a16z：AIにより、誰もが生産性を10倍に高められるが、それによって企業の価値が10倍になるところは一つもない
TechFlow厳選深潮セレクト
a16z：AIにより、誰もが生産性を10倍に高められるが、それによって企業の価値が10倍になるところは一つもない
問題は技術そのものではなく、組織がそれに合わせて再構築されていない点にある。
Web3業界の深掘り報道に専念し潮流を洞察著者：ジョージ・シヴルカ（George Sivulka）
編訳：TechFlow
TechFlow 解説： AI は個人の生産性を10倍に高めましたが、その結果として、単一の企業が10倍の価値を持つようになったわけではありません。a16z の投資家であり、AI 企業 Hebbia の創業者でもあるジョージ・シヴルカ氏は、この問題の原因は技術そのものではなく、組織がそれに合わせて再構築されていないことにこそあると指摘します。彼は「機関レベルのAI（Institutional AI）」と「個人レベルのAI（Personal AI）」を区別する7つの次元——すなわち「調整（Coordination）」「信号抽出（Signal）」「バイアス（Bias）」「エッジ・アドバンテージ（Edge Advantage）」「成果志向（Results）」「エンパワーメント（Empowerment）」「プロンプト不要（Promptless）」——を提示しています。本質的には、「電動モーターに置き換えるだけでは不十分であり、工場全体を再設計しなければならない」ということを意味しています。
本文全文は以下の通りです：
AI は、つい先ごろ、すべての人々の生産性を10倍に引き上げました。
しかし、それによって企業の価値が10倍になったところは、一つもありません。
では、その生産性はどこへ行ったのでしょうか？
これは、初めて起こる現象ではありません。
1890年代、電力は莫大な生産性向上を約束しました。
ニューイングランドの織物工場は、もともと蒸気機関による回転動力に基づいて設計されていましたが、やがてその蒸気機関を、より高速な電動モーターに置き換えました。
ところが、電化された工場は実に30年間にわたり、ほとんど生産性の向上を実現できませんでした。技術はすでに十分に進んでいたのです。しかし、組織がそれに追いつかなかったのです。
1920年代になって、工場は生産ラインを根本的に再設計しました——流れるような生産方式（アセンブリライン）、各機械に個別のモーターを搭載、作業員と機械がそれぞれ異なる役割を担うように再編成——ようやく電力化は真のリターンをもたらすようになりました。
図解：ローウェル織物工場の3段階的進化。左から右へ：1890年の蒸気動力工場、1900年の電力駆動工場、1920年の「ユニット駆動」工場（つまり、電力を前提とした流れるような生産方式でゼロから再建された工場）。
リターンは、技術そのものからも、あるいは単一の作業員や機械が糸をより速く紡ぐ能力からも生まれたわけではありません。制度と技術を同時に再設計したときこそ、初めて真の利益が実現したのです。
これは技術史上、最も高価な教訓であり、私たちは今、まさにそれを再び学んでいるところです。
2026年、AIは、それを活用できる人々にとって10倍の生産性向上をもたらしています。しかし、それだけでは十分ではありません。「電動モーターに置き換えただけで満足している」状態であり、「工場全体の再設計」はまだ始まっていません。
なぜなら、単純な事実として：効率的な個人＝効率的な組織ではないからです。
現在市場に出回っている大多数のAI製品は、ユーザーに「効率的である」という感覚を与えますが、実際には価値創出をほとんど行っていません。Twitter や企業内の Slack で見られる多くのAI活用事例は、個人が自己陶酔的に「最大限の効率」を謳歌するものであり、実際の影響はゼロに等しいのです。
