AIリーダーシップ再編が企業を試すなか、Jeff DeanがGoogleを去る

Jeff Deanが27年を経てGoogleを去ることで、通常なら単なるGoogle関連ニュースにすぎない出来事が、同社が自社を象徴するAI研究者を引き留められるかどうかの試金石となっている。Deanは著名な同僚3人とともにDiscovery Loopを立ち上げる一方、Googleは同時にGoogle DeepMindのリーダーシップを再編している。

緊張感を生むのはこのタイミングだ。Demis Hassabisが日常的な経営から離れるなか、GoogleはGeminiの実行をKoray Kavukcuogluの管轄に置く。同時に、Deanの新会社はGoogleの上場企業としての枠組みの外で、AI支援による科学的発見を追求する。

これは完全な決別でも、OpenAIやAnthropicへの通常の移籍でもない。GoogleはDiscovery Loopに出資し、クラウドインフラを提供する予定だ。この取り決めにより、Googleは商業的なつながりを維持する一方で、自社のシステムとAI事業を形作ってきた4人の研究者を失うことになる。

GoogleのAIリーダーシップで何が変わったのか

Googleは、日々のGemini実行を長期的な科学リーダーシップから分離する一方、基盤を築いた4人の研究者がそろって退社することを認めた。

Googleは8月5日にこの変更を発表した。HassabisはGoogle DeepMindのCEOを退き、同社の会長およびAlphabetのチーフサイエンティストに就任する。また、AIを創薬に応用するAlphabet支援企業Isomorphic Labsの指揮も継続する。

これまでGoogle DeepMindの最高技術責任者だったKavukcuogluは、シニアバイスプレジデントに就任する。AlphabetのCEOであるSundar Pichaiに直接報告し、GoogleのチーフAIアーキテクトとしての幅広い役割も維持する。

このレポートラインは肩書き以上に重要だ。Kavukcuogluは、研究、モデル開発、Gemini製品、開発者向けサービスを担う組織を監督する。Googleは、研究から製品へのモデル移行にすでに関与してきた幹部の下に、運営上の責任を集約している。

Hassabisは、狭いタスクの専門性ではなく幅広い知的能力を持つとされるシステム、すなわち人工汎用知能（AGI）に注力する。Googleが公開したリーダーシップ向けメモで、Pichaiはこの変更を、長期的な研究を守りつつ製品開発を加速する方法として示した。

Deanの退社は、この再編のもう一方を成す。彼は1999年にGoogleへ入社し、同社で最も影響力のあるエンジニアの一人となった。その仕事はGoogle Searchを支えるインフラ、分散コンピューティング、そして後には機械学習に及んだ。

彼はSanjay Ghemawat、Oriol Vinyals、Quoc Leとともに退社する。Ghemawatは複数の基盤的なコンピューティングシステムでDeanと長年協働してきた。VinyalsはGoogle DeepMindで上級職を務め、LeはGoogle Brainの立ち上げに貢献した。

4人は独立したパブリックベネフィットコーポレーションとしてDiscovery Loopを設立する。この法人形態では、取締役は株主利益とともに明示された公益目的を考慮できるが、通常の商業的圧力がなくなるわけではない。

当初の退社に関する詳細によると、Googleはこのスタートアップに出資し、クラウドプロバイダーを務める。出資額もスタートアップの所有構造も、発表時点では公表されていない。

Discovery Loopは、科学・工学研究の一部をAIで自動化する計画だ。同社はまだモデル、技術論文、顧客リスト、詳細な事業計画を公開していない。

こうした詳細がないため、競争上の位置付けについて断定的な結論を出すことには限界がある。しかし、創業チームの顔ぶれは、この退社を通常のスタートアップ立ち上げとは実質的に異なるものにしている。

DeanとGhemawatは、Googleが大規模クラスター全体でコンピューティングワークロードを運用することを可能にしたMapReduce、Bigtable、その他のシステムの設計を支えた。VinyalsとLeは、現代の機械学習研究とGoogleのモデルプログラムに直接貢献した。

