劉夜氏との対話：OpenClawは単なる「手足」に過ぎない——我々が目指すべきは、「デジタル従業員」から「デジタル組織」へ、そして「兵士の製造」から「陣形の配置」へと進化することだ。
TechFlow厳選深潮セレクト
劉夜氏との対話：OpenClawは単なる「手足」に過ぎない——我々が目指すべきは、「デジタル従業員」から「デジタル組織」へ、そして「兵士の製造」から「陣形の配置」へと進化することだ。
デジタル従業員が氾濫する中、AIスタートアップの勝敗を分けるのは「オーケストレーション」と「審美眼」である。
Web3業界の深掘り報道に専念し潮流を洞察対話｜張鵬
皆が一斉に「デジタル従業員」や「Agentツール」の開発に走り、細分化されたシーンで際限なく内巻きを繰り返す中、AIスタートアップにとっての真のモアット（護城河）とは、一体どこにあるのか？
先日、ギークパーク創設者・CEOの張鵬氏とVisionFlow創設者・劉夜氏が、OpenClawの爆発的普及を受けて、将来を見据えた対話を実施しました。1979年生まれの中国初代プログラマーである劉夜氏は、ハードウェアの基盤層からソフトウェア、BtoB企業向け統合システムからオンライン教育（産業インターネット）に至るまで、全工程を経験しています。数か月にわたり集中して思索を重ね、グローバルトップクラスのAI企業の研究者および中国国内のトップレベルの起業家たちと「語れるだけ語り尽くす」交流を積んだ後、彼は厳しい結論に達しました。「AIを単一タスクを代替する『デジタル従業員』として捉える」という考え方は、エンジニアの思考が実際のビジネスを過度に単純化したものにすぎない、というものです。
この対話の中で劉夜氏は、「漸進的露出（Progressive Exposure）」や「タスクの高次元・低次元マトリクス」など、極めて示唆に富む一連の概念・フレームワークを提示しました。議論を通じて、未来の可能性が徐々に明確になっていきました。つまり、AIの次のステップは、乱立する「ツール人間」ではなく、協働・報告・省察のメカニズムを備えた「デジタル組織」の構築である、ということです。企業文化そのものが不要となり、低次元の作業が完全に消滅した未来では、CEO（最高経営責任者）という役職も、もはや「Chief Executive Officer」ではなく、究極の審美性を備えた「プロデューサー」になるかもしれません。
これは、AI時代における組織形態・商業的モアット（護城河）、そして新世代起業家のエコシステムにおけるポジショニングについての、前向きな推演的考察です。今後の起業家たちによるさらに深い議論を喚起することを願っています。
以下は、ギークパークが整理した対話の精選版です：
01 「万A戦争」はすでに始まっている——やれることは山ほどあるが、
何をやるべきかこそが最も重要
張鵬： かつて「Zuoye Box（作業ボックス）」を手掛けていた時期から、今日に至るまで、OpenClawがもたらす変化への関心はますます高まっていますが、ご自身はどのような変化を経験されましたか？
劉夜： 私は中国初代のプログラマーであり、幼少期からプログラミングを学び始めました。BASICからDOS、Windows、そして現在のMacへと移行する過程を体験し、三大ポータルサイトの台頭も目の当たりにしてきました。また、企業情報化にも携わり、「中国のIBMを創る」という志を持って取り組みました。その後、転身して「Zuoye Box」に参画し、オンライン教育の現場に深く入り込みました。オンライン教育は非常に奥深い産業であり、産業インターネットの最高形態であり、まさに「最後の列車」でもあります。この経験を通じて、私は産業インターネットの核は技術ではなく、産業そのもの、すなわちビジネスであることを痛感しました。産業インターネットの法則は、まず情報の仲介（マッチング）を行い、次に標準化製品（スタンダードプロダクト）を提供し、さらにサプライチェーンを構築し、最終的には非標準化された複雑なサービスへと進化していくものです。段階が進めば進むほど、粗利益率は上昇しますが、同時に難易度も増していきます。
そこで、AIブームが到来した際、私が最初に行ったことは、約6か月間、他の一切の業務を停止し、人事部門にすべての可能な人物との対話を依頼することでした。各スター級スタートアップのチーフサイエンティストから、各大手基盤モデル企業のコアアルゴリズムエンジニア・研究者、さらには新進気鋭のAI起業家に至るまで、「語れるだけ語り尽くす」交流を実施し、トータルで約1,000時間分の濃密な対話を行いました。どの程度まで深掘りできたかというと、相手が上半句を口にした瞬間に、私は下半句を予測できるほどになりました。こうした交流を通じて、ほぼ全員の共通認識が形成されつつあることが明らかになりました。
こうした対話を終えた後、驚くほど一致した結論が出ました。すなわち、誰もが同じことをやっている——「デジタル従業員」の開発です。これにより、かつてある著名な経営者がクラウドコンピューティングに対して下した戦略的誤判を思い出しました。「アリババがクラウドをやるというのは、要するにネットディスクを作るだけではないか？」——既存の枠組みで新しい事物を理解しようとする限り、その表面的な部分しか見えません。