過去1年間、度々語られてきた「サービス即ソフトウェア（Services-as-Software）」という概念は方向性としては正しく、しかし具体的なロードマップを示していません。さらに、それらはより大きな視座を無視しています。真の変革は「ツールからサービスへの移行」ではなく、「技術と制度を一体となって構築すること（既存のものを改修する場合も、ゼロベースで構築する場合も含む）」にあります。本当に効率的な未来を実現するためには、まったく新しいカテゴリーの製品——明日の流れるような生産方式——が必要です。
効率的な組織には、「機関レベルの知能（Institutional Intelligence）」が不可欠です。
本稿では、「機関レベルのAI」と「個人レベルのAI」を区別する7つの次元について深掘りします。今後10年間、B2B向けAI分野の企業は、すべてこれらの差異を基盤として構築されていくでしょう：
図解：機関レベルの知能の7つの柱の比較表
機関レベルの知能の7つの柱
1. 調整（Coordination）
個人レベルのAIは混乱を生み出します。
機関レベルのAIは調整を創出します。
まず、思想実験をしてみましょう。もし明日、あなたの組織の人数を2倍にし、その全員をあなたのもっとも優秀な従業員のクローンで埋め尽くすとしたらどうなるでしょうか？
それらの従業員は、わずかな違い、好み、癖、視点（特に優れた人ほど顕著です）を持っています。管理が不十分で、コミュニケーションが不十分であり、職務分掌、OKR、役割の境界線が明確でなければ……あなたが生み出すのは「混乱」です。
個人単位で見れば、組織はより効率的になっているかもしれません。しかし、何千人ものAgent（または人間）が、それぞれバラバラの方向にペダルをこいでいる状態では、良い結果は「原地踏み」、悪い結果は「組織の結束力を粉々に砕く」ことになります。
これは仮定ではありません。調整層を設けずにAIを導入した組織は、今まさにこの状況を経験しています。各従業員が独自のChatGPT利用習慣、独自のプロンプトスタイル、独自のアウトプットを持ち、それらは他の誰かのアウトプットと一切接続されていません。組織図はそのまま残っていても、AIによって生成される実際の業務フローは、まったく別のルートを辿っているのです。
図解：効率的な個人（あるいはAgent）が、それぞれ異なる方向にペダルをこいでいる様子。調整がなければ、それは単なる混乱です。
調整は、人間にもAgentにも、絶対に必要なハード要件です。
機関レベルの知能は、「Agent管理（Agent Management）」という新たな業界を生み出すでしょう——Agentの役割・責任の定義、Agent同士およびAgentと人間との間のコミュニケーション、そしてAgentの価値をいかに測定するか（単なる課金単位では到底不十分です）——に焦点を当てます。
2. 信号抽出（Signal）
個人レベルのAIはノイズを生み出します。
機関レベルのAIは信号を見つけ出します。
今日、人間は思いついたあらゆるものを創造——あるいは生成——できます：AIが書いた文章、プレゼン資料、スプレッドシート、写真、動画、音楽、ウェブサイト、ソフトウェア。これほど素晴らしい贈り物があるでしょうか。
しかし問題は、AIが生成する大部分のコンテンツが、文字通り「ゴミ」であることです。AIゴミの氾濫は、すでに一部の組織が過剰反応して、すべてのAI生成物を禁止するほどに深刻化しています。正直に告白すると、私も同様の感覚を抱いています——私はAI企業を経営していますが、幹部チームに対し、最終的な文書作成においてAIを使用しないよう指示しています。あのゴミにはもう我慢できません。
私募 equity（PE）業界が今まさにどうなっているかを想像してみてください。昨年、あなたの机の上には10件の取引機会が届いたかもしれません。今年、次の四半期には50件の機会が届き、それぞれがAIによって完璧に磨き上げられたものになるでしょう。ところが、あなたが判断に使える時間は変わらないまま——その中から、本当に信頼できるたった1件を見つける必要があります。
「何でも生成すること」はもはや問題ではありません。まじめな組織にとって、今問われているのは、「正しいものを生成し、それを選別する」ことです。AI主導の世界では、優れた成果物、優れた取引、ノイズの中の信号を見つけることが、ますます重要になっています。今後10年の中心的な経済的原動力は、指数関数的に膨れ上がる「ゴミの山」から、信号を掘り当てる能力に他なりません。
