブラリとセマンティックレイヤー、加藤氏の言う「データの地図」だ。データをきれいにしても、大量のデータをAIエージェントに探索させると、毎回違う答えが返ってくる。製造業では、同じ質問には同じ答えが返る再現性が重要になる。
加藤氏はこれを道案内にたとえた。目的の病院にたどり着けなかったとき、AIに聞き直すとまったく別の場所へ行ってしまう。そうではなく、最後の小道に入る手前の大通りまでは正しかったと確定させ、間違えた最後の部分だけを制御できるようにしたい。そのために地図を作るという。図面から何を抽出すべきか、図面上の公差が変わると製造工程にどう影響するかといった知識の多くは、どの会社にも共通する。これをキャディのライブラリとして持ち、適用すると8割方はできる。残りの2割を各社向けにカスタマイズしていく。
汎用AIか、バーティカルAIか
政府がバーティカル（領域特化）AIを強化する方針を示していることについて、加藤氏は「結局両方」だと答えた。キャディもLLMやクラウドなど汎用的な技術を活用している。ただ、製造業にはバーティカルでなければ解けない問題が多く、必要に迫られてバーティカルに取り組んでいるという。
加藤氏の考えるバーティカルAIとは、データ層やAIモデル層といった下の層から、ユーザーが使うアプリケーション層までを一つのプロバイダーが一貫して提供するものだ。特にモデルから作り変えることが重要だとし、キャディは製造業に特化したAIモデルを自社で持っている。加藤氏によれば、その精度は汎用モデルより10倍、20倍以上高い。CADや図面といった製造業特有のデータに、LLMは最適化されていないからだという。
国の戦略については、「弱者の戦略」として正しいのではないかと評価した。汎用AIは数十兆円規模を投じる資本のゲームになりやすく、日本でそれができるプレイヤーはソフトバンクくらいしかない。一方で日本には製造業をはじめ強い暗黙知が多くあり、それを掛け合わせれば必然的にバーティカルになる、というのが加藤氏の見方だ。
FDEは「デルタ」を埋める仕事
バーティカルAIとFDE（Forward Deployed Engineer）は同じ概念なのかという問いに、加藤氏は違うものだと答えた。ただし、結果的に重なりやすいことは認めた。FDEという言葉は誰もが使うようになったため、キャディ自身はあまり使いたくないという。
加藤氏は、パランティアがFDEのチームを「デルタ」と呼んでいることを、よい表現だと評価する。顧客がやりたいことと、自社プロダクトの間にはギャップがある。そのギャップを埋める部分がデルタだ。土台がなく全部ゼロから作るならSIになり、プロダクトだけで顧客の課題が解けるならSaaSになる。その中間でギャップが「絶妙に」あるときにFDEがちょうどよく機能し、ギャップを埋めながらプロダクト側も強くしていくサイクルを回せる、と加藤氏は説明した。
キャディは基本的にプロダクトカンパニーで、もともとはSaaS的にプロダクトを提供してきた。しかし10倍加速を目指すと、全員が同じ既存プロダクトを使うだけでは足りず、ギャップが大きくなる。そこをFDE的に埋めていくという。ただし最優先は、あくまでプロダクトでできることを強くすることだと加藤氏は念を押した。
パランティアに近いのか
聞き手は、キャディは製造業版のパランティアに近いのではないかと問いかけた。加藤氏は、投資家からも毎回聞かれる難しい質問だと前置きしたうえで、近い部分はあると答えた。
パランティアのFDEは、実際に戦場へ赴き、ネットワークがない場所でどうするかをその場で考えてエンジニアリングすることから生まれた言葉だと加藤氏は理解している。キャディも、2年前までの7年間は自らものづくりを行い、10拠点以上の検査拠点で品質保証をして製品を出荷してきた。その意味で、キャディは「ザ・フォワードデプロイド」だったという。そこで培った知見をプロダクトにしている点は、パランティアに近い。
一方で違いもある。加藤氏によれば、パランティアは業界特化のAIモデルを作っているわけではなく、既存のLLMをうまく組み合わせるのが強みだ。顧客ごとにゼロから作り、そこから共通性を見出してプロダクト化していくスタイルでもある。キャディはモデル層からアプリケーションまでを自社でパッケージとして持っており、その点ではパランティアらしくない。聞き手が「プロダクトが主軸ということか」とまとめると、加藤氏もそれに同意した。
22カ国に広がる顧客と、変えなかったプロダクト
キャディは約2年前に事業を大きく転換し、現在は22カ国で使われている。加藤氏がいるシカゴは、日本でいえば名古屋や愛知のような製造業の中心地だ。米国では多くの州で、小さな会社から売上数兆円規模の企業まで導入が進んでいる。とはいえ加藤氏は、ここまで来るのは非常に大変だったと振り返る。ただしその大変さは米国だから特別というものではなく、2017年に日本で創業したときとほぼ同じで、国が違うだけだという。米国拠点は現在50人を超え、エンタープライズ顧客にも使われるようになった。
22カ国という数字は、グローバル企業の各拠点が使っている結果だという。米国企業のスペイン子会社や、日本企業のイタリア子会社といった具合だ。グローバル企業が世界全体で知見を活用し、新しい知見を生み出すサイクルを支援したいと加藤氏は語る。
製造業は本当にグローバルな産業で、米国のオペレーションも日本とほとんど変わらないという。設計、調達、生産技術といった機能も、ERPやPLMなど使われているソフトウェアもおおむね同じだ。キャディは4年間、国ごとにいろいろ変えてみたが、最終的には元に戻し、世界共通の同じプロダクトを提供している。それが通用しているという手応えがあると加藤氏は述べた。顧客構成では、海外比率はすでに2桁%に達しているものの、社員の約8割は日本におり、全体では日本企業の比率が高い。
暗黙知は日本の「最強のIP」になり得る
製造業が国防とも結びつく時代に、日本の製造業の可能性と課題をどう見るか。加藤氏は、AIの流れの中で日本は「めちゃめちゃ強い可能性がある」と答えた。
その根拠として、加藤氏は空港での経験を挙げた。飛行機のドアを出た瞬間、日本では従業員が全員きちんと立って作業しているが、米国ではスタッフが座って携帯をいじっていたりする。加藤氏はこの違いを、米国の企業がオペレーションと知的業務をはっきり分けていることの表れだと見ている。雑に言えばオペレーターを信頼せず、ミスが起きれば仕組みが悪いと考える。そのため標準化を進め、例外を生まないようにする。これは良い意味でもあると加藤氏は付け加えた。一方、日本はオペレーターが強いため、現場主導の改善という文化が生まれた。
このモデルを世界中にコピーするのは時間がかかり難しい。しかし、暗黙知をAIで捉えられれば話は変わる。改善に関する暗黙知は世界のほとんどの国が持っておらず、日本は強く持っている。今は人の頭の中にあるためスケールしないが、自社のデータ基盤に乗せ、それを使ったAIが自社のために動くようになれば、スケーラブルになる。加藤氏は日本を「経験大国」と表現し、AIとの相性は非常に高いと述べた。
