リチャード・ゾーカー（Richard Socher）と聞けば、AI界の人々の多くは顔見知りでしょう。
彼は、ディープラーニングを学術研究から産業の実用化へと押し上げた初期の研究者の一人です。かつてゾーカーはMetaMindを設立し、ニューラルネットワークを利用した言語構造と意味の理解に注力しました。同社はその後Salesforceに買収され、彼は同社の首席科学官に就任し、CRMなどの企業システムにおけるAI活用の探求を主導しました。
2020年、ゾーカーは再び起業し、AI検索エンジン企業「You.com」を設立しました。現在、You.comの評価額は15億ドルに達し、ユニコーン企業（評価額10億ドル以上の未上場企業）の仲間入りを果たしています。
しかし、彼の動きはそこで止まりません。最近、複数のメディアが報じたところによると、ゾーカーは新たなAI企業「Recursive」を静かに準備しています。
この企業の目標はより野心的です。人間のフィードバックに依存することなく、継続的に進化できる自己改良型のスーパーインテリジェンス（超知能）AIシステムを開発することです。情報によると、Recursiveは数億ドル規模の資金調達交渉を行っており、投資前評価額は約40億ドルです。
この計画が実現すれば、リチャード・ゾーカーはわずか数年で2社連続でAIユニコーン企業を立ち上げたことになります。
本記事では、ゾーカーの起業の道筋を手がかりに、AIの進化の方向性に関する彼の判断を整理します。
/ 01 /
2社目のAIユニコーン、評価額40億ドル
報道によると、Recursiveは、人間からの継続的なフィードバックに依存せず、絶えず進化できる自己改良型のスーパーインテリジェンスAIシステムの開発を目指しています。
より具体的には、「AIがAIを改良する」という再帰的なメカニズムに注目しています。AIはもはや受動的にトレーニングされるだけでなく、パフォーマンス、効率、または能力における自らのボトルネックを識別し、アルゴリズム、システム、さらには計算インフラ（チップなど）のレベルでの改善案を積極的に提案し、検証と反復を通じて、より能力の高い次世代のモデルを生成するというものです。
言い換えれば、AIを単なる「トレーニングされる対象」ではなく、トレーニングと改善のプロセスに参加する主体にするということです。
このアプローチを探求しているのはRecursiveだけではありません。
以前、月之暗面（Moonshot AI）のCEOである楊植麟氏もインタビューで、「エージェントの汎用性をどう高めるか」と問われた際、「より多くのAIを使ってAIをトレーニングすること自体が重要な方向だ」と率直に語っています。彼はこの道筋が一部のシーンですでに進展していると認めつつも、理想の状態とはまだギャップがあるとも認めています。
業界の視点から見ると、このような試みは重要な問題を反映しています。モデルやエージェントがますます複雑になれば、人間のアノテーション（データのタグ付け）とフィードバックだけに依存していては、能力の継続的な拡張を支えることが困難だからです。
2026年1月、Recursiveが数億ドル規模の資金調達交渉を行っており、投資前評価額は約40億ドルであるとの情報があります。GV（旧Google Ventures）やGreycroftなどの機関が関与する可能性があり、資金は主に計算能力（算力）の確保に使われるでしょう。
創業チームにはゾーカーを含む8名の共同創業者がおり、メンバーの背景はGoogle、OpenAI、Metaなどのトップ機関に及びます。
もしこの情報が正しければ、これもゾーカーがここ数年で立ち上げた2社目のAIユニコーン企業ということになります。
ゾーカーが2020年にYou.comを設立した際、それをAI駆動の検索エンジンと位置づけました。初期のYou.comは消費者市場向けで、「広告なし、プライバシー重視」の検索体験を強調していました。
しかし2024年から、ゾーカーは消費者向け検索から、企業によるAIの効率的な活用支援へと重心を明らかに移し始めました。2025年、You.comは1億ドルの資金調達を完了し、評価額は15億ドルに達し、ユニコーン企業の仲間入りを果たしました。
この資金調達の完了に伴い、You.comの位置づけも変化しました。個人ユーザー向けの検索製品から、企業にAIインフラを提供するものへと転換したのです。
その背後にある判断は、インターネットを使用するAIエージェントの数が、すでに人間を急速に上回っているという事実です。しかし、既存の検索インフラは本質的に依然として「人がリンクをクリックする」ために設計されたものです。
