カルパシーさんはなぜ、LLMの実力の見え方が人によって離れていくと言うのか？

AIの話をすると「賢い検索くらいのもの」と言う人と「何か月もかかる開発がエージェントで終わる」と言う人がいて、話が噛み合わないことはないでしょうか？

アンドレイ・カルパシーさんは2026年10月12日（日本時間）、LLMの実力の見え方の差は広がっていて、人口の約75%から約5,000人へ細っていく漏斗のような形になっている、とXに投稿しました。差を生む要因として挙げたのは、問いの大きさ、能力のギザギザ、アクセスの3つです。

カルパシーさんの4月の投稿は、10月に漏斗へ書き換わった

OpenAIの創業メンバーで、テスラのAI部門を率いたカルパシーさんの今回の投稿は、新しい主張というより、2026年4月10日（日本時間）に本人が書いた投稿を掘り起こしたものです。書き出しで、LLMの実力についての共通理解のギャップが広がっていると述べ、4月の投稿を引用しています。

4月の筋は、2つのグループの話がすれ違っている、というものでした。昨年に無料版のChatGPTを試した印象でAIを判断している人たちと、有料の最先端エージェント型モデルを、プログラミングや数学、研究の仕事で使っている人たちです。月200ドル（約3万円）を払っても、検索や文章、相談ごとのような典型的な質問では伸びが目立たない、とも書いていました。この4月版はBusiness Insider Japanが翻訳記事にしています。

10月版では、この2分割をやめて「鋭い漏斗」と言い直しました。2つの陣営が向き合っているのではなく、層を下るごとに人数が桁違いに減っていく形だ、という見立てです。

LLMの実力が見えている人は、約60億人から約5,000人へ細っていく

漏斗の4つの層を、本人の説明に沿って並べると次のとおりです。

人数は、本人が「ナプキン計算」と断っている概算で、統計ではありません。第3層については、1年も経たない前までは自分も手でコードを書いていた、と添えています。この景色の変化は、ごく最近のものなのです。

第4層について本人は、外から見えているのは予告編にすぎない、と書いています。数千のエージェントが何週間も協調して巨大なソフトを作る、といった描写も並んでいますが、個々の出来事はこちらでは確かめていません。本人の見方として受け取るのがよいでしょう。

あなたが今いるのは、どの層でしょうか？ 職場で一番目につくのは、第2層と第3層の間の段差だと思います。

LLMの見え方を分ける、問いの大きさとギザギザとアクセス

1. 段落ひとつで答えが済む問いでは、差が見えない

本人が最初に挙げた要因は、野心と問題の大きさ、そして取り組む期間です。原文ではこう書いています。

A question with a paragraph answer barely stresses the system.

段落ひとつで答えが返る質問では、システムにはほとんど負荷がかからない、という意味です。本当に気にかけている大きく難しい問題の蓄えがないと効果は見えてこない、と続けています。一般の利用者と専門職の差は、主にここから生まれるという整理なのです。

2. 能力のギザギザは、数学とコードで尖る

能力が分野によって均一でなく、特定の領域だけ突き出る性質を、本人は「ギザギザ（jaggedness）」と呼んでいます。突き出やすいのは、デジタルで、正解を検証でき、経済的な価値が大きい領域です。検証できる報酬を使った強化学習から能力が育つため、と本人は説明しています。数学とコードの人が先に景色の変化を見ているのは、この偏りのためです。

3. 無料、有料、社内というアクセスの差

最後の要因は短く、アクセスです。無料版、有料版、社内の最先端。同じ「AI」という言葉で話していても、触れている版が違えば、見えているものも違うわけです。

経営層にAIの実力が伝聞でしか届かないのはなぜか？

本人は第2層の説明で、数学とコード以外の専門職の多くもここにいる、と書いています。例に挙げたのは経営層です。人と話すことに多くの時間を使うので、何が起きているかを頭では理解していても、伝聞で、やや抽象的なままだというのです。

社内でAI活用を進める人には、耳の痛い指摘でしょう。導入を決める立場の人ほど、大きな問題を自分でAIに持ち込む時間がありません。3つの要因に当てはめると、問いの大きさと領域の両方で第3層から遠い、と私は読みました。

投稿の締めくくりで本人は、一般の人の多くはまだ触れておらず、触れても出来の悪いチャットボットに見える、と書いています。専門職の多くはささやかな効果しか見ておらず、ごく一部だけが、曲線が垂直に立ち上がるようなめまいを感じている。それが全部同時に起きている、というのが結論です。

あなたの会社でAI導入を決めている人は、どの層にいるでしょうか？

AI研修に置き換えると、差は頼み方と期待に出る

ここからは私の解釈です。カルパシーさんは「頼み方の差」とも「慣れの差」とも書いていません。挙げているのは、問いの大きさ、領域、アクセスの3つです。

それでも最初の要因である問いの大きさは、研修の言葉に置き換えられると思います。最初にAIへ何を頼むか、そしてどこまで期待するか。たとえば「この文を丁寧にして」と頼む人と、「何週間もかかる資料づくりを一緒に進めたい」と持ち込む人を思い浮かべてください。同じ画面を見ていても、受け取っているものはまるで違うはずです。前者はすぐに満足して終わり、後者は限界と伸びしろの両方にぶつかるでしょう。

腕前の差に見えるものの一部は、持ち込んだ問いの大きさの差なのだと思います。あなたの職場でAIを試した人は、最初にどんな問いを渡していたでしょうか？

無料版の印象でAIを判断しないために、社内でできること

本人の挙げた要因から、社内で手をつけやすいことを私なりに考えると、次のようになります。

• 説明する相手が漏斗のどの層にいるかを先に確かめる。第2層の人に第3層の体験談を聞かせても、伝聞が1つ増えるだけになりがちです
• 最初の一問を大きくする。段落で答えが済む質問より、本当に片付けたい仕事を1つ持ち込んでもらう
• 触れている版をそろえる。無料版を使った人と有料版を使った人の感想は、同じものの評価になっていません
• 領域の偏りを先に伝える。コードや数式のように答えを検証できる仕事と、文章や相談ごとでは伸び方が違う、と本人も書いています

カルパシーさんの見立てでは、LLMの実力の見え方を分けるのは、持っている問いの大きさ、仕事の領域、触れている版です。社内の温度差を腕前の差だけで片付けず、まずは相手に渡す最初の一問を大きくすることから始めるのがよいと私は思います。