はじめに
Gensparkは2026年にシンガポールで開催されたAGI Playgroundカンファレンスにおいて、新製品の発表だけでなく、AIアプリケーションの将来像に関するより広範な論題を提示した。
その製品とはGenOffice、WindowsおよびmacOS向けのオープンソースデスクトップオフィススイートで、ドキュメント、スプレッドシート、プレゼンテーション、PDFをサポートする。Gensparkによると、アルファ版は1名のエンジニアによって1週間で開発され、約10,000ドル分のモデルトークンが使用されたという。
より広範な論題は、Gensparkの共同創業者兼CEOである**井賢棟（エリック・ジン）氏と、極客公園（GeekPark）の創業者兼CEOである張鵬（ジャック・ザン）**氏との対談から生まれた。
Gensparkは当初AI検索製品としてスタートし、その後汎用型スーパーエージェントへと転身し、さらにメモリー、エージェント、コンテンツ制作、オフィスツール、コラボレーション機能を融合したAIワークスペースへと拡大してきた。
ジン氏の中心的な論点は、オールインワンAI製品の永続的な価値は、単に多くの機能を1つのインターフェースに統合することから生まれるのではなく、ユーザーの仕事のコンテキストを1か所に集約し、異なるモデルやエージェントが、同じ背景情報を繰り返し尋ねることなく、ユーザーが成し遂げたいことを理解できるようにすることにある、というものだ。
対談は4つのテーマを軸に展開された：
- Gensparkが500万人以上のユーザーを獲得した後、なぜAI検索の領域から離れたのか
- 「オールインワン」が意味するものが、なぜ単一インターフェースではなく「共有コンテキスト」へと変わりつつあるのか
- なぜアプリケーション企業が、生のモデル能力を使いやすい製品に変換することで価値を生み出すのか
- なぜジン氏は、AIアプリケーション企業が最終的に兆ドル規模に達する可能性があると信じているのか
以下の中国語からの翻訳は、この漸進的な論理構造を保ちつつ、Genspark自身の指標や予測と、独立に検証可能な事実とを区別している。
- ユーザーはより良いツールを求め続ける——現状維持こそが真のリスク
検索からタスク全体の完了へ
張鵬氏： GensparkはAI検索でスタートし、報道によるとユーザー数は500万人を突破しました。なぜ、すでに大きな進展を遂げた製品から離れたのでしょうか？
井賢棟氏： 私のキャリアは一貫して人と情報をつなぐことに携わってきました。2006年にソフトウェアエンジニアとしてマイクロソフトに入社し、その後約20年にわたって、そのほとんどを検索関連の仕事に注いできました。
検索とは一見、人と情報をマッチングさせることに思えますが、ユーザーの真の目標がWebページを見つけることであることはほとんどありません。人々が検索するのは、何かを成し遂げる必要があるからです。
製品の比較、プレゼンテーションの準備、旅行の計画、レポートの作成、サプライヤーへの連絡、意思決定などが必要かもしれません。検索は、より大きなタスクの中の1つのステップに過ぎないことが多いのです。
初期の検索チームは、この方向性を推し進めようと試みたことがありました。Bingをよりタスクエンジンに近づけるというアイデアを探求しましたが、当時の技術ではワークフロー全体を確実に完了させることはできませんでした。
ChatGPTがこの計算を変えました。AIが最終的にタスクを取り巻く大量の反復作業を処理できるようになり、人間は判断と創造に集中できるようになることを示したのです。
これこそがGensparkの当初の野心でした。最初から最後まで仕事を完了できる自律型エージェントです。
AI検索は現実的な出発点だった
基盤モデルの初期バージョンは、この完全なビジョンを支えるにはまだ十分ではありませんでした。
スタートアップは、理想的なテクノロジーの到来を無期限に待つことはできません。当時利用可能な能力を活用して、真のプロダクトマーケットフィットを見つける必要がありました。
2年前、AI検索は最も明確な機会の1つでした。有用な製品、馴染みのあるユーザー行動、そして会社を構築するための現実的な出発点を提供してくれたのです。
ジン氏によると、転機となったのはClaude Sonnet 3.7によって、より長いエンドツーエンドのエージェントワークフローが明らかに実現可能になった時点だったといいます。