聞き手が「暗黙知はすごいIPですね」と応じると、加藤氏はまさにIPのようなものだと同意した。外部に売るかどうかは別として、それがあるからこそ大きなブーストが効く。個人の中に閉じていてはもったいない、という。聞き手は、10年前にはまだ掘り起こされていなかったアニメなどのIPがその後大きく伸びたこととのアナロジーを示し、加藤氏もそれに同意した。
中国、インテグラルとモジュラー、国防
中国をどう見るかについて、加藤氏は中国を基本的に「標準大国」と位置づけた。製造業の世界には、藤本隆宏氏が提唱した「インテグラル（すり合わせ型）」と「モジュラー（組み合わせ型）」という考え方がある。パソコンは後からメモリーだけを増やせるが、車はエンジンだけを交換するのが難しい。エンジンが他の部分と密接に連携しているからだ。日本は複雑で、インテグラルであればあるほど強い。中国はモジュラーの世界で強い。
比較優位の観点では、モジュラー的なものは日本から出ていっているし、出ていけばよいと加藤氏は考える。ただし最近は国防の観点が重要になり、必要なときに国内で作れることの価値が高まっている。採算が悪くてもモジュラーを戦略的に維持するかどうかは、半導体のラピダスなどでも議論されているテーマだという。それ以外の領域では、日本は比較優位のあるインテグラルに賭け続けるべきだと加藤氏は話す。AIで土台が上がれば、その上でさらに複雑なすり合わせができるようになるはずで、日本は「複雑さの最先端」をより尖らせていけるのではないかと述べた。
国家とスタートアップの距離感
国家とスタートアップはどんな関係を築くべきか。加藤氏はまず、キャディのチームがイスラエルの顧客を訪れる経験に触れた。そのうえで、必然性のあるところにお金と人材が集まると語った。ウクライナのドローンには世界中から資金が集まる。嫌な言い方をすればビジネスになるからだ。GPSのように重要な技術が軍事から生まれることが多いのも、国が強くしようとしたからというより、需要があったからだと加藤氏は見ている。そして日本にも、あまり良いことではないが、そうした必然性が生じつつあるのではないかという。
米国でも、国がスタートアップを積極的にバックアップしている印象はないと加藤氏は言う。宇宙のように必然性がある分野で、SpaceXへの投資のような動きがあるのだ、という見方である。国がすべきなのは、何かを直接支援することよりも、必然性を生み出すことや戦略的な方向付けをすることだ、と加藤氏は考えている。聞き手が「国家の支援は後付けということか」と確認すると、加藤氏はうなずいた。逆に言えば、すでに波があるならそれを支えるのは大事だという。地政学を背景に国内生産を目指す半導体への国の資金支援は、国防の観点から非常に重要だと評価した。それによって周辺のサプライチェーンが自然にでき、AIで支援する企業も生まれる。キャディも半導体関連企業を支援している。一方で、国がないものをゼロから生み出そうとするのはむしろ難しいのではないか、というのが加藤氏の見方である。
日本に起業家精神はないのか
最後に加藤氏は、日本はスタートアップが弱いという30年来の議論に触れた。米国では、1社の年間調達額が日本のスタートアップ全体の調達額を上回ることもあり、その差は実感しているという。しかし加藤氏は、1945年に焼け野原から出発した日本が、約40年で世界2位の経済大国となり、GDPシェアを18%まで伸ばしたことを指摘する。それを実現したのは製造業を中心とする起業家たちであり、日本に起業家精神がないという見方は違うのではないかと考えている。
加藤氏はシカゴでの体験も紹介した。米国の人々は村上宗隆、鈴木誠也、今永昇太といった日本の野球選手をよく知っている。それは先人が道を切り開いてきたからだ、と加藤氏は言う。スタートアップでも、最初の成功例がどれだけ早く生まれるかが重要で、大義を持ってグローバルで成功する例が支持されれば、後に続く人は次々に出てくるはずだと語った。
ホンダ、トヨタ、ソニーを意識しているかと問われると、加藤氏は「すごく意識します」と答えた。米国で「こんなしょぼいバイクに誰が乗るんだ」と言われながら大ヒットさせた本田宗一郎の話には胸が熱くなるという。そうした精神を持って事業を続けていきたい、と加藤氏は結んだ。
このGPTのショックからですね、4年ぐらい経って、じゃあどれぐらい物理世界が変わりましたかって言うと、正直ほぼ何も変わってないなっていう、そういった危機感というか課題感があって、
例えば車って大体1台作るのに4年から5年ぐらい時間かかるんですね。で、30年前どうだったかって言うと、30年前も4、5年なんですよ。
今までの長さって究極的にはどれぐらいまで短くできるって見てらっしゃるんですか?
そうですね。我々の目標はまさに10年後、2035年に10倍加速なので、要は再利用ができれば圧倒的に早くなるわけですね。で、製造業ってその再利用がほとんどないんですよ。
もう今ちょっと時代も変わって、この製造業、物が作れるかどうかが国防の要になってるというか、日本の製造業の可能性と課題どう見えます?
私は実はこのAIの流れでいいと、日本はめちゃめちゃ強い可能性があるという風に製造業においてですね、思っていて、なぜかと言うと、
皆さんこんにちは。PIVOTの佐々木です。今回のPIVOT TALKは製造業の復権、AI時代に物を作ることをテーマにお話を伺います。ゲストにお迎えしましたのはキャディCEOの加藤勇志郎さんです。よろしくお願いします。
よろしくお願いします。
加藤さん、普段はアメリカにいるみたいですけど
はい。アメリカのシカゴにおりまして、3年ぐらい前からですね、キャディでそちらにオフィスを作りまして、今私はそちらのCEOも兼ねているということで、通常アメリカにおります。
製造業って感じの格好されてますね。
はい。でも、実は創業期はもうずっと町工場の会社さんを千社ぐらい回って物づくりをしてたんですけれども、そこから3、4年経って結構大きな会社もお客さん増えてきて、そっから割とスーツになってったんですけど、ちょっとやっぱりこう初心に戻ろうかなっていう。
お、いいですね。やっぱ雰囲気が出て
いや、やっぱり物づくり、今回もそういうまさにテーマだと思うんですけど、物づくりをどうやって良くしていくかで、やっぱり日本は物づくり大国でありますので、そういったところで、そういったお客さんと改めて、いろんな意味で同じ感じでお話していきたいなということで。
分かりました。今日はAIと製造業の、ここの関連について伺いたいんですけど、まず最初にちょっと大型調達したっていうことで、また新たに調達したんですね。
はい。そうですね。新たに調達をしまして、今この3、4年でグローバルずっとやってるんですけど、今後グローバルを強化していくとか、やっぱりこの今AIの時代でどんどんAIが伸びていった時に、ただじゃあ我々が住んでるこの世界がこの4年ぐらい、このGPTのショックからですね、4年ぐらい経って、私の今通勤してきたところだったり、あるいは病院だったりどこでもいいんですけど、じゃあどれぐらい物理世界が変わりましたかって言うと、正直ほぼ何も変わってないなっていう、そういった危機感というか課題感があって、
で、そこを解決していくためには、グローバルももちろんそうですし、あとはやっぱテクノロジーとか、しなきゃいけないところたくさんあるんで、そんなことで今回シリーズDを調達させていただきました。