Google自身の研究者プロフィールは、Deanの仕事がDistBelief、TensorFlow、Pathways、TPUs、言語モデル、医療応用、プロダクションシステムにまたがるとしている。彼の影響力は、インフラの意思決定と研究の優先順位を結び付けていた。

この組み合わせを、幹部を一人採用するだけで補うことは難しい。Googleは、コンピューティングアーキテクチャからモデル研究、世界規模での展開に至る全経路を理解していた人材を失う。

したがって、この出来事は二つの移行を同時に生み出す。一つは日々のAI権限をHassabisからKavukcuogluへ移すこと。もう一つはDeanの研究アジェンダを別会社へ移しつつ、Googleが資金面と技術面で関与し続けることだ。

スタートアップとの関係は分離を和らげるが、それをなくすわけではない。Discovery Loopは独自の優先順位を定め、独立して人材を採用し、研究をどう商業化するかを決める。

このGoogleニュースが一人の退社を超えて重要な理由

圧力がかかるのは、優れた研究者を小規模な組織へ向かわせずに、卓越した研究を競争力のある製品へ転換するGoogleの能力だ。

GoogleがAI人材、コンピューティングインフラ、流通網、資本へのアクセスを失ったわけではない。同社は依然として、Search、Android、YouTube、Workspace、Cloud、コンシューマーハードウェアを通じてユーザーに届く製品を支配している。

難しさは別のところにある。最先端のAI開発では今、研究、インフラ、安全性、製品設計、流通にまたがる迅速な意思決定が求められる。複数の大組織が責任を分担すると、こうした意思決定はより難しくなる。

Googleはその分断を減らすため、2023年にGoogle BrainとDeepMindを統合した。DeanはGoogleのチーフサイエンティストに就き、Hassabisは統合組織を率いた。同社は2023年の統合によって、人材とコンピューティング資源を結集し、進展を加速させるとしていた。

3年後、Googleは統合グループを再び再編している。新しい構造ではKavukcuogluにより明確な運営権限を与え、Hassabisをより広範な科学的役割へ移す。

この変更は、Googleが実行スピードを独立した経営課題と見なしていることを示唆する。2023年の統合が失敗したことを証明するものではなく、Googleもこのように再編を説明してはいない。

同社はGeminiモデルの提供を続け、それらを製品群へ統合してきた。また、機械学習ワークロードを高速化するために設計されたTensor Processing Units、すなわちTPUsという独自チップも保有している。

これらの資産は、ほとんどのスタートアップにはない優位性をGoogleにもたらす。Google内部のモデルチームは、インフラ、独自データ、製品流通、既存事業からの収益を利用できる。

ただし、これらの利点には制約も伴う。製品リリースは、多数の法域で事業を展開する上場企業全体にまたがる法務、安全性、ブランド、インフラ、商業面の審査を通過しなければならない。

Axiosが引用したインタビューで、Deanはその緊張関係を指摘した。独立企業であれば、必ずしもGoogleの狭義の財務的利益にかなわない意思決定もできると彼は述べた。

この発言は中心的な対立を明らかにしている。Discovery Loopは単にモデルのリリースを速めようとしているのではない。創業者たちは、科学的課題、研究期間、成功の尺度を選ぶ際に、より大きな自由を求めているように見える。

科学的発見のためのシステムには、消費者向けチャットボットとは異なる運用リズムも必要になる。有用なシステムは、仮説を生み出し、実験を設計または推奨し、結果を評価し、次の行動を修正しなければならない。

観測結果が次の計算上の意思決定へ直接フィードバックされるため、このプロセスはしばしばクローズドループ研究システムと呼ばれる。構築には、モデル能力、分野の専門知識、信頼できるツール、実験環境へのアクセスが必要だ。