会社の観点から見ると、AI検索からエージェントへの移行は、当初の方向性の否定ではなく、情報を見つけるだけでなくタスクを完了するのを助けるという、同じ目標に向けた次のステップでした。
なぜ500万人のユーザーを手放すことが最大のリスクではないのか
張鵬氏： 500万人のユーザーはすでに相当な基盤です。製品を変えることで既存の成果を壊してしまうことをチームは心配しませんでしたか？
井賢棟氏： 変革にはリスクがありますが、現状維持にはそれ以上のリスクがあります。
ユーザーは慣れ親しんでいるという理由だけで、質の低いワークフローに忠誠を誓うことはありません。新しいツールが重要なタスクをはるかに容易にしてくれる場合、人々は通常、体験の違いを実感した後に移行します。
変革は比較的スムーズに進みました。なぜなら、ユーザーは明らかなアップグレードを得られたからです。
要約を読んで複数の情報源を開く必要はもうなくなり、完全なプレゼンテーションを直接要求できるようになりました。手動で資料を収集してドキュメントに整理する代わりに、望む結果を説明し、エージェントにより多くのプロセスを実行させることができるようになりました。
ジン氏にとって重要な教訓は、製品の変革そのものが安全だということではなく、大きな能力の変化に対応できないことは、既存製品を破壊することよりも危険であり得るということです。
AI製品サイクルは異常なまでに圧縮されている
チャットボットからAI検索、スーパーエージェント、AIワークスペースへの急速な進化は、非常に短い期間で起こりました。
ジン氏はこの速さを2つの力に帰着させています。
第一に、フロンティアAIの能力は不連続なジャンプで向上しています。従来のソフトウェアは通常、漸進的な製品改良によって前進しますが、一度の主要なモデルリリースが、突如としてまったく新しい製品ワークフローを可能にすることがあります。
第二に、数十年にわたるデジタル化された仕事が、AIが必要とするデータ層をすでに作り出しています。
現代の組織は以下を蓄積してきました：
- 電子メール
- CRM記録
- 会議議事録
- クラウドドキュメント
- スプレッドシート
- プロジェクト管理履歴
- カスタマーサービス会話
- カレンダー
- 社内ソフトウェアデータ
これらのシステムは、長年にわたって仕事のコンテキストを生成し続けてきました。
より強力なモデルがこのコンテキストにアクセスできるようになると、エージェントは単に一般的な質問に答えるだけでなく、ユーザーの実際のプロジェクト、同僚、ドキュメント、履歴、目標について推論できるようになります。
ジン氏はこの組み合わせを次のように説明します：
より多くの仕事のコンテキスト
↓
エージェントがタスクをより良く理解
↓
エージェントがより多くの有用な仕事を完了
↓
より多くの仕事とフィードバックがシステムに入る
↓
コンテキストがより豊かになる
モデルは重要ですが、そのモデルが特定の個人や会社にとってどれほど有用かを決定するのはコンテキストです。
- AIの「オールインワン」は本質的にフルスタックのコンテキスト層である
インターフェースは第一層に過ぎない
張鵬氏： あなたはオールインワン製品を支持されてきました。この理念はAIネイティブ製品ではどのように変化しますか？
井賢棟氏： 多くの成功した製品は統合型製品です。検索は情報への統一された入り口を提供しました。スマートフォンは多くの機能を単一のインタラクションモデルの背後に統合しました。WeChatはコミュニケーション、決済、サービス、コンテンツを、馴染みのある環境の中に融合させました。
AI時代においても、単一のインターフェースには依然として価値があります。ユーザーは小さなことごとに異なる製品を学びたくはありません。
しかし、より重要な統合の形態は、今やインターフェースの背後で起こっています。
本当の問題は、製品のすべてのエージェントとツールが、ユーザーの仕事に対する一貫した理解にアクセスできるかどうかです。
モデル統合：ユーザーに決定を強いることなく、正しいモデルを選択する
井賢棟氏は、基盤モデルはますます競争力を持ち、時間の経過とともにより互換性が高まると予想しています。
異なるモデルが異なるタスクで優れているかもしれませんが、ユーザーは日常業務を遂行する過程で、すべてのベンチマーク、価格表、コンテキスト制限、アーキテクチャの詳細を理解することを強いられるべきではありません。