今日、誰もが「デジタル従業員」を作成し、Claudeを使って「デジタル営業担当」や「デジタルカスタマーサポート」を構築しようとしています。しかし、その技術的壁（テクニカル・バリア）はどこにあるのか？モアット（護城河）はどこにあるのか？1日に数億トークンを消費することが日常化している状況では、これはむしろ製造業に近く、到底「飛翔」などできません。そこで私は、すべての起業家に同じ問いかけをしました。「Why are you？」——なぜあなたがやるべきなのか？あなたが若くて、賢くて、徹夜ができるからですか？単一の次元で競争するならば、それは「10秒69」と「10秒70」の違いにすぎませんか？
張鵬： そうですね。今日、やれることは本当にたくさんありますが、何をやるべきかこそが最も重要です。その点について、何かご見解はありますか？
02 産業インターネットの10年は、今日再び繰り返される
劉夜： AIは確かに非常に異質なものですが、それでも産業インターネットの法則と類似した側面があると私は信じています。初期はツール、中期はビジネス、そして最終的にはコンサルティングです。技術が未成熟な時期には、まずエンジニアが参入します。彼らは世界を過度に抽象化するのが得意で、例えば百度の「フレーム計算（Frame Computing）」のように、あらゆるものを「フレーム」に収めようとする傾向があります。しかしモバイルインターネットの後半戦は、コンテンツとサービスであり、「フレーム」ではありません。
エンジニア出身の人が想像する組織像は、しばしばビジネスを過度に単純化してしまいます。中国初代インターネットの三大ポータルサイトを振り返ってみても、最後まで生き残り、最も成功したのは騰訊（テンセント）とアリババです。これらは技術からはやや離れていたものの、産業には非常に近い存在でした。今日も同様で、技術はますます重要でなくなってきています。
張鵬： この波に乗って、文系出身の人たちはとても喜んでいるようです。コードを書けなくても、もう問題ないようです。しかし長期的に見て、AI時代における人材要件とは、いったいどのようなものなのでしょうか？何が変わったのでしょうか？
劉夜： 中国の人材構造を分析すると、一つの課題が浮かび上がります。中国初代のプログラマーは、実はそのままプロダクトマネージャーでもありました。なぜなら当時はまだ「プロダクトマネージャー」という職種が存在しなかったからです。この職種が広く認知されるようになったのは、2010年前後、ジョブズがiPhone 4を発表し、張小龍がプロダクト観を提唱した後のことです。「誰もがプロダクトマネージャーになれる」という考え方が登場したのも、この時期です。それ以前は、プログラマーが同時にプロダクトマネージャーの役割を担っていました。つまり、プログラマーが先にあり、その後にプロダクトマネージャーという職種が誕生したのです。したがって、初代プログラマーは全員がプロダクトマネージャーだったのです。彼らがコードを学んだのは、仕事のためではなく、単なる興味からでした。情熱を持って自発的に取り組んだ人々こそ、最も優れた存在だったのです。
しかし、第二世代のプログラマーは、ここ10年の産業インターネットによって「コードを書く農民（マオノン）」へと変容しました。一方、プロダクトマネージャーは「建築家」となり、マオノンは業務に関する思考を放棄させられてしまいました。今やAIが到来し、「コードを書く」部分が排除された結果、進化しない者は本当に「農民」だけが残ってしまうでしょう。これらの若者は非常に優秀ですが、産業に対する理解は空白です。そのため、現在の「万A戦争」は、本質的にツール層の氾濫にすぎません。
産業インターネットの後期を振り返ると、アリババやメイトゥアン（美団）のような企業では、トップレベルのコンサルティングファーム（MBB）出身者を商業分析に採用し、コンサルティングファーム出身者がプロダクトマネージャーを指導して業務フローを設計していました。なぜなら、インターネット系プロダクトマネージャーの頭の中には、そもそもシステム的な思考が備わっていないからです。フィーシュ（Feishu）はまさにこのような手法で開発されました。字節跳動（ByteDance）は純粋なインターネット企業ですが、内部プロセス構築にも大量のコンサルティングファーム人材を活用しています。AI時代においては、この法則はさらに強化され、弱まることはありません。
03 企業の課題は、常に「従業員の問題」ではなく「組織の問題」である
張鵬： つまり、単一点である「デジタル従業員」への注力は、あまり意味がないとお考えですね。
劉夜： これが私の最も核心的な判断です。「デジタル従業員」はゴールではなく、「デジタル組織」こそがゴールです。もしデジタル従業員が氾濫し、採用担当のポジションさえも不要になり、誰もが優れたデジタル従業員を所有できるようになったとしたら、その後はどうなるでしょうか？その会社は全員が儲かり、成功するのでしょうか？実際のところ、すべての企業の課題は、戦略的課題と組織的課題であり、決して「従業員の問題」ではありません。
したがって、今日のAgentは依然として「人の代わりに働く」ものであり、「人の代わりに意思決定する」ものではありません。私たちが内部でOpenClawを改造して開発した「MetaOrg」というものは、本質的にAgentチームを生成可能なコアエンジンです。私たちは、いかなるタスクを解決するにしても、単一の「従業員」を派遣するのではなく、タスク解決のための「組織」を構築します。この組織には、協働関係・報告関係・使命・目標・行動方法が備わっています。
