プロンプトから製品へ：Copilotが脚光を浴び、AIがどのように成果をもたらすかを紹介

AIが変革をもたらすのは、機械が速く考えるときではなく、人間の想像力とインテリジェントシステムが互いに前進するときです。モデルは出力を生成できますが、真の影響は、創造的なアイデアがワークフロー、データ、リアルタイムの意思決定にまたがる堅牢でスケーラブルなシステムと組み合わされたときにのみ起こります。

TechSparks 2025では、パネル「AIを現実に：創造性がインテリジェンスとスケールと出会う場所」がこの強力な交差点を解き明かしました。マイクロソフトインドのマイクロソフトイノベーションハブの最高技術責任者（CTO）であるサンディープ・アルールがモデレーターを務め、このセッションには、YubiグループのYuVerseの責任者マタンギ・スリ・ラマチャンドラン、Collective Artistsに買収されたGalleri5の創設者ラフル・レグラパティ、Writesonicの創設者サマンユ・ガルグ、そしてRocketの共同創設者兼CEOのヴィシャル・ヴィラニが集まりました。アルールは、マイクロソフトのAIアシスタントであるCopilotと共同でモデレーターを務め、リアルタイムの質問を投げかけ、人間とAIのコラボレーションの実演を行いました。

創造性と企業ニーズのバランス

会話は企業の準備状況に関する質問から始まりました：AI駆動の開発ツールを使用するチームは、創造性とセキュリティ、スケーラビリティ、信頼性の要求とのバランスをどのようにとることができるでしょうか？

ヴィシャル・ヴィラニは、バイブコーディングが今日何をできるか、できないかというレンズを通してこれを分解しました。彼は、現在のプラットフォームはまだ独立して本番グレードのアプリケーションを生成できないと述べました。彼らができることは、初期開発を劇的に加速させることです。例えばRocketは、チームがフロントエンドフローを組み立て、Postmanコレクションを使用してプライベートAPIを統合し、内部デザインシステムとビルドを整合させることを可能にします—すべてコンパクトなセットアップ期間内で。その真の強みはカスタマイズにあります：15〜20日以内に、Rocketは企業クライアントのニーズに合わせて環境全体を構成できます。

彼はまた、より強力なモデルがこれらのツールができることを拡大すると付け加えました。「GPT-5やSonnet 5、Sonnet 6が登場する頃には、純粋で安全なコードを生成できるようになるでしょう」と彼は言いました。交換の間、アルールは「バイブコーディング」が最近コリンズ辞典の今年の言葉に選ばれたと言及しました。

ヴィラニは、プロパティテックチームの例を共有しました。そこでは、プロダクトマネージャーが問題文を入力し、Z世代のユーザーと60歳以上の視聴者向けにカスタマイズされたバージョンを含む一連のオプションを生成しました。マネージャーは彼に、プラットフォームがPRDを書く労力から可能性を探る方向へと変えたと語りました。

彼はまた、GPT-3時代に発売されたときには却下されたが、後世代のモデルが可能にするものために構築されたツールであるDevinについても言及しました。それらのモデルが登場すると、米国での採用は急速に増加しました。

生成エンジン最適化による発見の再定義

会話はその後、AIが製品発見をどのように再形成しているかに移りました。サマンユ・ガルグは、ユーザーが従来の検索エンジンの代わりにAIアシスタントにますます依存していると指摘しました。ChatGPTだけでも週間アクティブユーザー数が7億人を超えています。最近のフォレスター調査によると、B2B購買決定の89%がAIを介した会話を含むようになり、これらのシステム内での可視性が不可欠になっています。

しかし、今日のAIには「検索コンソール」がありません。企業は、どのプロンプトが自社製品を表示するか、または競合他社がどのように表示されるかについてほとんど洞察を持っていません。Writesonicは、AIアシスタント内でのブランドの可視性を追跡し、最適化が必要な場所を特定することでこれを解決しようとしています。

ガルグは、AIモデルがRedditやWikipediaなどの第三者ソースにブランド所有のコンテンツよりも3〜6倍の重みを与えることを強調し、外部の感情やレビューが重要な入力になると指摘しました。また、古い情報がモデルによって引き出される可能性があるため、ブランド所有のコンテンツを継続的に更新することの重要性も強調しました。

ガルグはこの変化を、検索エンジンだけでなく、AIモデルがブランドをどのように解釈し、ランク付けし、提示するかを最適化する生成エンジン最適化（GEO）の台頭として位置づけました。

創造的インフラとしてのAI

議論はその後、発見から創造性へと移りました。ラフル・レグラパティは、現在Star Plusのトップ番組の一つであるAI生成のマハーバーラタシリーズに関するGalleri5の取り組みについて語りました。Galleri5が制作を支えるAIインフラを構築する一方で、監督、脚本家、スタントや振付ユニット、キャラクターアーティストを含む完全なクリエイティブチームが映画制作を担当しました。50〜100人がクリエイティブと技術的な役割にわたって働きました。

