シリコンバレーのAIエンジニア、マ・ペイユアンは、4年以上にわたる業界の観察に基づき、現在の10の顕著な変化を提起した：人材採用は専門家から汎用型人材へ移行しており、AIツールの使用能力は経験年数を超越できるようになった。組織構造はフラット化しつつあり、マネージャーには技術力が求められ、people managerという役割は消滅しつつある。トークンの利用は数の追及から効率への注目へと転換しており、大手企業が再びコスト計算を始めている。モデルへの崇拝は覆され、シリコンバレーでは安価なモデルと最高水準のモデルを統合してスケジューリングする潮流が広まっている。AIインフラの新たな基盤が登場しており、「学習不可能」な実際の課題を解決できる垂直型AIエージェントは依然として投資価値を持つ。マ・ペイユアンは、AI分野では1年は非常に長い期間であり、ほとんどの判断が1か月以内に覆される可能性があると強調した。記事執筆者、出典：36kr
すべてのコンセンサスが急速に期限切れになります
すべての人がAIに関する判断を試みているが、すべての合意が急速に古くなっている。
インタビュー | バレイ 海風
文 | 海風 劉思潔
編集 | 劉思潔
カバー画像の出典 | 取材対象者撮影
蛮行の段階はすでに過ぎ去りました。
これは、シリコンバレーのAIスタートアップの最前線にいる馬培元が最近最も強く感じていることである。
2021年12月、学士課程を卒業後、彼は「アメリカ版知乎」と称されるQuoraに就職し、その後、AIチャットボット統合プラットフォームPoeでシニアAIエンジニアを務めた。2か月前、彼はシリコンバレーで最も注目されているAIエージェントスタートアップであるCognitionに加わった。
2026年5月、設立から3年にも満たないこの企業は、10億ドルを超える資金調達を完了し、評価額を260億ドルに引き上げた。8か月前には、その評価額は102億ドルだった。
エンジニア以外に、マ・ペイユアンはベンチャースカウトというもう一つの役割も担っている。彼は投資機関のために注目すべきAIスタートアップを探しており、毎年50万ドルの投資枠を持っている。
卒業後の4年余りの間、彼は常にAI業界のコンセンサスよりも先に行動していた。『agent』という言葉が誰にも明確に定義される前から、彼のチームは既に静かにプロジェクトを立ち上げていた。Anthropicが無名の存在だった頃、彼らはClaudeの最古参の深度ユーザーとなっていた。彼はチーム内で最初のAI認定エンジニア、最初のAI agentエンジニアとなり、その後、エンジニアリングチーム全体をAIプログラミングを活用するAIネイティブなチームに「洗脳」した。
この認識と行動の先進性は、2週間前、彼が「未来人類実験室」との対談でふと「People Managerは消えつつある」と語った際に最も興味深く証明された。その直後、腾讯と字節跳動が中間管理職の廃止を発表し、その言葉が現実となった。
変化が速すぎます。シリコンバレーでは、変化と常に共存しなければなりません。
この記事の二つのインタビューの間の二週間で、馬培元は、前回述べたシリコンバレーにおける「最も高価で最先端のモデルを追求する」論理が、すでに成り立たなくなっていることに気づいた。現在のシリコンバレーでは、複数の安価なモデルとトップレベルのモデルを「統合してスケジューリング」して使用する手法が流行している。
マ・ペイユアンと約5時間話し、彼がほぼ毎日昨日の自分を否定していることに気づいた。シリコンバレーも同じだ。「すべてを語ることはできないが、60％以上は言える。1か月後にはまた逆になっている可能性がある。」
過去数年間、AIはシリコンバレーのほぼすべてのデフォルトルールを書き換えてきた：どのような人がより目立つのか、どのような組織が競争力を持つのか、どのような投資が価値があるのか。
もちろん、これらのいわゆる「正解」の判断も急速に無効になっています。AI分野では、1年はすでに長いサイクルであり、多くの判断は1か月以内に覆される可能性があります。
以下は、馬培元が現在のシリコンバレーにおけるAIに関する10の観察である：
馬培元
シリコンバレーにはどのような人材が必要ですか？
馬培元の職業像は、シリコンバレーのAI企業が最も好む人材像と非常に一致している。彼は伝統的なコンピュータサイエンスの背景を持たず、コンテストで金メダルを獲得したこともなければ、トップ大学の看板もない。かつてはコンピューターにまったく興味を示さなかったが、過去4年間でQuoraの広告チームからCognitionのAIエンジニアへと成長し、その経歴はシリコンバレーのAI企業が現在最も求めている人材像のすべてのキーワードを網羅している。彼の経験は、個人の成長史であると同時に、業界の採用基準の変化を示すサンプルでもある。