張鵬： しかし、将来的には、一人が一つの部署となり、あるいは一つの会社そのものになる可能性はあるのでしょうか？
劉夜： これは非常に素晴らしい問いです。まずはタスクという微視的な視点に戻りましょう。例えばAIを使って短編動画を作成したり、文書を執筆したりする場合、多段階の対話が必要になります。ユーザーが一言発言し、AIが応答し、さらにフィードバックを与える……このような使い方は、まさに「ツール人間」的であり、ただ単に賢いだけです。
したがって、「人」と「部署」の概念は、単なる数量の多寡ではありません。高度なポジションの職務内容（JD）を記述する際には、通常次のように定義されます。第一に、さまざまな作業をこなす能力、およびさまざまなツールを活用する能力。高度なポジションでは、意図を理解し、自発的に実行計画を立案・遂行し、成果物を納品し、定期的に報告・省察・評価を行い、成果の偏差に基づいて戦略を動的に調整する能力が求められます。これが高度な能力です。
張鵬： 合格した部署とは、「L4レベルの自動運転」のようなものですね。
劉夜： その通りです。AIに一つのスキルを与えれば、複雑なタスクを遂行できます。スキルの体系を与えれば、より複雑な総合タスクを遂行できます。そして、多数のインテリジェントエージェント（agent）を編成すれば、さらに高度なタスク——例えば短編ドラマの制作——も可能になります。私は社内ミーティングで、従業員たちにこう伝えています。「MetaOrgを使う際には、自分をマネージャーではなく、取締役会長（Chairman）だと思ってください。その限界を探るために、積極的に試行錯誤してください。」
今後の若者の起業は、かつては家庭から50万元の資金援助を受けて起業するというスタイルでしたが、今後はTOKEN予算を割り当てられて試行錯誤を行うというスタイルになるかもしれません。どれだけのTOKENを費やすかが、その人が担えるポジションの高度さを決定します。ポジションが高度になればなるほど、推論のチェーンが長くなり、何度も試行錯誤・反復・省察を重ねる必要があります。
張鵬： 先ほどの話に戻りますが、もしAgentのグループが存在し、それをさらに細かい単位、すなわち職種や能力に分解できるとしたら、そのグループがコアタスクに直面した際に、個々の人的資質の質が勝敗を左右することになります。これは、前時代のビジネス組織競争のロジック——すなわち「人的密度（ヒューマン・デンシティ）」、つまり人材の質が高いほど、組織のコアタスクをより容易に達成でき、競争に勝てる——に回帰しています。
この問題の核心は、もし将来のAIが万能になり、誰もが最良のAIを呼び出せるようになったとしたら、商業組織が異なる細分化されたサービスをより効率的に提供することで価値を生み出すという次元に加えて、もう一つの次元として「人的密度」を再考する必要があるのではないか、ということです。すなわち、あなたのAgentやBotがこのシステム内で原子レベルまで分解された能力を備えているほど、「人的密度」は高まり、複雑なタスクにおける成果・効率・さらにはイノベーションも向上するということです。このような推論が正しいかどうか、私はまだ断定できませんが。
劉夜： 私はこの見解に賛同します。企業内部には「OD（Organization Development：組織開発）」という部署があり、大企業では通常この名称で呼ばれます。ある組織が戦いに勝てるかどうかを評価する際、一般的な手法は、ライバル企業の全人材をリストアップし、人材とポジション、能力とポジションの適合度を比較・分析することで、戦いの結果を予測することです。したがって、企業が戦いに勝つために頼るのは、ビジネス戦略ではなく、組織能力です。最も典型的な例がアリババです。アリババは組織構築を極めて重視しており、それが今日の「第二の春」をもたらしています。創業チームはいずれ老いていきますが、組織は継続的に成長し続けることができます。本質的に、もし私たちがライバル関係になったとしても、どちらもAIを活用していると仮定しましょう。私は強力なAI組織を構築し、優れたAI組織開発能力を備えています。この組織をどう構築すべきでしょうか？私は、競合他社のAgentスキルシステムを一つずつ開き、そのスキルコードを分析します。そして、自社のシステム内でさらに優れたスキルを開発し、欠落している機能を補完します。例えば、私が戦略部を持っているとしたら、まずは観察・分析から始めます。
ファーウェイ（華為）には「五看三定（ゴカンサンテイ）」という方法論があります。私は友人と冗談交じりにこう言っています。「我々がこの方法論を使えば、99％の競合を倒せるだろう。」ここで言う「五看」とは、業界のトレンドを見る、市場と顧客を見る、競合を見る、自社の能力を見る、戦略的機会を見る、の5つです。「三定」とは、制御ポイントを定める、目標を定める、戦略を定める、の3つです。この方法論だけで、大多数の競合をふるいにかけることができます。なぜなら、多くの人は将棋を打つときに無意識に指しており、速い思考（ファスト・シンキング）に頼っているのに対し、達人は常に深層思考（ディープ・シンキング）と推論モードを起動させているからです。最初の反応は、「自分が総帥として、この問題をどう解決すべきか？」と考えることです。
張鵬： 「五看三定」とは、要するに「即時反応（アセット・リアクション）」を避け、長時間の推論プロセスを固定化することを意味しているわけですね。
