a16z 創業者：エージェント時代の企業、誰もが管理者になる

著者：Ben Horowitz、Michael McGuiness

編纂：佳欢，ChainCatcher

もしAIが直接ビジネスの状況を照会し、タスクを実行し、結果を追跡できるなら、会社はどれだけの階層の報告が必要でしょうか？従業員の日々の仕事は、どのように変わるのでしょうか？

a16zの共同創業者Ben Horowitzは、Databricksを例に挙げて、共有された企業データシステムが一線の従業員に直接行動を促し、管理業務がもはや少数の職業マネージャーによって独占されることはないと指摘しています。そして、企業が意思決定の経験を自社のシステムに蓄積できるかどうかが、長期的な競争力を決定することになります。

注：Databricksはa16zの投資先企業であり、Ben Horowitzはその取締役も務めています。文中に登場する同社に関する内容は投資者の視点を含んでおり、投資の助言を構成するものではありません。以下が本文です。

今後20年、私たちの生活の多くの側面が変わるでしょう。その中で、間違いなく上位5つの質問の1つに入るのは、「あなたは毎日仕事で何をしていますか？」ということです。

この質問を巡って、2つの重大な突破口が間もなく訪れます。1つ目はエージェントによる自動化の実現です：「私たちが現在行っているタスクを説明し、それを自動的に完了させる。」2つ目は従業員が自発的に行動を起こす能力を持つことです。問題に最も近い人々が、情報や意思決定権が階層的な管理システムを通じて伝達されるのを待つことなく、ますます直接的に状況を調査し、機会をつかむことができるようになります。

これら2つの突破口は、根本的にすべての人の日常業務を改善します。しかし、大きな前提があります：組織が実際にこの新しい働き方に移行できることです。

「1人が毎日何の仕事をしているか」は、雇用主が使用する企業データと意思決定システムに大きく依存しています。そして、このシステム自体は、採用されるデータベース技術や、それらの技術が実現できることに制約されています。後者について考える人はほとんどいません。

この物語は4つの部分に分かれています：

1）Databricksは一体何をしているのか？あなたが広告看板で見たことがある「Lakehouse」と「Lakebase」とは何か？なぜそれらが時宜を得たアーキテクチャの突破口とされるのか？

2）「企業データシステム」（system of record、SoR）とは何か？エージェントが実際の企業で機能し、真の意思決定を行い、企業の知識ベースに貢献するためには、なぜ新しい企業データシステムが必要なのか？

3）企業とは一体何か？エージェントと人間の比率が1000:1に達した場合、企業はどのように変わるのか？企業はどのように差別化し、価値を創造すべきか？

4）この新しい世界で、人々は毎日何をしているのか？仕事の場面でAIは「普通の人々にソフトウェアエンジニアの能力を与える」と宣伝されることがよくあります。しかし、長期的には、それがもたらす変化は「誰もがエンジニアになる」ことではなく、「誰もがマネージャーになる」ことに近いかもしれません。

これはおそらく、最も深遠な影響を与える部分の1つです。私たちは、20世紀の管理方法を形作ったものが徐々に解体されるのを目の当たりにしています。ジェームズ・バーンハムは名著『マネージャー革命』の中で、この管理方法を記録しています。

85年前、彼は情報技術と組織の複雑さがどのように企業運営モデルを生み出すかを描写しました：少数の職業マネージャーが会社内部の意思決定権を集中して掌握するというものです。現在、新たな技術革新が一線の専門家に責任を再び担わせており、私たち全員がその恩恵を受けることになります。

Sparkからエージェントへ

最近、Databricksは「AIの波に乗るデータ会社」と表現されました。しかし、この波が到来する10年前に、AI研究者たちはこの会社を設立しました。

Databricksが最初に解決しようとした問題は非常に直接的でした：企業はますます多くのデータを持っていますが、処理が遅すぎるのです。2009年、アリ・ゴドシはバークレーで研究している際、インターネット企業が膨大なデータを用いてユーザー行動を予測しているのを見ました。しかし当時の主流のツールは、機械学習に必要な反復計算には適していませんでした。

