各企業の市場シェアが互いに接近している他の分野と違って、最も大きな成功を収めたデジタル製品は、下位の競争相手の影を薄くさせる傾向がある。

　「デジタル製品は、べき乗則分布に従う傾向がある」とブリンジョルフソン氏は語る。べき乗則とは統計学の用語で、順位が上位のものほど値が突出しており、順位が下がるにつれてなだらかに減少する状態を指す。「デジタル市場のトップ企業が市場を独占する」現象ともいえる。これとは対照的に物理サービスや物理商品は、釣り鐘曲線のような普通寄りの法則に従う傾向があるという。

　シュミット氏はこの法則を、30年前にMicrosoftのある人物から学んだという。

　「私たちは、PC市場のシェアがどう形成されるかについて話していた。90％と9％と0.9％というのがその人の見解だった。私は、シェアは常に60対40なはずだと主張した。『ここでは違う形になる』と私に言ったのは、この人が初めてだった」

継続的な進歩

　製品を発表した後、エンジニアは製品から得られる実際のデータを使って成否を測り、改善に取り掛かる必要がある。

　「常に誰とでもつながっているのであれば、常にフィードバックが得られるはずだ。正しく開発された製品は、どんな種類であれ、その使用に関するテレメトリー（遠隔の値）などを与えてくれる。強い開発チームはそれを見て『あれは悪いアイデアだった』『あれは良いアイデアだった』と判断する」とシュミット氏は語る。

　シュミット氏がGoogleのCEOに就任した際は、製品開発に対する構造化されていないながらも、取り組みの早さに驚いたという。今ではそれが業界の常識になったと同氏は指摘する。

　「Googleに入った私にとって最も奇妙だったのは、普通のプロジェクトスケジュールがないことだった。われわれには、全てをβ版で登場させるというルールがあった。ミスについて言い訳をしたくなかったからだ」（シュミット氏）

マリッサ・メイヤーの功績

　シュミット氏によると、製品に対するユーザーの実際の反応測定はGoogleのユーザーインタフェース（UI）プログラム責任者を務め、後にYahoo!のトップになったマリッサ・メイヤー氏の功績だった。

　「どんなUIが適切なのか確信が持てなくても、それをテストすることはできるというのがメイヤー氏の基本理論だった。この測定コンセプトは、あらゆる業界で製品の成功の鍵を握る」とシュミット氏は振り返る。

　製品化を急ぐ取り組みについてもっと多くを学ぶため、シュミット氏は聴衆に対し『Blitzscaling: The Lightning-Fast Path to Building Massively Valuable Companies』（著：リード・ホフマン氏、クリス・イェ氏）の読書を薦めている。Blitzscaling（ブリッツスケーリング）とはホフマン氏が提唱する不確実な状態でもスピードを重視するビジネスの考え方だ。

　ただし「動きが速いことは無謀になることではない」とシュミット氏は念を押し、機械学習などのAI（人工知能）関連技術は人間による方向指示や監督が必要になると指摘した。

　サマセットバークレーリージョナル高等学校でコンピュータサイエンスを教えるライアン・ロビドウ氏はこの戦略の限界について、次のようにシュミット氏に質問した。

　「機械学習などAI技術は、金融や健康や人の安全を含むあらゆる分野に進出するでしょう。たとえそうしたシステムが人の安全に悪影響を与えるとしても、ブリッツスケーリングを推奨しますか」

　シュミット氏はこう答えている。「ブリッツスケーリングは自分の会社をどう経営するかに関するコメントであって、必ずしも人命に関わる業務用のAIシステム構築に関するものではない。あなたも例えば航空機を飛ばすといった命に関わる状況で、純粋な機械学習システムは望まないはずであり、助言にとどめてほしいと思うだろう」

AIファースト戦略

　Googleは親会社Alphabetの傘下にあり、シュミット氏は今もAlphabetの技術アドバイザーの役職にある。IT企業は既に「製品がスマートフォンでどう機能するか」を優先するモバイルファーストの開発戦略へ移行している。シュミット氏によれば、企業は全てのソフトウェアに機械学習を取り入れるAIファースト戦略に乗り出している。

　一般消費者は、Netflixのような機械学習を取り入れた製品に慣れつつある。Netflixでは個々の視聴者に合わせて映画やテレビ番組を推薦する。

　シュミット氏は言う。「控え目に起こりつつある現象として、われわれは誰もがそうした『推薦エンジン』を使い始めている。これは機械学習だが、そのことについてあまり深くは考えない。われわれがそれを使うのは、エクスペリエンスの向上につながるからだ」

　企業における機械学習は、人間の分析担当者には見えないもっと効率的なプロセスを描き出す助けになるとシュミット氏は言う。Googleは機械学習を使ってデータセンターのパターンを研究することにより、エネルギー効率を15ポイント向上させた。

　「われわれが機械学習から学んだのは、トレーニング用のデータにはコンピュータが検出できるパターンがあるということだ。これはわれわれの目には見えない」とシュミット氏は話している。