劉夜： 達人は常に「ディープ・リサーチ＋シンキング」のモデルを採用しており、まずグローバルなベストプラクティスと情報を収集し、それを分析・総括した上で、深い思考・推論を経て答えを導き出し、一撃必殺の一手を打つのです。
したがって、私は将来の競争の核心はただ一つだと考えています。それは、伝統産業のビジネスをモデリングし、それをシステム的能力に抽象化し、さらにインテリジェントエージェントの編成（オーケストレーション）が可能な状態にすることです。これが新世代の組織開発（OD）能力であり、今後はAIOD（AI Organization Development）へと進化し、唯一のコア・コンピテンシーとなるでしょう。
アリババのコア・アドバンテージは、組織構築にあります。組織構築が整っていれば、どんなライバルと戦うか、どんな事業を展開するかに関わらず、競争力を発揮できます。そして馬雲氏はかつて、「戦う目的は必ずしも特定の領域を占拠することではなく、戦いを通じて組織の成長を実現することである」と述べています。アリババは組織の成長をコア指標としており、その基準で「戦う価値があるか」を判断しています。これは非常に高度な思考です。馬雲氏自身は、まさにスーパーコンテンツハブ（超情報ハブ）のような存在であり、年間200回ものフライトで世界中の情報を収集し、それを組織構築の改善に活用しています。彼こそが、真の意味での取締役会長（Chairman）であり、単なるCEOではありません。
これが私たちが目にする最高レベルの組織形態です。何世代にもわたって、異なる産業をまたいで継続的に成功を収め、衰退に陥った後でも回復・再起できる組織です。通常、ある企業が10年以内に不適切なCEOを選任した場合、その企業は衰退に向かう可能性が非常に高くなります。歴史を教訓として、より高い次元から現在の発展を俯瞰し、既存のモデルを一部削減・最適化するだけでも、ゼロから構築するよりもはるかに効率的です。
現在、誰でも簡単にAgentを構築でき、従業員の習得コストは極めて低く、さらにオープンソースコミュニティの支援もあって、業界にはもはや秘匿性がほとんどありません。ツール層における内巻きは、オープンソースコミュニティには永遠に勝てません。では、オープンソースコミュニティが持たず、模倣・複製できないコア・コンピテンシーとは、一体何なのでしょうか？
04 AI組織の物理学：なぜ「漸進的露出」が鍵となるのか？
張鵬： 「前時代」の組織論では、組織文化・価値観・KPIなどの要素が強調されていました。しかし、前時代の組織管理からAI Agent組織という新時代へと移行するにあたり、どのような要素を完全に捨て去るべきで、どのような要素は維持しつつも変換が必要なのでしょうか？
劉夜： Anthropicが「Skills（スキル）」を導入した背景には、AIコーディング分野における「漸進的露出（Progressive Exposure）」という考え方があります。AIが膨大で混沌とした情報を一度に受け取ると、コンテキストの劣化や注意力の散漫による混乱が生じてしまいます。漸進的露出によってこそ、AIは良好な注意力を保ち、高品質な出力を実現できます。人工的に漸進的露出を実現しようとすれば、本質的には完全な対話型運用となり、効率は極めて低下します。したがって、Skillsの核心的価値は、複雑なタスクを階層的に分解し、AIへの漸進的露出を実現することにあります。
これは企業の経営ロジックと一致しています。取締役会は戦略的課題に焦点を当て、CEOは戦術的課題や幹部のマネジメントに集中し、従業員は単純なタスクを処理します。もし300人が同時に同一の会議に参加すれば、会議は成立しません。組織が存在する意義は、まさに情報を階層的に処理することにあり、データベースの第三正規形（Third Normal Form）が情報の圧縮と階層化によって効率を高めるのと同じ原理です。複雑な課題は必ず階層的に分解・漸進的に露出しなければならず、一度に大量のコンテキストを入力することはできません。これは伝統的な企業組織の根本的ロジックであり、特定の時間内における計算資源（算力）は常に有限だからです。
張鵬： モデルは毎回、巨大な算力を消費してゼロから創造を始めなければならず、効率が極めて低いです。
劉夜： それは不可能です。核心はやはり階層的・漸進的な露出にあり、必要なリソースは必ず呼び出す必要があります。これはAIモデルの能力的限界によって規定されているのです。さらに、AnthropicがSkillsを導入したもう一つの理由は、複雑なタスクが基礎物理学の法則を越えており、Skillsによって複雑なタスクを一つ一つの低次元・単純なタスクへと分解できる点にあります。タスクの本質的な区分軸は「難易度」ではなく、「複雑さ」です。つまり、「低次元で難しい」タスクと「高次元で難しい」タスクが存在します。例えば、プログラマーのコーディングや数学の問題解決は、低次元だが高難度のタスクに該当します。