イベントの会場で、井賢棟氏はフロンティアモデルが多くのタスクで強力になった一方で、価格差は依然として大きいことを示すスライドを提示しました。
このスライドは、企業プレゼンテーションの一部であり、独立したベンチマークテストではない。その目的は、製品レベルの問題を説明することにある。すなわち、モデル選択は大多数のユーザーと多くの企業にとって、すでに複雑すぎるものになっているということだ。
井賢棟氏は、マイクロソフトCEOイベントでの匿名投票を振り返り、幹部たちが次の2つの繰り返し発生する懸念を指摘したと述べた。
- どのモデルプロバイダーを選べばよいか分からない。
- 高価なAIサービスを調達した後、従業員がそれを採用しないのではないかと心配している。
アプリケーション層は、この2つの問題を解決できる。
アプリケーション層は、以下の要素に基づいてタスクを異なるモデルに振り分けることができる。
- 能力
- コスト
- 速度
- モダリティ
- コンテキスト長
- 信頼性
- 企業ポリシー
ユーザーは作業内容を説明し、プラットフォームがどのモデルまたはモデルの組み合わせが処理すべきかを決定する。
コンテキスト統合：アプリケーション間でのコピー＆ペーストの終焉
第2の層は、モデルルーティングよりもさらに重要である。
ナレッジワーカーのデータは、多数のサービスに分散している。ユーザーは、メールの情報をドキュメントにコピーし、スプレッドシートからデータを抽出し、会議メモから決定事項を取り出し、それらの背景情報を複数のAIツールに提供する必要があるかもしれない。
共有コンテキスト層は、このような重複作業を軽減する。
Gensparkが公式に公開したAI Workspace 6.0のアーキテクチャは、4つの層を通じてこの理念を体現している。
- SecondBrain（セカンドブレイン）は記憶層として機能
- Super Agent（スーパーエージェント）はインテリジェンスエンジンとして機能
- Build、Office、Content Suites（ビルド、オフィス、コンテンツスイート）は実行ツールとして機能
- GenTeam はコラボレーション層として機能
SecondBrainの設計目標は、メール、会議、チャット、ドキュメント、アプリケーション、そしてGensparkプロジェクトの資料を一箇所に集約することである。
意図された体験は、単に「1つのウェブサイトに多数のAIツールを集約する」というものではなく、各ツールが十分なコンテキストを共有し、一貫した動作を維持する、統合された作業環境である。
新たなオールインワンの定義
旧来のオールインワンの定義は次のとおり。
1つのアプリケーション
+ 多数の機能
+ 1つのインターフェース
更新されたAIネイティブな定義は、次のようなものに近い。
多数の作業インターフェース
+ 多数のモデルとエージェント
+ 1つの持続的に共有されるコンテキスト
+ 1つのオーケストレーション層
ユーザーは、中央のページに頻繁にアクセスするのではなく、引き続き使い慣れたソフトウェア内で作業できる。
景氏のレストランの例えは、ここで示唆に富む。
旧来のソフトウェアモデルでは、ユーザーがレストランを訪れる必要があった。AIネイティブモデルでは、レストランをユーザーのそばに置いたり、料理を直接ユーザーのもとへ届けたりすることができる。
エージェントは、メール、オフィスドキュメント、デスクトップクライアント、その他の使い慣れたインターフェースに現れ、同時に有用なコンテキストを共有システムに書き戻すことができる。
HTMLスライドからGenOfficeへ
Gensparkのスライド製品は、ユーザーフィードバックがどのようにして同社を単一のフォーマットからより広範なプラットフォームへと推進したかを示している。
同社は当初、HTML形式のAIプレゼンテーションを生成していた。
批評家は、真面目なビジネスユーザーはウェブスライドではなくPowerPointファイルを期待していると主張した。
Gensparkは、HTMLが言語モデルにとって自然な出力形式であると考えている。なぜなら、コンテンツとレイアウトを比較的柔軟に組み合わせられるからだ。
一部のユーザーは、特にネイティブファイルよりも迅速な編集と共有を重視する場合、社内コミュニケーションにこのオンライン形式を受け入れた。
