ブルームバーグ：AIは企業の組織運営をどう変えるのか？
TechFlow厳選深潮セレクト
ブルームバーグ：AIは企業の組織運営をどう変えるのか？
経済体系は長年にわたり、「専門知識は希少で高価である」という観念の上に築かれてきた。しかし人工知能（AI）は、その専門知識を豊富かつ事実上無料のものに変えようとしている。
Web3業界の深掘り報道に専念し潮流を洞察
画像出典：無界AI生成
人類の大部分の歴史において、博士号を持つ十数人の専門家を雇うには、巨額の予算と数か月にわたる準備期間が必要だった。しかし今や、チャットボットに数語のキーワードを入力するだけで、これらの「頭脳」の知恵を瞬時に得ることができる。
知能のコストが下がり、スピードが上がるにつれて、「人間の洞察は希少で高価である」という社会制度の基盤となる前提は、もはや成り立たなくなる。いつでも十数人の専門家の知見を利用できるようになったとき、企業の組織構造はどう変化するのか？私たちのイノベーションの方法はどのように進化するのか？そして私たち一人ひとりは学びと意思決定をどう捉え直すべきなのか？個人や企業が直面している問いは明確だ。「知能そのものがどこにでも手に入り、実質的に無料になったとき、あなたは一体どう行動するか？」
「知恵」の価格崩壊という歴史的流れ
歴史的に見て、知識のコストが大幅に低下し、伝播の範囲が急速に拡大した事例は、これまでにも何度か存在してきた。15世紀半ばに印刷機が登場したことで、文書資料の普及コストは劇的に下がった。それ以前は、テキストは修道士などの専門家によって手書きで複写されており、時間も費用もかかっていた。
このボトルネックが解消されると、ヨーロッパでは社会に深い変革が起きた。宗教改革が起こり、識字率が急上昇（初等教育の普及の基礎となった）、科学研究も印刷出版物のおかげで飛躍的に発展した。商業志向の強いオランダや英国などが大きく恩恵を受け、オランダは「黄金時代」を迎えた。その後、英国は数世紀にわたり国際舞台で重要な役割を果たし続けることになる。
時間が経つにつれ、大衆の識字能力と公共教育の普及により、社会全体の知性水準が向上し、これが産業化の土台となった。工場での職務がますます専門化され、より複雑な分業体制が経済成長を推進した。18世紀末には、男性の識字率が高い国ほど早くに工業化を達成し、19世紀末には技術的に最も進んだ経済圏が、同時に最も高い識字率を持つようになっていた。人々が新たなスキルを習得することで、さらに多くの専門職が生まれ、今日まで続く好循環が形成されたのである。
インターネットの登場は、この傾向をさらに一段階高いレベルへと押し上げた。子どもの頃、新しいトピックを調べたいと思ったら、ノートを持って図書館に行き、目録を検索する必要があった。それだけでも丸一日かかってしまうこともあった。当時、知識を得ることは高価で困難だった。
現在、人工知能（AI）がこの千年以上続いた「知恵のコスト低減」というバトンを受け取り、私たちの経済と思考様式にまったく新しい章を切り開いている。
私とChatGPTとの「気づきの瞬間」
私は2022年12月に初めてChatGPTを使ったが、その時点でこれは画期的な製品だと感じた。当初は「数字のトリック」程度に使っていて、例えば「エミネムのスタイルで『独立宣言』を書き直せ」といった指示を与えていた（実際に出力されたのは「Yo, 俺たちは声を上げる、ここにいる人間は決して屈しないぜ」といった調子のものだった）。
後から考えれば、まるでミシュラン三ツ星シェフにチーズトーストを作ってもらうようなもので、あまりに過剰な使い方だった。真にこのツールの力を理解できたのは、2023年1月のある午後、12歳の娘とともに数時間かけてChatGPTを使って全く新しいボードゲームを設計したときのことだった。
まず、私たちが好きなボードゲームと嫌いなものをAIに伝え、共通点を分析させた。すると、私たちが好むのは「道を敷設する」「資源を管理する」「カードを集める」「戦略を立てる」「勝敗の行方が最後までわからない」ようなメカニクスであり、一方で《リスク》や《モノポリー》によく見られる要素は好まないことが明らかになった。
こうした要素をベースに、あまり一般的ではないが重要なアイデアを考案し、ある程度の歴史的背景も盛り込んでほしいと依頼した。するとChatGPTは「Elemental Discoveries」というゲームを提案した。プレイヤーは18～19世紀の化学研究者となり、資源を集めて取引しながら実験を行い、ポイントを獲得していく。他プレイヤーを妨害することも可能だ。