Horizon Robotics（地平線）の余凱氏が提唱した古典的モデルによると、すべての職種は「競争の激しさ」と「次元の高低」の2軸で4象限に分けられます。すなわち、高次元・高競争、低次元・低競争、低次元・高競争、高次元・低競争の4象限です。その中で、営業担当者やエンジニアは低次元・高競争に属し、プロダクトマネージャーやCEOは高次元・高競争に属します。科学者は高次元・低競争に属します。この分野では、世界中でたった1人しか研究していないテーマもあり、競争は少ないが次元は極めて高いのです。質の高い短編ドラマや優れた小説といった高次元・高競争のタスクは、現時点ではAIが実現できません。一方、コードの最適化といった低次元・高競争のタスクは、AIがすでに十分にこなせるようになりました。次元が高くなればなるほど、データソースは少なくなる一方で、モデル訓練に必要なデータ量は逆に大きくなります。これがテキストモデルが最初に登場し、画像・動画モデルが後に登場し、特に短編動画モデルが実用化に至らない根本的原因です。この高次元タスクと高次元データの供給・需要のギャップは、Skillsによるタスク分解によってのみ埋めることができます。企業において、高度なポジションの優秀な人材が見つけられない場合、それを3つの基礎的なポジションに分割するのと同様です。ただし、CEOのような高次元ポジションは、代替不可能です。
張鵬： 低次元・高競争のタスクは、ほぼ100％AIに置き換えられるでしょう。
劉夜： 完全に置き換えられます。しかも、その置換はすでに始まっています。
張鵬： その通りです。したがって、すべての低次元・高競争の業務は、できるだけ早くAIで解決すべきです。それをSkillsに分解し、Agent組織によって実装する。このプロセスでは、必ずしも人間の関与が必要ではありません。
劉夜： 私には一つの初步的な構想があります。IBMとアクセンチュアは、世界最大の2つのコンサルティングファームであり、そのコア事業は、産業のベストプラクティスを抽出し、それをデジタル化と整合させることにあります。彼らが販売しているのはツールではなく、プロセスです。企業がリスク管理プロセスやIPを購入する際には、必ずコンサルティングファームに実装を依頼します。私たちの現在のコア業務は、Skillsクラスターの構築であり、各分野のトップエキスパートを特定し、その能力を抽出・整合させ、標準化されたSkill Setを形成することです。これはZuoye Boxのモデルと類似しています。Zuoye Boxは北京四中・中国人民大学附属中学・高考出題委員会・学而思の教師陣と協力し、出題・解説・採点などのコアメソッドを抽出し、百度のアルゴリズムエンジニアと連携してシステムを構築しました。本質的には、ベストプラクティスの整合です。組織能力の核心は、優れたクロスファンクショナルチームの編成にあります。すなわち、産業を理解し、工学を理解し、各専門分野のトップエキスパートと連携でき、かつビジネス・人材採用・マネジメント能力を兼ね備えたチームです。これが新世代AI SaaS企業のコア構成要素です。
張鵬： さらに推論を進めると、将来は業務の視点から逆算して必要な組織形態を導き出すべきです。組織とは本質的に編成構造であり、いわば「業務用オペレーティングシステム」です。人間を生産要素の単位として、それに適した組織に配置することで、最大限の価値を発揮できます。逆に、不適切な配置では、効率的な稼働は不可能です。今日、生産要素は、かつての人的リソースから、無限に供給可能なAIへと置き換わりました。しかも、正のフィードバックループが成立すれば、継続的に規模を拡大できます。過去の組織文化は、今日では目標とコンテキストへと変換されるでしょう。スローガンや「三板斧（サンバンフ）」ミーティング、氷解（ブレイクアイス）など、形式的なものが必要なくなるかもしれません。
劉夜： 文化とは、経営上の意図を管理するものであり、ビジネス上の意図ではありません。前時代では、戦略はビジョンから始まり、ビジョンが価値を決定し、組織は戦略に従属し、ビジネスがすべてを検証しました。文化は単に組織を統治する手段であり、戦略を直接サポートするものではなく、むしろ創業者の個人的嗜好に過ぎないこともありました。
張鵬： 過去、人が戦略を遂行する過程には、多くの隙間がありました。AIは、こうした隙間を解消しようとしているのでしょうか？
劉夜： はい、AI時代において文化はもはや重要ではありません。文化は人間組織の信念の部分であり、AIには必要ありません。AIには肉体がなく、文化による牽引も不要です。AIのコア要件は、算力です。
張鵬： つまり、AIに必要なのは目標と原則だけだということですね。一つのドキュメントで目標と原則を明確にすれば、すべての生産要素単位（ユニット）が即時に同期・忠実に実行し、逸脱することはありません。人間組織における大きな摩擦の多くが、この時点で消失します。
劉夜： その通りです。従来の組織は「戦略→文化→人材→実行」の流れでしたが、AI組織は「目標→原則→Skills→編成（オーケストレーション）」の流れです。管理チェーン全体が半分に圧縮されています。
05 最後のモアット（護城河）：審美性と編成（オーケストレーション）
張鵬： 企業の新たなモアット（護城河）とは何でしょうか？人材の質はSkill Setに置き換えられ、私が審美性を持っていれば、世界中から最高のSkillsを調達できます。その上でさらに上位の次元は、「編成（Orchestration）」でしょうか？これはどのような変化をもたらすのでしょうか？
劉夜： 華強北で全ての電子部品を購入できるにもかかわらず、なぜ誰もがAppleを製造できないのでしょうか？『スティーブ・ジョブズ伝』には、審美性の定義が非常に明確に記されています。「世界中の優れたものを十分に見て、良し悪しを識別できる能力が、審美性である。」もし、優れた製品・優れたプロセス・優れた組織を一度も見たことがなければ、優れた成果を生み出すことはできません。
