「モデルが20%できる問題」は狙うな — Jeff Dean が YC で話した1%ルール

Google のチーフサイエンティスト Jeff Dean が Y Combinator Startup School 2026 で語った内容の紹介。57 分の対談から、AI エージェント実務に関わる要点を抽出している。Dean の主張は一見するとシンプルだ。「モデルが 0～1% できる問題を狙え。20% できる問題は大手が次のスケールアップで拾ってしまう」という「1% ルール」。だが本当の肝は別にある。

まず、エージェントが「ステップ 30 あたりで壊れる」現象への説明だ。従来は「コンテキストが溢れた」と素朴に考えがちだが、Dean の説明はシャープだ。「モデルが訓練分布の外に出た瞬間に性能が急落する」。得意なゾーンから外れると、他の ML モデルと同様に信頼性が崩壊する。対策も 2 つ提示される。一つはモデルに「スキルとヒント」を与えて「明るい道」を歩み続けさせること。もう一つは複数エージェントを競わせて有望な軌跡だけを残すこと。次に、TPU 開発の二段構え見積もりだ。音声認識が 20 年分改善されたら使用量が跳ね上がる → 計算コストが爆増する、という見積もりが TPU を生んだ。いま AI の性能向上を見るとき、同じ「第二段階の側面」を考えているかが試されている。

実務への含意は、「選ぶべき問題のセンスが稀少化する」という一点だ。大手が 20% 到達したゾーンは避け、0～1% の、誰もまだ手をつけていない領域を狙う。ただし「仕様が完全にある問題」つまり言語移植のような確定的なタスクで AI は極めて強いという点も忘れずに。