バークレーの研究者たちはその後、Sparkを開発し、この種のタスクの処理速度を最高で元の10倍にまで引き上げました。2013年、アリ、マテイ・ザハリアなど7人の研究者がDatabricksを設立し、Sparkを企業が直接使用できるプラットフォームにしました。これにより、複雑なシステムを自分で構築・維持する手間が省かれました。

Sparkはデータ処理速度を向上させましたが、企業のデータは依然として異なるシステムに分散していました。その中で、データウェアハウスは整理され、信頼できるデータを保存し、主にビジネス分析や報告書作成に使用されます。一方、データレイクは低コストで文書、画像、録音、ログなどのさまざまな生データを保存しますが、これらのデータは整理されておらず、品質も保証されていません。

2つのシステムはそれぞれ用途が異なりますが、異なるチームを分断する結果にもなります。エンジニアやデータサイエンティストは主にデータレイクを使用し、アナリストは主にデータウェアハウスを使用します。一方が他方のデータを必要とする場合、誰かが運搬と維持を担当しなければならず、企業はその結果として大量のデータのコピーや、互いに矛盾するビジネス定義を蓄積することになります。

2020年、Databricksは両者を統合し、「湖倉一体」（Lakehouse）アーキテクチャを発表しました。これにより、企業は同じデータ上でビジネス分析と機械学習を同時に行うことができるようになりました：データレイクの低コストでさまざまなデータを保存する能力を保持しつつ、データウェアハウスに必要な信頼性のある管理と迅速なクエリ能力も提供します。

こうして、エンジニア、データサイエンティスト、アナリストは同じデータを共有でき、異なるシステム間での反復的なコピーや運搬の作業を減らすことができます。

図 ：湖倉一体はデータレイクとデータウェアハウスを統合し、同じデータがビジネス分析、機械学習、AIに同時にサービスを提供します。

しかし、まだ統合されていないデータの一部があります。企業が支払い、ユーザーログインなどの日常業務を処理する際には、別の種類のデータベースに依存しています。これらのデータベースは、分析用のシステムにデータを送るために、別途構築・維持される接続を必要とします。ビジネスは継続的に変化し、これらのシステムを接続する作業は常に存在します。

2025年、DatabricksはNeonを買収し、それを基にLakebaseを発表し、日常業務データベースへの統合をさらに進めました。ビジネスシステム内のデータが変化すると、自動的にアナリスト、エンジニア、エージェントに同期され、異なるシステム間でデータを運ぶ作業が減少します。

エージェントにとって、Lakebaseはもう1つの重要な機能を提供します：正式な業務から隔離されたデータのコピーを迅速に作成することです。データベースの規模が非常に大きくても、数秒でそのようなコピーを準備できます。エージェントはその中で実験を行い、使用後は廃棄することができ、毎回全データベースを最初からコピーする必要はありません。

これはソフトウェアの使用方法の変化の基盤を提供します。数十年にわたり、企業のソフトウェアは主に少数のエンジニアによって開発され、他の従業員が使用を担当してきました。現在、人々は新しい働き方に向かっています：まず望む結果を説明し、その後ソフトウェアに実現方法を考えさせるのです。

企業はもはや数千人の従業員に、中央チームが管理する少数のデータベースを読み書きさせるだけではなく、数千のデータベースを持ち、数百万のエージェントがそれを読み書きする可能性があります。データが共同で使用され、タイムリーに更新され、エージェントがその中で作業を行うことができるようにすることがますます重要になっています。

エージェント向けの企業データシステム

図 ：DatabricksのCEOアリ・ゴドシが、会社の2026年Data + AI Summitのステージに立っています。

6月、アリは会社のData + AI Summitで約3万人の観客の前に立ち、汎用人工知能がすでに到来したと考える人に手を挙げるよう求めました。彼は、手を挙げた人々は約10%に達すると推定しました。

「私たちは、AGIがすでに到来したと考えています。」彼は観客に語りかけ、現在の最前線のモデルが「人類の最後の試験」の中で半分以上の問題に答えることができると述べました。このテストは、100以上の分野の専門家が作成した2500の問題を含み、もともとはどのAIも答えられないほど難しいと考えられていました。

