「AIはすでにバブル期に入った」
最近よく聞く言説です。理由は明快で、過剰投資に見合うリターンが見えないからだと言います。

確かに、バブルとは「価値と評価の乖離」です。
この定義自体は正しい。しかし、問題はその乖離をどう捉えているかにあります。

多くのAIバブル論は、暗黙のうちに平均で世界を見ています。
市場全体のROI、産業全体の生産性向上率、投資額に対する回収率──。
しかし、AIの価値創出は、そもそも平均で語れる構造をしていません。

AIのリターンは、典型的にロングテールです。
大多数は期待ほどの成果を出せない一方、ごく一部が桁違いの価値を生み、全体を支配する。
これは異常でも偶然でもなく、構造です。

ここで重要なのは、
「多くが失敗している」ことと
「一部が圧倒的に成功する」ことは、同時に成立するという事実です。

平均値は、この両者を同時に覆い隠します。
そして平均で語った瞬間、AIは「過大評価か否か」という不毛な二元論に落ちていく。

本当に見るべきなのは、
価値と評価の乖離が、どの条件で、どの層に生じているのかです。

評価は、価値だけで決まりません。
期待、物語、金利、流動性、規制、地政学──
評価には、価値とは別の経路で増幅される回路が存在します。

一方で、価値は
データの質、業務への実装度、組織の学習能力、現場の抵抗、運用コスト
といった、極めて地味で摩擦の多い要因に左右されます。

つまり、評価と価値は最初から同じ道を歩いていない。
乖離は「人々が愚かだから」生じるのではなく、
異なる因果経路が同時に走っている結果として生まれます。

ここを構造的に捉えるためには、
・乖離がどこで太るのかを「分布」として捉え
・その乖離が生まれる仕組みを「因果」として分解する
必要があります。

AIは一様にバブルなのではありません。
バブル的な層と、実需駆動の層が混在している。
そして、その境界は技術水準ではなく、構造の違いにあります。

平均で語る限り、AIバブル論は永遠に終わりません。
しかし、分布と因果で見れば、
「どこが過剰で、どこが本物か」は、驚くほど静かに見えてきます。

議論すべきなのは、
「AIはバブルか否か」ではなく、
どの構造が価値を生み、どの構造が評価だけを膨らませているのかです。

――DSA＋DAGが“世界をありのままに捉える”ためのツールである理由」

DSA＋DAGの価値を説明するときに「80％と20％」という比喩を使ってきました。標準治療や標準施策が効く“多数派”が80％、そこから外れる“少数派”が20％。平均と相関が前提の世界では、この20％はしばしば「例外」「ノイズ」「仕方ない」で処理されてしまう。そういう意味での比喩として用いていました。

先日、目にしたSNSの投稿で、比喩ではなく、まさに現実の出来事として実感しました。白血病の治療中の若い方の投稿です。

「『3回までで、80％は改善する』と言われました。
でも私は、その20％側でした。」

さらに続く言葉が、胸に刺さります。

「努力しなかったわけでも、治療を拒んだわけでもありません。」

ここで起きているのは、医学の失敗というより、意思決定の失敗です。
「80％改善」という情報は、集団としては正しい。しかし個人にとっては、正しさが救いにならない。むしろ、その正しさが“20％側”の人生を、静かに、確実に、切り落としてしまします。

そして社会は、残酷なほど簡単に言ってしまう。

「十分頑張ったんだから、もう悔いはないでしょう？」

しかし当事者は言うのです。

「未練は、山ほどあります。」

この瞬間、「80％と20％」は統計の比喩ではなくなります。
それは、誰かの時間であり、家族の生活であり、未来そのものです。
平均の外側に押し出された人の、取り戻せない現実です。

DSA＋DAGの使命は、ここにあります。

平均値で「効く／効かない」を語って終わらせない。
相関で「こういう傾向」を語って満足しない。
“20％側”を「例外」として片づけず、なぜその人が20％になったのかを構造として捉える。
そして、もし可能なら、その人が次に同じ治療や選択をするとき、80％側に移る条件を示す。

これは希望論ではありません。倫理でもスローガンでもありません。

「80％は改善する」という言葉が、20％の人を黙らせる道具になってはいけない。
“効かなかった人”の物語を、統計の影に埋もれさせてはいけない。
むしろ、医療も社会も本当に強くなるのは、成功例の数ではなく、失敗の内訳を扱えるようになったときです。

DSA＋DAGは、20％を“救済対象”として見るのではありません。
20％を、次の意思決定を更新するための「情報の核」として扱います。
「うまくいかなかった少数」を終点にせず、“なぜ”を起点に変える。
そのために、分布を見て、構造を分解し、因果の経路を描きます。

DSA＋DAGは、世界が見落としてきた20％を、意思決定の俎上に戻すための武器となりうる。

DSA＋DAGの開発はもはや私にとっての使命です。

名将・野村克也氏の言葉に「勝ちに不思議の勝ちあり、負けに不思議の負けなし」というものがあります。勝った試合には、たまたま噛み合った要素が混ざることがある。一方で負けた試合には、必ず理由がある。穴がある。準備不足、選択ミス、相手の強みへの無策・・・原因は“構造”として残ります。

医療やビジネスで語られる「成功率／有効率80％」も、これに似ています。80％は心強い数字ですが、成功の側には偶然が混ざります。たまたま適合した、たまたま副作用が軽かった、たまたまタイミングが良かった。つまり「成功例」は、案外“説明が難しい”。

一方で、失敗／改善しなかった20％はどうか。ここには「不思議」は少ない。うまくいかなかった／薬が効かなかったなら、それ相応の理由がある。別の因子が邪魔をしている、治療経路が合っていない、前提となる状態が違う・・・原因は必ずどこかに潜んでいます。ただ、平均と相関の世界では、その20％は「例外」で片付けられ、検討の中心から外されてきました。

DSA＋DAGが狙うのは、まさにここです。
勝ち（80％）を賛美するのではなく、負け（20％）に残る“構造の手がかり”を回収する。負けの原因を分解し、「何が揃えば勝ち側に移れるか」を条件として示す。言い換えれば、見落とされてきた20％を、次の勝ち筋に変えるための武器です。

「勝ちは説明困難、負けは原因がある」野村氏の格言は、統計の世界にもそのまま通じます。だからこそ、20％を見捨てない解析は、単なる優しさではなく、次に勝つための合理性なのです。