図解：個人向け生産性ツールが生み出すAIゴミは、指数関数的に増殖しています。人間自身ではもはやノイズから情報を分別できず、新たな機関レベルのAI製品が必要です。
機関レベルの知能は、信号を見つけ出さねばならず、ノイズを構造化してゴミを貫通しなければならず、かつ業務プロセスにおいては、定義可能・決定論的・監査可能であることが求められます。
個人レベルのAIは、Clawdbotのような「常時稼働型」の生産性を強調し、予測不能な形で24時間365日あなたの要求に応えようとします——本質的に非決定論的なAgentです。一方、機関レベルのAIは、決定論的Agentの信頼性に依拠します。予測可能なチェックポイント、ステップ、プロセスを持つAgentこそが、スケール可能であり、信号を発見し、それらを通じて組織に収益をもたらすことができるのです。
図解：Matrixは、生成技術を用いてノイズを貫通するツールであり、決定論的Agentとチェックポイントの世界を切り開きました。
3. バイアス（Bias）
個人レベルのAIはバイアスを養います。
機関レベルのAIは客観性を創出します。
社会・政治的バイアスを巡る議論は、AIに関する言説を長年にわたり支配してきました。基礎モデル研究室は最終的に、十分なRLHF（人間によるフィードバックを用いた強化学習）を経て、この問題を回避し、すべてのモデルを「お世辞屋」に調整しました。今日、ChatGPTやClaudeなどのモデルは、オーバートン・ウィンドウ（政治的受容範囲）内のあらゆる話題に対して、あなたに同意することに過剰に最適化されています（時には少しばかり越境してしまいます——@Grokさん、まさにあなたのことです）。社会・政治的バイアスを巡る議論は沈静化しました。しかし、代わりに新たな問題が浮上しました。
こうした「すべてに対する過剰な賛同」は、滑稽なほどに荒唐無稽になっています。それがすでに一種のミーム（ネット文化現象）となっています——Claudeの条件反射的な「あなたのおっしゃる通りです！」という返答は、それが実際に正しいかどうかとは無関係です。
これは無害に聞こえるかもしれません。しかし、そうではありません。
多くの組織で、AIの導入を最も熱心に推進している人物こそが、歴史上、最も業績が悪い従業員になる可能性があります。その理由を考えてみてください。
組織内で最も業績が悪い従業員は、毎日ほとんど肯定的なフィードバックを得られませんが、すぐにASI（人工超知能）が彼らのすべての意見に全面的に同意してくれるようになります。彼らは心の中でこう思うでしょう：「人類史上最も賢い知能体が、私の意見に同意してくれている。間違いなのは、私のマネージャーだ。」
これは中毒性があります。そして、組織にとって毒です。
図解：個人レベルのAIのエコーチェンバー（共鳴室）は分断を助長し、二人を徐々に離れていく。このダイナミクスは、規模拡大後に、もともと一致していた組織内に派閥を生み出します。
これは重要な事実を明らかにしています。個人向け生産性ツールは「ユーザー」を強化します。しかし、本当に最も強化すべきは「事実」なのです。
人類の組織は、何千年もの進化を経て、この問題に対処するための専門的仕組みを構築してきました：
- 投資委員会会議
- 第三者によるデューデリジェンス（尽責調査）
- 取締役会
- 米国政府の三権分立（行政・立法・司法）
- 代議制民主主義、および民主主義制度そのもの
図解：客観性は、調整問題さえ緩和できます——小さな相違点を抑制し、拡大させないためです。
組織は、従業員が自信を欠いているために失敗することは稀です。失敗するのは、「いいえ」と言える人が誰もいない、あるいは誰もが「いいえ」と言うのを拒否するときです。
