自己進化AIと顧客対応AI、実装競争が一気に加速

今日もAI業界は大忙し。モデルの性能比較だけで勝負が決まる時代は、もう終わりに近いのかもしれない。今見えているのは「AIが自分をどう改善するか」と「企業現場でどこまで動くか」の二つの戦線だ。研究の夢物語に見える話と、コールセンターの泥臭い運用改善が、同じタイミングで資金を集めている。この温度差こそ、2026年のAI市場のリアルだと思う。

6.5億ドルを集めた「自己改善するAI」は何が新しいのか
顧客対応AIは「簡単なFAQ」から中難度業務へ
いま起きているのは“モデル戦争”ではなく“実装戦争”
1. 今すぐ始めるなら

6.5億ドルを集めた「自己改善するAI」は何が新しいのか

TechCrunchのインタビューで最も印象的だったのは、Recursive SuperintelligenceのRichard Socher氏が「改善」と「再帰的自己改善（RSI）」を明確に分けていた点だ。AIに別のAIを改善させるだけでは不十分で、アイデア創出・実装・検証の研究サイクル全体を自動化して、しかもその循環が自分自身に返ってくる状態を目指しているという。ここを曖昧にしないのは、かなり本気だ。参考: https://techcrunch.com/2026/05/14/what-happens-when-ai-starts-building-itself/

Socher氏の新会社はステルス解除と同時に6.5億ドルを調達。顔ぶれも強く、Peter Norvig氏やCresta共同創業者Tim Shi氏、OpenAI初期メンバーでCodex/Deep Researchに関わったJosh Tobin氏の名前が並ぶ。さらにSocher氏自身はYou.com創業者であり、ImageNet時代からの研究者でもある。資金のサイズだけでなく、研究と事業化の両方をやってきた人材が固まっているのがポイントだ。

特に面白いのは、同社が重視する「open-endedness（開放系の進化）」という考え方だろう。生物進化のように、環境への適応と再適応を繰り返す構造をAIに持ち込む発想で、Socher氏は“何かを1回うまくする”のではなく“進化が止まらない状態”を狙っている。これが実現すれば、AI研究は人間が1テーマずつ改善する工程から、計算資源をどう配分するかの経営問題に移っていく。彼が「何の問題にどれだけ計算資源を使うかが、将来の大きな問いになる」と語ったのは重い。

顧客対応AIは「簡単なFAQ」から中難度業務へ

もう一方の象徴がNetomiだ。Reuters/CNA経由の報道によれば、同社はSeries Cで1.1億ドル（1億1000万ドル）を調達し、ラウンドはAccenture Ventures主導。創業からの累計調達額は1.6億ドル超、従業員は約170人。派手なモデル発表ではなく、顧客対応の実運用でここまで資金が付くのは、プロダクト市場適合が見えている証拠だと思う。参考: https://www.channelnewsasia.com/business/ai-customer-service-startup-netomi-raises-110-million-6092081

Netomiが強いのは、対象業務の設定が現実的なところだ。CEOのPuneet Mehta氏は「完全に低難度の問い合わせではなく、少なくとも中程度の複雑さに集中する」と明言している。たとえばユナイテッド航空のアプリで「犬と一緒に非常口座席に座れるか」といった文脈込みの質問に答える。ここは実務上かなり重要で、FAQ型チャットボットが崩れやすい境界領域だ。

技術面でも、OpenAI・Anthropic・Googleのモデルを使い分けるマルチモデル運用を採用。さらにAccenture側で数百人規模の担当者が展開支援に入るとされ、Adobe Venturesも投資参加してAdobe基盤サイトへのAI導入を進める。要するに「モデルの性能」だけでなく「導入できる体制」を同時に売っている。ここは日本企業がAI導入でつまずきやすい点なので、個人的にはこの実装パッケージ化が今後の勝敗を分けると見ている。

いま起きているのは“モデル戦争”ではなく“実装戦争”

同日の関連ニュースを並べると流れがはっきりする。OpenAIが法人導入支援の新会社で巻き返しを狙い、GoogleはI/O 2026でGeminiとAndroid XRを軸に基盤を押し出す構図が見えている。つまり、どのモデルが賢いかだけではなく、企業の業務にどれだけ速く・安全に・継続的に埋め込めるかが競争軸になっている。

研究最前線のRSIと、現場のカスタマーサポートAI。この二つは別世界に見えるけれど、実際は一本につながっている。自己改善の研究が進めば、運用現場のAIは更新頻度と適応速度を上げられる。逆に現場での導入データが増えれば、研究側の改善サイクルも加速する。派手なデモより地味な導入支援にお金が流れている今は、AI市場が「期待フェーズ」から「運用フェーズ」に本気で移ったサインだろう。

僕自身、最近は“どのモデルがすごいか”より“どのチームが現場で回せるか”を見るようになった。ここを見誤ると、ニュースを追っているのに投資判断も導入判断もズレていく。2026年はその分岐点である。