Andrej Karpathy（元OpenAI研究者、元Tesla AIディレクター）が最近Xで発したひとことが、AIコミュニティで静かに広まっている。「これほどの規模の企業が、ここまで堂々とバズワードに反旗を翻せているのを見るのは清々しい」——大企業の内部から、AI「万能論」に対する本音の反論が出てきているというシグナルだ。この記事では、その背景にある構造と、日本の会社員として何を読み取るべきかを整理します。
「AIで全部解決」という空気がなぜ生まれたのか
ここ2〜3年、国内外を問わず「AI導入」という言葉は経営会議の定番フレーズになった。投資家へのプレゼン資料にAIが入っているだけで評価が上がり、採用要件に「AI活用経験」を加えるだけで先進的に見える——そういう時期がたしかにあった。問題は、この空気が現場の実態とズレを起こしていったことだ。
たとえば大手メーカーの情報システム部門で働く40代の担当者が「ChatGPTで社内ナレッジ検索を自動化する」プロジェクトを立ち上げたとする。経営層は期待する。ところが実際に動かしてみると、社内データの整備が追いついていない、セキュリティポリシーとの整合が取れない、そもそも現場が使わない——といった壁に次々とぶつかる。AIの問題というより、データ管理と組織文化の問題なのだが、失敗の原因が曖昧なまま「AI導入はうちには早かった」という結論に着地してしまう。
Karpathyが言及した「company of this size」がどこかは明示されていないが、重要なのは企業名ではなく「大きな組織でも内側から異議を唱えられる」という事実そのものだ。これはAI過大評価への批判が、スタートアップの尖った個人からではなく、組織の中枢に近い場所から出てきていることを意味する。
現場エンジニアチームが「建前」を崩すとき
Karpathyのポストで特に目を引くのは「One group of MTS on a mission, clean.」という一節だ。MTSとはMember of Technical Staffの略で、個人貢献者として技術的な仕事を担うエンジニア職を指す。マネージャーではなく、現場で手を動かす人たちが、組織の公式な「AI推進」方針に対して技術的な根拠をもって反論した——そういう構図がここに見える。
日本企業でも似た状況は起きている。IT部門の若手エンジニアが「このユースケースにLLMは向かない、RPA（ロボティック・プロセス・オートメーション）で十分です」と説明しても、「でも今どきAIでしょ」という空気に押しつぶされてしまうケースは少なくない。逆に言えば、技術的な根拠を持って「これはAI案件ではない」と言える人材の価値は、今後むしろ上がっていく可能性がある。
AIリテラシーとは「AIを使える」ことだけではない。プロンプトの書き方ガイドで触れているように、AIをうまく使うためにはまず「何をAIに任せて、何を任せないか」を判断する眼が必要になる。この判断力こそが、現場の技術者が経営判断を動かせる武器になりつつある。
「AI懐疑論」と「AI否定論」は別物である
ここで混同しやすい点を整理しておきたい。「AIの過大評価に反論する」ことは、「AIは使えない」と言っているわけではない。この違いは実務で非常に重要だ。
下の表は、AIへの態度を大まかに4つに分類したものだ。
| 態度 | 特徴 | リスク |
|---|---|---|
| 盲信 | とにかくAIを入れれば解決すると思っている | 費用対効果ゼロのプロジェクトを量産 |
| 懐疑（健全） | 効果を検証しながら、合うところに使う | ほぼなし。これが理想 |
| 過剰懐疑 | 少し使ってみてダメだったからもう試さない | 技術の進化に乗り遅れる |
| 否定 | AIは企業には使えないと決めつけている | 中長期で競合に差をつけられる |
現場のエンジニアが「このプロジェクトのAI活用はやめるべき」と言うとき、それはAI否定ではなく「健全な懐疑」の実践だ。Karpathyが「清々しい」と表現したのも、この健全な懐疑を組織規模でやりきった事例を見たからだろう。
「バズワード検知力」が会社員の武器になる
30代の営業マネージャーが月次報告書を作成する場面を想像してほしい。上司から「AIで分析して提案書に入れてほしい」と言われたとき、いくつかの反応が考えられる。何も考えずにChatGPTに投げてそれらしい文章を生成する。あるいは「何をどう分析するのか」「その分析結果をどう判断するのか」を先に整理してから、適切な箇所だけAIを使う。前者は一見効率的に見えるが、生成された内容の責任を誰も取れない状態になりやすい。後者は少し手間がかかるが、「AIを道具として使った」と胸を張って言えるアウトプットになる。
Karpathyが称えた「mission」の本質はここにある。AIを使うかどうかより、何のために何を解決するかを先に決める、その順番の話だ。このフレームを持っている社員は、AI推進一辺倒の組織でも「なぜそのAI導入は機能しないか」を説明できるし、逆にAI懐疑的な組織でも「ここだけはAIを使うべき」と具体的な根拠を出せる。どちらの環境でも通用するスキルセットだ。
AIを副業や自己投資に活かしたいなら、AIを使った副業ガイドでも整理しているが、最初のステップは「どこにAIが向くか」の判断軸を作ることになる。
この流れは日本企業にどう波及するか
海外テック企業の内部でAI過大評価への反論が起きているということは、日本企業にとって「AIどこまで信じればいい？」という問いへのひとつの答えになりえる。特に「海外のトレンドに遅れるな」という圧力に動かされてきた経営層にとっては、「海外でも見直しが起きている」という事実は意思決定の材料になる。
ただ、誤読には注意が必要だ。「やっぱりAIは大げさだった、様子見でいい」という結論に飛びつくのは、先の表で言えば「過剰懐疑」に滑り落ちるリスクがある。モデルの性能は着実に上がっており、コストも下がり続けている。使えるユースケースの範囲は広がっている。「特定の使い方が過大評価だった」と「AI全体が使えない」は、全く別の話だ。
この数年で起きていることは、AIブームの「第一波」が落ち着いて、より実務的な「第二波」に移行しつつあるプロセスとも見える。第一波は「使ってみる」フェーズ、第二波は「何に使うかを選ぶ」フェーズだ。後者に入ったとき、判断力のある人材が組織で影響力を持ち始める。
まとめ
Karpathyの短いポストが示していたのは、技術トレンドの転換点ではなく、「組織の中に技術的な判断力を持った人間がいるかどうか」の重要性だ。AIを盲信するでも否定するでもなく、用途を見極めて使う——この当たり前のことを、大企業の現場チームが組織を動かして実証したことが「清々しい」と映った。あなたの職場で「これ本当にAIが必要ですか？」と根拠を持って問える人間は、今どれくらいいるだろうか。
