対談・インタビュー
Sequoia AI Ascent 2026 Keynote『This is AGI』を読む
13分で読める|2026/05/09|
AIAGISequoiaAIエージェントスタートアップ
この記事の要約
Sequoia AI Ascent 2026の基調講演『This is AGI』を、定義争いではなく、reasoning、test-time compute、long-horizon agents、労働市場への拡張として読み解く。
Sequoia AI Ascent 2026の基調講演は、タイトルからして挑発的である。『This is AGI』。この言葉を、AGIの定義論として読むと議論が拡散する。むしろSequoiaが言いたいのは、すでに事業環境がAGI的に変わり始めているということだ。
講演では、compute、data、reasoning、long-horizon agentsといった論点がつながる。単にモデルが賢くなったという話ではない。AIが短い回答生成から、長い仕事の遂行へ移ることで、市場の見方が変わるという話である。
本記事では、基調講演の論点を、AGI定義、reasoningとtest-time compute、agent、softwareからlaborへの拡張、起業家への学びに分けて整理する。
この記事は This is AGI: Sequoia AI Ascent 2026 Keynote の内容を基に、
2026-05-09取得の英語字幕から再構成している。
本記事の前提
- 直訳ではなく、対談・講演の主張をトピック別に再構成している
- 動画内の主張と、記事側の実務的な補足・解釈を分けて整理している
- Sequoia AI Ascent 2026 の関連動画群を横断して読めるよう、関連記事も最後にまとめている
読む前の補助線
この動画を読むときの中心問いは「AGIを抽象概念ではなく、企業の事業設計へどう落とすか」である。動画内では会話の流れに沿って論点が移るが、記事化するときは順番をそのまま追うより、AIスタートアップの創業者と事業責任者が判断に使える単位へ並べ替えた方が理解しやすい。
特に注意したいのは、「This is AGI」を大きな流行語として受け取らないことだ。今回の対談で価値があるのは、未来予測そのものより、どの条件が変わり、どの責任が残り、どの組織能力を先に作るべきかが見えてくる点にある。
逆に読み違えると、AGIを遠い未来の話として眺め、softwareからlaborへの拡張を見逃すことが起きる。だから本記事では、動画の発言を単純な時系列ではなく、テーマごとに整理しながら、test-time compute、agent、長期タスク、業務単位での置き換え設計へ接続して読む。単機能のSaaSではなく、人間が担っていた業務の束をどこまで再構成できるかを考える必要がある。
また、この一本だけで閉じて読むより、Sequoia AI Ascent 2026の他セッションと並べると位置づけがはっきりする。ある動画はモデル能力を語り、別の動画は開発組織やロボティクス、インフラ、運用を語る。本記事ではその中で、Sequoiaの発言がどの論点を担っているのかを明確にする。
『This is AGI』は、定義争いではなく事業上の宣言である
AGIという言葉は、多くの場合、定義の議論を呼ぶ。人間並みとは何か、どの能力が必要か、いつ到達するか。しかしSequoiaの基調講演は、定義そのものより、事業環境の変化に焦点を当てている。
This is AGI の事業的な読み方まず押さえるべきは、この章の話が単独の予測ではなく「AGIを抽象概念ではなく、企業の事業設計へどう落とすか」という問いの入り口になっている点である。何が新しくなったのかと同時に、何をまだ人間側で設計しなければならないのかを分けて読む。
Sequoiaが見ているのは、AIが実際の仕事をどこまで担えるかである。
モデルが質問に答えるだけなら、既存ソフトウェアの機能拡張に近い。しかしagentが長い仕事を持てるなら、AIはツールではなく労働の代替・補完に近づく。
『This is AGI』は、知能の哲学的到達点ではなく、仕事の単位がAIへ移る転換点として読める。
実務では、この主張を「何が可能になったか」だけで終わらせない方がよい。単機能のSaaSではなく、人間が担っていた業務の束をどこまで再構成できるかを考える必要がある。そう読むと、この論点は新機能の紹介ではなく、次に整えるべき開発・事業プロセスの話になる。