その後、製品は次のように進化した。
- GensparkはHTMLスライドジェネレーターを作成した。
- ユーザーはオンラインエディターを要求した。
- ユーザーは、使い慣れたローカルのオフィスソフトウェアで編集を続けたいと考えた。
- GensparkはOfficeプラグインを開発した。
- ユーザーはプラグインのメンテナンスが遅く、コストがかかる可能性があるとフィードバックした。
- チームはネイティブのデスクトップオフィススイートを構築した。
このスイートは最終的に GenOffice となった。
Gensparkの公式発表によると、以下の機能をカバーするアルファ製品である。
- ドキュメント（Docs）
- スプレッドシート（Sheets）
- スライド（Slides）
中核となるオフィス機能は無料で広告なし。AI機能は
Gensparkクレジットを使用する。
公式GitHubリポジトリは主にApache 2.0ライセンスで提供され、将来のエンタープライズディレクトリ向けに別途例外条項が設定されている。このリポジトリには、macOSおよびWindows用のElectronアプリ、共有ドキュメントエンジン、エージェントコア、ファイルパーサー、モデルプロバイダー抽象化層が含まれている。
Gensparkによると、最初のアルファ版は、1人のエンジニアが1週間で、約10,000ドル分のモデルトークンを使用して構築したという。これは同社による開発の説明であり、独立して監査されたエンジニアリングベンチマークではない。
メールクライアントの出発点は個人的な痛点
Gensparkのメール関連の取り組みも同様の経路をたどった。
景氏は電子メールを頻繁に利用し、タスクを完了するために必要な正確なメッセージ、添付ファイル、または決定事項を再び見つけ出すことにしばしば苦労していた。
そこで製品の問題は次のようになった。エージェントがメールクライアントの内部に存在し、やり取りを直接理解できるのであれば、なぜメールのすぐ外側に配置する必要があるのか？
イベント準備中、景氏はメールエージェントを使用して以下のことを行ったと述べている。
- 過去に極客公園（GeekPark）と行ったやり取りを振り返る
- 完全なスケジュールを再構築する
- 添付されたPDFから情報を抽出する
- イベントをカレンダーに追加する
- 自身のスタイルに似せてフォローアップメッセージを下書きする
これらは個々に見れば小さなタスクだが、まとめると、日常的なナレッジワークの相当な部分を代表している。
製品が実際のワークフローの奥深くに入り込み、これらの詳細を目の当たりにしたとき、機会が現れる。
Gensparkの2つの製品原則
景氏は同社の製品哲学を2つのルールにまとめている。
- チームが本当に使いたいと思える製品を作る
チームは自らが最初の真剣な顧客になるべきである。
従業員は、自分たちが使いたくもない体験を他の人が受け入れてくれるだろうと想定するのではなく、その製品が本当に自分たちの仕事の問題を解決できるかどうかを自問する必要がある。
- 多くの類似ユーザーが共通して直面する課題を見つける
十分に多くの他の人々が同じ問題に直面して初めて、個人の悩みはビジネスチャンスに変わり得る。
したがって、開発のロジックは次のようになる：
チームが実際に経験している問題を解決する
↓
実務で製品を使用する
↓
繰り返される外部からのフィードバックに耳を傾ける
↓
需要が本当に存在する場合にのみワークフローを拡張する
- AI製品の価値はモデルだけでなく翻訳層に存在する
ほとんどの人はまだ高度なエージェントを使っていない
その後、議論は最先端システムが何をできるかから、実際にどれだけの人がそれらを利用するかへと移った。
Jing氏は、各ドットが約320万人を表す説明用スライドを提示した。ほとんどのドットはAIを一度も使ったことがない人々を表し、一部は無料チャットボットを使用したことがある人々、さらに少ない人々がAIに料金を支払っており、高度なエージェントを使用している人はごく一部である。
この可視化は、会議のプレゼンテーション用イラストとして理解されるべきであり、世界のAI利用の正確な国勢調査ではない。
その製品メッセージは明確である：
技術の発展速度は、ユーザーの採用速度をはるかに上回り得る。