今日ちょっと4つのテーマでお伺いしたいと思います。1つ目がですね、AIが賢くなるほどこの物理側にちょっとボトルネックがあるっていう話が1つ目で、2つ目に、なんでそこにいろんなボトルネックがあるかっていうとこに関して、製造業の知の8割はまだ人間の頭にあるという話を伺って、3つ目に、汎用AIか、これバーティカルのAIか、どっちがどういう特徴、違いがあるかとかですね。そういった話を伺って、最後に日本のAI企業が世界の製造業にどうやったら入っていけるのかって話を伺いたいと思います。
まず1つ目は、このAIが賢くなるほど物理側のボトルネックがある。そして先ほど進化あんまりしてないって話ありましたけど、もうAIの話が出てきて、もうすぐフィジカルAIとかみたいな感じで、もう物理もなんかバンともう3年、5年ぐらいで行っちゃいそうな今雰囲気ありますけど、そんな甘くないってことですね。現場にいると。
そんな甘くないというか、実際問題としてじゃあ今物理世界はほぼ何も変わってないなっていうのは、1コンシューマーとしても思うわけで、実際何が起こってるかっていうと、このAIってどんどん進化してた時に、今数学の論文がじゃあ自動的に書かれますとか、AlphaFoldでタンパク質のどうのこうのみたいな話がいろんなとこであると思うんですね。
で、その発見とか理論ってのはたくさんあって、ただ結局理論と発見を物理世界の変化に変えていくためには誰かが物理に実装しなきゃいけないと。で、その物理的な実装ってすごく時間がかかるんですよね。
で、例えば車って今2026年で物づくりする時に日本でも欧米でも大体1台作るのに4年ぐらい、4年から5年ぐらい時間かかるんですね。で、じゃあこれって30年前どうだったかって言うと、30年前も4、5年なんですよ。で、一方でこのソフトウェアの世界ってどんどん早くなっていって、そうすると何が起こるかというと、結局じゃあいろんな論文が新しく書かれていって理論が見つかって、とんでもなくその知識爆発をしていくと、それは間違いないんですけど、結局物理世界の実装速度が変わんなければ、じゃあ5年後も10年後もほとんど今までと変わってない状態になり得ると。
で、実際歴史を見てみると、例えば飛行機の発明でもGPSでも何でもいいんですけど、飛行機って、ライトブラザーズ、ライト兄弟の皆さん1903年っていうのをご存知だと思うんですけども、実はその飛行機の原理が確立したのって1799年から1809年なんですね。
早かったです。
なんで100年ぐらい前なんですよ。なんで結局その原理が見つかってから本当に飛行機が飛ぶまで、制御されるまでって100年かかってて、じゃあ今もうもしかしたら同じことになるかもしれないですね。これだけすごいことがいっぱい見つかってるけれども、結局我々が生きてる間にはほとんど何も起こらないっていうことがあり得るので、その物理的な実装速度をいかに早くするかということをやらないと結局人類の発展には繋がらないということで、ここをやってるのがまさに製造業で、その速度を加速するというのをキャディはビジョンとして掲げて今取り組んでおります。
後でまた話出てくるかもしれませんけど、例えば自動車でBYDって開発期間がすごい圧縮してるじゃないですか。なんであんなことできるんですか?
はい。大体大きく2つあると言われていて、1つは単純に時間が長いっていう話があって、要は車とかって製造の工場に行くと大体2交代とか3交代って言って、16時間から24時間稼働してるんですよね。で、一方でじゃあホワイトカラー、設計とか調達とか、ちょっと後で出てくると思うんですけど、結局ここがほとんどの時間を全体の中で占めてる中で、ここって1交代というか、要は9時に来て5時に帰るわけですよね。
確かに。
中国はそれ2、3交代でやってるんで、単純にそこが早いっていうのはありますと。それ結構大きいんですけど、で、もう1つはソフトウェアと物理の対比で明確にあるのは、結局ソフトって出してからちょっと違ったら直せばいいと。で、これは安全性にあんまり繋がりづらいとか、あるいは後で戻せるっていうことができると思うんですけど、物理の世界って物出した後に遠隔で直せないですよね。
で、修理も限界があるので結局その固定してしまうので、その安全性とかを最初に全部固め切ってテストしてってやんなきゃいけないんですけど、中国の場合は、よくも悪くも1回出して、壊れたら後で直そうとか、もう1回修正しようって、この要はPDCAのサイクルをものすごい早く回してるっていうのはあると思います。で、こっち側は正直日本とかアメリカでやるのはほとんど無理だと思うんですよね。もういろんな規制とかいろんな問題があるんで。問題というか、守られてるものがいい意味でもあるので。
で、できなくはないかもしれないですけど、ちょっとあんまそういう感じでもないだろうなと言うと、結局そこは参考にしないんだけども、いかに早く、手戻りってのがいっぱいあって、例えば設計から調達に行って物を買った後に、あ、これ間違ってたって設計に戻ると、もう1回買わなきゃいけない、もう1回組み立てなきゃいけないみたいな、この手戻りをいかになくしていくかとか、あとは並列化と言ってるんですけど、何かをやってる時に他の作業が一緒に動ければ全体はすごく短くなるんですよね。で、こういったことをどうやって実現していくかとか、その辺を我々は今チャレンジしています。
そのワードをこの物的限界ね、このフィジカルリミッツっていう言葉は御社が考えたんですか?
あ、そうですね。物的限界です。つまり知能的な限界ってのはどんどん解かれていく。でもやっぱり物理的な限界っていうのはそんな簡単に解けなくって、実際物理的な限界によるものってたくさん問題があって、それは1つは命みたいな、例えば車がどんだけ賢かろうと車がぶつかれば人は亡くなってしまうし、飛行機が落ちれば人は亡くなってしまうって、これも1つの物理的な限界ですし、あるいは物理的なアクセスって言ってるんですけど、車って我々当たり前に乗ってますけど、世界中で言うと40億人以上の人がまだ車へのアクセスがないと。で、これ貧困的な問題として扱われがちなんですけど、実はこれ物理的な限界でもあって、つまり車が大体10万円ぐらいで買えると、その40億人の買えない人の8割は車買えるようになるんですね。
じゃあ10万円って無理なのっていう話で、例えばSpaceXとかって元々ロケットの価格100ぐらいだったのを今3ぐらいでやってるんですよね。97%ぐらい減らしてて、これ再利用とか色々あるんですけど、これもまさに物理的限界を1個突破した例だと思うんですね。で、こういったことがもし車でできれば、実はその貧困の状況が変わらなくても8割以上の人は車を手にして移動の自由が手に入るとか、そういったものって僕ら14個で実は定義してるものがあるんですけど、こういった移動の自由とか物理的なアクセスとか命とか、そういったものが色々あって、これをじゃあ解いていこうと思うとAI大事なんですけど、でもAIでは理論しか変わらないんで、じゃあこの物理世界を変えていくかっていうところは、まさに製造業というプレイヤーがとても大事になると思っているから、
2つ目のテーマに繋がって、物的限界どうやったら超えられるんですか?