次に、資源の種類、遊び方、ゲームメカニクス、プレイヤーが演じる役割についてさらに詳細化を求めた。AIは「錬金術師」「破壊者」「商人」「科学者」といった役割を提示し、ラヴォアジエ、ジョゼフ＝ルイ・ゲイ＝リュサック、マリー・キュリー、カール・ヴィルヘルム・シェーレといった実在の化学者たちをそれぞれに当てはめた。
当時まだ比較的「初期段階」のChatGPTを使い、わずか2～3時間で粗削りながらも遊べるレベルのボードゲームを作ることができた。最後には、時間も限られていたが、何より私も娘も疲れ切ってしまって作業を中断せざるを得なかった。この体験を通じて、AIという「共同開発者」が、本来なら数週間かかる開発プロセスをわずか数時間に短縮できることを、身をもって実感した。これを製品開発や市場分析、さらには企業戦略に応用すれば、どれほどの可能性が広がるだろうか？
このプロセスの中で私が見たChatGPTは、単に事実を並べたり繰り返したりしているだけではなかった。類推や概念的な思考能力を示し、アイデアと現実の参照を結びつけ、要求に応じて創造的な解決策を実際に生み出していた。
「ランダムなオウム」から「深層思考者」へ
一兆という規模は驚異的だ。ChatGPTを支える大規模言語モデルは、数十億、数千億、あるいはそれ以上のパラメータを持ち、その複雑さは尋常ではない。
こうしたモデルがなぜ、どのように機能しているのか、我々は未だ完全には理解していない。過去7年間にわたり繰り返し突破を遂げる中で、一部の理論学者は「本当に新しいことは何もできない」と主張し続けた。2021年には、「確率的オウム（stochastic parrots）」という侮蔑的な表現さえ使われた。大規模言語モデルは訓練データの統計的規則に基づいてテキストを予測するだけであり、まるでオウムが無作為に言葉を繰り返すように見えるからだ。
しかし、こうしたツールを継続的に使い、その性能に驚嘆してきた人々にとっては、それが単なる反復であるとは到底信じがたい。特にここ半年ほどの進展を見れば、この見方はますます説得力を失っている。
初期の大規模言語モデルは、「直感的に話す」ようなもので、「反省」もなければ「自己意識」もなかった。ノーベル経済学賞受賞者のダニエル・カーネマンの言うところによれば、人間は通常、システム1（直感的で迅速な反応）による思考に頼るが、深い考察が必要なときは、システム2（遅く、慎重で誤りにくい）に切り替える。初期のChatGPTやその競合製品は、ほとんどがシステム1に相当する振る舞いしかできず、システム2のような推論プロセスは持っていなかった。
この状況は2024年9月に変化した。OpenAIが「o1」という推論モデルを発表したのだ。このモデルは、複数ステップにわたる複雑な論理問題を分解し、途中の結論を検証（必要に応じて修正も可能）しながら最終結果を導き出すことができる。従来の大規模言語モデルが記憶や表面的なパターンマッチングに依存していたのに対し、新しい推論モデルは問題を分解し、慎重に検討する能力を徐々に備え始めた。テストの一部では、こうした推論モデルが特定分野の試験で博士級の専門家と同等、あるいはそれ以上の成果を上げていることも示されている。
o1の発表からわずか6か月で、AIはさらに驚くべき進歩を遂げた。現在最も注目されているのは、こうした推論モデルを「自律的研究アシスタント」に育て上げることだ。その性能はまさに驚異的である。
最近、ある研究用AIに「F1レース、コーチェラ音楽フェスティバル、ディズニーランド、ラスベガスのカジノ、病院、大規模動物園など、大規模イベントまたは運営プロジェクトの総合的な環境影響評価」を依頼した。AIは73分間かけて29の独立した情報源を調査し、詳細な結果表と1,916語の説明文を提出した。品質にはまだ改善の余地があり、修士課程の学生が数日かけて書くレポート程度の出来ではあるが、私の時間を何日分も節約してくれた。
ほんの18か月前まで、私のAIシステムは30分以内で終わる小さなタスクしか処理できなかった。それが今や、より複雑で時間のかかる研究作業を十分にこなせるまでになっている。
認知の「生産ライン」の誕生
私たちは「知識の利用」と「認知労働」に関する連続的な進化を目の当たりにしている。かつては寺院や学者が知恵を独占していた時代から、印刷術によって知識が広く伝播可能になり、インターネットによって情報自体がすぐに手に入るようになった。問題は次第に「情報をどう理解するか」へと移行していった。そして今、かつて希少で複雑だと考えられていたタスクさえも、すぐそばにあり、低コストで実行可能になっている。