数分で紹介サイトを作り、リード獲得を伸ばす
アイデアを一文で入力するだけで、We0 AI が紹介サイト、ページ、CMS を生成し、公開後の顧客獲得と流入拡大を支援します。
無料登録で完全なプロジェクトを 1 つ生成
1 つの完全な生成フローを試し、最初のプロジェクトのドラフトをすぐに確認するのに最適です。
エキスパートユーザーのみを対象とした企業は、強力な製品を構築しても、エージェント設定、モデル選択、トークン予算、複雑なワークフローを理解しない大多数のユーザー層にリーチできない可能性がある。
ユーザーがすでに働いている場所へ向かう
Jing氏は、AI企業はユーザーの学習負担を軽減すべきであり、全員がAI専門家になることを期待すべきではないと考えている。
サービスはユーザーが慣れ親しんだ場所に存在すべきである：
- 電子メール
- ドキュメント
- スプレッドシート
- プレゼンテーション
- デスクトップアプリケーション
- チームチャット
これにより、製品のユーザー理解も向上する。
エージェントが実際のワークフローに参加すると、周囲のコンテキストから学習できる。一度きりのプロンプトを受け取るだけではない。
コーディングエージェントはスーパーカー、主流製品は自動運転のようにあるべき
Jing氏はコーディングエージェントを高性能スポーツカーに例えた。
それらは開発者や研究者の手では極めて強力だが、ユーザーは操作方法を知っている必要がある。
Gensparkは、より自動運転に近い形で同様のコア機能を提供したいと考えている：
- ユーザーが毎回モデルを手動で選択する必要はない。
- エージェントはローカル計算能力のみに依存するのではなく、クラウド上で実行されるべきである。
- ツールは自動的にオーケストレーションされるべきである。
- インターフェースは不要な複雑さを隠すべきである。
- ユーザーは達成したい結果に集中すべきである。
これが「翻訳層」である。
それは基盤モデルの能力と、仕事を完了しようとする人々の間に存在する。
この層は変換を担当する：
- モデルの強みをタスクルーティングへ
- APIを理解しやすい機能へ
- ツール呼び出しを完全なワークフローへ
- 構造化されていないコンテキストを有用なアクションへ
- 技術的進歩を使いやすい体験へ
エージェント企業はトークンの再販業者に過ぎないのか？
ジャック・チャン： Gensparkの発表済みARRは2億5千万ドルを超えています。批判者は、エージェント企業がモデルトークンを再販する薄い流通層に成り下がると考えることがあります。これにどう応えますか？
Jing氏： 私たちはGensparkを「エージェント企業」とは定義していません。もともとは検索製品でしたが、現在はエージェントまたはワークスペース製品と表現され、製品形態の進化に伴ってさらに変化し続けるでしょう。
より有用な定義は、統合されたコンテキストを中心に構築されたAI企業です。
Jing氏は「流通は本質的に低価値である」という見解にも反対しています。
多くの大規模ソフトウェア企業は、収益のかなりの部分をチャネルと流通から得ています。顧客へのリーチ、製品のワークフローへの統合、複雑な技術を購入・使用しやすくすること自体が、堀となり得るのです。
レストランの類比
Jing氏は飲食業界の比較を用いました：
- 基盤モデルラボは原材料サプライヤーのようなもの。
- 専門的なコーディング製品は、単一の料理に特化した高級レストランに類似。
- ルーティングプラットフォームは卸売業者のようなもの。
- Gensparkは、多様な食材を顧客に適した食事に変える、便利なチェーンレストランを目指す。
モデルは単なる食材の一つです。
アプリケーション企業は、以下の側面を通じて価値を創造します：
- 製品設計
- コンテキスト統合
- ツール
- オーケストレーション
- ファイルシステム
- 流通
- サポート
- ワークフロー知識
- ユーザー
体験
Jing氏はこの野心を、ハードウェア分野におけるAppleの役割と比較しました。Appleは多くのコンポーネントを調達していますが、ユーザーがそれを単にチップとディスプレイの販売業者と表現することはありません。統合が最終的な製品体験を生み出すからです。
Gensparkはモデル層の上で同様の形の統合を追求したいと考えています。
