MetaがGoogleを抜く「半年の逆転劇」を湯川鶴章さんが解説
強化学習3000人部隊とAI予測の見極め方

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。今回は、AI新聞編集長の湯川鶴章さんと東京学芸大学教授の遠藤太一郎さんの対談動画から、「MetaがGoogleを半年で抜き去る」というSemiAnalysisの予測を紹介するね。

出典: 【AI下剋上】MetaがGoogleを抜き去る「半年間の逆転劇」SemiAnalysis最新予測（The WAVE TV【AIの独自解説チャンネル】）

半年前まで、日本国内では「最後はGoogleが勝つ」という空気が強かったと湯川さんは語ります。なぜ日本だけそう言われていたのか、ジェミニに尋ねてみた結果が興味深いものでした（2:37頃〜）。

湯川鶴章さん

「日本国内の『Google推し』の空気感は、技術的な分析というよりも、過去のIT覇者への信頼感と日本のビジネス環境の保守性が作り出したバイアスであった側面が多い」（2:37）

私にも似た感覚があります。何が強いかを技術で見るより先に、「知ってる会社だから」「大企業だから」で安心してしまう空気って、ありますよね。これはAI業界の勢力図の話だけでなく、自分の仕事道具を選ぶときにも同じ罠にハマりやすいと思います。料理に例えると、「有名店が使っている調理器具だから間違いない」で選んで、実は自分の厨房には合わなかった…という話に近いです。ぶっちゃけ、名前の大きさで選んだ道具ほど早く使わなくなる。だから私はAIツールを選ぶとき、自分の手で触って、自分の現場で試すようにしています。ジェミニが分析した「過去の信頼感」というバイアス。これ、私たちがAIツールを選ぶときにも、ブランドの大きさで判断してしまう同じ癖として、毎日どこかで起きているんじゃないかと感じました。半年前の「勝ち組」を鵜呑みにせず、自分の手で確かめる。この一手間が、AIとの付き合い方をずいぶん変えてくれると私は考えています。特に個人事業や小さなチームで動いている人ほど、大企業のブランド力に頼らず、自分の現場に合うかどうかで選ぶ判断軸を持っておくと安心。

まず紙に書く：今使っているAIツールを1つ選んで、5分だけ時間を取り、「なぜこれを選んだか」を紙に書き出してみてください。理由が「有名だから」しか書けなかったら、そこで一旦手を止めて要注意サインと受け止めてください。

では今はどうなのか。SemiAnalysisの見方を、湯川さんが紹介してくれます（2:56頃〜）。GoogleのGemini 3やナノバナナも一時は注目されたけれど、その後の展開は違ったらしい。

湯川鶴章さん

「今はもうオープンAIとアンソロピックの一騎討ちだと。最先端のAIはますます、オープンAI対アンソロピックの二強による一騎討ちの様子を呈している」（2:56）

「一時は脚光を浴びたものの、その影は劇的に薄くなった」というくだりは、AI業界のスピード感をよく表していると思います。私も毎日AIツールを触っていて実感しますが、半年前の「勝ち組」が今も勝ち組とは限りません。だからこそ、特定の1社にベッタリ依存する使い方は避けている。Claude、GPT、Gemini、それぞれ得意分野が違うので、料理で言うと包丁・鍋・オーブンを使い分けるように、道具箱を複数持っておくイメージです。1つのモデルに惚れ込みすぎると、その会社が失速したときに自分の仕事の土台まで揺らいでしまいます。AI業界の順位表は、まだ固まっていない。だからこそ「今の一番」に賭けるより、「乗り換えても持ち運べる自分の使い方」を育てるほうが、長い目で見て強いと私は考えています。半年で勢力図が変わる世界だからこそ、道具に依存するのではなく、自分の判断軸を育てておきたい。私自身も毎週のように新しいモデルの発表を追いかけていますが、乗り換えのたびに一から作り直さなくていい仕組みを整えることを優先しています。で、今回のように「今は一騎討ち」と言われている状況も、また半年後には変わっているかも。