成果の検証には、新しいチャットボット機能より時間がかかる可能性がある。また、高利益率の製品を直ちに生み出さずとも、公共的価値をもたらす場合がある。

大規模な上場企業でも、この仕事に資金を提供することはできる。しかし経営陣は、それをクラウド需要、広告、サブスクリプション、製品エンゲージメントにより直接結び付くプロジェクトと継続的に比較しなければならない。

Discovery Loopは、Deanのチームに研究ミッションを中心に据えた構造を与える。Googleは投資家およびインフラ供給者として関与を維持しつつ、あらゆる選択を管理する必要がない。

この取り決めは戦略的ヘッジに似ている。スタートアップが価値ある知的財産を開発すれば、Googleは関係を維持できる。取り組みが探索的な段階にとどまれば、その仕事は同じ社内予算を直接奪い合わなくなる。

リスクは、このヘッジが人材へのシグナルになることだ。他のGoogle研究者は、野心的な科学研究の方が社外ではより大きな自律性を得られる証拠と、この動きを受け取るかもしれない。

GoogleはDeanの発表前からすでに人材流出に直面していた。Noam ShazeerはOpenAIへ去り、Jonas Adler、Alexander Pritzel、John JumperはAnthropicへ移ったと報じられた。

先行する研究者流出には、GeminiとAlphaFoldに関わった人物が含まれていた。競合ラボが影響力のある役割やスタートアップ型の株式報酬を提示するなか、彼らの退社は専門人材を維持するGoogleの能力への注目を高めた。

Deanの動きは、彼がより広範な組織的立場を占めていたため、重大性を増している。彼は単に一つのモデルリリースや製品チームに関わっていたわけではない。

彼の退社は、研究者がGoogleの社内研究文化をどう評価するかに影響し得る。また、優れた候補者は一緒に働くと見込む同僚に基づいてチームを選ぶことが多いため、採用にも影響する可能性がある。

したがってKavukcuogluに求められるのは、見栄えのよい組織図以上のものだ。研究者に対し、中央集権的な実行が科学的独立性を損なわないことを示しながら、Geminiの提供を続けなければならない。

Discovery LoopによりGoogleは出資者と人材供給元の両方になる

主な競争は、Googleの統合AIマシンと、元研究者たちがDiscovery Loopに期待する自律性との間で展開される。

この物語を、Google対別のAIスタートアップとして描くのは簡単だ。しかし、その枠組みでは両組織間にある異例の財務的・技術的関係を見落としてしまう。

Discovery Loopは独立企業だが、Googleは出資し、クラウドサービスを提供する。したがってGoogleは同時に、出資者、ベンダー、元雇用主、将来のパートナー候補となる。

この構造は、スタートアップに重要な出発時の優位性を与える。創業者たちは数十年にわたるGoogle在籍を通じて、同社のインフラ、研究文化、展開上の制約を理解している。

また、彼らは確立されたプロフェッショナルネットワークも持ち込む。こうしたつながりは、公開製品を持つ前から科学者、エンジニア、研究パートナーを採用する助けになり得る。

Googleも見返りを得る。創業者たちがOpenAI、Anthropic、Meta、あるいは競合クラウドプロバイダーへ直接移るのを見守るのではなく、Discovery Loopを自社の商業圏内にとどめられる。

研究システムに大規模な計算能力が必要となる場合、クラウドとの連携は重要になり得る。高度なモデルの学習と運用には、専門的なアクセラレータ、分散ソフトウェア、長期的なインフラへのコミットメントが必要になることがある。

Google Cloudは、Discovery Loopの研究プログラムを支配せずに、そうしたリソースを提供できる。この分離は、双方に協力する実務上の理由を与える。

しかし、この関係には未解決の疑問も生じる。Googleは、自社の出資に取締役会の権利、優先的アクセス、商業上の選択権、提携に関する制約が含まれるかどうかを明らかにしていない。