はい。僕らはその物的限界を変えるフェーズっての3つ定義してまして、1番最初スパークと言ってるんですけど、日本語で言うとひらめきとか発見みたいなもので、これAIがものすごいいろんな論文なり新しいものをこう見つけていく、スパークしていってる、加速してると。
で、その次のステージ、これが僕らが1番重視してるとこなんですけど、マテリアライゼーションと言っていて、これ日本語で言うと具現化するとか実体化するって意味なんですけど、要は物理世界に実装するということですね。このスパークしたひらめいたものを実装すると。で、最後にディフュージョンって言ってるんですけど、これは浸透するという意味で、実際に物ができたとしても必ずしも使われるわけじゃないので、これはマーケティングもあれば、あとはメディアもそれこそあれば、政治とか、例えばこういうものはもう中国では買えませんっていうのは、1つどんだけいいものがあっても別にこの国では使えないってことあり得るので、そういったディフュージョンっていうのがあって、ここは結構政治とかメディアで、1番最初はAIがすごくフィットするところで、このマテリアライゼーションっていうところはまさに物理世界のプレイヤーがやっていくということで、ここをチャレンジしてますと。
で、僕らのビジョンは、物的イノベーションを10倍加速するという、まさに物理的な限界をとっ払うようなイノベーションを10倍加速する。で、これが10倍加速できれば、さっきのように発見とかがこう100倍、1000倍になってた中で、この1000倍加速すら結構難しいんですけど、10倍ぐらいになっていくと相当物理世界もどんどん変わっていくだろうと。じゃあこれどうやるかって言うと、我々実は10年デモっていうのを出してて、10年後の世界でこの10倍加速した世界ってどんな感じなんだろうっていうのを実際にそのデモにしてお客さんにお見せしてということを実はやってるんですけど、ここでのポイントはさっきも少し触れた、大きくはいくつかあって、1つは製造業って118個の工程があるんですね。ざっくりまとめると。で、この1番最初の企画、こんなもの作りたいっていうところから1個目ができるまでが大体118ぐらいあって、で、これが飛行機だと10年かかるし、車だと4、5年かかるし、機械だと1、2年かかるって、そういう感じになってるんですけど、このそれぞれを分解していくと、1個1個まず短くするっていうのはもちろん誰もが考えるじゃないですか。全体を短くするっていう時に。で、その1個1個短くすると、自動化とかって話あるんですけど、実はこれももう大事なんですけど、これ以上に先ほど申し上げたような、結構その118個でバーっと次にこうバトンパスのように直列で繋がってるんですね。
で、直列じゃなくってこれを並列、あるA工程やってる時にB、C、Dも一緒に回せれば、もちろんもっと早くなるなので、先ほど言ったように、ある設計をしてる時に設計が完了したら初めて何かを回すんじゃなくって、設計をしてる時に何かのシミュレーションを回しながらもう調達活動するとかってのは実は現実的には可能であって、そういったことを実現するのは1つと、
もう1つはその手戻りと言ってるんですけど、これ実はすごく大きくって、例えば車って4、5年で作る時に大体デザインレビューっていう設計のレビューってのがあって、1回図面書きますと。で、それをじゃあああでもないこうでもないって言って20回ぐらい大体書き直すんですね。でもこれ本当は1回、2回目でバチンと全部決まれば当然その後の、次やってみてまた戻るっていうことが起こらなくなるので、トータル短くなるということで、この手戻りなくすっていうのもすごく大事で、例えば我々の1つのフォーカスはこの手戻りにあって、我々の場合、その過去にいろんなことをその製造業のメーカーが経験してきてるので、大体この設計にしたらこういうことが調達で起こるとか、誰かがどこかでこの100年とかの製造業の歴史、100年以上の歴史の中で経験してるわけですよね。
だから、そういったことを例えば設計中に自動的にそれを示唆としてあげる。例えばこういうことが起こるリスクがあるからこれを直した方がいいよとかっていうのは過去の知見の中にたくさんあるので、それに自動フィードバックをかけるような仕組みを持っていたりとか、そういった散らばったこの知とか経験値というものを1つの会社の資産に変えて、それをあらゆるタイミングで自動的にこう出せるようにする、そういったことをできるようにするようなデータ、うちはそのデータのプラットフォームっていうのを作ってるんですけど、結果やりたいことはそういう10倍加速のためのこの基盤を作るということですね。
はい。そこのパーツを1つ1つ短くしたり並列化することで、今までの長さって究極的にはどれぐらいまで短くできるって見てらっしゃるんですか?
そうですね。我々の目標はまさに10年後、2035年に10倍加速なので、例えば車で言うと4、5年かかってたものが4ヶ月でできるとか、飛行機で言うと10年かかってたものが1年でできるとか、そういった世界をまずこの10年で作っていきたいと。で、これは実は、ある意味物づくりを知っている方であればあるほど、ある意味馬鹿げた話になってくるんですよね。でも、我々はそういったものを、自動車だったり機械だったり、いろんなメーカーの経営の方と一緒に目標設定をして、まずは大体2倍にしようみたいなことを一緒にスタートするんですけど、そっから10倍加速っていうのを例としては作れるようにしていきたいと。
で、ちょっとその先どうなるかはわかんないですけど、結局最後物理は何らかの物理実装っていうのがあるんで、これを一瞬でやることは、車を例えばこの1秒で作りますって、これ多分物理的に不可能なので、そこまではならないにしても、これをどれぐらい縮められるかわかんないですけど、5ヶ月ぐらいになると、今までのこの回転数ですね、この何かこれを作りたいで市場に出ましたが10倍になると、どんどんいろんな実験ができるようになって進化していく。これソフトウェアのまさにことだと思うんですよね。ソフトも1回何か作ってみて出してみて、市場フィードバックがその日に出るので、その日にその行動を変えてまたフィードバックループを回すことができるっていう、そういったことが物理でできるようになると、この世の中変わるんじゃないかなと思ってるという
その意味でも製造業のこの知の8割まだ人の頭の中にあって、見える化されてなかったり、共有とかはまだほとんどされてないんですかね?