しかし、大企業の経営陣と話すと、多くの企業がAIを依然として些細な用途、たとえばコスト削減のためのカスタマーサポート自動化などにしか使っていないことに気づく。SalesforceのCEOは昨年12月、同社の週36,000件の顧客サポート問い合わせのうち86％がAIによって対応されていると述べた。スウェーデンのフィンテック企業Klarnaは、AIが三分の二の顧客対話を処理しており、これだけで4,000万ドルの利益増につながったと公表している。しかし、カスタマーサポートのコストを10％削減するだけでは、企業に本質的な飛躍はもたらせない。偉大な企業がコスト削減だけで成功した例はない。
そのため、多くの企業はまず比較的低位のタスクからAIを導入し、時給50ドルの仕事（例：カスタマーチャット）を処理させる。確かに有用だが、それだけでは変革とは言えない。実際、AIは時給5,000ドル「相当」のタスク――たとえば研究開発、戦略立案、専門コンサルティング――も同様にこなせる。なぜ、そうした重要な領域にAIを投入している企業が、まだ少数なのだろうか？
理由の一つは、もともと「資深管理者やトップクラスの専門家にしかできない仕事」が、機械（あるいは一部機械）によって担えるようになることを、人々が想像しにくいからだ。優れた人材が希少だからこそ、高価値のタスクは特別なものとされてきた。私たちの組織構造は、「真に高い知性を持つ人材の供給は限られている」という認識の下に設計されている。
製薬業界を例に挙げよう。画期的な新薬の開発は企業の成否を左右する。そのボトルネックは、10～15年を要し、10億ドルを超える費用がかかる承認プロセスへの進出にある。数千の候補化合物のうち、上市されるのはわずか一つだ。一方で、大手製薬企業では、マーケティング担当者はトップレベルの研究者よりも数千人も多い。真に優れた研究専門家が極めて希少だからだ。
現時点では、ほとんどの企業リーダーは「AIを受け入れようとしている段階」にあり、「AIを本当に信じている段階」には至っていない。彼らは、ある問題が難しすぎたり高価すぎたりすると、避けようとする習慣を持っている。しかしAIの登場により、制約は「解決策を思いつくかどうか」ではなく、「良いアイデアをどれだけ速く実行・検証できるか」へと移行しつつある。
この変化は深远な影響を及ぼす。すべての企業がいつでも数名の「博士級AI専門家」を呼び出せるようになれば、イノベーションの速度は自然に飛躍的に加速する。ヘンリー・フォードの自動車の流線生産方式が、生産プロセスの迅速な反復と改良を可能にしたように、AIは思想や解決策の継続的な研磨と更新を可能にする。企業はより早く試行錯誤し、より早く学び、素早く方向転換できるようになる。
もちろん、AIの「智囊団」が生み出したアイデアを実際に実行・統合する能力がなければ、どんなに優れたアイデアも意味をなさない。実行と統合のスムーズさこそが、真に差を生む鍵となる。
私とAIの日常
過去18か月間、私は自分を支援する「AIエコシステム」を徐々に構築してきた。たとえば2024年6月のある日、私は1日に38回AIシステムを呼び出し、研究のために合計7.9万字のやり取りを行った。
2025年1月には、もはや交信文字数を数えるのをやめた。相手が異議を唱えない限り、ほぼすべての会議にAIを同席させて議事録を取らせている。日常の研究でも、複数の異なるAIツールを頻繁に使用している。この記事を執筆した一週間の間に、私は大規模言語モデルに対して少なくとも144回のクエリを投げた――これには音声の文字起こし（26回）やコードアシスタントの利用は含まれていない。現在、私はGoogle検索を使うよりも、新世代のAIツールを使う回数の方が多い。
意外なことに、処理する業務量が増え、スピードも上がっているにもかかわらず、私はパソコンの画面の前に費やす時間が、数年前よりもむしろ減っている。これは私にとって非常に嬉しい収穫だ。
知恵のコストが実質ゼロに近づいた今、真のボトルネックはもはや「頭脳を得ること」ではなく、「それをいかに有効活用するか」にある。良い質問を立て、答えを客観的に評価し、果断に行動できる個人や組織が、大きな成功を収めるだろう。彼らが次に考えるべきは、「自由になった時間を使って、一体何をするか？」ということだ。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