- AI時代は時価総額1兆ドル規模のアプリケーション企業を生み出す可能性がある
グローバル製品には共通基盤とローカライズされた優先事項が必要
Gensparkは、米国、韓国、日本、フランス、インド、ブラジルを重要市場と見なしています。
Jing氏は、同社がローカルの違いを研究するが、それを共通の人間的ニーズに抽象化しようと試みていると述べました。
会話で挙げられた例：
- ニューヨークの金融集約型ユーザーはスプレッドシートを多用する。
- 日本のユーザーはプレゼンテーションと長時間の通勤に依存することが多い。
- 韓国には豊かなデザイン文化と非常に頻繁なクリエイティブツールの利用がある。
表面的な行動は異なりますが、各市場の人々は依然としてコミュニケーション、情報分析、ドキュメント準備、反復作業の完了を必要としています。
製品は、各国で完全に異なるシステムになることなく、機能の優先順位を調整できます。
製品がグローバルでも、流通はローカルにできる
Gensparkはローカライズされたマーケティングも試みています。
Jing氏はニューヨークの地下鉄での広告出稿について言及しました——乗客は信頼性の高いモバイルネットワークなしで時間を過ごすことが多く、そのため物理広告に気づくのです。
基盤となる製品はグローバルなままであり、流通戦略はローカルな環境に対応します。
これはJing氏の検索分野での経験を反映しています。
検索製品は、リクエストを「需要と関連情報をマッチングする」という普遍的な問題に抽象化するため、ユーザー個人を知らなくても大衆にサービスを提供できます。
グローバルなAIワークスペースも、その下にある共通構造を失うことなく違いを認識する必要があります。
アプリケーション企業は1兆ドル規模に到達できるか？
Jing氏は、AI時代が時価総額1兆ドルのアプリケーション企業を生み出すことができると今も信じています。ただし、ほとんどのスタートアップが失敗するだろうと繰り返し強調しています。
彼の主張は3つの仮定に依存しています。
- モデルコストは継続的に低下する
Jing氏は、現在の能力レベルに達したモデルの使用コストが、2年以内に約1%にまで下がる可能性があると予測しています。
これは将来を見据えた企業予測であり、確立された業界結果ではありません。
固定された能力レベルでの推論コストの低下という広範な方向性は合理的であり、市場の一部の分野ですでに見られますが、正確な1%という数字は不確かです。
- モデル供給はより競争的になる
クローズドソースおよびオープンソースのモデルが改善されるにつれ、企業は多くのタスクでより多くの代替選択肢を持つ可能性があります。
モデル層は依然として極めて重要ですが、複数のプロバイダーが同等の結果を提供する場合、その経済性はよりコモディティ化する可能性があります。
- より多くの価値が製品層に移行できる
アプリケーション企業が以下を組み合わせることができれば：
- 複数のモデル
- 複数のモダリティ
- 継続的なユーザーコンテキスト
- 流通
- ワークフロー実行
- エンタープライズガバナンス
その場合、どの単一モデルのリリースよりもユーザーと永続的な関係を築くことができるでしょう。
そのシステムは、各タスクの完了が次のタスクを改善するコンテキストを生み出すため、ますます
有用になっていきます。
未来のワークデイ：承認または差し戻し
Jing氏の長期的ビジョンは、エージェントがあらかじめほとんどの反復作業を処理することです。
人間のワークデイはより監督的な性質へと移行します。
ユーザーはすべてのステップを手動で実行するのではなく、主に意思決定を行います：
承認して実行
または
差し戻して修正
これは現在ほとんどの組織の現実ではありません。これはGensparkが設計している目標地点です。
企業AIはトークン拡大からトークン最適化へ移行している
創業者の年齢に関する質問に答える前に、Jing氏は企業AIに関する観察を一つ追加しました。
企業の議論は「より多くの
「Token」から「Tokenのより効率的な活用」へ。
企業がますます注目していること：
- タスクあたりのコスト
- モデルルーティング
- オープンソースモデルの採用
- 単一ベンダーへの依存回避
- 従業員の導入率
- セキュリティと管理
- 投資収益率
能力と価格が急速に変化し得る状況では、すべてのワークフローを単一のモデルに載せようとする企業はほとんどありません。