SpaceXとかもいい例だと思うんですけど、あれってものすごいイノベーションじゃないですか。今までの何分の1かで宇宙に行けるようになって、だからバンバン衛星が飛んで、そうするとStarlinkみたいな世界とか、じゃあ宇宙データセンターがどうとかっていう話が新しく、そういう基盤があると開けてくると。じゃあこれってどんなイノベーションを起こしたのって言うと、これ実は理論的に証明されてなかったこととか、新しい原理が見つかったということはほぼ何もないんですよね。そもそももう分かっていたことをちゃんと実装している。これは、ただ普通の人が聞くとバカじゃないのっていうようなことを、理論上なんで、それができるって、それがこのSpaceXだと思うんですけど、そういった世界観を我々も一緒にやっていきたいと思って、
で、実際、例えばソフトウェアも、AIの前、2020年ぐらいの時代でも、その30年前、1990何年とかで、例えばEコマースのサイトをAmazonみたいなのが95年ぐらいにできて、その時にじゃあEコマースサイトなんか作ろうと思ったら、実際そうやっても1年とか2年ぐらいのもう超大型プロジェクトになってたわけじゃないですか。で、それがこの30年経って、AIで、みんなすごい早い、自動化するから早いと思ってるんですけど、実際にはその5年前ぐらいの2020年ぐらいもう、じゃあECサイト1個実装しようと思ったら普通に1週間ぐらいあれば、数日から1週間あればできると。で、それなんでかって言うと、実はソフトウェアって実際その2020年ぐらいでも実際の統計があって、91%以上のコードはもうどっか引っ張ってきてるんですね。なんでSDKとかフレームワークとかいろんなライブラリーがあって、Eコマースだったら決済のじゃあ何かをStripeから持ってくるとか、あるいはEコマースのなんかECカートみたいな、そういったことはできるわけじゃないですか。で、要は再利用ができれば圧倒的に早くなるわけですね。で、製造業ってその再利用がほとんどないんですよ。なんで新しいその作られてる設計の8割以上は0から手で書いているし、あるいは調達先とかも0からまた見積もりをしてどうのってやってると。
こういったそのことっていうのは実はでも人の頭の中にあって、例えば30万人社員がいたら、その中の1人は似たようなこと、ほぼ全く同じことやったことあると。で、そうするとその人が全部わかれば実はそのもう時間ってすごく短くできるけれども、現実的にはそれは無理じゃないですか。なんでそれをいかにバーチャルの世界で実装していくかということで、我々は例えばそのデータを集めてきて解析をして使えるようにするだけじゃなくて、使っていると暗黙知が自動的に溜まるような仕組みになっていて、例えば設計のレビューっていう、さっきお話をしたんですけど、設計書いたら誰かと今会ってミーティングをして、このCADのここの部分はこう変えないと、いや過去こんなトラブルが起きたから危ないとかですね、いろんなベテランがこうコメントをして、じゃあCAD直して、またそれを何回も何回もやるんですけど、これをやってる時に、AIが先ほど言ったように自動的にここはこういう風に変えた方がいいんじゃないってことを示唆としてくれるってのは今やってることなんですけど、
でもAI、100点取れないので、っていうのは暗黙知がまだ全部溜まってないので、じゃあそうするとどうするかって言うと、人間がコミュニケーションして、例えば図面とかCAD上にその、ここはこうした方がいいってのを残していく。で、このAIの極めて重要な問題が、このコンテキストっていうのがないんですよね。なんで基本データ以上に賢くならないんで、AIは。で、そういったことを人間がその図面とかCAD上に残していくと、これが初めて今まで消えていた暗黙知が溜まっていって、そうすると次に似たような設計をする時は、じゃあそのベテランが言ったことが自動的に反映できるようになると。こういったその暗黙知を貯めて、それをまたデータベースに戻して、それをまた使えるようにする。で、また暗黙知を貯めるって、このデータの還流のループ、データフライホイールとかって言ってんですけど、これを作ることによってどんどん会社の知見資産が溜まってくる。それによって解ける問題がどんどん増えてくるっていう、そういったことを、結構地道なんですけど、お客さんと一緒にやってってます。
そういったノウハウの共有化っていうのはあくまで1つの会社にとどまるもんなんですか?横断的に業界全体になっていくもんなんですか?
社内でもすごくいろんな議論があるんですけど、究極のAIがめちゃめちゃ進化した先ってどうなるんだろうと言うと、じゃあみんな同じもの作るんですかっていう。で、我々は個別性を究極的に高めるべきだという風に思っているんですね。要は土台がどんどん高まっていくと、結局ソフトウェアも一緒で、元々はじゃあサーバー用意して何々してってやんなきゃいけなかったものが、今AWSから持ってくればいいと。で、こういったそのクラウドっていうのは土台を高くして、じゃあそうするとみんな同じもの作るかって言うと、むしろここ、みんなが同じようなことやってたことをやらなくていいことによって、どんどんその個別性が尖っていってると思ってまして、自動車なり機械でも製造業でも同じようなことで、土台を高めていくことによって、むしろみんなが実は似たようなことを、同じ会社の中でいろんな会社がやってることを、それをスキップできることによって、もっともっと個別への尖った何かが生まれてくるだろうということを、我々は作っていきたいと思ってんですね。
で、ただその時に、じゃあ我々がデータプラットフォーマーとしていろんなお客さんのデータがあって、それを勝手にまとめてこの会社でも使えるようにするってのはもちろんできないし、やるべきではないと思ってるので、どちらかっていうと、一般的に、例えば製造業って決まってるものっていっぱいあるんですね。JIS規格とかいろんな規格があって、そういったものに例えば準拠してますかという、そういったチェックは別にどの会社も自動的に走ればいいし、その会社個別の経験に基づくチェックだったり、何らかシミュレーションだったりっていうのはその社に閉じるっていう、この区分けをものすごくちゃんとしつつ、でもこの製造業全体で共通する土台っていうのもちゃんと高めていきたいっていうのが我々がやっていってることですね。
例えば中国とかだと今ファーウェイとかが結構ソフトウェアプラットフォーム作って、それにみんな乗っかって自動車作るみたいなこと起きてるじゃないですか。ファーウェイがもうその土台をもう全部作って、もうどっちかっていうと自動車メーカーが下請けっぽくなってるみたいなことも取材に行った方にも聞いたんですけど、それとは目指してる世界観がちょっとやっぱ違うって感じですかね。
あ、そうですね。それとは違いますね。どちらかっていうと、我々が何を作るかとかどう作るかというのを定義するということは一切するべきでもないと、少なくとも我々の思想としてはするべきでもないし、したいとも思っていないという感じで、ただ当たり前作業ってあるんですよね。何かを作る時のセットアップの何かっていうのは。で、その当たり前作業はちゃんと飛ばせるようにしたいけれども、そっからその個別性が高いものは勝手に個別にできるようにするっていうので、基本キャディの仕組みは全部個社に閉じているんですね。
ただ裏側で持ってこれるこの武器みたいなものがあって、例えば我々製造業に特化したライブラリーっていうのがあって、専門的にセマンティックという、最近よく言われますけど、データの地図みたいなものを各社用にこう作っていくんですね。っていうのはデータっていっぱい、綺麗にする解析の技術もいっぱいあるんですけど、データが綺麗になったところで、とんでもないデータ量をじゃあAIがサーチしに行って、何かエージェンティックに動かしていった時にいい答えが出るかって言うと、大体毎回違う答えを出してくると。じゃあそれを、例えば再現性って製造業において大事で、同じ質問した時にちゃんと同じ答えが返ってくる。で、これを高めるためにはそのデータの地図ってのが重要で、ちゃんと同じこう地図を辿っていって、よく言うんですけど、ここからこの病院に行きたいって言った時に、最後の病院に行った時に間違ってましたと。でもAIってもう1回戻って病院に行きたいって言うと、また違うとこに行きますと。じゃなくって、この9割の最後の小道に入る前までの大通りまでは合ってますと。で、その最後は間違ってましたって言うと、この最後をちゃんとコントロールできるようにする。
で、その道を同じように辿れるようにするためにそのセマンティックも一緒に作っていってるんですけど、このセマンティックっていうのは実はその最後、まさにラストワンマイルというか3マイルぐらいは個社によって違うんですけど、でも製造業として例えば図面とかCADがあった時にこういうものを抜き出していくべきであって、この図面のこの公差っていうものがこう変わると製造工程にはこういう影響があってとかっていうのは別にユニバーサルに一緒なことも当然たくさんあって、こういったものはキャディのライブラリーとしてちゃんと持っていて、それを適用すると8割方できる。で、最後の2割はその会社用にカスタマイズして直していくみたいなことやってるので、その製造業全体で共通すること実はたくさんあるし、それも強化していきたいんですけど、最後は個社性っていうのは私たちは非常に大事だと思って、もう1つ1つテナントもシングルテナントでこう立てていくとか、技術的にも個社にちゃんと特化したようなことをできるようにしています。
今の話と繋がると思うんですけど、3つ目のテーマで、この汎用AIか、バーティカル、領域特化のAIかっていうところで、国家戦略としてもどっちかっていうとこのバーティカルの方に行くべきだっていう風な話ですけど、加藤さんはそれに同意なんですか?賛成なんですか?