張鵬： 見識が審美性の前提条件です。
劉夜： 見識に加えて、天賦の才があれば十分です。
張鵬： 審美性は二つの方法で現れます。一つは、能動的に設計・編成すること、もう一つは、混沌の中に湧現する優れたものを識別・選択することです。この二つは矛盾しません。
劉夜： 確かに矛盾しません。Appleの成果の一部は自社開発であり、一部は第三者からの買収です。その核心は審美性にあり、自社でホイールを再発明する必要はなく、必要に応じて自社開発すればよいのです。
張鵬： 核心は、Agentを設定されたモジュール内で実行した後に経路を確認し、湧現型編成を実現するか、それともすべての経路を事前に設定して設計型編成を行うか、という点にあるのでしょうか？
劉夜： 湧現は非操作的であり、まず種子となるルールと原則を設定する必要があります。そここそが、一個人の審美性が問われる場所です。優れたエンジニアは500行・5,000行のコードで使いやすいOpenClawを作成できますが、不適格なエンジニアが5万行のコードを書いても、同等の成果を得られません。その根底にある種子ルールは、依然として人間が設定しなければなりません。
張鵬： つまり、混沌の中に湧現を待つことはできません。それは極めて長い時間を要します。したがって、編成は依然として極めて重要です。この編成は、最終的に創業者にしかできないのでしょうか？あるいは、むしろ「プロデューサー」に近い存在なのでしょうか？
劉夜： 「プロデューサー」という定義は非常に適切だと思います。確かに、湧現やスケールメリットがあっても、データのアノテーション・クリーニング、およびアルゴリズムの継続的な整合調整が必要であり、無秩序な拡大を防ぐ必要があります。
編成者は業務の複雑さによって決まります。複雑な業務は、一人では完了できません。例えば短編ドラマの撮影やプロンプトの作成などは、実際の運用において多くの困難に直面します。「一人会社（ワンパーソンカンパニー）」という概念は、過度に乱用されています。世界は無限に単純化できません。コンピューターは一人で操作できますが、一人で全ての高次元能力を掌握することはできません。イーロン・マスクや李飛飛のように、複数の分野を精通し、任意のポジションを担えるスーパータレントは、極めて稀有です。
張鵬： もし、世界最高水準のAgentやSkill Systemを自由に呼び出せるのであれば、優れた脚本家がこれらのリソースを活用して、世界的に有名でかつ収益を上げる映画を制作できるでしょうか？脚本家にはコアの強み（優れた脚本）がありますが、すべての工程を完遂することはできません。「コアの強み＋グローバルなリソース」という閉じたループは、実現可能なのでしょうか？
劉夜： これは本質的にデータの問題です——最高次元の情報を保存するデータが存在するか、という問題です。例えば、CEOのSkillsを訓練する場合、現時点では十分なデータが存在しません。任正非氏の万字の長文や馬雲氏の口述も、彼らの高次元の認知を完全に表現することはできません。世界中の企業の財務諸表やCEOのすべての発言を収集したとしても、CEOとしての役割を果たせるモデルを訓練することはできません。なぜなら、CEOのコア能力は暗黙知（タシット・ナレッジ）であり、テキストによって完全に露呈させることはできないからです。
張鵬： つまり、CEOのコア能力は、現時点ではベクトル化（数値化）できないということですね。これが「一人会社」という理想像の制約となっています。つまり、誰もが単一の次元で優れた能力を発揮し、グローバルなトップリソースと組み合わせることができても、コアとなる編成者が不在であるという問題が残ります。本質的には、編成能力の問題です。結局のところ、最高の「部品」を揃えたとしても、強力な編成能力がなければ意味がありません。
劉夜： プロダクトマネージャーも同様で、その暗黙知は完全にテキスト化できません。これが現在のAIパートナー・AI生成コンテンツが「生き生きとしていない」根本的な原因です——高次元の暗黙知を支えるデータが不足しているからです。データ量が少ないときは、Skillsに注力し、データ量が増えれば、次にモデルの構築に進むべきです。ロボットが現実に実装できない核心的理由も、十分なデータの欠如にあります。
張鵬： これにより導き出される結論は、将来の企業間競争の勝敗の分かれ目は、最先端のモデルにアクセスできるかどうかではなく——初期のAIリソースは一見均質であり、算力も資金力・ビジネスの閉ループ能力に依存します——最終的には「プロデューサー」そのもの、すなわちその編成能力と、目標の革新性・意義に帰着するということです。この二点こそが、企業のコア・コンピテンシーを構成します。
劉夜： マッキンゼーの元パートナーが私に語ってくれましたが、マッキンゼーのコア事業は、ベストプラクティスの抽出・モデル化、そして企業への段階的実装支援です。例えば、中国の自動車メーカーにコンサルティングを行う際には、日本の同僚からトヨタのやり方を学び、本質的にはベストプラクティスのコピー・実装です。
咪蒙（ミーモン）の短編ドラマ制作のケースは、非常に参考になります。彼女は中国語文学科出身ですが、コアチームは清華大学・北京大学の数学科・コンピューターサイエンス学科の卒業生で構成され、バズる短編動画のロジックを徹底的に分解し、極めて高いバズ率を実現しました。このアプローチは、本質的に業界の社会工学的モデリングであり、過学習（オーバーフィッティング）の可能性はあるものの、モデリングの方向性は正しいのです。