AGIかどうかの議論より、顧客の予算がどこから動くかが重要になる。
従来のSaaSはソフトウェア予算を取りに行った。agent型のAIは、人件費、外注費、BPO、専門業務の予算にも入り込む。
起業家にとっての問いは、AGIの定義ではなく、どの仕事の予算をAIで取りに行けるかである。
AIスタートアップの創業者と事業責任者にとって重要なのは、この変化を個人の工夫で吸収しないことである。test-time compute、agent、長期タスク、業務単位での置き換え設計を組織の標準に近づけるほど、同じモデルやツールを使っても成果の安定度が変わる。
この見方は、AIスタートアップの市場規模を変える。
ソフトウェア市場だけを見れば、既存SaaSの置き換えに見える。しかし労働市場まで見ると、AI企業のTAMは大きく広がる。
Sequoiaの宣言は、投資テーマとしてのAGIを、労働の再編として位置づけている。
ここで焦点を外すと、AGIを遠い未来の話として眺め、softwareからlaborへの拡張を見逃すことにつながる。だからこの論点は、動画内の一発言ではなく、意思決定の前提を点検する材料として読む方がよい。
AGIを定義論としてではなく、仕事の再配分として読むと、基調講演のメッセージはかなり実務的になる。
Reasoningとtest-time computeが、AIを長い仕事へ近づける
講演で重要な技術論点が、reasoningとtest-time computeである。モデルは学習済みの重みを一度読むだけでなく、推論時に追加の計算を使って考える方向へ進んでいる。
Test-time Compute の意味ここでは「This is AGI」を、抽象的なキーワードではなく実務上の判断材料として扱う。動画の順番に沿って理解するより、AGI・スタートアップ戦略で起きる責任分担の変化として見る方が、論点の重みがつかみやすい。
reasoningは、単発回答から問題解決への移行を支える。
複雑な仕事では、最初の答えを出すだけでは足りない。仮説を立て、分解し、検証し、必要なら戻る必要がある。
reasoningが強くなるほど、AIは検索エンジンやチャットボットではなく、作業者に近づく。
AIスタートアップの創業者と事業責任者にとって重要なのは、この変化を個人の工夫で吸収しないことである。test-time compute、agent、長期タスク、業務単位での置き換え設計を組織の標準に近づけるほど、同じモデルやツールを使っても成果の安定度が変わる。
test-time computeは、推論時の試行錯誤を可能にする。
学習時にすべてを詰め込むのではなく、問題ごとに計算を使い、候補を探索し、答えを検証する。
これはコスト構造にも影響する。難しい仕事ほど推論時の計算が増え、AIサービスの原価と価値設計が変わる。
ここで焦点を外すと、AGIを遠い未来の話として眺め、softwareからlaborへの拡張を見逃すことにつながる。だからこの論点は、動画内の一発言ではなく、意思決定の前提を点検する材料として読む方がよい。
推論能力は、agentの信頼性にも直結する。
長い仕事では、途中の判断ミスが後続に影響する。推論時に自己検証できるほど、agentはより安全に大きな仕事を持てる。
起業家は、モデルの回答精度だけでなく、推論と検証をどうプロダクトに組み込むかを考えるべきである。
実務では、この主張を「何が可能になったか」だけで終わらせない方がよい。単機能のSaaSではなく、人間が担っていた業務の束をどこまで再構成できるかを考える必要がある。そう読むと、この論点は新機能の紹介ではなく、次に整えるべき開発・事業プロセスの話になる。
reasoningとtest-time computeは、AIを賢く見せる機能ではない。AIが長い仕事を担うための基盤である。
Long-horizon agentsは、ソフトウェアの単位を変える
AIが短い回答を出すだけなら、プロダクトはチャットUIに留まる。しかしlong-horizon agentsが成立すると、ソフトウェアの単位は『画面』から『仕事』へ移る。
Long-horizon Agent の構造この章の論点は、技術の優劣だけでは完結しない。test-time compute、agent、長期タスク、業務単位での置き換え設計をどう整えるかまで含めて読むと、対談の発言がそのまま組織設計やプロダクト設計の宿題に変わる。
agentは、目標を受け取り、計画し、道具を使い、結果を返す。
これは従来のSaaS機能とは違う。ユーザーが画面を操作するのではなく、ユーザーが仕事を依頼する。
