Predictive AIとGenerative AI：業界の分断を解説する

Jamesの話をしましょう。彼は90名規模のB2Bソフトウェア企業を経営しています。収益は堅調で、チームは優秀で、取締役会はまだAIについてパニックになっていません。

しかし、AIに関する会話が積み重なってきました。営業責任者は「予測型リードスコアリング」を求めています。オペレーション責任者は先週金曜日に、それがマーケティングがデモしている「Generative AIコンテンツツール」と重複するのか、それとも2つの別物を購入することになるのか、あるいはそれはすべて異なるパッケージで包まれた同じものなのかを確認するメモを残しました。

Jamesには確信がありません。ブログ記事を読んで言葉は知っています。でも、何が実際に違うのかのフレームワークを持っていません。

この記事はJamesのために、そして別の契約に署名したり別のパイロットを承認したりする前に、この2つのキャンプを区別する必要があるすべての創業者、オーナー、またはシニアリーダーのために書きました。

「AI」は2つの異なるエンジンをカバーする1つの言葉

ソフトウェアベンダーが「AI搭載」と言うとき、ほぼ常に2つの根本的に異なる技術的アプローチのどちらかを指しています。これらのアプローチは異なる時代から来ており、異なる機能を果たし、異なる種類の価値を生み出します。それらを混同すると、悪い購買決定と的外れな期待につながります。

業界ではこれらのキャンプをPredictive AIとGenerative AIと呼んでいます。この分断は、ChatGPTが2022年後半に登場し、ビジネス界にGenerativeサイドを新たに認識させたことで特に目に見えるようになりました。それ以前、ほとんどの「ビジネスAI」に関する報道は暗黙的にPredictiveサイドについてのものでした：不正検知、リードスコアリング、レコメンデーションエンジン。

今や両方のキャンプが可視化され、両方が積極的に販売されており、どちらのキャンプのベンダーも自分たちの製品がどこで止まるかをあなたに教えることには熱心ではありません。

だから、自分たちで語彙を構築しましょう。

Predictive AI：古い半分

Predictive AIは成熟したブランチです。10年以上前から、ビジネスソフトウェアの中で静かに稼働し、1つの仕事をしています：「何が起きそうか？」という質問に答えること。

スコアリングする。予測する。ランキングする。統計的に非常に可能性が低いものを検知する。

技術的な根源はクラシカルな機械学習です：ロジスティック回帰、ディシジョンツリー、勾配ブースティングモデル、そしてラベル付き履歴データで訓練された2020年以前のニューラルネットワーク。これらのモデルは過去に何が起きたかから学び、新しい入力にその知識を適用します。新しいものは作りません。推定するのです。

見覚えのある実際の製品：

• Salesforce Einsteinはリードをスコアリングし、Pipelineを予測し、営業担当者がすでに毎日使っているCRMの中でNext-Best-Action（次の最善行動）の推奨を表示します。
• HubSpot Predictive Lead Scoringはメール、ウェブサイト、商談履歴のBehavioralシグナルからインバウンドの連絡先をクローズする可能性によってランク付けします。
• Stripe Radarはすべての取引をミリ秒で評価し、不正確率スコアを出力し、そのマーチャントにとって「正常」なものと比較して異常をフラグします。
• Netflixのレコメンデーションは華やかではありませんが、クリーンな例です：ユーザーの行動に対して大規模に適用されるPredict、次に見る可能性が最も高いもののランク付けされたリストを出力します。

ACE Frameworkでは、Predictive AIはPredict Capabilityにクリーンにマッピングされ、通常はAnalyze（生データから特徴を抽出）がその上流にいます。

Predictive AIがしないこと：何も書きません。画像を作成しません。提案書を生成しません。数値、ランク、確率、またはフラグを生成します。アウトプットはスコアであり、文章ではありません。

Generative AI：新しい半分

Generative AIは、今日「AI」と言えばほとんどの人が思い浮かべるブランチです。2022〜2023年頃の大規模言語モデル（LLM）とDiffusionモデルの登場とともにメインストリームに入りました。その仕事は異なります：新しいものを生み出すことです。

プロンプト、コンテキスト、一連の指示を与えれば、アーティファクトを生成します：メールの草稿、コードのブロック、画像、プロジェクト計画。アウトプットは以前には存在しなかったものです。

技術的な基盤はTransformerベースの言語モデル（GPT-4、Claude、Gemini）とDiffusionモデル（画像向け）です。確率を出力するPredictiveモデルとは異なり、Generativeモデルは人間が読めるまたは機械が使えるアーティファクトを構成するトークンを出力します。