2022年にChatGPTが初めて登場したとき、それが処理できるプログラミングタスクは、人間が30秒で完了できる仕事に相当しました。現在、最前線のエージェントは、熟練したエンジニアが1日かけて行う必要があるプログラミングタスクを完了できるようになっています。

独立した評価機関METRは、2019年以降に異なるモデルが独立して完了できるタスクの所要時間を追跡し、この所要時間が約7ヶ月ごとに倍増することを発見しました。最近では、進展がさらに速く、プログラミング以外の分野でも同様の傾向が見られます。この傾向が2030年代初頭まで続くなら、エージェントは人間が数年かけて完了する必要があるタスクを完了できるようになるでしょう。

図 ：AIエージェントの「新しいムーアの法則」。

しかし、今日のほとんどの企業では、人々はAIがSalesforce（顧客管理ソフトウェア）の記録を信頼性を持って更新できるとは信じていません。

「AIの問題は知能ではなく、文脈にあります。」アリは説明します。最も賢い人でも、会社のデータにアクセスできず、行動権限やフィードバックがなく、他の従業員の頭の中にある知識を理解できなければ、ほとんど無力です。アリが示した解決策は、彼が言うところの「エージェント向けの企業データシステム」です。

あなたはおそらく、パランティアのCEOアレックス・カープがビジネスオントロジーについて語るビデオクリップを見たことがあるでしょう。彼は「市場に存在するすべての価値は、チップと私たちが言うビジネスオントロジーに流れる」と考えています。ビジネスオントロジーは、大規模な言語モデルを取り入れ、それを使用し、改善し、企業に適用することを可能にします。これが実際に何を意味するのかは、通常、聴衆自身に考えさせられます。

各企業には独自のビジネスオントロジーがあり、それは会社内にどのような事物が存在し、それらがどのように関連し、さまざまな用語が何を意味するのか、また2つの情報源が衝突した場合にどちらを優先すべきかを説明するモデルです。その一部はデータベース、ダッシュボード、制度、文書に存在しますが、大部分は経験豊富な従業員の頭の中に存在します。

さらに、このモデルは決して固定されることはありません。契約は変わり、臨時の妥協策はプロセスとなり、例外はルールとなり、正式な記録も徐々に実際の作業方法から逸脱します。何を決定するか、どの決定が後に正しいと証明されるかを決めるのも同様です：意思決定権限や評価基準は、ビジネスオントロジーと同様に、しばしば文書化されていません。

人々は日常業務の中で、静かにこれらのギャップを埋めていきます。営業副社長は、もともと成立すると思われていた最大の契約が停滞している理由が、顧客内部でこの取引を推進している重要人物が他の仕事の面接を密かに受けているからであることを知る必要があります。また、ある営業が言う「90%」の成立確率が実際には50%であり、CEOに予測を報告する前にそれを下方修正する必要があることも知る必要があります。

エージェントが自主的に行動するためには、人間の脳に存在する大量のビジネス本体知識、意思決定権限、評価基準が企業のデータシステムに取り込まれる必要があります。Databricksが賭けているレイクハウスシステムは、これらの内容を担う自然な選択肢です。なぜなら、会社の他のデータがすでにそこに保存され、管理されているからです。

「今や、レイクハウスシステムは企業データシステムの中心となっています。」とAliは言います。「私はこれをSORA、つまりエージェント向けの企業データシステム（System of Record for Agents）と呼んでいます。」

従業員はGenieを通じてこの企業データシステムと対話できます。GenieはDatabricksが2024年に発表した自然言語インターフェースで、会社の誰もが企業データに質問を投げかけ、ますます多くのデータの上にエージェントを構築できるようにします。

この記録システムは、企業全体をカバーし、常に4つの質問に答える必要があります。Databricksはこれらの問題を一つ一つ解決しています：

何が真実か？レイクハウスとレイクベースは、企業の現在のビジネス状態を保存しています。

これらの情報は何を意味するのか？AIが毎回質問を受けるたびに、企業データの中で答えを探し回るのを避けるために、DatabricksのGenie Ontologyは組織の知識グラフを継続的に構築します。たとえば、収入がどのように計算されるか、先週の定例会議で何が議論されたかなどです。