IBM・アクセンチュア・マッキンゼーが行っているのは、まさにこのような活動です。第一世代のマッキンゼーは、ベストプラクティスをパートナーにモデル化し、IBMはそれをデジタル化されたプロセスに変換しました。本質的には、どちらも「経営とプロセスの販売」です。
張鵬： 核心は、ベストプラクティスの抽出と、その反復的な検証・実装です。これが将来のビジネス組織の勝敗を分ける鍵です。十分に分解できなければ、効率的な編成は実現できません。したがって、あなたたちの今後のコア戦略は、この方向性で推進していくということですね？
劉夜： 過去3年間、私たちは主にAI ToCビジネスに注力し、MetaOrgの手法で、教育・教研（教育研究）システム全体を再構築しました。これは単なる「AIによる業務効率化」の物語ではありません。私たちは一連のAgentic（エージェント型）教育研究組織を構築し、その背後には仮想の教育研究チームが走っています。言語学習研究チームは第二言語習得理論の最新動向を追跡し、垂直語料収集團隊は実際の言語環境から自然な表現を収集し、対話評価チームは口頭表現能力の多面的評価基準を構築し、対話設計チームは教授法を自然な人機対話に変換し、問題容器設計チームは練習形式と内容の適合性を解決し、データ分析チームはユーザー行動から学習効果の真のシグナルを掘り起こしています。各チームには独自のSkills、独自のワークフロー、独自の評価基準があります。現在、教材データのラベリング、監視評価、ユーザー洞察、製品の反復開発など、約80％の業務がAIによって実行されています。
私たちの発展の道筋は、「AIを機能として利用する」から、「AIを組織能力として活用する」へと進化しています。英語教師というポジションは中程度の複雑さを備えており、私たちはこれを抽象化し、MetaOrgを用いて他のポジションを生成しています。最新のSkillアーキテクチャと組み合わせれば、さらに高度なポジションの構築も可能です。
現在、私たちはAIチューター（AI家庭教師）のフルプロセス構築を完了しており、編成能力の抽象化とエンジニアリング実装も実現しています。今後は、Meta TutorからMeta Organizationへと進化するでしょう。その最小単位は「従業員」ではなく「ポジション」であり、核心はポジション間の協働とマネジメントにあります。私たちの現在の重点は、各業界のトップクラスのCEOと連携することです。なぜなら、CEOこそがコアの「プロデューサー」だからです。
張鵬： つまり、あなたたちが提供するのは、拡張可能な「部署」に近いものなのですね？
劉夜： 目標は「会社」の方向に進むことです。大企業も本質的には複数の小さな会社で構成されており、その最小単位は「ポジション」です。全産業の戦略的選択を注視するだけでなく、ポジションから製品の反復開発を推進する必要があります——ポジションがうまく機能しない限り、管理者の能力が高くても、効率的な組織は形成できません。
張鵬： 部署をうまく運営するには、まずその部署に関連する能力とポジションを分解し、さらにポジションに対応するSkillsを分解し、それらSkillsがSOTA（State-of-the-Art）レベルに達することを目指さなければなりません。
劉夜： コアの手法はただ一つです：世界最高水準のサービス対象企業と共同で開発すること。完成したSkillsは、最高水準の企業がそのニーズへの適合性を評価しなければなりません。これは、部下が書いた企画書を上司が審査するのと同じです。自己満足ではいけません。例えば、短編ドラマのモデリングを行う場合、業界のトップ機関から承認を得なければ、真にトップクラスとは認められません。すべては評価・測定によって検証される必要があります。
Midjourneyが高品質な画像を生成できるのは、チームが写真家とエンジニアで構成され、最高水準の画像審美性を備えているからです。LVがStable Diffusionを用いて訓練した画像モデルは、一般のモデルを大幅に凌駕しています。なぜなら、LVは世界で最も優れた画像審美性とデータを保有しているからです。可視化すると、評価能力こそがコアなのです。AI企業を立ち上げるには、IBMやファーウェイのように——IBMは世界トップの自動車メーカーにサービスを提供した後、自動車製造のベストプラクティスを習得し、それをアウトプットしています。ファーウェイはIPD（Integrated Product Development）プロセスを40億元で購入し、自社のマネジメントに活用するとともに、外部にも提供しています。これこそがコア・コンピテンシーです。
張鵬： 本質的には、ベストプラクティスを順にSkillsに分解し、SkillsのSOTAを実現し、さらにポジション・部署のSOTAへと進化させ、最終的にはビジネス全体のSOTAを編成するという、明確な道筋です。もう一つの重要な課題は、Skillsをどのようにして時代とともに進化させていくかです。まるで地球の生物圏の突然変異のように、各時代のSOTAは次の時代には淘汰される可能性があります。このような変化に対処するには、どうすればよいでしょうか？
劉夜： 核心的なロジックは、人間や生物の進化と一致しています。すなわち、「感知（Perceive）→計画（Plan）→行動（Act）→省察（Reflect）」のサイクルです。組織の高い人材密度とクロスファンクショナルな特性を維持し、一端は技術の最前線（研究者）と接続し、もう一端はビジネスモデルを研究し、さらに業界のトップクライアントと共同で、リアルなシーンで継続的に評価・最適化を行うこと。これが唯一の方法です。
