StratecheryはAIバブル論を覆し、私たちはAIをどのように活用すべきか？

この記事を読むのに必要な時間は 18 分

LLMスリーステージトランジションがエージェントをツールから実行システムへ推進し、現在のAIの投資はより需要中心のものであり、バブルではない

原文タイトル：Agent Over Bubbles
原著者：Ben Thompson、Stratechery
翻訳者：Peggy、BlockBeats

Editor's Note: Against the backdrop of the escalating AI investment and industry narrative, the question of "whether there is a bubble" has become a central issue repeatedly discussed in the market. On one hand, the extreme risk narrative continues to reinforce concerns about technology getting out of control; on the other hand, the rapid expansion of capital expenditure and valuation levels keep the "bubble theory" lingering. Under this divergence, market judgments show significant uncertainty.

The author of this article, Ben Thompson, is the founder of the technology analysis platform Stratechery, who has long focused on the structure of the technology industry and the evolution of business models. On the occasion of NVIDIA GTC 2026, he revised his previous judgment on "whether AI is in a bubble": he no longer sees the current situation as a bubble but understands it as a round of structural growth driven by a technological paradigm shift.

This judgment is based on the observation of three key leaps of LLM. Since ChatGPT first demonstrated the capabilities of large language models to the market in 2022, LLM has evolved from "available but unreliable" to "possessing reasoning ability," and further to "being able to independently perform tasks." Especially by the end of 2025, with the release of Anthropic Opus 4.5 and OpenAI GPT-5.2-Codex, agentic workloads began to move from concept to reality.

The key lies not in the model itself, but in the emergence of "agent harness." The agent decouples users from the model, takes care of scheduling the model, calling tools, and verifying results, transforming AI from a tool that requires continuous human intervention to an execution system that can be entrusted with tasks. This change not only improves reliability but also expands the application boundaries of AI.

Based on this paradigm shift, the author further points out that the expansion of AI demand no longer depends solely on user scale but more on the scheduling capability of each user; at the same time, agentic workloads have a "winner-takes-all" characteristic, which will continue to drive up the demand for high-performance computing and bring structural opportunities to chip manufacturers and cloud service providers.

Within this framework, the current large-scale capital expenditure is no longer just a speculative bet on the future but more likely a prelude to real demand. As AI moves from "assistant tool" to "execution infrastructure," its economic impact may just be beginning to show.

以下是原文：

過去、私は後者を好んでおり、時にはバブルは決して悪いものではないとさえ考えていました。

しかし、2026年3月、NVIDIA GTCが開催される今、私の考えは変わりました：これはおそらくバブルではありません。（皮肉なことに、この判断そのものがバブルの兆候である可能性すらあります。）

LLMの3つの節約

ここ数週間、私はNVIDIAとOracleの財務報告について話していて、LLMが3つの主要な節約を経験したことを何度も言及してきました。

第1段階：ChatGPT

最初の転換点は2022年11月のChatGPTのリリースであり、これはほとんど説明する必要がないでしょう。2017年にTransformerに基づく大規模言語モデルが現れ、その能力が着実に向上していたにもかかわらず、これは長い間過小評価されてきました。2022年10月には、私はStratecheryのインタビューでさえ、この技術は驚くべきものであるが、製品化や起業の力が不足していると考えていました。

しかし、数週間後、すべてが180度変わりました。ChatGPTにより、世界は初めてLLMの能力に真に気づきました。

ただし、初期バージョンには2つの深い印象が残りました。特に「バブル論者」によって何度も言及されたものです：

第一に、モデルは頻繁に誤りを com し、答えがわからない場合でも幻覚的に創造してしまうことがあります。これにより、それは「見せびらかしツール」のようになり、魅力的ですが信頼性に欠けます。

第二に、それでも非常に有用であるが、使用方法を知っている必要があり、出力を常に検証し、エラーを修正する必要があります。

第2段階：o1

2番目の転換点は2024年9月のOpenAIによるo1モデルのリリースでした。当時、LLMはより強力な基本モデルと事後トレーニング技術により、かなり向上し、出力はより正確で幻覚も少なくなりました。

ただし、o1の主要なブレークスルーは次のとおりです：それは最初に「考え」、そして後で回答します。

従来のLLMは経路依存型であり、推論プロセス中に誤った経路を辿ると最後まで間違ったままです。これは「自己回帰モデル」の根本的な弱点です。推論モデルは回答を自己評価し、最初に答えを生成し、それが正しいかどうかを判断し、必要に応じて他の経路を試みます。

これは、モデルが積極的にエラーを管理し、ユーザーの介入負担を減らすようになったことを意味します。その結果、その効果は非常に大きいです。ChatGPTのブレークスルーが「LLMを利用可能にした」とすれば、o1のブレークスルーは「LLMを信頼性のあるものにした」と言えます。

第三段階：エージェント（Opus 4.5 / Codex）

2025 年末、三度の転移が発生。

2025 年 11 月、Anthropic が Opus 4.5 をリリースし、最初はさほど注目されませんでした。しかし、12 月になると、このモデルを搭載した Claude Code が突然、前例のない能力を発揮し始めました。ほぼ同時に、OpenAI は GPT-5.2-Codex をリリースし、同様のレベルの性能を示しました。