観察1：汎用性が高い者が専門家を上回る
シリコンバレーで今最も求められている人材像は、特定の分野で最も深く専門化したエキスパートではなく、「すべての分野で平均以上で、明らかな弱点がない」人物だ。業界ではこれをpolyglot talentと呼び、もっと通俗的に言えば「六角形戦士」と言う。
2024年、Poe内部では、当時その定義が明確でなかった「agent」プロジェクトが内部で開始され、チームは私という新人を選んだ理由が非常に明確だった。「AIの経験があり、フルスタック開発とiOSの経験もある」からだ。当時、チームの他のメンバーはほとんどが従来の機械学習、検索・広告・推奨背景出身で、フロントエンドコードを理解していなかったが、agentにはフロントエンドインターフェースを書ける人が必要だった。元々AIプロンプトエンジニアリングを担当していた社員が退職した後、チームにはこの穴を埋められる人がいなかった。ちょうど良いことに、私は学習が速かったので、このagentのプロンプトエンジニアリングを担当すると同時に、そのフロントエンドのコードも書いた。
この「何でも少しできる」という能力の組み合わせは、後に私が就職活動で最も価値のある資産となった。どんな新しい分野を与えられても、2週間以内にほぼマスターできる。それが、初期のスタートアップが求める人物だった。
観察2：AIネイティブなスキルは、短時間で経験年数を圧倒できる
AIツールの使用能力は、従来の経験年数で積み上げられた資格を圧倒することができる。
Quoraの広告チームからiOSチームに移ったとき、理由は「快適圏から一歩踏み出したい」でしたが、そのとき私はiOSについてまったく知識がなく、完全な「0年経験」でした。私はゆっくりと学ぶのではなく、GPT-4を自分のパートナーとして活用しました。当時、周囲には非常に経験豊富なiOSエンジニアがおり、彼らはAIを信じていない可能性もありました。私はiOSのコーディングも、Swiftのコードも書けなかったので、AIにコードを書いてもらうために必死に頼りました。
結果として、私が入門してからわずか三四ヶ月の新人であるにもかかわらず、周囲の長年経験を積んだシニアエンジニアたちと同等、あるいはそれ以上の生産性を達成し、たった2年でシニアポジションに昇進しました。これは従来の昇進システムではほぼあり得ないスピードです。以前は、Facebookでは少なくとも4〜6年かけてようやくシニアエンジニアになれたのです。Googleでは、一部の人は一生シニアエンジニアに昇進することさえありません。
私はCognitionで19歳の面接官に出会った。最初は26歳の私が19歳の人に「質問攻め」に遭い、多くの質問に答えられず、少し落ち込んだ。しかし、その後、この会社が本当に能力を重視し、年齢がシリコンバレーでの人材評価の基準ではなくなっているという証拠だと気づいた。
観察3：採用基準が完全に見直され、AI企業は同じテンプレートで面接を行わない
Quoraを退職する前、私は約20社を本気で面接し、電話で連絡した会社を含めると30〜40社でした。最も多かったとき、1週間に30人以上のヘッドハンターから連絡がきました。
これまで多くの会社の面接を受けてきましたが、現在のAI企業には統一された面接テンプレートが存在しないことに気づきました。
しかし、いくつか明確な変化があり、LeetCode形式のアルゴリズム問題の重要性は低下しており、AIシステム設計に関する最適な回答は毎月変わっています。
面接の構成も変化している。オンライン筆記試験とワークトライアルの組み合わせが新たな形となっている。ワークトライアルは非常に短い「試用期間の面接」である。3時間のものもあれば5時間のものもあり、最長でも1〜2日程度だ。私が経験した面接では、コードリポジトリを渡され、AIを含む任意のツールを使って実際の課題を解決するよう求められた。完了後には、思考プロセスと成果を発表しなければならなかった。この一連の流れは、すでに実際の仕事に非常に近いものだった。
さらに興味深いのは、AIの使用を評価するプロセス自体が2つのモードに分けられていることです。あるラウンドではAIの使用が必須とされ、どのように「by code」で対応するかが試されます。一方で、デバッグのようなラウンドではAIの使用が明確に禁止され、AIの支援なしにエラーを発見できるかどうかが問われ、これは個人の実際のソフトウェアエンジニアリングのスキルとセンスをテストすることを目的としています。