レグラパティはAIを制作の制約を取り除くインフラとして説明しました。チームは現在、小さなスタジオで基本的な動きを撮影し、AIパイプラインを使用して、以前は巨額の予算や複雑な物理的セットアップを必要とした広大で映画的なシーケンスにスケールアップすることができます。かつては2年に及んだ制作期間が今では2ヶ月に縮小でき、以前は1億ルピーに達したコストも大幅に削減できます。全体を通して、クリエイティブコントロールは無傷のままです—撮影監督はレンズとビジュアルスタイルを指示し、出力はそのビジョンに合致する必要があります。

彼はまた、視聴者がマハーバーラタを見るのはその技術ではなく、ストーリーテリングのためだと付け加えました。将来を見据えると、彼は今後12〜24ヶ月以内にほとんどのコンテンツが部分的または完全にAI対応になると予想しており、クリエイティブチームがプロセスをしっかりと舵取りしています。

証明から大規模なスケールへ

パネルはその後、スケールの問題に移り、マタンギ・スリ・ラマチャンドランがYuVerseが高ボリューム、高リスクの環境でAIシステムをどのように運用しているかを概説しました。同社は会話型ボットを通じて月に約3000万件の通話を処理し、大規模な文書処理とパーソナライズされたビデオ生成も行っています。彼女が言うように、「今日私たちが試みることは、明日のスケールです。」

YuVerseの主力製品の一つであるYuVinは、単一の大量生産されたアセットに依存するのではなく、各個人ユーザーに合わせた何百万ものパーソナライズされたビデオを作成します。チームは現在、ブランドがコミュニケーションする方法をさらに変える可能性のあるインタラクティブなビデオ対ビデオ形式を実験しています。

ラマチャンドランは、機械のパフォーマンスとユーザーの期待の間の持続的なギャップを強調しました。従来のコールセンターは通常60〜70%の精度で運営されていますが、AIボットは98〜99%を達成しています。しかし、機械エラーに対する許容度が非常に低いため、概念実証をクリアするには依然として50〜100回の反復が必要です。WhatsAppでさえも音声を好むインドの傾向は、会話型AIを特に魅力的にしていますが、これらの期待は引き続き採用を遅らせています。

この分野の進化をたどりながら、彼女は会話型AIが言語学者主導のシステムからコンピュータサイエンティスト、そしてRNNとLSTM、そして現在はLLMへと移行してきたことを説明しました。彼女はインドが常に「非常に会話的な市場」であったと指摘しましたが、広範な採用はより能力の高い言語モデルの到来によって最近になって始まったばかりです。それでも彼女は、展開を加速するためには機械エラーに対する許容度を高める必要があると強調しました。

モデレーターのサンディープ・アルールは再構築を提案しました：エラー率だけに焦点を当てるのではなく、企業はエラーのコストを考慮すべきです。そのコストが低ければ、彼は、チームはスケールを遅らせる完璧さを追求するのではなく、前進すべきだと主張しました。

明日のワークフローのための構築

会話が次世代のローコードおよびノーコードツールに移ったとき、ヴィラニはバイブコーディングプラットフォームは本番グレードのコードを出荷するためではなく、概念化のために最適に使用されると明確にしました。彼は、競合他社が考慮していなかったアイデアを探索し、Z世代と60歳以上のユーザー向けのバージョンを迅速にテストするためにRocketを使用したプロパティテックのプロダクトマネージャーを引用しました。通常1ヶ月かかる作業が1日で完了しました。

ヴィラニによれば、採用への大きな障壁は能力ではなく考え方です。企業は既存のワークフローを新しいツールに強制しようとするため、しばしば苦労します。「ワークフローをどんなツールにも無理に適合させようとすると、AIをいつでも採用することはできなくなります」と彼は言いました。米国市場は、彼が付け加えたように、反対のアプローチを取っています：まずツールを評価し、その後ワークフローをそれらの周りに適応させます。セキュリティとコンプライアンスの懸念も、チームがアイデアを探索しているのか、それともスケールでデプロイしているのかによって変わります。

製品発見について、ガルグはAI駆動の検索が可視性をどのように再形成しているかを説明しました。AIシステムはReddit、Wikipedia、独立したレビューなどの第三者ソースにブランド所有のコンテンツよりも3〜6倍の重みを与えます。これは、オンライン上のどこにある古い情報や否定的な情報もAI生成の回答に表示される可能性があることを意味します。AIの推奨に表示されることを望むブランドにとって、評判管理はレビュープラットフォーム、メディア、ソーシャル会話にまたがる必要があります。

AIを現実のものにする

セッションが終わりに近づくにつれて、各パネリストは「AIを現実のものにする」とはどういう意味かについて簡潔な見解を提供しました。ラマチャンドランは、真に重要な成果に焦点を当て、AIが人間によって統治され続けることを確保することを強調しました。レグラパティは、AIが人々ではなくプロセスを置き換えるときに現実のものになると主張しました。ガルグは基本を指摘しました：ユーザーと話し、摩擦を特定し、人間主導のアプローチでワークフローを修正することです。ヴィラニは技術的な真実を強調しました：適切なコンテキストは大きな入力よりも重要であり、その基盤がなければ、AIシステムは幻覚を見る可能性があります。

Copilotは、議論全体を通じての役割のループを閉じ、最終的なステージ上の要約を提供しました：実際の成果に固執し、AIを人々をサポートするために使用し、人間主導のワークフローを維持し、常に適切なコンテキストで作業することです。

.