1回だけ横に並べる：普段使っているAIツールが1つだけの人は、今週中の15分だけ、別のAIで同じ作業を1回試してみてください。出力を横に並べて見比べられたら完了です。

強化学習とは何なのか。湯川さんがジェミニとやり取りしながら自分で考えついたという例えが、すごく分かりやすいものでした（7:11頃〜）。

湯川鶴章さん

「まず教科書渡されます。交通法規の教科書と、自動車の仕組みの教科書。それを学びますっていうのが追加事前学習。ファインチューニングは過去問を解く。強化学習は実際に教官に隣に乗ってもらって運転するみたいな」（7:11〜8:37）

この例えには、正直、かなり腑に落ちました。教本を読む(事前学習)、過去問を解く(ファインチューニング)、実際にハンドルを握る(強化学習)。私がAIエージェントに仕事を任せるときのステップも、実はこれと同じ構造です。最初はマニュアルを渡し、次に過去のパターンで練習させ、最後は実際の現場で動かしながら「ここはもっとこう」とフィードバックしていきます。抱え込みOSが強い人ほど、教本を渡した時点で「もう任せられる」と思いがち。でも実際に運転席に座らせてみないと分からないことは、山ほどあります。うちのAI秘書の凛ちゃんとの仕事も、最初から完璧を求めずに、実際にやらせてみて、危なくなったら「もっとこっち」と声をかけています。この「隣に乗る」感覚こそが、AIを育てる一番の近道。教本を渡すところで安心してしまうと、隣に乗る手間を惜しんでしまうので、私は毎回この3段階を意識するようにしています。特に強化学習の段階、つまり「隣に乗って見守る」時間をどれだけ確保できるか。そこがAI活用の質を分けるポイント。

隣に乗り直す：今任せているAI作業を1つ選び、10分だけ結果を見返して、「教本だけ渡して終わってないか」を確認してください。1回でも「もっとこっち」と直したフィードバックを入れられたら完了です。

Metaは従業員の画面・キーボード・マウス操作を記録し、強化学習の課題作成に使っているそうです。実はこれ、遠藤さんが事前に指摘していたプライバシー面の論点でもあり、湯川さんが自分で調べ直してくれました（10:04頃〜）。

湯川鶴章さん

「プライバシーの侵害になると、従業員の画面データが全部飛んだら不祥事になる。なので一部緩和したらしいんです。例えば30分間だけはデータ取りませんみたいな」（10:04）

このくだりには、正直、ドキッとしました。便利さの裏で、誰かの「見られたくない30分」が犠牲になっていないか、という話だからです。Metaは業務外の時間はオフにできる仕組みを入れて、一部を緩和したそう。地味だけど、ここが大事なポイントだと思います。データを取ることそのものより、「取っていい範囲」を本人が選べるかどうか。そこが信頼の分かれ目になります。私が凛ちゃんに日々の記録を渡すときも同じで、渡す情報は自分で選んでいます。全部見せる必要はない。渡す原液の範囲を自分でコントロールできるからこそ、安心して委ねられるのです。Metaの3,000人体制がどれだけすごい仕組みでも、そこで働く1人1人の「オフにする自由」が守られているかどうかは、また別の話。仕組みの規模より、そこにいる一人一人が納得しているかどうかを、私は大事にしたいと思っています。これはAI活用に限らず、家族やチームに何かを頼むときにも通じる話だと感じました。誰かに何かを任せるとき、私は「相手が嫌なことを断れる余地があるか」を先に確認する。それさえあれば、多少踏み込んだお願いをしても、信頼関係は壊れにくい。

渡した情報を棚卸しする：自分がAIに渡している情報を10分だけ棚卸しして、「本当は見せたくないもの」を1つでも見つけられたら完了です。見つからなければそれも安心材料として書き留めてください。

対談の中で出てきた「順番」の話が、この動画で一番刺さった論点でした。Metaのデータ収集が、すぐに強みになるとは限らないという視点です（16:04頃〜）。

湯川鶴章さん

「コーディングエージェントってなんか基本の地頭を良くするみたいな感じじゃないですか。地頭が良くなっていないのに、その地頭が良くなった人がどんな風にパソコンを使ってるかというデータがあったとしても、そこまで良くできないですよね」（16:04）