機関レベルのAIは、まさにこの役割を果たさねばなりません。それはRLHFによってユーザーを喜ばせたり、ユーザーの信念に迎合したりするよう調整されません。むしろ、ユーザーのバイアスに挑戦し、その偏りを暴き、是正を促す存在でなければなりません。行動が効果的であれば肯定的なフィードバックを与え、逸脱した場合には明確な線を引き、強制的に是正させるのです。
したがって、組織内で最も重要なAgentは、「お世辞屋」ではなく、規律ある「否決者（Vetoer）」です——推論を疑い、リスクを露呈し、基準を執行する存在です。今後、最も影響力のあるAIアプリケーションの多くは、制度的拘束力を中心に構築されるでしょう：AI取締役、AI監査官、AI第三者検証、AIコンプライアンス……
4. エッジ・アドバンテージ（Edge Advantage）
個人レベルのAIは使用量を最適化します。
機関レベルのAIはエッジ・アドバンテージを最適化します。
AIの能力の境界線は、週単位、あるいは日々単位で移動しています。基礎モデル企業は、個人および組織の一人ひとりを獲得しようと、能力の進化を急速に進めています。
しかし、古典的なイノベーターのジレンマが示す通り、特定の応用分野においては、常に「深さ」が「広さ」に勝ります：
- @Midjourneyは、画像デザインという領域でわずかに先行することを目指しています。
- @Elevenlabsioは、音声モデルという領域でわずかに先行することを目指しています。
- @DecagonAIは、フルスタックのカスタマーサポート体験という領域で常に先行することを目指しています。
基礎モデルが互いに近づいていくとしても、各分野の専門家にとって、真のエッジ・アドバンテージこそが鍵となります。多くの優れたデザイナーが@Midjourneyを使い、多くの優れた音声AI企業が@Elevenlabsioを採用しています——なぜなら、基礎モデルが進化しても、特定のエッジ・アドバンテージを推進するために専門的応用に注力し続ける姿勢そのものが、アドバンテージを定義するからです。
専門的ソリューションが進化し続ける限り、経済的成果に真正に重要な能力——企業にとって本当に重要な能力——は、常に専門的製品側に存在します。
これは金融分野で最も顕著に現れています——現在、LLM開発が最も盛んな分野です。ある能力が一般化すれば、それは定義上、市場を上回るパフォーマンスをもたらしません。しかし、最先端技術が一時的に1%のニッチなアドバンテージを生み出せるならば？その1%は、数十億ドル規模のリターンを引き起こす可能性があります。
図解：いかなる十分に具体的なタスクに対しても、エッジ・アドバンテージは、最先端技術の上に構築された機関レベルのソリューションによって定義されます。
私たちのユーザーは、常に最先端を凌駕しています。LLMのコンテキスト・ウィンドウは、4年間で4Kから100万トークンへと成長しました。中には、単一のタスクで300億トークンを処理するユーザーもいます。今年、1000億トークンのタスクを処理する道筋もすでに見えています。基礎モデルの能力が向上するたびに、私たちはさらに先へ進んでいます。
図解：コンテキスト・ウィンドウをはじめとする諸能力は、すべて「動く標的（Moving Target）」です。過去3年間における最先端ラボとHebbiaのコンテキスト・ウィンドウの進化を比較。
幅広いユーザーを対象とした汎用性は、確かに重要です——特に従業員がAIに慣れ親しむ初期段階においては。しかし、将来は、人々がChatGPT／Claudeを使うか、垂直型ソリューションを使うか、という二者択一ではなく、「ChatGPT／Claude＋垂直型ソリューション」の併用が主流となるでしょう。
機関レベルの知能は、領域特化型、さらにはタスク特化型のAgentを活用しなければなりません。
我々は、一見馬鹿げているが、実はそうでもない問いを自分自身に投げかけます：
「AGI（人工汎用知能）は、どのようなAgentを『ショートカット』として選ぶでしょうか？たとえ超知能であっても、特定の領域に特化した専用ツールを欲しがるはずです。」
AIの能力の境界線は常に動き続けており、真のエッジ・アドバンテージを活用できる組織のみが勝者となるでしょう。他のすべての組織は、非常に高価な汎用品に多額のコストを支払うことになります。