Jing氏は、オープンソースモデルとクローズドソースモデルは企業システム内で共存し、製品プラットフォームは品質とコストに基づいて両者を使い分けるようになると見込んでいます。
創業者の年齢よりも、オープンな考え方が重要
最後の質問は、非常に若いAI創業者を好む一部の投資家に関するものです。
Jing氏は、実年齢を主要な基準とは見なしていません。
彼は、経験がある種のフィルターとなって新しいアイデアをすべて拒否するようになると、それが不利に働く可能性があると考えています。しかし、オープンな姿勢を保ち、エネルギーにあふれ、新しいテクノロジーに直接関わる意欲のある経験者は、非常に高い効果を発揮できます。
そのため、Gensparkが求めるものは：
- オープン性
- 自己駆動力
- 行動の速さ
- 好奇心
- 学び直す意欲
- 有用な業界経験
最強の組み合わせとは、単なる若さではありません。深い経験と、閉ざされていない心構えです。
対話における重要ポイント
このインタビューは、核となる主張を失うことなく、いくつかのプロダクト原則に集約できます。
- 既存の能力から始めつつ、より大きなミッションを保持する
Gensparkは当初、AI検索から始めました。当時それが実現可能だったからです。モデル能力がより完全なエージェントを可能にしたとき、それは方向転換しました。
- 統合の中核は共有コンテキスト
多くのツールを1つのインターフェースにまとめることは有用です。それらのツールが同じメール、会議、ドキュメント、決定、好みを理解できることは、さらに強力です。
- ユーザーはモデルの専門家である必要はない
プラットフォームは、パフォーマンス、コスト、ポリシーに基づいてタスクをルーティングしつつ、理解しやすいワークフローを提示すべきです。
- アプリケーション層は持続的な価値を生み出せる
コンテキスト、オーケストレーション、ワークフロー設計、配布、ファイル処理、製品体験は、モデルの上に乗る些細な層ではありません。
- 実際の仕事の中で構築する
最良の機会は、ツールがユーザーの実際のメール、ドキュメント、プレゼンテーション、スプレッドシート、チームワークフローに入った後にのみ顕在化することが多いです。
- コストを製品機能として扱う
強力なAIシステムは、タスクを完了するだけでなく、経済的に合理的な経路を選択して完了すべきです。
よくある質問
Gensparkとは何ですか？
Gensparkは、オールインワンのAIワークスペースで、AI検索製品から、スーパーエージェント、メモリ、オフィスツール、コンテンツ作成、アプリ構築、チームコラボレーションを組み合わせたプラットフォームへと進化しました。公式のWorkspace 6.0アーキテクチャには、SecondBrain、Super Agent、複数のワークスイート、GenTeamが含まれています。
なぜGensparkはAI検索をやめたのですか？
Eric Jing氏は、基盤モデルが完全なワークフローを確実に完了できなかった時期に、検索は現実的な入り口だったと述べています。より強力なモデルによりエンドツーエンドのエージェントが実現可能になるにつれ、Gensparkはユーザーの情報検索支援から、タスク全体の完了支援へと拡張しました。
「オールインワンコンテキスト」とはどういう意味ですか？
メール、会議、ドキュメント、プロジェクト、好み、過去の作業が、複数のツールとエージェントが使用できる持続的なコンテキスト層に集約されることを意味します。その目標は、ユーザーが各アプリで同じ背景情報を繰り返し入力する必要をなくすことです。
Gensparkは1つのAIモデルだけを使用していますか？
いいえ。Gensparkは自社製品を、複数のモデルとツールをオーケストレーションし、タスクに応じてコンポーネントを選択するものと説明しています。実際に使用されるモデル群は、プロバイダーが新システムをリリースするにつれて変化します。
GenOfficeとは何ですか？
GenOfficeは、Gensparkが提供するmacOSおよびWindows向けのオープンソースAlpha版オフィススイートです。ドキュメント、スプレッドシート、プレゼンテーション、PDFアプリが含まれ、GensparkのAI機能がエディタに統合されています。
GenOfficeは完全に無料ですか？
