「AIはもう十分賢い」──Databricks研究者が指摘する次の投資先は評価とガバナンス

2026.07.06

DatabricksのチーフAIサイエンティスト、ジョナサン・フランクル氏は、AI活用のボトルネックがモデル性能から評価、ガバナンス、コスト効率へ移っていると指摘した。既存モデルだけでも活用余地は大きく、重要なのは「良い仕事をしたか」をどう測るかだという。

企業のAI導入では、より大きなモデルを買う前に、出力品質を検証する仕組みを整える必要がある。これはランキングで強い企業AI導入やAIエージェントのテーマとも直結する。

性能向上だけでは本番利用に届かない

フランクル氏は、AIの顧客が困っていることとして、出力品質の確認、費用対効果の高いエージェント構築、統制の3点を挙げた。70％や90％の成功率では、重要業務を任せるには足りない。

AIは同じソフトウェアが大量の判断を繰り返すため、1つのミスが多くのユーザーに広がる可能性がある。自動運転の例のように、人間よりも厳密な評価が必要になる場面がある。

モデルベンダーは汎用能力を高められるが、自社業務における良い回答、悪い回答、許容できない回答を定義するのは利用企業側だ。営業、法務、顧客対応、開発支援では、同じAIでも評価基準が異なる。

AI評価は、単なるベンチマークではない。チェックリスト、テストデータ、レビュー手順、失敗時の扱いを含む業務設計である。ここを曖昧にしたまま導入すると、PoCでは動いても本番で信頼されない。

まずは、AIに任せたい作業を分解し、合否を判定できる単位に落とすことが有効だ。次に、人間レビューが必要なケース、低性能モデルで十分なケース、高性能モデルを使うべきケースを分ける。

AI活用の競争は、モデルの選定だけでなく、評価を継続的に回す組織能力へ移っている。企業は「どのAIを使うか」と同じくらい、「どう測り、どう改善するか」に投資すべきだ。