5. 成果（Results）
個人レベルのAIは時間を節約します。
機関レベルのAIは収益を拡大します。
@MaVolpi氏は、私が企業向けAI販売について考え直すきっかけとなった言葉を私に教えてくれました。「CEOに、コスト削減と収益拡大のどちらを優先するか尋ねると、ほぼ全員が『収益拡大』と答えるでしょう。」
しかし、今日の市場で提供されているAI製品のほとんどは、コスト削減——つまり、時間を節約する、少ない人員でより多くの仕事をこなす、あるいは人手を代替する——という価値提案しか提供していません。
機関レベルのAIは、付加的な収益を生み出すことが求められます。そして、付加収益は、節約できた時間よりもはるかに商品化が難しいものです。
AI支援ソフトウェア開発を例に挙げましょう。コードIDEは、これまでに登場した中で最も優れた個人向けAI生産性ツールの一つですが、すでにClaude Code（もう一つの個人レベルAIツール）による大きな衝撃にさらされています。Cognitionは、まったく異なるゲームを展開しています。彼らが最も安定的に成長している事業は、「トランスフォーメーション（変革）」を技術で売るものであり、単なるツール販売ではありません。私は、このビジネスモデルが持続力を発揮すると予想しています。
純粋なソフトウェアは「すでに投資対象として急速に魅力を失いつつあります」。純粋なサービスはスケールできません。解決策のレイヤー——技術と成果を一体として提供するレイヤー——こそが、持続的な価値が蓄積される場所です。
M&A（合併・買収）をもう一度見てみましょう。個人レベルのAIはアナリストがモデリングをより迅速に行えるように支援します。一方、機関レベルのAIは、100の候補ターゲットから、本当に追うべき取引相手を特定し、さらに探索範囲を1000まで拡大します。前者は時間を節約し、後者は収益を創出します。
図解：基礎モデル企業は垂直応用層へと進出しており、垂直応用層の企業は、さらに解決策層へと進出しています。
「上流へと移動する（Upstreaming）」は、現在の市場における自然な引力です。基礎モデル企業は応用層へ、応用層企業は解決策層へと進んでいます。
機関レベルの知能は、まさにこの解決策層です。そして、解決策層——つまり成果が生まれる場所——こそが、持続的な価値を蓄積し、最大の収益空間を獲得する場所なのです。
6. エンパワーメント（Empowerment）
個人レベルのAIは、あなたにツールを提供します。
機関レベルのAIは、その使い方を教えます。
人間は、どんなに賢くても、変化を嫌います。
信じがたいかもしれませんが、ニューヨークには今でもクレジットカードを扱わない成功した店舗が存在します。店主は、自分が損をしていること、クレジットカードを扱わないことで損をしていることを十分に理解していますが、それでも行動を変えません。同様に、予見可能な将来において、ある組織の従業員のうち、AIの使用を拒否し続ける者が必ず存在します。
完全な人手依存型組織から、AIを優先するハイブリッド型組織への移行は、今後10年間で最も持続的かつ定義的な課題となるでしょう。しかも、多くの場合、組織の最高位・最重要人物こそが、最も遅く、しかし最も重要な採用者となるのです。
図解：組織の最高位——「生産性ツール操作」から最も遠い人々——は、新技術を採用する上で最も遅いが、最も重要なグループです。
Palantirは、過去2か月間に起きた兆ドル規模のテクノロジー株の大規模売却のなかで、唯一、超高評価倍率を維持し続けた「ソフトウェア」企業です。これには理由があります。Palantirは、最初期の真の「プロセス・エンジニアリング」企業の一つです。これを「プロセス・エンジニアリング」と呼ぼうが、「Claudeのスキルファイルを記述する」と呼ぼうが、将来の機関レベルAIは、企業の業務プロセスをAgentにコード化し、必要な変革管理を実施するという業界を生み出すでしょう。
図解：組織によるAIの全面的採用は、複数の「鴻溝（Gap）」をまたがる必要があります。各鴻溝にはそれぞれ固有の課題があります。プロセスのAI化が、主要な推進力となるでしょう。