面接自体も多様です。例えば、ある会社では、私が商業分析を行い、どの業界を買収すべきか判断するように求められました。
行動面接（ビヘイビアラウンド）も変わった。もはや「最大の欠点と長所」「同僚との衝突をどう解決するか」などの従来の質問ではなく、時間を広げて、高校から大学、インターンシップから就職まで、あなたの成長の軌跡を追跡し、「人生の傾斜」を確認し、あなたが指数的に成長できる人物かどうかを判断する。
標準解答がないことによる予期せぬ利点は、誰も問題を暗記して内定を手に入れられないということだ。Cognitionでの私の内推者でさえ、直接「準備しなくていいよ、準備するべきことが何もないと私は思う」と言ってくれた。
AIが組織構造を再構築しています
シリコンバレーで最も優れた人々は、決して特定の企業に所属するのではなく、「その時代で最も優れた企業」に属している。20年前はグーグル、10年前はウーバーとロビンフッド、5年前はコインベース、現在はAI企業だ。シリコンバレーは「流れる銀盤、変わらぬ兵士」である。新しい基準によって選別されたこれらの人才は、待遇ではなく使命感によって残る。最も優れた人々が集まるこうした組織は、AIの再構築によって大きな変化を遂げている。
観察4：「AIネイティブ」への過度な渇望
シリコンバレーの企業がAIネイティブな技術に対する欲求は、私の想像をはるかに超えていた。面接した企業の多くはシリーズAやシリーズBで、一部はシードラウンドだった。頻繁に聞かれた質問は「どのAIツールを使っていますか？」というもので、私はいつも自分が書いたブログをそのまま渡すと、相手はほぼ必ず「目を丸くする」反応をした。
彼らは、AIアプリケーション開発を任せたいだけでなく、チームをよりAIナティブに変革するため、社内でのAI転換を推進してほしいと考えています。多くの企業はすでにAI製品を開発していますが、従業員はまだ自分自身のAIワークフローを確立していません。また、毎日長時間Twitterをチェックし、新しいAIの発見や効率化テクニックを即座に共有できる人物が非常に求められています。
これは私にとって少し直感に反します。かつての私の「趣味」、たとえば毎日Claude Codeなどの新しいツールを試すことや、SlackでAIの使い方を共有することは、逆に新しい組織的な役割变成了。
Quoraで働いていた頃、私はエンジニアリングチーム全員にClaude Codeを使わせることに成功しました。オフィスで毎回エンジニアに会うたび、私は「AIを使ってコードを書いていますか？」と尋ねていました。私は、ネットセキュリティを担当していたエンジニアが、AIでコードを書くのはリスクが高すぎるとして最初は抵抗していたのを覚えています。その後、私は彼に考えを変えて、コードを書くのではなく、AIを使ってコードを読み、コードベースを理解し、データ分析を行うように勧めました。その後、彼も実際に使い始めました。
観察5：「AIをよりよく活用する」ことは、実質的に組織の転換問題である
CognitionでAI関連の業務に従事する中で、AIをより効果的に活用することは、もはや純粋なエンジニアリングの問題ではなく、組織構造の転換の問題であるという事実をますます実感しています。
例を挙げると、従来の組織構造を持つインターネット企業では、バグの発見から修正までに、要件評価、エンジニアリングのスケジュール調整、開発、テスト、リリースなど、複数の工程を経る必要があります。AIを使ってコードを書くのは実際に2〜3時間で済むかもしれませんが、全体のプロセスを完了させるにはしばしば1か月かかります。
以前这样的流程是合理的。因为修复一个Bug，一名工程师可能需要花费三到五天，流程的价值在于协调不同团队、分配资源。但AI将这一时间大幅缩短了。
現在、Cognitionが開発したAIソフトウェアエンジニア製品Devinを使用することで、かつて数日かかっていた作業をわずか2〜3時間で完了できます。Cognitionでは、Devinを使ってこのバグの担当者を特定し、Devinがその担当者を支援して修復を完了させることが可能です。その過程で、多くの調整や移管の手順を省略でき、一切の無駄がありません。実際には、AIが組織全体の構造変革を促しているのです。
観察6：ピープルマネージャーは消えつつあり、マネージャー自身がコードを書けるようになる必要がある