これは、AI活用の順番を考えるうえですごく大事な指摘だと思います。私自身、AIエージェントに仕事を任せ始めた頃、いきなり複雑な業務全体を渡そうとして空回りしました。うまくいったのは、まずコーディングのような「正解がハッキリ分かる小さいタスク」で地頭を鍛えてから、少しずつ判断が必要な仕事に広げていくやり方。料理で言うと、いきなりフルコースを作らせるのではなく、まずは出汁の取り方から仕込むイメージです。基礎が仕込まれていないシェフに、いきなり接客の判断まで任せても空回りするのと同じです。MetaがどれだけホワイトカラーのPC操作データを集めても、その土台になるコーディング力(地頭)が弱ければ、宝の持ち腐れ。これは、AIに仕事を任せる私たち全員への忠告でもあると思いました。順番を間違えないことが、遠回りに見えて一番の近道なのだと思います。私も新しいAIツールに触るときは、まず一番シンプルな作業で「地頭」の強さを確かめる。この確認をサボると、後から「思っていたのと違う」というズレが大きくなって、結局やり直しに時間がかかってしまいます。急がば回れという言葉は、AIとの付き合い方にもそのまま当てはまる。

小さい練習問題から始める：AIに新しい仕事を任せる時は、本番の前に5分でできる「正解が分かる小さい練習問題」を1つ用意して先に試してください。結果が正解と一致したら本番に進んでOKです。

30分近い解説の結論は、意外にもシンプルでした。予測は当たらない。それでも見るべきものがある、という湯川さんの結び方です（26:08頃〜）。

湯川鶴章さん

「あまりにも変化が激しいので、現場の最先端で何が起こっているのかを見ている人が、ようやくちょこっと未来予測できるだけで、その人たちでも外す」（26:08）

「結論は分からない」で終わる解説動画は、実はあまり多くありません。でも私は、この誠実さがすごく好きです。湯川さんが最後に語っていた「エクサウィザーズをやめない理由は、現場で手を動かしてる人と直接話せるから」という話。私の「現場に身を置く」という感覚と、そのまま重なりました。AIは横に広げてくれますが、人間は五感で感じた現場からしか縦に掘れません。ネットの情報をいくら集めても、実際に手を動かしている人の温度感は分からない。だから私も、AIの最新情報はニュースで追うだけでなく、実際に自分の手で触って、自分のAI秘書と一緒に運用しながら確かめるようにしています。未来は読めません。それでも「誰の発言に注目するか」は選べる。この動画自体が、まさにその実践だと感じました。私も普段から、肩書きよりも「実際に手を動かしているかどうか」を基準に、情報源を選んでいる。

発言者を5分で調べる：気になるAI予測を見つけたら、5分だけ発言者のプロフィールを調べて「現場に近い人」かどうかを確認してから信じるようにしてください。確認できなければ「未確認」のまま保留にして構いません。

30分の対談を見終わって残ったのは、「Metaが勝つかどうか」よりも「どの情報を信じるか」という視点の大切さでした。SemiAnalysisが挙げた3つの根拠(データセンター・人材・強化学習データ)は説得力がありましたが、湯川さんも「これで決まり」とは言い切らなかった。むしろ「現場に近い人の発言に注目する」という結論に落ち着いたのが印象的でした。

私たちがAIニュースを追うときも同じだと思います。派手な予測に飛びつくより、誰が、どんな現場から、その情報を発信しているかを確認する。それだけで、情報との付き合い方はだいぶ変わってくるはずです。半年後にまたこの動画を見返すときは、予測が当たっていたかどうかより、「その時どんな視点で情報を見ていたか」を大事にしたい。この記事も、そのための1つの記録として残しておきます。予測が外れていたとしても、それはSemiAnalysisや湯川さんの誠実さを否定する理由にはならない。誠実に外す人の話のほうが、自信満々に断言するだけの話より、長い目で見て信頼できる…と私は思っています。