結局両方だと思うんですよね。で、我々も社内でまさにそのホリゾンタルなものっていうのはたくさんうまく使ってるわけですよ。例えばそのLLMだったり、クラウドだったり、それもちろん使うんですけど、やっぱ製造業の中でバーティカルじゃないと解けない問題ってたくさんあるんですね。で、そのバーティカルじゃないと解けない問題はバーティカルにする必要があるというだけで、必要性的にバーティカルをやっているという感じで、元々我々物づくりをしてたので、製造業にもちろん非常に思いがあって、専門性もあってやってるっていうとこあるんですけど、なので我々も例えば、バーティカルAIってよく言われるじゃないですか。バーティカルAIの一応私の思う定義は、このなるべく下の層、例えばデータの層とかAIのモデルの層からユーザーが使うアプリケーションの層までこう一気通貫で、あるプロバイダーが提供していると。なんで私は結構重要だと思ってるのは、これちょっと定義に入ってるか分からないんですけど、ちゃんとモデルから変えていくということだと思ってまして、我々もその製造業に特化したAIのモデルというのを自分たちで作って持ってるんですね。で、これはホリゾンタルなものがやるよりももちろん圧倒的に精度が高い。10倍、20倍以上高い。で、こういった領域ってやっぱ例えば製造業特有のデータ、CADとか図面とか、もちろんそういったものにLLMは最適化されてないので、こういったものの解析は自分たちでやると、っていうところからユーザーが使うところまでをやっていっていて、で、これじゃないといけない問題がたくさんあるので、ある意味仕方なくやっているということでもありますし、
で、じゃあ国として今バーティカルAIを強化しようっていうこと、政府が出されていますけれども、で、これ自体はすごく、ある意味弱者の戦略として正しいのではという風に思っていて、やっぱホリゾンタルなものって基本的には全部資本のゲームになりやすいので、何十兆突っ込むとかそういった話になってくると、基本そういう金融市場の話と、個別プレイヤーとしてそういうことできるプレイヤーがソフトバンクぐらいしかないと、そういった話があると結局ある意味その弱いところと、ただ一方でその日本って特に製造業もまさにそうですけど、ものすごい強い暗黙知がたくさんあって、このバーティカルに特化したドメインの知識ってのはたくさんあると思うので、これうまく利用していくというのは国の強みでもあり、この強みという意味をうまく掛け算すると、バーティカルに必然的になるのかなという、そんな風に思っています。
バーティカルAIって話とFDEって話は重なるというか、ほぼイコールなんですか?また全然違う概念なんですか?
はい。あ、それは私は違うと思いますね。ただ結果的にそうなりやすいってのはあって、ちょっとFDEもいろんな人がもうみんな、私たちもあんまりFDEって使いたくないなってあるんですけど、ただ本当の意味でFDEをちゃんとやっていくというのも実は我々のプランの中にはあるんですけど、FDEってパランティアがデルタってチームで言ってて、まさにこのデルタってすごくいい表現だなと思うんですけど、FDEのやるべきことはお客さんのこのニーズ、やりたいことと自分たちが持っているプロダクトに、やっぱりギャップがあるじゃないですか。で、このギャップフィリングとかって英語で言われてますけど、このギャップを埋めていく作業を、このデルタですよね、まさにこのデルタを作るという部分をやるというので、で、こうやって前提があって、土台が何もないと、で、お客さんがやりたいと、ただ要はSIになるわけですよね。0からスクラッチで作りましょうと。で、プロダクトがほとんどお客さんでやりたいことをできる、その代わり問題は小さいってなると、いわゆるSaaSになって、何もデルタを作らないので、お客さんがセットアップするぐらい、コンフィグするぐらいで、このギャップが絶妙にあると、
絶妙になる時、FDEがちょうどいいと思ってまして、で、このギャップを埋めていきながらFDEはこのプラットフォーム、プロダクト側を強くしていくということ。このサイクルを回せると良いと思うんですね。で、我々はもう基本的にはプロダクトカンパニーなので、このプロダクト側をいわゆるSaaS的に元々提供していたと。ただやっぱりまさに10倍加速みたいな世界になってくると、やっぱり既存のプロダクト、既製のプロダクトで全員同じもの使って全員が10倍加速できるかってやっぱできないんですよね。で、そうすると結果的にこのギャップが、問題が大きくなると生まれてきて、ここを埋めるのはFDE的にやろうという風に考えてるんですけど、ただ基本的にはこのプロダクトでできることをちゃんと強くしていくのがまず1丁目1番地であって、その上でお客さん側の解ける課題が大きくなってくんで、その分埋めていくって、そういう発想にしていっていますね。
今回話伺ってて、キャディが目指すものってなんか製造業版のパランティアみたいなとこにも近いのかなと思ったんですけど、パランティアもある種戦争の現場まで行って、泥臭いところまで結構すり合わせて書いていくじゃないですか。そういうイメージって正しいんですか?間違ってるんですか?
これがですね、難しくて、毎回、それこそ今回の投資家の方々にも聞かれて、何なの?と。ある意味近い部分あると思うんですね。近いのはまさにそのFDEの、あんまり簡単に私は使うべきではないかなと思うのは、本当のフォワードデプロイドをしてたというか、今もしてるんだと思うんですけど、まさにその戦場に行って、その場で例えばネットワークがない、じゃあその場でどうしようということを考えてエンジニアリングをしていくということをやってたから、このFDEという言葉が生まれたと思うんですけど、キャディもある意味フォワードデプロイド、ザ・フォワードデプロイドだったと思ってまして、自分たちが物づくりをして、自分たちで検査拠点10拠点以上持って品証をして物を出してたというのが、2年前まで7年間ずっとやってたことで、それがあるからこそ、そこで培った知見を持って、お客さんに今プロダクトを提供してるという、そういったところをやってるので、そういう意味では、FDE的なフォワードデプロイド的な要素をこのドメインの中でキャディも強く持ってると思います。
ただじゃあ、パランティアはどっかの業界向けのその先ほど言ったAIのモデルを作ってるかというと、そうではなくって、基本あるLLMをうまく組み合わせてるというのが、自分たちで言ってますけど強いところで、で、我々組み合わせもしますけど、やっぱりその業界に特化して深くと思うと解けない問題がたくさんあって、そのためにモデルを作ってるので、こういうその1番、このモデルというレイヤーからアプリケーションまで自分たちがパッケージ化して持ってるという意味ではあんまりパランティアっぽくない。パランティアは先ほどの通り、どっちかっていうと、お客さんに対してお客さんのニーズに対して0から作ることをやった結果、共通性のあるものを見い出して作るっていう感じなので、なので何的って言われるとですね、あんまりいい答えがないんですけど、ただパランティア的な要素はまさにそのフロントにいたからこそ培ったものをプロダクトにしていってるってのはちょっと近いところあるかなと思います。
どっちかっていうとプロダクトが強いってことですね。そっちが主軸であるということですよね。分かりました。最後のテーマ、日本発のAI企業が世界の製造業にどうやって入っていくかっていうところで、もう今22カ国まで行ってんですよね。
はい。
しかも2年前にピボットしたんでしたっけ、大きく。
そうですね。
それでグローバルにまで行って、今現場で手触りとしてはどうですか?やっぱ日本は製造業強いじゃないですか。そこに入っていくAIとして今どんな手応え感じてますか?