「People Manager」とは、エンジニアリングマネージャーを指す。近年、米国では、管理者としての役割はチームの調整や組織内のコミュニケーションを主に担い、従業員の感情を配慮し、成長を支援することに集中すべきであり、エンジニアリング能力は特に強くなくてもよいという考えが流行している。
しかし、Cognitionに入社して、組織構造が非常にフラットであることに気づきました。たとえば、私の直属の上司はCPO、つまり共同創業者の一人でした。彼は個人の成長に細かく関与するのではなく、大きな方向性を定める役割に近いです。実際、Cognitionの60人以上のエンジニアチームでは、真正のPeople Managerは1人だけで、CPOを含む他の全員が「人を管理しながらコードも書く」立場です。これは、私が以前Quoraで経験したのとはまったく異なります。当時、1人のマネージャーは5〜6人のエンジニアを管理していました。
コグニションチームが、普段赤い服を好んで着る同僚の誕生日を祝って、全員で赤い服を着ました。
これはAIによる組織構造の変化だと感じます。活気あるどのAIスタートアップも、人を管理するだけのマネージャーはほとんどいません——もし人が管理されているなら、その人は必ず技術力も高いです。
この判断はシリコンバレーでのみ行われたわけではなく、2週間の間隔を空けて2回のインタビューの間に、国内の大手企業であるテンセントとバイトダンスも次々と中間管理職の削除を発表した。
AIの時代では、あらゆる判断はすぐに覆される。
馬培元が観察した変化は、組織レベルにとどまらない。よりマクロな業界の判断、「シリコンバレーのAI企業内で、どのようなトークン支出が妥当で、どのようなモデルが優れたモデルなのか？」という問いも、目に見える速さで覆されている。今回は、彼が最初のインタビューで述べた判断ですら、2週間持たなかった。
シリコンバレーのAI業界自体が月単位、甚至は日単位で自らを覆しているため、どんな判断も長く有効ではない。
観察7：Token Maxxingに分岐が生じ、大手企業が効率への関心を再び高め始めている
今年初、シリコンバレーでは「Token-Maxxing」が一時的に流行した。Metaなどの企業は、一時的にToken使用ランキングを実施した。最も多くのTokenを使用した者が「AIネイティブ」の代表とされた。私は、これはまず第一に非常に馬鹿げたことだと思う——AIトークンの使用量は、エンジニアの効率と等しくならない。
グーグルやメタの友人たちは、当時みんな「AI大躍進」に取り組んでいたと話していた。会社では「AIウィーク」と称して、全員が手元の仕事を止めてAIスキルを書き、自分のスキルをまるで花のように飾り立てていた。
最初、ほぼすべての企業はこの考え方でした：まず、AIをできるだけ広く活用し、どの程度まで使えるかを試すことです。
しかし、公開ランキングになると、人の行動は歪められる。エンジニアは「使用回数が多い」ことを目的に使い、例えばAIに毎晩定時に無意味なタスクを実行させ、無駄に走らせるといった、非常に馬鹿げた状況が発生することもある。これはGPAで学生の能力を評価するのと同じで、単一の指標は簡単に歪む。
その後、多くの上層部もこの問題に気づき始めた。より具体的には、請求書に驚いたのだ。例えばUberでは、2026年通年のAI専用予算が、最初の4ヶ月でほぼ使い切られてしまった。多くの大企業がトークン使用量を再び制限し始めた。取締役会やCEOは、このトークン使用量は本当に価値があるのか？本当にこれほど効率を向上させているのか？1億ドルを投じて、本当に1億ドルの収益を生み出したのか？と問うようになっている。
この不安は、Cognitionによって明確な価格が設定された商業的な回答へと変換された。6月4日、Cognitionは「AI生産性保証」を発表した。企業顧客がDevin（CognitionがリリースしたAIソフトウェアエンジニア製品）を使用した後、効率向上が約束された水準に達しなかった場合、最大1,000万ドルの補償を行う。この研究を担当したのは、私が持つ国際情報学オリンピックで3つの金メダルを獲得した同僚だ。彼は233件の実際の顧客事例を調査し、顧客とDevinの会話をランダムに抽出して、「Devinを使わなかった場合、この作業を完全に手作業で行うにはどれだけの時間がかかるか」を顧客に尋ねた。その後、これらのデータを用いて予測システムを構築し、Devinとの各会話を「等価エンジニア時間」に直接変換し、エンジニアの時給を基にこの製品がどれだけのコスト削減を実現したかを算出した。