これまで人々は常に「エージェント」について議論してきましたが、この瞬間において、それらはついに本当の意味で任務を遂行し始め、複数時間を要する複雑なタスクでさえも、正しく完了するようになりました。

鍵はモデルそのものではなく、制御層（ハーネス）にあります。つまり、ユーザーはもはやモデルを直接操作せず、代わりに目標を提示し、エージェントがモデルをスケジュールし、ツールを呼び出し、プロセスを実行し、結果を検証します。

プログラミングを例に挙げると：

· 第1段階：モデルがコードを生成

· 第2段階：モデルが生成プロセス中に推論を実行

· 第3段階：エージェントがコードを生成 → テストを実行 → テストを自動化実行 → 失敗したらリトライ、ユーザーの継続的な介入は不要

これは、ChatGPT 時代の中核的欠陥が体系的に解決されつつあることを意味し、より高い正確性、より強力な推論能力、自動検証メカニズムがもたらされます。

残された唯一の問題は：これを使って具体的に何をするのでしょうか？

「主体性」の門構えが低下しています

私がこれらの3つの転換点を強調し続ける理由は、なぜ業界全体が深刻な計算リソース不足に直面しており、なぜ大規模資本支出が合理的であるかを説明するためです。

3つのパラダイムは、計算リソースの要件がまったく異なります：

· 第1段階：トレーニングに計算リソースが必要ですが、推論コストは低いです

· 第2段階：推論コストが急増します（より多くのトークン + より頻繁な使用）

· 第3段階（エージェント）：複数回の推論モデル呼び出し、エージェント自体も計算リソースを消費します（CPU に傾斜）、使用頻度はさらに拡大します

しかし、さらに重要なのは、第3のポイントです：需要構造の変化が軽視されていることです。

現時点では、チャットボットを使用している人の数は、エージェントを使用している人の数よりもはるかに多く、実際には多くの人が AI を十分に活用していません。なぜなら、AI を使用するには「主体性」が必要です。LLM はツールですが、それに目標も意志もなく、自発的に呼び出す必要があります。

しかし、エージェントはこの点を変え、人間の能動性への要求を低下させました。将来、1人が複数のエージェントを同時に指示できるようになります。

これは、「能動性」を持つ人がわずかでもいれば、巨大な計算リソース需要と経済生産を牽引できることを意味します。

AI は依然として「人による駆動力」を必要としますが、「多くの人」はもはや必要ありません。

企業の支払い駆動力

消費者側のAIへの支払い意欲は限られており、これは次第に明確になっています。生産性のために本当に支払いたいのは企業です。

企業が最も興奮するのは、AI が効率を向上させるだけでなく、労働力を置き換え、さらに効率的にすることができる点です。

現実の状況は、ビジネスを前進させるのはしばしばわずかな人々ですが、組織は非常に大きく、大きな調整コストをもたらします。エージェントの役割は、「価値を推進する人々」の影響力を拡大し、同時に組織の摩擦を減らすことです。

その結果、「より少ない人数 → より高い生産性 → より低いコスト」となります。これが、将来のレイオフが「周期的調整」だけでなく、構造変化である可能性が非常に高い理由です。

企業は、AI時代に、単に「パンデミック期間に人員を過剰採用したか」だけでなく、「実際にはそんなに多くの人員が必要ではないのではないか」と考え直すでしょう。

なぜこれがバブルでないのか？

この観点から見ると、「バブルでない」論理は比較的明確です：

1. LLMの中核的欠陥が計算リソースとアーキテクチャによって持続的に解決されています

2. 駆動要求の人数の閾値が低下しています

3. エージェントがもたらす利益は、コスト削減だけでなく、収益増加でもあります

したがって、すべてのクラウドベンダーが、計算リソースの供給が需要を上回っており、資本支出を持続的に大幅に増やしていると述べているのは理解できます。

エージェントと価値チェーンの再構築

もう1つの重要な問題は、モデルが最終的に商品化されれば、OpenAIとAnthropicは引き続き利益を上げることができるのでしょうか？

従来の考え方ではできないとされていますが、エージェントはこれを変えました。鍵は、真の価値がモデル自体ではなく、「モデル + 制御システム」の統合にあることです。

利益はしばしば「統合層」に流れ、置き換え可能なモジュールではなく、「多機能」製品やサービスに向かいます。Appleのように、そのハードウェアが商品化されない理由は、ソフトウェアとの深い統合にあります。同様に、エージェントは、モデルとハーネスの深い協調が必要であり、これによりOpenAIとAnthropicは価値チェーンで重要な統合者となり、交換不可能な一部ではなくなります。

マイクロソフトの転機は、元々「モデルの置き換え可能性」を強調していましたが、本当の Agent プロダクトをリリースした後、それを放棄せざるを得なくなりました。

これは、モデルが必ずしも完全に商品化されるとは限らないことを意味します。なぜなら、Agent は統合能力が必要だからです。