そうですね。私も先ほどの通り普段シカゴにおりまして、シカゴは日本で言うと名古屋みたいな、愛知みたいな場所なんで、製造業の中心ではあって、ただテックで言うと大体みんな西海岸行ったりとかすると思うんですけど、今アメリカで言うと全米でいろんな州で使っていただいておりまして、小さな会社から何兆円の大きな会社まで色々使っていただくまでになりましたけど、そこはものすごいやっぱり大変で、ただこれアメリカだから大変というよりは、私はそれこそ2017年にキャディを日本で始めて、その時の大変さともほぼ一緒という、国が違うだけ、というか、スタートするのって大変じゃないですか、ベンチャーで。それと全く一緒で、アメリカでスタートするの大変だったということで、で、今は一定の規模になってきて、人数も50人超えて、エンタープライズのお客さんにも使われるようになってという風になってますけど、で、こっからやっぱりやりたいのは、とはいえやっぱアメリカで、アメリカってテクノロジーの中心なので、我々欧米のハブ的な感じで位置づけているんですけれども、ここをちゃんと
大きくしていくというのが1つと、あとはまさに22カ国、いろんな国で使われてるんですけど、これ何かっていうと実は、アメリカの企業の例えばスペイン支社で使ってもらったりとか、日本の企業のイタリア支社で使ってもらったりとか、そういう、製造業ってものすごいグローバルなので、そのグローバル企業の各社ブランチで使ってもらうということで、今22カ国まで来て、やっぱりグローバルな企業がちゃんとグローバル全体で知見を使って新しい知見を見出して、というこのサイクルを作ることをやっていきたいのがまず我々がやっていってることで、なのでオフィスもどんどん広げていくんですけれども、あれとしてはちゃんとお客さんがグローバルであり、そのお客さんのグローバルを支援するということをやっていきたいっていうのがまずあります。
で、ただ製造業は本当にグローバルなので、例えばアメリカに行ってアメリカのオペレーションが日本と全然違うかって言うと、ほとんど一緒なんですよね。別に設計、調達、生産技術とか、機能も基本全部一緒ですし、使われてるソフトウェアも大体一緒なんですよ。特に大きなものはERPとかPLMってのはあるんですけど、なので我々の支援自体は実は何も変えていなくて、これ実は4年間色々変えたりとかしてみた結果戻って、グローバルで一緒のものをやるんですけれども、そういった意味ではそこがちゃんと通用するという非常に手応えもありますし、そういうことをやりたいというお客さんもたくさんいるので、製造業というこのグローバルで日本が強い領域でグローバルをやっていくっていうのは、ある意味先人の方に乗ってるっていうことだと思うんですけど、やりがいもありますし、やっていけるんじゃないかなと思って。
比率としては日本企業が結構多いんですか?
うちのお客さんですか?そうですね。グローバルの比率は今もう2桁%にはなっているんですけど、でもやっぱり日本が1番、人数の8割ぐらいは日本にいるので、そういう意味では日本が1番大きいですね。
で、アメリカとかも日本企業のアメリカ支社もあれば、アメリカの現地のエンタープライズの企業とか、いわゆるアメリカの街みたいな会社とかたくさんいらっしゃるので、グローバルというか各国に行くと各国の比率が高くなるんですけど、グローバル全体で言うと日本企業の比率は高いですね。
もう今ちょっと時代も変わって、製造業、物が作れるかどうかが、まさしく国防の要になってるというか、国益とも連動してますけれども、そういう製造業の重要性が高まる中で、本当に分野全然違うと思うんですけど、日本の製造業の可能性と課題、ここ変えたらもっとさらに良くなるんだとか、もうここ十分強いなとか、そういうのってどう見えます?
私は実はこのAIの流れでいくと、日本はめちゃめちゃ強い可能性があるという風に製造業においてですね、思っていて、なぜかと言うと、日本って暗黙知とかすり合わせとか、すごく言われるじゃないですか。で、実際そうなんですよね。で、アメリカは良くも悪くもですけど、工場に行くと大体この話をするんですけど、まず空港に降りると、日本の空港に来たなっていうのと、アメリカに来たなっていうのが一瞬で思うのは、飛行機のドアを出た瞬間の従業員の雰囲気ですよね。日本はもう全員ピッと立ってて、ちゃんとオペレーションやってるという。
で、アメリカのところはそこら辺に従業員スタッフが座ってて、携帯いじってるみたいな、そういう感じで。でもこれって何かって言うと、やっぱりアメリカ企業とやってると、オペレーションっていうものと、知的な業務っていうのをパシッと分けてるんですよね。で、これはいい意味でもなので、すごく雑に言うとオペレーターを信頼しない。要はオペレーターがミスってもそれは仕組みが悪いという考え方をするのがアメリカ的な考え方で、なので標準化みたいなものをどんどん進めていって、あんまり例外を生まないようにすると。
で、日本はやっぱりオペレーターがすごく強いので、だから改善をしようとか、改善って現場主導じゃないですか?こういった文化が生まれてくるんだと思うんですね。こういったことがあるので、この世界中で同じモデルをコピーしようと思うとすごく時間かかるし難しいんですけど、でもこのAIの世界って、この暗黙知で今までやられてたことを先ほどのようにもしキャプチャーすることができれば、この暗黙知自体は、この作業における改善とかの暗黙知ってのは実はもうグローバルでほとんどの国が持っていなくって、で、日本はすごく強く持ってるので。で、今は人の頭の中にあるのでスケールできないってなってるんですけど、仮にそれが自社のデータ基盤に乗って、それを使ったAIがその自社のために動くのであれば、実はそれってスケーラブルになるじゃないですか。
ということができると、実はとんでもないリープフロッグみたいなことが生まれるんじゃないかなと思っていて、それを作っていきたいなと思うので、やっぱり日本って私は経験大国だなと思ってまして、この経験・暗黙知大国日本をかけるってのは、先ほどの通り非常にフィットが高いんじゃないかなと思っています。
暗黙知はすごいIPなんですね。IP、本当にそうですね。
まさにIPみたいなもんだと思ってて、それを外に売るかは別として、それがあるからこそ実はものすごいブーストが効き得る。で、それが個人に閉じると、どうしてもちょっと弱いというか、もったいないっていう。
確かに10年前とかも日本のアニメとかも含めてIPってまだ発掘されてなくて、それがこの10年とかにドカーンっていくわけなんで、そういうのと似た、ある意味似たアナロジーかなと思いますね。
そうですね。
アメリカは設計思想が違い、かつ同盟国で補完関係になると思うんですけど、中国はどう見たらいいんですか?