張鵬： これにより逆算すると、トップ企業のベストプラクティスから構築されたシステムは、中堅企業の飛躍的な向上を支援できますが、こうしたシステムは、リソースと資金力を持つ企業にしか利用できない可能性が高く、中小企業や若手起業家には負担が大きいでしょう。コンサルティング業界は、従来のサービスからツール化された製品へと進化していますが、新生代のチャンスはSkills層に限定されるのでしょうか？Skills層でどのように破壊的イノベーションを実現し、「貴族的循環（アリスターキー・ループ）」を回避すべきでしょうか？
劉夜： 上一代のSaaS業界では、Salesforce・Palantir・Notion・Slackなどの企業が、それぞれ汎用ツールや統合サービスを提供しました。これにより、若手起業家には依然としてチャンスがあることが証明されています——自社に優位性のないビジネスから距離を置き、汎用スキルに焦点を当て、適切なエコシステム上のポジショニングを見つけることです。Notionはその典型例で、具体的なビジネスプロセスには踏み込まず、テキスト記録機能という抽象化に留まり、汎用ツールとなりました。世界は最終的に、無数のインテリジェントエージェント（agent）による分業・協働の場となります。若者はまず自分のエコシステム上のポジショニングを見つけ、そこに自身の強みを掛け合わせ、将来のトレンドにアンカーを下ろし、時間の敵にならないようにすべきです。過去10年間、第一世代のインターネット起業家は海外帰りが多く（認知的優位性）、第二世代はプログラマーが多く（ツールの爆発的普及）、第三世代の産業インターネットでは再起業家が多く、そのパターンは明確です。若者は中盤の局面と自身の強みを正確に見極める必要があります。
張鵬： つまり、Skills層での局所的なイノベーションや最適化は、効果が限定的であるとお考えですね。それならば、新生代の最大のチャンスは「目標のイノベーション」にあり、時代が生み出した新たな目標を識別し、優れたSkillsと組み合わせ、継続的に進化させることで、新たな目標の下に新たなシステムを構築し、突破を実現することにある、とお考えですか？
劉夜： Skillsの競争は非常に繊細です。現在Skillsは盛り上がっていますが、もし誰かがさらに優れた人類の専門家と整合させ、より優れたSkillsを作成すれば、既存のSkillsはすぐに置き換えられます。これは再びモアット（護城河）の問題に戻ります。先行者が最後まで笑えるとは限りません。むしろ、より高次元の競合の「土壌の養分」になってしまう可能性もあります。
張鵬： 一番怖いのは、「ローダー（読み込みプログラム）」になってしまうことで、より高次元の競合のために基礎的な下準備だけをしてしまうことです。既存の目標の上で効率を最適化するだけでは、意味がなく、その効率的優位性も最終的には消滅してしまうでしょう。したがって、新生代が突破を実現するには、目標そのものに根本的な差異を生じさせる必要があります。
劉夜： その通りです。自分自身がコアの力に成長できず、単に高次元の競合を育てる肥料となってしまうのです。ビジネスの本質は極めて素朴です。コアは、顧客が誰かを明確にし、顧客にどうサービスを提供するかを明確にし、顧客が自分たちから離れられなくなるようにすることです。若者が顧客が誰かを明確にできない限り、最適化は実現できません。
張鵬： 増分市場（インクリメンタル・マーケット）にも注目する必要があります。在庫市場（ストック・マーケット）で競争するのは極めて困難です。もし、あなたたちのビジネスが成功した場合、対応する業界の企業はすべて同じ先進水準に引き上げられ、それらの企業は既に富と認知を備えているため、若者は在庫市場で競争するのは非常に困難です。
劉夜： 上一代のSaaS業界では、Notion・Slackなどの企業の成功は、その目標の差別化に根ざしていました。
上一代のSaaSが発展し始めた当初、中国のファンドは多くの場合、科学者に投資することを好みました。しかし後に、科学者は交流・協働には向いているが、起業には向かないことが分かりました。科学者が属する高次元・低競争の領域は、ビジネス世界の高次元・高競争のロジックとは異なり、領域の次元が高ければ高いほど、新しい領域への切り替えは難しく、コアの思考パターンもまったく異なるからです。すべての領域の初期段階は技術競争（低次元・高競争、技術が未成熟）であり、技術が成熟すると、ビジネス競争（高次元・高競争、産業人・プロダクトマネージャー・ビジネス実務者が主導）へと移行します。例えば、Appleのスマートフォンが登場した当初、アプリランキングの上位はプログラマーが開発したものでした。数年後、産業インターネットが勃興すると、ランキング上位のプログラマー主導の製品はすべて置き換えられました。
AI時代がモバイルインターネットのロジックを継承するならば、シリコンバレーのコア勢力は依然として経験豊富な実務家であり、中国の産業インターネットが再起業家中心であったのと同じです。若者のチャンスは、依然として差別化された目標を見つけることにあります。
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
极客公园