プロダクト設計では、UIの機能一覧より、どの仕事をどこまで完了できるかが重要になる。
ここで焦点を外すと、AGIを遠い未来の話として眺め、softwareからlaborへの拡張を見逃すことにつながる。だからこの論点は、動画内の一発言ではなく、意思決定の前提を点検する材料として読む方がよい。
長い仕事には、記憶と状態管理が必要である。
一回の会話で完結しない仕事では、過去の判断、顧客の好み、業務ルール、途中結果を保持する必要がある。
AIプロダクトの差は、モデルだけでなく、memory、workflow、tool integrationの設計に移る。
実務では、この主張を「何が可能になったか」だけで終わらせない方がよい。単機能のSaaSではなく、人間が担っていた業務の束をどこまで再構成できるかを考える必要がある。そう読むと、この論点は新機能の紹介ではなく、次に整えるべき開発・事業プロセスの話になる。
agentの価値は、作業時間を減らすだけではない。
人間がやりたくない反復作業を担うだけでなく、人間が処理しきれなかった仕事量を増やす可能性がある。
市場機会は、既存人員の効率化と、新しい需要の創出の両方にある。
AIスタートアップの創業者と事業責任者にとって重要なのは、この変化を個人の工夫で吸収しないことである。test-time compute、agent、長期タスク、業務単位での置き換え設計を組織の標準に近づけるほど、同じモデルやツールを使っても成果の安定度が変わる。
Long-horizon agentsは、ソフトウェアを『操作するもの』から『仕事を任せるもの』へ変える。
SoftwareからLaborへ、市場の見方が広がる
Sequoiaの基調講演を投資家の視点で読むと、最重要論点は市場拡張である。AIはSaaSの機能追加ではなく、労働市場へ入り込む可能性がある。
Software市場からLabor市場へここで見たいのは、話者の断言の強さよりも、その断言が成り立つ条件である。AGIを遠い未来の話として眺め、softwareからlaborへの拡張を見逃すことを避けるには、便利になった部分と、むしろ重くなる判断を分ける必要がある。
従来のソフトウェアは、人間の仕事を支援した。
CRM、ERP、BI、プロジェクト管理などは、人間が入力し、人間が判断し、人間が実行する前提で作られてきた。
AI agentは、この前提を変える。人間が画面を操作する時間を減らし、仕事の一部を直接実行する。
実務では、この主張を「何が可能になったか」だけで終わらせない方がよい。単機能のSaaSではなく、人間が担っていた業務の束をどこまで再構成できるかを考える必要がある。そう読むと、この論点は新機能の紹介ではなく、次に整えるべき開発・事業プロセスの話になる。
市場規模は、ソフトウェア予算ではなく労働予算で見る必要が出る。
カスタマーサポート、営業、調査、経理、法務補助、開発など、AIが仕事単位で価値を出すなら、比較対象はSaaS費用ではなく人件費や外注費になる。
AIスタートアップは、ツール単価ではなく、置き換える仕事の価値で価格を設計できる。
AIスタートアップの創業者と事業責任者にとって重要なのは、この変化を個人の工夫で吸収しないことである。test-time compute、agent、長期タスク、業務単位での置き換え設計を組織の標準に近づけるほど、同じモデルやツールを使っても成果の安定度が変わる。
ただし、労働市場に入るほど、信頼と責任が重くなる。
仕事を任せるには、品質、説明責任、例外処理、監査、セキュリティが必要である。
agent企業は、モデル能力だけでなく、業務責任を担うプロダクト設計が求められる。
ここで焦点を外すと、AGIを遠い未来の話として眺め、softwareからlaborへの拡張を見逃すことにつながる。だからこの論点は、動画内の一発言ではなく、意思決定の前提を点検する材料として読む方がよい。
AIが労働市場へ入るということは、TAMが広がるというだけではない。顧客が求める信頼水準も上がるということである。
起業家は、AIで短くなる仕事ループを探すべきである
基調講演を起業家向けに読むなら、問いはシンプルである。どの仕事ループがAIによって短くなり、その短縮に顧客が支払うのか。
起業家の判断軸AIスタートアップの創業者と事業責任者にとって、この章は採用すべきツール名を決める話ではない。単機能のSaaSではなく、人間が担っていた業務の束をどこまで再構成できるかを考える必要がある。 その視点で読むと、動画内の具体例が次の運用設計につながる。
