カーパシーがAIの使い手を4層に分けた 自分はどこに入るのか

米国のAI研究者アンドレイ・カーパシーが、2026年10月11日、X（@karpathy）に投稿した。LLMをどこまで使えるかで、世界の人は4つの層に分かれている、という話だ。カーパシーは4月の自分の投稿を引っ張り出して、この差は「広がっている」と書いた。以前は「2つの集団が互いにすれ違って話している」状態だった。いまはそれより「a sharp funnel」（訳：鋭い漏斗）に近い、と。

Xでこの投稿を見る

カーパシーは「napkin math」（訳：紙ナプキンの裏の計算）だと言いながら、層ごとの人数まで出している。つまり、自分がどこにいるか、数えられる形になっている。

あなたはどの層か、条件はこれだけ

いちばん下は約60億人。世界の人口の75%ほど。LLMに「ほとんど触れていない」人たちだ。

次が10億〜20億人、2割くらい。無料のChatGPTのような道具を、ときどき使うだけの層。カーパシーの見立てでは、この層はAIを「少し賢いグーグル検索」や「文章の下書き役」くらいに思っている。そして使ってみて「derpy chatbots」（訳：間の抜けたおしゃべり機械）だと感じ、そのまま帰っていく。

ここで漏斗が一気に細くなる。3番目は約2000万人、0.2%。1000人に2人だ。条件は、数学とプログラミングの仕事で最先端のモデルを使っていること。カーパシーの言葉だと、「以前は数週間から数カ月かかっていた、大きくて複雑な仕事が、指示ひとつでエージェントに片づけられる」のを、自分の目で見ている層だ。挙がっている使い方は、アプリを作る、翻訳する、出来上がったソフトから中身を読み解く、など。

そして最後が約5000人。0.00006%。研究所の内部で、まだ公開されていないシステムを触っている人たちだ。この層では「数千のエージェントが群れになって、何週間もかけて巨大なソフトを一緒に作る」ことができる、とカーパシーは書いた。新しい科学の発見や、数学の最前線を進めることにも使われているという。

層を分けているのは、やる気ではない

では、なぜここまで細くなるのか。カーパシーは理由を3つ挙げた。

1つ目は、持ち込む問題の大きさ。「影響の大きさは、野心と、問題の大きさと、時間の幅に応じて変わる」。小さい用事しか頼まなければ、返ってくるものも小さい。

2つ目は、分野。「能力がいちばん高くなるのは、デジタルで、答え合わせができて、経済的に価値のある分野だ」。数学とプログラミングが、ちょうどそこに当たる。

3つ目は、そもそも触れるかどうか。無料か、有料か、研究所の内部か。この3段しかない。

カーパシーはいまの状況を、こう書いている。「大多数の専門家は、まだささやかな後押ししか感じていない」。一方で「ごく一部の専門家は、曲線が垂直に立ち上がるめまいを味わっている」。

ネットの評判

技術者が集まる米国の掲示板Hacker Newsでは、この投稿が10月12日の時点で484点、コメント707件を集めた。

疑う側の声で多いのは、本当の分かれ目は層ではなく「AIの出したものを丁寧に確認する人」と「確認を省く人」の間にある、という見方だ。あるユーザーは、AIが出してきたデータベースの設計が、アプリの状態を全部まとめて1行1列に押し込むものだったと書き、「profoundly incompetent」（訳：まるで分かっていない）と評した。別のユーザーは、専門の仕事を外の人に回し続けた結果、社内に知識が残らなくなった工場の例を挙げている。

効くと言う側は、道具立ての差を挙げる。AIに端末を操作させ、失敗したときのエラーをそのまま返す仕組みを作ると、結果が大きく変わる、という指摘が並んだ。あるユーザーは、仕組みをきちんと組んで自動の点検を重ねれば「通常の開発の4分の1の費用で、バグもずっとずっと少ない」と書いた。中間の声としては、データを出し入れするだけの単純なソフトと、機械に組み込むような複雑な仕組みでは、危なさがまったく違う、という意見が目立つ。

自分がどの層にいるかは、ここまでの条件で数えられる。ただ、いちばん上の層については、カーパシーがこう書き添えている。研究所の内部でAIを使う約5000人のところでは、人間による確認と理解が追いつかなくなり始めている。