私は断言します。プロセス・エンジニアリングは、今後数年間で最も重要な「技術」になるでしょう。
そして、このプロセス・エンジニアリングにおいて、最も重要なのはソフトウェア専門知識ではなく、業務および業界の専門知識です。垂直型ソリューションは、現場でのエンジニアリング、実装、変革管理に精通した人材を育成します。
ヘッビア（Hebbia）を全面導入したトップクラスの投資銀行（世界トップ3）の担当者が、最も端的に述べています。「我々が大規模モデル研究室と提携しない理由は、『CIM（機密情報備忘録）とは何か』を彼らのチームに説明しなければならないからだ」と。ClaudeやGPTは当然、この分野を理解していますが、現場での導入・普及を担当するチームは理解していない……
この違いこそが、すべてを決定します。
7. プロンプト不要（Promptless）
個人レベルのAIは、人間のプロンプトに応答します。
機関レベルのAIは、プロンプトなしで主体的に行動します。
Agent同士の通信、将来の企業や制度が人間を必要とするかどうかについて、多くの議論が交わされています。
しかし、より良い問いはこうです：将来のAI Agentは、プロンプトを必要とするでしょうか？
AGIにプロンプトを書くというのは、電動モーターを手織機に接続するようなものです。それは、組織のサプライチェーンの最も脆弱なリンク——つまり、私たち人間自身——に根本的かつ不可逆的に制約を受けます。人間は、そもそも何を尋ねるべきかを知らず、ましてやいつ尋ねるべきかもわかりません。
AIが行える最も価値ある仕事とは、誰もが尋ねようとしなかった仕事です。AIは、誰も気づかなかったリスク、誰も思いつかなかった取引相手、誰も知らない営業パイプラインを発見すべきです。
これにより、AIのユースケースの境界線は、まったく新しい次元へと広がります。
プロンプト不要のシステムは、投資ポートフォリオ全体のデータストリームを継続的に監視します。ある投資先企業の運転資金サイクルが、連続3か月にわたって静かに悪化していることを発見し、その企業が署名した貸付契約の条項と照合したうえで、ファンドの誰もがそのPDFを開く前に、運用パートナーに通知します。
人間がAIにプロンプトを書く必要がなくなるとき、新しいインタフェースと新しい働き方が誕生します。私たち@Hebbiaは、この分野に強いアイデアを持っています。詳細は、またの機会にお話ししましょう。
結語
以上の内容は、チャットボット、Agent、個人レベルのAIの価値を否定するものではありません。
個人レベルのAIは、世界中の大多数の企業が、AIによる変革の魔力を初めて体験するための媒体となるでしょう。利用量の拡大、使いやすさの向上は、AIを優先する経済を構築する上で、変革管理の第一歩として極めて重要です。
しかし同時に、機関レベルの知能に対する需要は、明確であり、緊急性を帯びており、かつ極めて巨大です。
今後、あらゆる組織は、大規模モデル研究室から提供されるチャットボットを1つ持つことになります。また、特定の領域の課題に特化して設計された機関レベルのAIも1つ以上持つことになります——そして、個人レベルのAIは、その機関レベルのAIを自らのツールボックスの中で最も重要なツールとして活用するようになるでしょう。
機関レベルのAIと個人レベルのAIの「よりよい統合」は、必然的なトレンドです。
しかし、1890年代の織物工場の教訓を忘れないでください。最初に電力を導入した工場は、むしろ工場の構造を根本的に再設計した工場に敗れました。
私たちはすでに「電力」を手に入れました。今こそ、「工場の再設計」を始める時です。
本稿のレビューにあたって@aleximm氏と@WillManidis氏に感謝申し上げるとともに、Will氏の「ツールの形をした物体（Objects in the Shape of Tools）」という記事から得た着想にも深謝いたします。
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
a16z