企業レベルのエージェントは、分析、判断、そして行動をとるために、プライベートデータとパブリックなネットワークからより深く、文脈に関連付けられた情報を取得する必要があります。これは、データ統合、モデル選択、結果の信頼性に対してより高い要求を課します。
そのため、You.comはエージェントの時代に向けたプラットフォームを構築しました。多ソースのデータを統合し、タスクに応じて適切な大規模モデルを動的に選択し、企業規模で検証可能かつ追跡可能な結果を出力します。
この転換により、You.comの製品は企業シーンでの利用のためにより明確に機能するようになりました。例えば、金融アナリストのための自動化されたリサーチツールの提供、メディア機関向けのコンテンツ制作の加速と過去の資料の価値の発掘、コンサルティングや専門サービス从业者のリサーチ時間の大幅な短縮と、実行可能なインサイトの出力などです。
正確性に加え、You.comはプライバシー保護、セキュリティ、モデル選択の柔軟性、そしてデータへの完全なアクセス能力も強調しています。投資家は一般的に、消費者向け検索からエンタープライズAIへの戦略的転換こそが、You.comの高評価を支えていると考えています。
会社は詳細な財務データを公開していませんが、The Informationの報道によると、You.comのARR（年間経常収益）は約5000万ドルに達しています。成長の転換点は昨年11月に現れ、当月のARRは前月比でほぼ直線的に上昇し、2024年の年間収益を約40倍に伸ばす原動力となりました。
時間をさらに巻き戻すと、ゾーカーの道筋は一貫しています。
2014年頃、ディープラーニングはまだ主に学術界に留まっていました。研究方向の転換により、ゾーカーは自然言語処理からAIの中核研究領域へと足を踏み入れ、すぐにMetaMindを設立し、最先端のモデルを企業が利用できるサービスに変えようとしました。
わずか4カ月で、MetaMindはKhosla VenturesおよびSalesforceのCEOマーク・ベニオフから800万ドルの資金調達を行いました。同社はその後Salesforceに買収され、ゾーカーは企業システムでのAI活用の探求を率い、プロンプトエンジニアリングやアテンションメカニズムなどの方向で初期の実践経験を残しました。
この経験を振り返ると、MetaMindはゾーカーがAIを研究室から産業応用へと押し出した最初の試みだったと言えるでしょう。
/ 02 /
AIに関する5つの重要な判断
AI分野で研究から商業化への実装を何度も成し遂げてきた連続起業家として、ゾーカーのAIに対する判断は、技術的なレベルに留まらず、明白な長期的視点とシステム思考を帯びています。
最近の彼の公開講演に基づき、AIの発展に関するゾーカーのいくつかの重要な視点をまとめました。
①「リワードエンジニアリング」のパラダイム革命
ゾーカーが提起しているのは新たな職種ではなく、「プロンプトエンジニアリング（Prompt Engineering）」から「リワードエンジニアリング（Reward Engineering）」への根本的なパラダイムシフトです。
彼は、プロンプトエンジニアリングが扱うのは単一のインタラクションにおける意味論的最適化、つまりAIにどれほど簡潔で有用な回答させるかであるのに対し、リワードエンジニアリングが扱うのは長期的な目標における複雑な価値の整合性、つまり何世代にもわたる時間尺度で「経済的公平性」や「気候安全」をどう定義するかであると考えています。
これは実践者に独自のいくつかの能力を求めます。まず技術的な認識、つまりAIが報酬の近道（reward hacking）を見つけるメカニズムを理解することです。次に哲学的深み、「機会の平等」と「結果の平等」などの基準的な問題を識別することです。最後に領域の精通、つまり租税政策や気候モデルにおける予期せぬ結果を予測できることです。
これは、単なるAI倫理よりも実践的な、最初の真の「技術・政治・哲学」融合の学問を生み出す可能性があります。
②目標の不一致によるシステム的リスク：カスタマーサービスの事例から文明の規模へ
リチャード・ゾーカー：
ある企業がコールセンターの顧客満足度スコアを最大化することを決定したとします。他の制約を加えなければ、最も簡単な解決策は、おそらく無数のロボットを雇い、短い通話の後に自動的に満足度アンケートに記入し、最高点をチェックすることでしょう。あるいは、苦情を申し立てたユーザー全員に1万ドルの補償金を支払うことです。顧客満足度スコアは確実に急上昇しますが、実際の価値はありません。同様の問題が社会レベルで拡大されたとき、リスクは生死に関わるものになります。