中国も基本的にはもう標準大国ですよね。いわゆる製造業の世界でもインテグラルとモジュラーっていう考え方があって、インテグラルってすり合わせ型で、藤本さんが。
そうです。まさにそうです。藤本さんがおっしゃってる。で、モジュラーは組み合わせというかで、パソコンがすごくいい例ですよね。メモリーを後で変えられる。でも車ってエンジンだけ後で変えるってすごく難しい。なぜかというと、他とすごく連携をしてるので、早くしたいと思ったらエンジンだけ変えるとかにならないっていう。ただメモリーを増やしたい、記憶を増やしたいって言ったら、っていうこの違いがあって、やっぱり日本はこの複雑性が高くてインテグラルであればあるほど強いと。
で、中国はこのモジュラーの世界が非常に強いっていうのがあって、逆に言うと、比較優位という意味ではモジュラー的なものはもう結果的にどんどん出ていってますし、別に出したらいいと思うんですけど、日本はいかにその複雑であるものをやるかってのがあるんですけど、ただ最近ちょっと1個あるのは、やっぱり国防的な考え方が非常に重要になってきてると思うので、欲しい時にやっぱりものがちゃんと国内で作れるというのは重要で、そういう意味では戦略的に、ちょっとROIは悪いんだけれどもこのモジュラーを維持するかみたいな話は、例えば半導体のラピダスみたいな世界とかでもよく議論されることだと思ってまして。
それを除くと、やっぱりちゃんとこの比較優位のあるインテグラルの世界にベットし続けるし、まさにAIで土台が上がると、その土台の上でさらに複雑なインテグラル的なことができるようになるはずなんで、なんかそういったことを、日本はある意味そういう複雑最先端みたいなことを突き詰めていけると、今多分半分そうなってると思うんですけど、よりそれを尖らせていけるんじゃないかなと思います。
それで国防って話が出ましたけど、国家的なものとこのスタートアップの空間って、どれぐらいいい距離感を作っていくといいんですかね。スペースXなんかも国とうまく組みながら、中国なんかもベンチャーキャピタルに国がお金を出しまくって育てるじゃないですか。国に頼りすぎてもダメだし、やっぱり国のレバレッジってすごい大事だと思うんで、どういう感じでいい距離感というか、いいコラボレーションをするといいんでしょうね。
例えば私たちもお客さんが例えばイスラエルにいらっしゃって、うちのチームがイスラエルにたまに行くんですよね。そしたら毎日サイレンが鳴ってるっていう、そういう世界で。で、やっぱりこのどっちかというと、例えば国防の世界でいうと、必然性があるところに結局お金と人材が集まると思うんですね。例えばウクライナのドローンの話がすごく有名でありますけど、こういうところってものすごいお金が世界中からやっぱり集まるじゃないですか。
で、それはある意味、すごく嫌な言い方をするとビジネスになるから、みんなやるっていう。で、結局そのGPSもよく言われますけど、すごく重要な技術って軍事から生まれていることが多いと思うんですけど、これってこの国が強くするぞというよりは、結局その需要があるかどうかだと思うんですね。で、ある意味、あんまり良くないことに、日本は近づく必然性が勝手に出てきてるんじゃないかなと思ってまして。
でも、じゃあアメリカに行った時に、すごく国がバックアップしてスタートアップを盛り上げてるかっていうと、別にそうでもないなと思うんですね。宇宙とかも必然性があって、じゃあスペースXに投資をしようっていう。1個だけ、ガバメントへの献金みたいなのは圧倒的にあっちが強いので、イーロンが毎日何億みたいな話もありますけど、そういう話はありますけど、でも私は、国がバックアップすべきというよりは、その必然性をいかに生み出すかとか、ここを強めるぞという戦略的な方向付けをするかとか、そういう方が重要なのかなと思ってはいます。
時代として、社会としての必然性があって、そこを国家がただサポートしてるだけってことかもしれない。後付けですよね。
そう。で、逆に波があるんだったら、その波をちゃんとバックアップするのは大事だと思うんですよね。この半導体の流れとかは、基本やっぱり地政学があって国の中で作っていこうと。なので国がお金をバックアップしますっていうのは、いろんな賛否ありますけど、国防的な観点で言うと私は非常に重要だと思いますし、そうするとその周辺のサプライチェーンが自然的にできてくるとか、そのIT・AIでサポートするみたいな、我々も半導体系の会社を結構ご支援してますけれども、AIで支援していくみたいなことが必然的に生まれるということだと思うんで、逆に言うと国が勝手に何かないものを生み出すっていうのはむしろ、なのかなという風に思います。
そうですね。分かりました。やっぱり加藤さん、なんか大志というか大義がありますね。
いや、そこはやっぱり大事ですよね。最近。でも結局何のためにスタートアップがあるかって時に、やっぱり小さいながらも世の中を変えていきたいという、もうほぼ想いだけだと思うんで、ここはやっていきたいなと思いますし、よく日本はスタートアップが弱いとかっていう話はこの30年ずっと言われていると思いますし、今もあると思いますし、やっぱりアメリカに行くと思うんですよね。この日本全体のスタートアップの資金調達額の1年間分を、1社がそれ以上調達してたりするんで、それはすごく思うんですけど。
でも実はこの戦後、1945年に日本が焼け野原になって何にもなかった時に、そこから40年で日本は世界2番目の国になっていて、GDPシェアって18%まで上がってるんですよね。なのでもう世界の1/5になったのは、結局この製造業を中心とするところを、ザ・起業家が作っていったわけじゃないですか。
で、だから日本はその起業家スピリットがないとか、失敗を恐れるみたいな話は、私は結構違うんじゃないかなという風に思ってて、結局その時代とか周りのサポートとか。私もアメリカに行くと、やっぱり日本の野球スターたちをみんな知ってるわけですよ。私はシカゴで、いっぱいスターがいるんで、村上も来ましたし、鈴木誠也と今永と。で、これをやっぱりみんな知ってるってのがあって、でもこれって結局、よく言われる野茂から、誰か先人がいてっていうところだと思うんで、やっぱりこの1個目の例がどれだけ早く生まれるかなという風に私は思ってまして。
そういうグローバルで、ちゃんとこの大志を持って成立するということが示されれば、そういった人はどんどん出てくると思いますし、なんかそんなこともやっていけるように頑張っていきたいなと。
ホンダとかトヨタとかソニーとか意識されますか。
意識しますね。すごく意識しますね。やっぱり本田宗一郎がスーパーカブで、アメリカでこんなしょぼいバイク誰が乗るんだみたいなことを言われながら、実際にはものすごいヒットになっていったとか、ある意味私も日本男児なので胸が熱くなるものがありますし、なんていうんですかね、スピリットみたいなものは持ってやっていきたいなとは思って、やっているつもりでありました。
はい。スタートアップ界の大リーガーとしてさらに活躍していただければと思います。ということで本日は加藤さんにお話を伺いました。ありがとうございました。
ありがとうございました。
PIVOTアプリで動画を視聴するとマイルが貯まり、豪華特典に応募できます。定番のAmazonギフト券、図書カード、さらには毎月MC厳選のプレゼントもご用意しております。YouTube視聴だけでは得られない特典をPIVOTアプリでお楽しみください。
記事公開 · 更新