Plug and Playとは何か？シリコンバレーで体感した共創の現場

3.2.1. 基調講演

基調講演ではPlug and Play Tech CenterのAmit 氏による米国の社会課題の説明があり、これらの解決に繋がるスタートアップへの投資意欲があることが語られていました。以下はサマリです。

米国の医療:

米国での医療支出は世界最大だが国民の健康状態は先進国に見劣り。利用率の差ではなく、病院の統合による競争低下、管理コストの増大（他国の約5倍）、薬価の高さが主因として指摘。1975年から2010年の間に、医師の数は150%増加したのに対し、管理職の数は3,200%も増加したというデータもある。さらに肥満率や食習慣（例：欧州では禁止の農薬の話題）も健康問題の一因に。シンガポールの価格透明性や日本の食習慣・ライフスタイルなど、他国の事例から学ぶ余地がある。

高等教育:

学生ローン総額が約2兆ドルに達し、特に非STEMや無名校でROIへの疑念が強まり、高等教育への信頼が低下。卒業後も多額の負債が残り、従来型の大学教育が就業に十分つながっていないという認識が広がっている。

人材育成/職業訓練:

将来の雇用に対応するには実践的な職業訓練や徒弟制度への投資が不可欠。米国は他国に比べ徒弟制度の利用が低い一方、ドイツなどは普及している。大学一択ではなく、多様な育成ルートや起業家精神を育むプログラム（例：ティール・フェローシップ） の重要性が語られた。

健康に関する話題では、より良い状態である国の例として日本が取り上げられており、次のように述べられていました。

日本にいると中々気づけませんでしたが、アメリカで生活すると深く頷ける内容だと感じました。

3.2.2. スタートアップピッチ

Selection Day では、QA やコメントなどはなしに5分間の枠で各スタートアップが次々とピッチを行ってく形式でした。
ここでは個別の内容は扱いませんが、各バーティカルのピッチを横断して見えてきた点を下記にまとめています。
近頃カンファレンスやニュース記事などで扱われている内容がまさしく当てはまっている印象を受けました。

1. エージェンティックAI の導入とそれによる自動化
   メール送信、データ(DB) の変更、電話発信、インフラの制御など、行動するAI が当たり前に
2. 信頼性、安全性、ガバナンス
   ハルシネーションの抑制、説明可能なAI 出力、レッドチーム、本番前のシミュレーション検証の他、データ主権に沿ったオンプレ/エッジへの展開
3. 業界、業務特化型のAI
   サイバー、建設、医療、自然災害など、ドメイン前提のソリューションが台頭
4. ビジネスサイド向けの意思決定支援
   断片的、マルチモーダルなデータを束ね、非エンジニアでもリアルタイムに判断できるUI や運用設計
5. LLM からSLM へ
   LLM の必要性は認識しつつ、特定ユースケース向けの小型、特化型AI を自社データで適合し、コストやセキュリティを両立

3.2.3. スタートアップ面談

今回Enterprise & AI バーティカルのスタートアップ2社と面談する機会をいただきました。
各社30分ずつの時間で5分間のピッチでは得られなかった情報やデモを見ることができ、直接対話可能な貴重な場となりました。

A 社はサイバーセキュリティ分野でのGenAI プラットフォームの標準化を目指した企業で、成熟度別にアプリを開発できる思想が印象的でした。

Gen AI プラットフォームにおける成熟度別3層モデル(先方の説明にもとづき作成)

B 社はデータサイエンティストなしに自然言語でデータ分析が行える世界を目指しており、自然言語から探索→仮説→検証→可視化 といったサイクルを回し、インサイトを提供してくれるものでした。
デモでは米大手通信会社での活用例をもとに、ユーザーは「なぜ私の解約率が上がったのか？」といったオープンな質問をするだけで、インサイトとその根拠となるデータへのリンクやROI、コスト試算などを含んだ詳細なアクションプランが出力される様子を見られました。
データ分析、BI といった分野はAI との相性がいいだけに、様々なプラットフォームやソリューションが乱立しており、各スタートアップは独自の強みがより求められる印象があります。