よい市場は、仕事が頻繁で、時間がかかり、検証可能である。
頻度が低い仕事では習慣化しにくい。検証できない仕事では信頼を得にくい。時間がかからない仕事では支払意思が弱い。
AIスタートアップは、モデルができることからではなく、顧客の仕事ループから出発すべきである。
AIスタートアップの創業者と事業責任者にとって重要なのは、この変化を個人の工夫で吸収しないことである。test-time compute、agent、長期タスク、業務単位での置き換え設計を組織の標準に近づけるほど、同じモデルやツールを使っても成果の安定度が変わる。
データアクセスは、実装上のボトルネックになる。
agentが仕事をするには、社内データ、権限、ツール、履歴が必要である。ここに接続できないと、能力があっても仕事は完了しない。
Go-to-marketでは、技術デモだけでなく、顧客環境へ安全に入る導線が重要になる。
ここで焦点を外すと、AGIを遠い未来の話として眺め、softwareからlaborへの拡張を見逃すことにつながる。だからこの論点は、動画内の一発言ではなく、意思決定の前提を点検する材料として読む方がよい。
moatは、モデルそのものより、業務ループの学習から生まれる。
モデルがコモディティ化しても、顧客固有のワークフロー、評価データ、例外処理、運用知識は残る。
AI企業は、顧客の仕事を実行するほど改善するループを設計すべきである。
実務では、この主張を「何が可能になったか」だけで終わらせない方がよい。単機能のSaaSではなく、人間が担っていた業務の束をどこまで再構成できるかを考える必要がある。そう読むと、この論点は新機能の紹介ではなく、次に整えるべき開発・事業プロセスの話になる。
AI起業の焦点は、すごいモデルを見せることから、顧客の仕事をどれだけ短く、確実に、説明可能に終わらせるかへ移る。
この基調講演から起業家は何を学ぶべきか
Sequoiaの『This is AGI』から学ぶべきことは、AGIという言葉を使うべきかどうかではない。AIによって再編される仕事を、どう事業にするかである。
最後に重要なのは、学びを一般論で終わらせないことである。この章の主張を「明日から何を変えるか」へ落とすなら、test-time compute、agent、長期タスク、業務単位での置き換え設計を点検することが出発点になる。
第一に、定義ではなく仕事を見ること。
AGIかどうかを議論している間にも、顧客の業務はAIで変わり始める。
起業家は、抽象的な未来予測より、今日短くできる具体的な仕事を探すべきである。
ここで焦点を外すと、AGIを遠い未来の話として眺め、softwareからlaborへの拡張を見逃すことにつながる。だからこの論点は、動画内の一発言ではなく、意思決定の前提を点検する材料として読む方がよい。
第二に、agentをUIではなく責任単位として設計すること。
仕事を任せるなら、成功条件、失敗時の扱い、監査、権限、例外処理が必要である。
agentプロダクトは、チャット画面ではなく、業務責任を担うシステムとして設計すべきである。
実務では、この主張を「何が可能になったか」だけで終わらせない方がよい。単機能のSaaSではなく、人間が担っていた業務の束をどこまで再構成できるかを考える必要がある。そう読むと、この論点は新機能の紹介ではなく、次に整えるべき開発・事業プロセスの話になる。
第三に、労働市場の予算を取りに行く覚悟を持つこと。
AIが本当に仕事を代替・補完するなら、価格も導入プロセスもSaaSとは変わる。
顧客が支払うのは、機能ではなく、完了した仕事と削減されたリスクである。
AIスタートアップの創業者と事業責任者にとって重要なのは、この変化を個人の工夫で吸収しないことである。test-time compute、agent、長期タスク、業務単位での置き換え設計を組織の標準に近づけるほど、同じモデルやツールを使っても成果の安定度が変わる。
『This is AGI』は、未来を煽る言葉ではなく、起業家に対する市場の再定義である。ソフトウェアを売るのではなく、仕事を完了する会社が増える。
関連記事
この記事の著者
中村 知良
代表取締役
早稲田大学卒業後、ソフトバンク株式会社にてAI活用やCEO直下案件のプロジェクトマネージャーに従事。その後、不動産スタートアップPit in株式会社の創業、他スタートアップでの業務改善・データ活用を経験後、2023年10月、株式会社ネクサフローを創業し代表取締役CEO就任。