Discovery Loopは、自社で基盤モデルを学習するのか、外部モデルをカスタマイズするのか、あるいは複数のプロバイダーを組み合わせるのかを明らかにしていない。また、最初に取り組む科学分野も特定していない。

こうした選択は、同社が実際にどれほど独立しているかを左右する。単一の投資家とクラウドプロバイダーに大きく依存するスタートアップは、法的には独立していても、事業運営面では大きな依存を抱え続ける可能性がある。

公益法人という企業形態は、さらに別の層を加える。同社は社会的な目的を正式に掲げられるが、その名称だけでオープンな研究や幅広い利用機会が保証されるわけではない。

Discovery Loopは、研究成果を公開することも、大学にシステムをライセンス提供することも、企業向け研究ソフトウェアを販売することも、独自の研究所を構築することもできる。それぞれの道筋は、異なるインセンティブとGoogleとの異なる関係を生み出す。

創業者たちの経歴は、同社が技術スタック全体に取り組めることを示唆している。DeanとGhemawatは分散システムの経験を持つ。VinyalsとLeは、モデルアーキテクチャと機械学習の専門性をもたらす。

この組み合わせは、自動化された科学研究にとりわけ重要だ。研究エージェントには、もっともらしい文章を生成する以上のことが求められる。信頼できる記憶、ツールへのアクセス、データパイプライン、評価システム、実験結果から学習する仕組みが必要となる。

誤りが物理実験、医学研究、あるいは工学上の意思決定に影響する場合、信頼性はいっそう重要になる。流暢でも誤った仮説は、時間と資材を浪費しかねない。

したがって、このスタートアップはモデルとシステムの両方の課題を解決しなければならない。その評価の高さは、慎重な検証、分野ごとのパートナーシップ、測定可能な成果の必要性をなくすものではない。

Googleは、この点で自社の経験を示すことができる。DeepMindのAlphaFoldは、学習データ、評価基準、分野の専門知識が一致すれば、AIが重要な科学的課題に取り組めることを示した。

しかし、AlphaFoldは、単一の汎用システムが科学的発見を自動化できることを証明するものではない。分野ごとに、証拠基準、機器、データ形式、実験サイクルは異なる。

Discovery Loopにとって最も強い論拠は、そのチームが他の研究者も利用できるインフラを構築してきた実績にある。最大の課題は、その実績が自律的な研究にも通用することを証明することだ。

Googleが直面する課題は逆である。同社にはすでにインフラと研究プログラムがあるが、組織規模が実行力を高めるのであって、遅らせるものではないことを示さなければならない。

これこそが、今回のGoogleニュースの核心にある逆転だ。Googleは研究者たちが影響力を持つための条件づくりに貢献したが、その研究者たちは今、Googleの境界の外により大きな自由を求めている。

同社は関係を断とうとするのではなく、独立を支援することで対応している。このアプローチは将来の価値を維持し得る一方で、一部の研究課題がGoogleの現在の組織構造には適合しにくいことも認めている。

結果を決めるのは、どちらがより強い発表を行うかではない。Discovery Loopが検証済みの成果を生み出せるか、そしてGoogleの統合チームが競争力のあるシステムを提供できるかにかかっている。

リーダーシップ刷新でもGoogleの人材リスクは解消されない

権限を明確にすれば提供体制は改善し得るが、組織的な知識を自動的に置き換えたり、研究者の信頼を回復したりできるわけではない。

Kavukcuogluは、この役職に就くうえで大きな優位性を持つ。すでにGoogle DeepMindの技術責任者とGoogleのチーフAIアーキテクトを務めてきたからだ。

彼はモデル開発を製品やインフラと連携させる経験を有している。その知見により、外部からの登用で生じる混乱は抑えられる。

彼の昇進は、説明責任も明確にする。モデル、Gemini製品、開発者ツールに取り組むチームには、現在Pichaiへ直接報告するリーダーがいる。

Googleの対外メッセージは継続性を強調している。同社はAIミッションに変更はないとしており、KavukcuogluはGeminiロードマップを実行する道筋がより明確になったと述べている。