Gensparkによると、コアのオフィススイートは無料で、広告なし、透かしなしです。AI駆動のリサーチ、生成、分析機能はGensparkクレジットを使用し、リポジトリには将来のエンタープライズ向けカタログに対する別個のライセンス例外条項が含まれています。
Gensparkの2.5億ドルのARRは独立監査を受けていますか？
この数字はインタビューで公表され、同社のインタビューや外部報道に登場しています。監査済み財務諸表が公開されない限り、会社が報告する年間経常収益として説明されるべきです。
なぜEric Jing氏はAIアプリケーション企業の価値が1兆ドルに達する可能性があると考えているのですか？
彼の論点は、モデルコストは今後も低下し、価値は複数のモデルを統合し、共有作業コンテキストを保持し、使い慣れたワークフローを通じてユーザーにリーチし、日常業務のかなりの割合を自動化できる製品を持つ企業へと移行するというものです。1兆ドルという結果はビジョンであり予測であって、保証された市場成果ではありません。
関連ツール
- Genspark AI Workspace：エージェント、メモリ、オフィス、作成、コラボレーションのためのGensparkの主要オールインワンワークスペース。
- GenOffice：Gensparkオープンソースデスクトップオフィススイートの公式ダウンロードページ。
- GenOffice GitHubリポジトリ：ソースコード、リリース版、開発コマンド、アーキテクチャ説明、ライセンス、コントリビューションガイド。
- Genspark Super Agent：リサーチ、コンテンツ作成、通話、マルチステップ作業のためのGensparkのノーコードエージェント層。
- GenTeam：共有対話内で人間とAIエージェントが協働するためのGensparkのコラボレーション層。
- OpenRouter：上記で参照されたマルチモデルAPIルーティングサービス。
インタビューにおける配布層の類推。
関連リンク
- Genspark AI Workspace 6.0：SecondBrain、Super Agent、ワークスイート、GenTeamに関するGensparkの公式紹介。
- GenOfficeリリース発表：アルファ版、対応アプリ、料金プラン、オープンソースリリースに関する公式詳細。
- GenOffice GitHubリポジトリ：macOSおよびWindowsオフィススイートの公式コードベース。
- OpenAIのGensparkカスタマーケース：検索からSuper Agentへの移行と、マルチモーダルモデルおよびツールの使用に関する背景。
- GenOfficeダウンロードページ：公式のMacおよびWindowsダウンロードと製品情報。
- Gensparkブログ：会社の公式製品発表とアップデート。
- Artificial Analysis：独立したモデルのパフォーマンス、速度、価格分析。インタビューで議論されたモデルルーティングの問題を評価する際に有用。
要約
Eric Jing氏の核となる主張は、AIにおける最も重要な統合の形態は、もはや単に多くのツールを1つのアプリケーションに詰め込むことではないということです。より深い機会は、複数のモデル、エージェント、インターフェースをサポートできる持続的な統合ワークコンテキストを構築することにあります。
検索からSuper Agent、Workspace 6.0、GenMail、SecondBrain、GenOfficeへのGensparkの進化の道筋は、まさにこの主張を体現しています。
各製品の表面は、システムにとって仕事を完了させるもう一つの場と、もう一つのコンテキストの源泉を提供する——ただし、データが適切なユーザーコントロール、プライバシー、企業ガバナンスの枠組みの下で処理されることが前提である。
同社の収益データ、コスト比較、将来のモデル経済性に関する予測は、依然として企業の声明または将来予測的な判断である。しかし、製品戦略は明確である。モデルの複雑性を感じさせず、ユーザーが慣れ親しんだワークフローの中で出会い、オーケストレーション、コンテキスト、配信を通じて価値を生み出すことだ。
Genspark の見解では、勝ち抜く万能型 AI 製品とは、ボタンが最も多いものではなく、関連するコンテキストを最も深く理解し、それを実際の仕事の完了へと変換するものである。
