Ai-ecosystem-layers

「AIに関わる人」視点でのレイヤー構成

「AI」を分解してみましょう。 AI（エーアイ）とは Artificial Intelligence（人工知能） の略で、コンピューターが人間のように学習したり、考えたり、判断したり、認識したりする技術の総称です。

ここで大事なのは、「AI」という言葉がひとつの技術を指しているわけではない、という点です。実際には、関わる役割によって、その実態は大きく異なります。

この技術を理解するために、「AIとどのように関わる人がいるのか」という視点から、6つのレイヤー構造で整理していきます。

レイヤー0：基盤研究・理論構築

（概念・理論フェーズ）

AIが「そもそも何ができるのか」を、数学や理論のレベルで明らかにします。土台になる考え方を作る役割です。

  • 主な職種: AI研究者、機械学習研究者、数理研究者、AI倫理研究者
  • やっていること: * どんな学習の仕組みが考えられるか
    • 何が理論的に可能で、何が不可能か
  • 成果の例: 表現学習や最適化に関する理論、AI倫理の枠組み

レイヤー1：汎用モデル構造・学習パターン

（再利用可能な設計パターンの確立）

理論研究をもとに、多くのAIプロダクトで再利用される「共通の型」を作ります。

  • 主な職種: AI研究者、MLリサーチャー、アーキテクチャ設計エンジニア
  • やっていること: * Transformerのようなモデル構造の設計
    • DiffusionやCNNといった基本アーキテクチャの確立
  • 成果の例: Transformerアーキテクチャ、大規模事前学習という設計思想

レイヤー2：モデルアーキテクチャ設計

（基盤モデル設計フェーズ）

レイヤー0・1の成果をもとに、高性能なAIモデルの中身（重みや損失関数など）を設計します。

  • 主な職種: MLリサーチャー、AIアーキテクト、研究開発エンジニア
  • やっていること: * 学習方法や損失関数の最適化
    • スケールの限界の予測
  • 成果 de 例: GPT、Gemini、LLaMA などの基盤モデル設計

レイヤー3：基盤モデルのAPI／プラットフォーム提供

（サービス化フェーズ）

作られた基盤モデルを、誰でも安定して使える形で提供する「インフラ」としての役割です。

  • 主な職種: プラットフォームエンジニア、クラウドエンジニア、SRE
  • やっていること: * レイテンシやスループットの最適化
    • セキュリティや権限管理、可用性（SLA）の担保
  • 成果の例: OpenAI API、Google Cloud Vertex AI、Hugging Face Hub

レイヤー4：実務応用モデルの設計・運用

（Applied AI / MLOps フェーズ）

APIや基盤モデルを使って、実際の業務で使えるプロダクトを作り、改善し続けます。

  • 主な職種: アプリケーションエンジニア、MLOpsエンジニア、AIプロダクトマネージャー
  • やっていること: * 業務に合わせたプロンプトやRAG（外部知識検索）の設計
    • 精度やコストの監視、A/Bテスト
  • 成果の例: GitHub Copilot、ChatGPT（UI製品）、社内ナレッジ検索AI

レイヤー5：エンドユーザーによる業務利用・効率化

（AI活用フェーズ）

AIを「作る側」ではなく、仕事の中で使って成果を出す役割です。

  • 主な職種: 業務担当者、現場リーダー、マーケター、コンテンツ制作者
  • やっていること: * どう使えば仕事が速くなるかの試行錯誤
    • 業務フローへのAIの定着
  • 成果の例: 業務用プロンプトテンプレート、AI前提の業務フロー、利用ガイドライン

おわりに

同じ「AIに関わる人」でも、どのレイヤーにいるかによって、求められるスキルも、希少性も、そして生み出す価値の形も大きく異なります。

自分が今どのレイヤーの話をしているのか、あるいはどのレイヤーを目指しているのか。それを意識するだけで、AIという巨大な技術の波を捉えやすくなるはずです。

Next Post