しかし、多くのYC企業は、多くの政策優遇による無料トークン枠を持ち、規模が小さく、たった三人しかいないため、AIガバナンスの問題がほとんどなく、管理者が誰がAIを使ってサボっているかを直接確認できるため、引き続き「トークンマクシング」のモデルを継続する可能性がある。
観察8：モデルへの崇拝自体も打ち破られている
この記事の二つのインタビューの間の二週間で、私が前回述べた道理がすでにあまり正しくなくなっていることに気づいた。
二週前、私はまだどのモデルが現在最も先進的かについて語っていた。しかし今、Cognitionの内部で、中国語の訳名すら存在しない機能「fusion mode」がリリースされた。これは、無闇に最も高価なモデルを呼び出すのではなく、複数の安価なモデルとトップレベルのモデルを統合してスケジューリングするものだ。あなたは毎日ポルシェを運転して買い物に行かないだろう。本田や安価な車で買い物に行くべきだ。この二週間でモデルの進化速度は私の想像をはるかに超えており、今や「ナンバーワン」がどれかということも、はっきり言えなくなっている。
すべてを言えるわけではありませんが、60％以上はおそらく1か月後には逆になっているかもしれません。
AIの時代、「機会」は非コンセンサスの中に隠れている
あらゆる技術の波の進化の法則は、旧なるコンセンサスが崩れることが、新たなパラダイムの構築の始まりであるということである。
市場が単一モデルや計算資源の無駄遣いへの盲信から脱却する中、「AIを安定的かつ制御可能に実装する方法」や「大規模モデルでは解決できないハードルをどう乗り越えるか」というニーズが急増した。エンジニアと投資ヘッドハンターの両方の視点を持つ馬培元は、大規模モデルの神話に依存せず、現実世界の複雑な課題解決に焦点を当てた新たなビジネスが、シリコンバレーの非主流の中で静かに芽生えていることに注目した。
観察9：新しいAIインフラが登場している
「Token-Maxxing」をめぐって、すでに新たなスタートアップが登場している。これらはチームのAI利用状況を監視・分析し、どこでトークンが無駄になっているかを特定している。
その背後にあるより深い問題は、AIエージェント自体が脆弱であることです。プロンプトのわずかな変更でも、エージェントのパフォーマンスが低下する可能性があります。そのため、新しいAIインフラ（インフラストラクチャー）が登場しています。たとえば、エージェントの実行を隔離し、銀行口座や本番環境のデータなどの機密システムに直接アクセスしないようにするためのサンドボックス（サンドボックス環境）です。
同時に、「観測」自体もより複雑になっています。従来のシステムではエラーが発生すれば監視できますが、エージェントは「エラー」を報告しません。正常に動作しているにもかかわらず、偏見や差別を含んだ出力や、ユーザーに明確なネガティブな体験をもたらすなどの深刻な問題が発生する可能性があります。そのため、エージェントがいつ「頭がおかしくなった」かを監視するための新しいソフトウェアが必要です。
観察10：「トレーニングできないもの」が新たなビジネスとなっている
投資界では、垂直領域AIエージェント（vertical agent）が投資価値を失ったという見方がますます広まっています。しかし、私はこれに完全には賛成しません。
シリコンバレーの投資家、郭睿（サラ・グオ）は「the untrainable」、つまり「訓練できないもの」という概念を提唱した。その核心的な見解は、多くの垂直業界において、言語モデルが完全に自動化されることはないということである。なぜなら、垂直業界には抽象化できない複雑なプロセスが多数存在し、これらのプロセスはしばしば人間の手によって一つずつ解決される必要があるからである。
たとえば米国の税務申告では、50の州それぞれに異なる税制があり、一つずつ丁寧に連携する必要がある。法律分野でも同様で、移民法、民法、商法など、それぞれの体系は複雑であり、AIエージェントは一歩で対応できない。
垂直AIエージェント企業の価値は、顧客やFDE（フロントラインデプロイエンジニア）との継続的なやり取りを通じて、より多くのリアルな課題を発見することにあります。これらの課題は企業の製品に刻み込まれ、他の大手企業が訓練できず、汎用モデルでは吸収できないものです。
したがって、私はバーティカルエージェントには依然として投資価値があると考えています。ただ、それらがもたらすリターンは1000倍ではなく、より安定した、比較的控えめな20倍、50倍、あるいは100倍程度のリターンである可能性が高いです。