見覚えのある実際の製品：

• ChatGPTはプロンプトを受け取りテキスト（回答、サマリー、草稿、分析）を生成します。最も広く知られているGenerativeツールで、個人によって使われ、エンタープライズスタックにも組み込まれています。
• GitHub Copilotは開発者がタイプするとコードを生成し、考えられる補完を予測し、コメントから関数全体をドラフトします。
• JasperとWriterはマーケティングやコンテンツチーム向けに特化して構築されたGenerativeツールで、Core LLM Capabilityの上にブランドボイスのコントロールとワークフロー統合を追加しています。
• Midjourneyは画像に適用されたGenerate：テキストのプロンプトが新しい画像を生み出します。既製の画像のデータベースから検索されるものではありません。アーティファクトはゼロから合成されます。

ACE Frameworkでは、Generative AIはGenerate Capabilityにマッピングされます。そのアウトプットは、人間または別のシステムがそれを外に押し出すまでドラフト形式で待機しています。Generateはものを作ります；それを送信したり、投稿したり、コミットしたりはしません。それはExecuteの仕事です。

並べて比較：2つの違い

両方のタイプの失敗モードに注目する価値があります。Predictive AIは悪いリードスコアや間違ったChurn予測を生み出す可能性があり、四半期が終わるまで誰も気づかないかもしれません。Generative AIは説得力があるように見える、自信を持った、完全に不正確な回答を生み出す可能性があります。どちらの失敗モードが抽象的に悪いわけではありません。それらは異なる監視メカニズムを必要とします。

実際に何を購入しているかを見分ける方法

ベンダーのピッチはしばしば境界線をぼかします。実践的な翻訳ガイドを示します。

**ピッチがより良い予測、よりスマートな優先順位付け、または問題が起きる前にそれを捉えることを中心にしている場合、**あなたはPredictive AI製品を見ています。聞くべきキーワード：「リードスコアリング」、「Churn予測」、「Pipeline予測」、「異常検知」、「リスクスコアリング」、「レコメンデーション」。

**ピッチがあなたのためにドラフトを作成したり、作ったり、書いたりすることを中心にしている場合、**あなたはGenerative AI製品を見ています。キーワード：「自動ドラフト」、「AI生成コンテンツ」、「Copilot」、「あなたのために書く」、「即座に作成する」。

**ピッチが「自律的」、「エージェント」、「エンドツーエンドワークフロー」などの言葉を使っている場合、**あなたはおそらく2つだけでなく複数のCapabilityを組み合わせた製品を見ています。それについては後述します。

もう1つのシグナル：インターフェースのどこにAIのアウトプットが現れるか？CRMのレコードの隣に数値として表示されるなら、おそらくPredictiveです。ドラフト作成インターフェースの編集可能なテキストとして表示されるなら、おそらくGenerativeです。バックグラウンドに消えてアクションを取るなら、より複雑なことが起きています。

製品カテゴリーマップ

異なるツールカテゴリーは、どちらか一方のキャンプに大きく傾く傾向があります。これはおおよそのガイドであり、固定のルールではありません。

下部の3つのカテゴリーが両方のキャンプを組み合わせていることに注目してください。カスタマーサポートAIはどのチケットが緊急かを予測し（Predictive）、返答をドラフトします（Generative）。ミーティングインテリジェンスツールは商談の健全性をスコアリングし（Predictive）、通話サマリーを書きます（Generative）。最も成熟した製品カテゴリーでは、二項対立はすでに崩れています。

分断が崩れる場所：ACEの全体像

PredictiveとGenerativeのフレームの正直な問題点を説明します：それは5つのCapabilityのうち2つをカバーしています。

ACE Frameworkは5つのビジネスAI Capabilityを命名しています：Ingest、Analyze、Predict、Generate、Execute。業界の一般的な二項対立はPredictとGenerateにマッピングされます。それは3つのCapabilityを共通の語彙では完全に名前なしのままにします。

**Ingest**は生の信号（音声ファイル、スキャンされたドキュメント、レシートの写真）を受け取り、AIが作業できるものに変換します。Stripe RadarはTransactionデータをIngestします。Gongは音声をIngestします。これらはどちらも、他のことをする前にIngestを行っています。IngestはPredictiveとGenerativeのフレームには全く現れません。

**Analyze**はIngestされたものを理解します：分類し、抽出し、要約します。HubSpotのリードスコアリングはBehavioralシグナルをスコアリングする前に分析します。Gongは通話の文字起こしを分析してからサマリーを生成します。Analyzeはステップであり、製品カテゴリーではないため、しばしば目に見えません。しかし、実際の作業をしています。

**Execute**は外部システムの状態を変更します：メールを送り、CRMレコードを更新し、ワークフローをトリガーします。ここに本当のリスクが存在します。返答を生成するサポートAIと、返答を生成してレビューなしに送信するサポートAIは、ガバナンス要件の点でまったく異なります。ACE FrameworkはGenerate vs. Executeの境界線をあらゆるAIツール評価における重要な区別として扱います。

すべてをPredictiveまたはGenerativeとしてフレーム化すると、「このツールはExecuteするか？」と聞けません。Ingestがどこで起きているかを見ることができません。どのAnalyzeステップをベンダーが管理しているかを監査できません。二項対立は5変数の問題に対して2変数のフレームを与えます。