この再編により、Googleは製品に関する意思決定をより迅速に行える可能性がある。また、研究リーダーシップと事業運営リーダーシップの間にある曖昧さを減らすことにもつながり得る。

それでも、組織の明確化によってDeanの人間関係や技術的な記憶が再現されるわけではない。彼の仕事は、Googleのインフラと機械学習システムの複数世代にまたがっている。

Ghemawatの退社は、この損失をさらに大きくする。両者は、Googleによるデータ保存や複数マシンへの計算分散のあり方を形作ったシステムで協業してきた。

VinyalsとLeは、離脱するグループに近年のモデル専門性を加える。この4人を同時に失うことは、特定分野の研究者を1人失うよりも大きな空白を生む。

Googleは、彼らの責務を既存のリーダーたちに分担させることができる。新たな研究者を採用し、組織を熟知する人材を昇進させることもできる。

ただし、創業者たちが共有してきた仕事の歴史をすぐに再現することはできない。長期にわたる技術的パートナーシップは、論文や組織文書には表れない非公式な判断に依存することが多い。

より広い人材維持の状況は、依然として不透明だ。短期間に複数の離職が起きたが、報道だけでは共通の原因があるとは立証されていない。

研究者が去る理由はさまざまだ。株式保有を求める人もいれば、より限定的な使命を望む人、より小規模なチームや異なる科学的優先順位を好む人もいる。

AI人材市場では、経験豊富な研究者は以前のコンピューティングサイクルより多くの選択肢を持つ。資金力のあるスタートアップは、データセンターを保有せずともクラウド容量を確保できるようになった。

OpenAIとAnthropicは、広く利用されるモデルに直接影響を及ぼす機会を提供できる。新興企業は、創業者に大きな持分と研究課題に対するより大きな裁量を提示できる。

Googleにもなお明確な強みがある。研究者は、自らの仕事を世界規模で流通する製品と結びつけ、並外れた規模のために構築されたインフラを利用できる。

同社はまた、商業化までの期間が不確実な研究を支援できる。その科学的実績には、生物学、気象予測、コンピューティングシステム、機械学習に関する研究が含まれる。

懐疑的に問うべきなのは、自らの評価を基盤に資金を調達できる人々にとって、こうした利点がなお十分かという点だ。Deanのグループは、社内で広範な影響力を持っていても、創業者としての裁量より狭く感じられる可能性を示している。

投資家も、この離脱をGeminiがすでに敗北した証拠と読むべきではない。人事の変化は実行力を損なう可能性があるが、モデル競争はデータ、計算資源、エンジニアリング、製品設計、展開によって決まる。

Googleには数千人の研究者とエンジニアが残っている。また、AIを大規模に提供するために必要なハードウェア、クラウドサービス、消費者向けプラットフォームも保有している。

反対に、GoogleによるDiscovery Loopへの投資は、同社がスタートアップの最も価値ある成果を確保できることを保証しない。公表されていない商業条件が重要になる。

Googleは特別な製品アクセスを得ることなく、クラウド収益と財務的リターンを得る可能性がある。後に、より深いパートナーシップを交渉する可能性もある。

Discovery Loopにも固有のリスクがある。科学研究の自動化には、ベンチマークを用いた宣伝ではなく再現可能な証拠を求める研究者からの信頼が必要だ。

このスタートアップは、単に実験を提案するだけでなく、システムが有用な発見を生み出せることを示さなければならない。また、研究の完全性、安全性、知的財産、データ権利に関する問題にも対応する必要がある。

こうした要求は経験豊富なチームに有利に働くが、展開の速度も落とす。消費者向けAIアシスタントは、すべての回答が正確になる前でも注目を集められる。科学システムには、裏付けのない結論を出す余地がそれほどない。

