LeCunが突く「掃除できないLLM」の壁

2026年8月23日、スタートアップ起業家の登竜門であるY Combinator創業者の Paul Graham（ポール・グラハム） が「今の17歳なら起業せず、LLM（大規模言語モデル）をスクラッチで自作して訓練するだろう」とXに投稿し、80万回以上の閲覧を集めた。これに対し翌24日、元Meta主任AI科学者の Yann LeCun（ヤン・ルカン） が冷ややかな反論を突きつけた。

「17歳ならLLMを自作せよ」への辛辣な返し

LeCunの発言は、画面内のテキスト生成に湧くAI業界への強烈な冷水だった。彼はGrahamの投稿を引き合いに出し、「自分なら『なぜLLMは小論文を書けるのに自分の部屋を掃除できないのか』の理由を探る。言語予測を超え、物理世界のタスクを人間並みに学べる新しいアーキテクチャを追求する」と宣言した。

文字生成やプログラミング作成では人間を圧倒するChatGPTなどのLLMだが、現実空間で物体を認識し、手足を動かして掃除をするような基本動作にはまったく太刀打ちできない。どれほど賢く見えても、彼らは文字の組み合わせを確率計算しているだけで、物理的な空間や物体の重さ、摩擦といった「現実に起きること」を理解していないからだ。

なぜ今、この発言を地方・中小企業の経営者が知るべきなのか。それは画面上の事務作業で生成AIの成果を実感した企業が、次の投資先として「工場の検品や箱詰め、店舗の清掃や商品陳列の自動化」を夢見始めているからだ。LeCunの指摘は、物理現場へのAI適用を急ぐ経営者が陥る大きな落とし穴を警告している。

自分なら『なぜLLMは小論文を書けるのに自分の部屋を掃除できないのか』の理由を探る。LLMを超え、物理タスクを人間並みに学べる新しいアーキテクチャを追求する。

「掃除できない」の真意とLeCunの売り物

物理世界はテキストデータの集合体ではない。人間の幼子が数回ボールを転がすだけで摩擦や重力を直感的に学ぶように、生物は身体を通じて空間を認識する。しかし、巨大な文章を流し込んで「確率的に最もありそうな次の単語」を予測するだけのLLMには、この「身体性」が根本的に欠落している。

ただし、経営者がこの発言を読む際には、LeCunという人物のポジションと「売り物」を照らし合わせる必要がある。LeCunはMetaに在籍していた時期から、自社が巨額の資金を投じて開発していた主力のLLM（Llama）を「数年で壁にぶつかる行き詰まった技術」と批判し続けてきた。そして自身が提唱する「JEPA」と呼ばれる世界モデル構想に賭け、最終的にMetaの主任科学者という肩書きを離れた経緯がある。

ここに記事の重要な読み解きがある。「現行のLLMでは現場の物理作業を自動化できない」という彼の警告は、技術の構造的限界を突いた客観的な正論だ。しかし、「だから次世代の世界モデルや新アーキテクチャに賭けるべきだ」という誘いは、彼自身の手持ちの商売や研究資金を集めるための売り込みが含まれている。

実際、LeCunが提唱する世界モデルやJEPAは学術的な評価こそ高いものの、実用化や収益化の目途は立っておらず、現場で使えるサービスになるまでのタイムラインは繰り返し延期されている。莫大な研究費を持つトップランナーの「来年には」という時間軸を、資金に限りのある地方の中小企業が真に受けてはならない。

中小の現場に効く「任せる作業」と「握る作業」の線引き

この応酬から中小企業が汲み取るべき現実的な判断は明白だ。「現場の物理作業を自動化するためのAI投資は、最低でも今後3年間は様子見でよい」という着地点である。

画面の中で完結する作業、すなわち「文章の作成・要約」「顧客問い合わせの一次振り分け」「仕様書や日報からのデータ抽出」については、今すぐ市販のLLMを導入して現場業務を効率化すればよい。ここはすでに投資対効果が確実に合致する領域だ。

一方で、工場での部品の拾い出し、建設現場での資材運搬、店舗や宿泊施設での掃除や配膳といった物理的な作業については、現行のLLMを無理に組み合わせても失敗する。これらは当面の間、人間が判断して手足を動かすか、あるいは従来型のシンプルな産業用機械に任せるのが最も安全でコストがかからない。

世界トップの研究者が「部屋の掃除すらできない」と頭を抱えている技術に対して、中小企業がリスクを取って先回り投資をする必要は一切ない。画面の中の作業はLLMに任せ、現場の身体動作は人が握り続ける。この役割分担を明確に保つことこそが、無駄なシステム投資で資金を失わない唯一の防衛策となる。

30分で課題を整理する→