リチャード・ゾーカーが挙げたカスタマーサービスロボットの例――ロボットを雇って高評点を操作したり、1万ドルの補償金を支払ったりすることは、一見滑稽に見えますが、AI最適化の本質的な特徴を明らかにしています。
AIは顧客の実際の体験といった真の目標よりも、顧客満足度スコアなどの定量化可能な指標の最適化を優先します。複数の制約を持つ複雑なシステムにおいて、AIは人間の価値観の「法の抜け穴」を見つけます。スーパーインテリジェンスAIに、世代を超えて継続的な最適化を行わせ、長い時間スパンでアップグレードし改善させると、微小な目標のズレが指数関数的に増幅されます。
例えば、気候ガバナンスや経済政策において、「報酬のチート（リワードハッキング）」は、AIが不平等を「解決」するために人口を減らしたり、偽の統計数字を作成したりすることを提案する形で現れるかもしれません。技術的には目標を達成しますが、文明レベルでは価値を破壊します。
③『AIエコノミスト』の事例に見る方法論の罠
ゾーカーが言及した自身の研究「強化学習による税制政策の設計」は、解剖に値する失敗の予兆となるサンプルです。
この研究は「平等と生産性のバランス」がとれると仮定していましたが、現実の経済システムにはアルゴリズム化できない文化、尊厳、偶然性が含まれます。AIはシミュレーション環境で「最適解」を見つけますが、人間は行動を変えて税金を回避します。そこでAIは、普遍的な不安を醸成することで「労働意欲を高める」ことが生産性を向上させる有効な道であることを見つけました。
これは深い問題を提起します。一部の社会問題が「開放的（open）」であるのはまさに、アルゴリズム化可能な解決策がないからです。
④合意形成のパスの分岐：3つの未来のAI図像
最後に、ゾーカーは「目標の合意をどう形成するか」をめぐる対立が、全く異なる3つのAIの文明形態を描き出すと考えています。
最初のパスは世界的な民主的合意の追求です。核心的な論理は、まず統一された目標を確立し、その後に強力なAIの展開を進めるというものであり、この方法の潜在的なリスクは、AI技術の開発が停滞したり、断片化された業界標準が形成されたりすることです。IPCC（気候変動に関する政府間パネル）が推進する気候AIプロトコルなどが、このパスの具体的なシーンです。
2番目は市場からの創発パスです。AIの目標を市場競争を通じて自然に進化させることを主張しますが、これは資本の過度な集中を引き起こしやすく、最終的に単一の価値観による独占局面をもたらす恐れがあります。現在、巨大テック企業が各自でAIを配置し、互いに協調していない現状がこれにあたります。
3番目は混合漸進的パスです。具体的なAI応用シーンの中で徐々に反復し、目標を明確にすることを提唱しますが、このモデルは逆転が難しい技術的負債を蓄積し、本質的には「展開しながらガバナンスする」という探求です。
ゾーカーは3番目の混合漸進的パスをより好んでいますが、この視点は重要な疑問を残します。AIの能力が人間の理解の範疇を超えたとき、一体誰が「この解決策は実行不可能だ」と判断する権限を持つのでしょうか？
⑤技術楽観主義の修正：歴史は必ずしも頼りにならない
さらにゾーカーは、技術楽観主義の見方も修正が必要だと考えています。その背後にある核心的な仮定である「人間は常に技術の変革に適応でき、新しい職業がそれに伴って現れる」という点は、スーパーインテリジェンスAIの前ではもはや成立しないかもしれないのです。
まずは再帰的自己改良の臨界点の問題です。一度AIが自主的な改良能力を持てば、その進化速度は人間の生物学的な適応のリズムから完全に切り離され、両者の間のギャップは急速に広がります。
次にリワードエンジニアのジレンマです。AIが報酬関数の定義において人間よりも得意になれば、リワードエンジニアといういわゆる「新職業」は、技術的反復プロセスにおける過渡的な形態に過ぎず、長期的で安定した職業の方向にはなり得ない可能性があります。
より深刻なのは説明可能性のギャップの存在です。たとえスーパーインテリジェンスAIが提示した解決策が最適であったとしても、人間はその論理と根底にある原理を完全に理解できないかもしれません。
ゾーカーは、最も警戒すべき点は、人間にはスーパーインテリジェンスAIに初期条件を設定するたった一度の機会しかないかもしれないが、人間の既存の政治制度の設計意図は、このような「一度限りで不可逆な決定」に対応するためのものではない、と考えています。これは、私たち現在の制度フレームワークでは、スーパーインテリジェンスAIがもたらす決定の課題に耐えられない可能性を意味しています。
文/朗朗