これが購買決定に重要な理由

2つの実践的な意味があります。

第一に、異なるROIプロファイルは異なる正当化を必要とします。

Predictive AIは個々の意思決定あたりの小さな利益を、膨大な量にわたって生み出す傾向があります。Stripe Radarは単一の取引を劇的に変えません。不正試みの小さな割合を捉えますが、数百万の取引にわたって、その割合は大きな価値があります。Predictiveツールを評価しているなら、ROIが意味をなすためには高い取引量が必要です。四半期に200件の商談がある50名の企業は、リードスコアリングが訓練された人間を上回るのに十分なデータを持っていないかもしれません。

Generative AIはタスクあたりの大きな利益を生み出す傾向があります。1日30通のメールをドラフトする担当者が、そのドラフト作業のほとんどをオフロードすれば、大幅な時間節約になります。しかし、タスクの最初の量がサブスクリプションを正当化するのに十分高くなければなりません。チームが週に5通のメールしか書かない場合、月400ドルのGenerativeライティングツールの経済性は成り立ちません。

第二に、ツールはスタック内の異なる場所に位置します。

PredictiveツールはしばしばCRM、ERP、またはデータウェアハウスに深く統合されます。バックグラウンドで動作します。チームはそれらをほとんど見ません；彼らはすでに使っているインターフェースのスコアやフラグを見ます。ローンチにはデータ統合とモデルのキャリブレーションが必要で、ユーザー採用キャンペーンは不要です。

Generativeツールはユーザーの近くに位置します。インターフェースの感触と個人レベルでの仕事の進め方を変えます。ローンチにはトレーニング、習慣の形成、アウトプットの品質管理が必要です。変更管理の課題が異なります。

購入しているキャンプを理解することで、実装計画の立て方が変わります。

率直に言うべき失敗パターン

よくある、静かにコストがかかる失敗パターンがあります：Generativeの能力をピッチするがほとんどPredictiveのものを提供するベンダー。

製品のデモは素晴らしいです。AIがメールを書き、リードをスコアリングし、次のアクションを提案します。あなたは署名します。6ヶ月後、「AI生成」のメール提案が履歴の勝利パターンに基づくテンプレート埋め込みだったことに気づきます：Generativeテキストとして装われたPredictiveスコアリング。技術的には何も問題ありません。しかし、本物の言語モデルのアウトプットを期待して購入し、実際は洗練されたUIを持つMail Mergeを受け取っているなら、期待値が管理されていませんでした。

署名前に直接聞いてください：「これらのアウトプットのうち、どれが言語モデルによって生成され、どれが履歴データから予測またはテンプレート化されていますか？」良いベンダーはそれに答えられます。曖昧な回答は情報です。

ACEのユースケースアプローチはまさにそのために構築されています。Capabilityをタグ付けし、どれがアクティブかを尋ねれば、30スライドのデモより5分で製品についてより多くのことがわかります。

まとめ：両方のキャンプを使い、それぞれがどこに属するかを知る

PredictiveとGenerative AIは競合するものではありません。補完的なものです。最も優れたAIスタックはワークフローの異なるポイントで、異なる目的のために両方を使います。

うまく構築された営業ワークフローは、Predictiveツールでリードをスコアリングし（Salesforce EinsteinまたはHubSpot）、それらのスコアを担当者のCRMに表示し、次にGenerativeツール（ChatGPTまたはJasper）にリードのコンテキストを使ってアウトリーチをドラフトさせるかもしれません。Predictは誰に連絡するかを担当者に伝えます。Generateはどのようにするかを支援します。

PredictiveとGenerativeのフレームが与えないのは、2つのCapabilityがどのようにつながるかの全体像です。それらの前、間、後に起きるIngest、Analyze、そしてExecuteのステップを通じて。それがACE Frameworkがより有用なモデルになる場所です。

二項対立は出発点です。2つのランドマークを与え、ベンダーとの会話を方向付けたり、新しいツールを素早く分類したりするのに役立ちます。しかし、スタックを監査したり、実際に何を購入しているかを評価したり、意図的にAIを使うワークフローを設計したりするには、5つすべてのCapabilityを見渡す必要があります。

PredictiveとGenerativeから始めてください。その後、ACEの全体マップを使って、その間にあるすべてを埋めてください。

---

次のステップ

どちらのCapabilityについても詳しく知りたい場合、専用の記事でそれぞれを完全に解説しています。

• Predict Capabilityの詳細解説では、ビジネス環境でのPredictive AIのメカニズム、実例、よくある失敗モードを取り上げます
• Generate Capabilityの詳細解説では、Generative AIが何を生み出すか、アーティファクトがアウトプットとどのように違うか、GenerateがいつExecuteの領域に踏み込むかを取り上げます
• AIユースケースの読み方は、実際のCapabilityでどんなAI製品もタグ付けする5つの質問フレームワークです
• ビジネスAIとは何かは1歩後退して、ツールカテゴリーに踏み込む前により広い定義を確立します