AIの限界は「賢さ」より「評価」にある

AIの限界は、モデルの賢さではなくなりつつある。米Databricksのチーフサイエンティスト、ジョナサン・フランクル氏はITmediaのインタビューでこう語った。「モデル性能はすでに十分で、今の本当のボトルネックはAIの出力を正しく評価できるかどうかだ」と。

これは単なる研究者の観測ではない。Databricksはオープンソースのデータ・AI基盤を大規模に開発・提供している企業であり、現場のAI活用を間近に見ている立場からの発言だ。

言い換えると、「どのモデルを使うか」よりも「そのモデルが出した答えを正しく裁けるか」のほうが、今後の実力差を決めるということになる。ツールを選ぶ目より、アウトプットを判定する目が問われる時代に入りつつある。

「AIの評価が難しい」と聞いてもピンとこない人は多いかもしれない。ただ、実際の場面に落とすと途端に身近になる。

たとえば、AIにLP（ランディングページ）のコピーを5パターン出させたとする。どれが良いか選べるか？　「なんとなく」ではなく、「なぜこのコピーの方が刺さるか」を言語化して選べるか？　その判断ができないと、AIを使っても最終的に「全部それっぽいので保留」になり、出力を活かせずに終わる。

同じことは動画の台本、分析レポート、営業メールにも起きる。AIが吐き出した10案を前に「どれも同じに見える」なら、評価眼がまだ育っていないサインだ。

フランクル氏の指摘はこの問題を構造的に捉えている。評価が曖昧なままでは、フィードバックループが回らない。つまり、AIを使えば使うほど上手くなるはずが、「良し悪しの判断ができない人」はいつまでたっても成長しない、という話でもある。なお、AIの答えを「鵜呑み」にしない一言の技術でも触れているように、出力を受け取る側の問いかけ方が品質を左右する。評価眼と問いかけ力は、実は表裏一体だ。