Sutskeverが撤回『スケーリング則』の自白

教祖の前言撤回：いつ・どこで・何を言ったか

2026年のポッドキャスト「Dwarkesh Patel Podcast」において、 Safe Superintelligence（SSI）共同創業者の Ilya Sutskever（イリヤ・サツケヴァー） が語った言葉は、AI業界全体に大きな衝撃を与えた。彼は「AIはスケーリングの時代を終え、再び研究の時代に入った」と明確に宣言した。

かつてOpenAIの主任科学者として「計算資源とデータを積めば積むほど知能は伸びる」というスケーリング則を提示し、ChatGPT誕生の立役者となった教祖本人が、自らその教理の限界を認めたのだ。Sutskeverは2012年から2020年を「研究の時代」、2020年から2025年を巨大な計算資源を投入する「スケーリングの時代」、そして2026年以降を「再び研究の時代」と定義する。

インターネット上の公開テキストデータが底を突き、ただ事前学習モデルを巨大化させるアプローチは壁に突き当たった。今や各社は強化学習（RL）へのシフトを進めているが、そこで新たな構造的問題が表面化している。

テストで満点に近いAIが、現場でバグを1つ直そうとして別のバグを生む。それは開発企業がテスト対策だけに特化した強化学習環境を作り上げているからだ。

『1万時間の競技特化学生』という比喩の正体

Sutskeverが指摘した現場での違和感の正体は、いわゆる「性能のパラドックス」だ。公開されているベンチマークテストでは過去最高の数値を叩き出すモデルが、実際の企業の業務に組み込むと途端に不可解なミスを連発する。

この原因を、彼は開発元による「報酬ハック」だと指弾する。評価テストで高得点を取るためだけに最適化された学習環境を自前で構築した結果、テスト問題の解き方だけを丸暗記した「サヴァン型AI」が量産されているというのだ。

彼はこれをわかりやすい例えで説明する。「競技プログラミングの過去問対策だけに1万時間を費やした学生A」と、「100時間しか練習していないが本質的な応用思考力を持つ学生B」の比較だ。前者はテストで満点を取るが、見たことのない実務の課題を渡された瞬間に破綻する。現在の最新モデルの多くが、まさにこの学生Aの状態に陥っているという指摘である。

SSIが売り物を持たないから言える批判を割り引く

ただし、経営者としてこの発言を真に受ける前に、Sutskeverの「立ち位置」を冷徹に見極める必要がある。彼の率いるSSI（Safe Superintelligence）は、80億ドル以上の資金を集めながら、商用プロダクトも月額課金サービスも一切提供していない。

毎月の売上や他社との新機能リリース競争、ベンチマークの順位争いに追われない立場だからこそ、競合他社が進めるスケーリング路線やベンチマーク狂騒曲を正面から批判できるのだ。「商用製品を出さずに研究に専念する」という売り物を持たないビジネスモデルだからこそ語れるポジショントークでもある。

彼らの言う「研究の時代」とは、無限に近い資金と最優秀の研究者を抱えた巨大資本だけが参入できる時間軸だ。他社の商用展開を牽制し、自らの長期研究にスポットライトを当てる意図を割り引いて読む必要がある。しかし、彼が暴露した「カタログスペックの数値と実用性の乖離」という事実は、実際にAIを導入しようとしている現場の実感と見事に一致している。

中小が捨てるべきは『ベンチマーク何点』という選び方

このトップランナーの自白から、地方や中小企業の経営者が受け取るべき教訓は明白だ。巨大テックの研究競争に付き合う必要は一切ない。経営者が今すぐ捨てるべきは、「ベンチマークの点数が最も高い最新モデルを選ぶ」という導入判断そのものだ。

テスト特化のAIに惑わされない唯一の方法は、カタログの数値を信じるのではなく、自社特有の業務データで直接テストすることだ。たとえば、自社の実際の問い合わせ履歴や過去の見積書、契約書のフォーマットから30件のサンプルを用意し、各モデルに処理させてみる。

「テスト対策だけに長けた学生A」か「応用力の効く学生B」かは、自社の生のデータを渡した瞬間に見破ることができる。高額な月額契約やシステム構築に踏み切る前に、小さな検証環境で自社の課題が解けるかを自ら確かめること。これこそが、AIの狂騒に踊らされずに投資対効果を引き出す確実な道である。

30分で課題を整理する→