創業者たちは、狭く測定可能な領域から始めるのか、それとも汎用プラットフォームを目指すのかを決めなければならない。狭い対象はより明確な検証を可能にする一方、広い対象は同社のより大きな野心に合致する。

それらの決定が公表されるまで、Discovery Loopの影響に関する主張は推測の域を出ない。創業チームは現時点で得られる最も強いシグナルではあるが、証拠の代わりにはならない。

同じ基準はGoogleの刷新にも当てはまる。新たな報告ラインはより迅速な実行を支え得るが、実際のリリースと人材維持の動向が、その構造が機能するかを示すことになる。

次のGoogleニュースで明らかになるべきこと

Googleが戦略的パートナーシップを設計したのか、それとも極めて重大な損失を管理しただけなのかを示す3つのシグナルがある。

第1のシグナルは、Discovery Loopの最初の技術プログラムだ。同社は、測定可能な成果を持つ科学または工学上の課題を特定する必要がある。

信頼できる初回リリースでは、データ、評価方法、人間の専門家の役割が定義されるだろう。AIがどこで意思決定を行い、研究者がその決定をどのように検証するのかを説明すべきだ。

査読済みの成果、再現可能な実験、あるいは名前が公表された研究パートナーがあれば、説得力は高まる。技術的な証拠のない幅広いミッション声明は、その説得力を弱める。

第2のシグナルは、Kavukcuogluの下でのGoogleによるGemini提供だ。Googleは新たな組織構造を、集中、スピード、より明確な実行を軸に説明している。

この主張は、モデルのリリース、開発者の採用、製品統合、文書化された能力向上を通じて検証可能になる。安定した提供が実現すれば、リーダーシップの集約が運用上のボトルネックを解消したことを示すだろう。

さらなる遅延や追加の上級人材の離脱があれば、別の解釈が生まれる。それは、変更が計画的な責務分担ではなく、より深い緊張を反映していたことを示唆する。

第3のシグナルは、GoogleとDiscovery Loopの商業的関係だ。今後の開示により、投資条件、クラウド利用のコミットメント、共同研究、優先的アクセスに関する取り決めが明らかになる可能性がある。

実質的なパートナーシップは、戦略的ヘッジという解釈を裏付ける。一方で限定的なクラウド契約なら、このスタートアップは馴染みのあるサプライヤーを利用する独立した離脱先に近く見えるだろう。

顧客と開発者は、Googleが継続性をどのように扱うかにも注目すべきだ。モデルへのアクセス、製品ロードマップ、開発者サポートの変化は、役員の肩書きだけよりも重要である。

科学組織にとって、Discovery Loopは注目に値する。創業者たちは、高度なモデルを再現可能な研究ワークフローと結びつけようとしているからだ。この目標は未証明のままだが、汎用アシスタントの現実的な限界に取り組むものでもある。

ナレッジワーカーは、より小さな規模で関連する問題に直面する。AIの出力は、証拠と接続し、文脈を保持し、後から検証できる場合にのみ有用になる。

個人向けのAI knowledge baseは、科学研究所を自動化することはできない。しかし、AI支援の仕事を監査可能にするノート、情報源、意思決定をチームが保持する助けにはなり得る。

本質的な問いは、Googleが4人の離職を乗り越えられるかどうかではない。同社の資源を考えれば、それは有益な検証ではない。

問うべきは、Googleが統合された規模を、野心的な科学の余地を維持しながら、より迅速で信頼性の高いAI提供へ変えられるかどうかだ。そして、Discovery Loopの自律性が、創業者たちがGoogleの内部では追求できなかった成果を生むかを見守るべきである。

次に意味のあるGoogleニュースには、これらの道筋のいずれかに関する証拠が含まれるはずだ。すなわち、検証済みのDiscovery Loopシステム、明確に実行されたGeminiのリリース、または両者のより深いパートナーシップである。それまでは、この刷新は先進AI研究がどこで最も速く進められるかをめぐる、重大な実験として理解するのが最も適切だ。