エンジニアはそのアルゴリズムにOntoRankという名前を付け、GoogleのPageRankに敬意を表しました。これは、誰が定義を作成したか、使用範囲がどれほど広いか、最近いつ修正されたかなどの属性に基づいて、どの知識がより権威があるかを判断します。Databricksのテストでは、エージェントが企業のビジネス本体を基にすることで、回答の正確性を約50%から84.5%に引き上げました。

何を許可するか？過去には、各従業員が1つのログインアカウントを持つアクセスモデルが機能していましたが、すべての従業員が人間である場合に限られていました。しかし、従業員が毎日数百のエージェントを起動できるようになると、このモデルは機能しなくなります。「エージェントごとに、各専有の孤立したデータベースへのアクセス権を一つ一つ付与することは不可能です。」とAliは説明します。

DatabricksのUnity Gatewayは、会社内の各モデル、エージェント、AIツールにアイデンティティ、予算、操作制限を割り当て、追跡ログを通じて各操作のステップを記録し、会社がAIシステムが何をしているか、どのデータにアクセスしたか、いくら費やしたかを把握できるようにします。

効果があったか？Databricksは企業にエージェントを構築する2つの方法を提供しています。ビジネスチームはGenieで構築し、一連のプロンプトを共有可能なエージェントに変え、企業データに基づいて推論を行い、SlackやSalesforceなどのアプリでますます行動を起こします。エンジニアはAgent Bricksを使用して、実際の生産環境のためにカスタマイズされたエージェントを構築できます。

どちらの方法を選んでも、Databricksはチームが自分たちの「試験」を設計し、どの結果が受け入れ可能で、どのエラーが絶対に発生してはならないかを明確にし、企業の具体的なタスクの要求に応じて各エージェントを最適化するためのツールを提供します。AIはこのようにフィードバックの閉ループを形成します。

図：AIがフィードバックの閉ループを形成する方法：事実を確認し、意味を理解し、権限を明確にし、実行して評価し、経験を企業が管理する記録システムに書き戻す。

企業計算分野の各プラットフォームの変革は、企業データシステムを巡る新たな競争を引き起こします。IBMはメインフレーム時代を主導し、オラクルとSAPはクライアントサーバーアーキテクチャ時代の企業基盤となりました。Salesforce、Workday、ServiceNowはそれぞれ販売、人事、IT分野のSaaS企業データシステムを構築しました。エージェントは次の変革をもたらすでしょう。

しかし、どのベンダーが勝つかよりも、エージェントが企業そのものをどのように変えるかが、より大きな問題です。

企業の性質

1937年の論文『企業の性質』で、経済学者ロナルド・コースは次のように提起しました：企業はなぜ存在するのか？市場が価格と契約を通じて経済活動を調整できるなら、なぜ人々を会社に集め、彼らの仕事を管理者の指揮下に置く必要があるのでしょうか？

彼の答えは取引コストに帰着します。適切な人を見つけ、何をするか、どの価格で行うかを合意し、全プロセスを監視するには、時間とお金が必要です。企業は、各具体的なタスクを事前に限定しない形での取り決めを通じて、反復的な市場取引の一部を代替し、管理者が合意された範囲内でリソースを配分できるようにします。

しかし、企業内部での作業の組織化もコストがかかります。会社が拡大するにつれ、より多くの情報がより多くの人を介して伝達される必要があります。最終的には、内部での取引を組織するコストは、市場から購入するコストと等しくなります。コースの説明によれば、企業はこの二つのコストが出会うまで拡張し続けます。

40年後、ノーベル賞とチューリング賞を同時に受賞した数少ない人物の一人であるハーバート・サイモンは、企業の記憶を集中管理することで、意思決定を分散させることができることを発見しました。彼は、共有されたコンピュータ記録が「分散した各意思決定ポイントが独立して行動できるようにする」と書いています。なぜなら、システムは自動的にこれらの行動を共有記録と照合し、調整するからです。

航空会社の例を挙げると、ボストンのあるチケット販売員は、シカゴ行きの最後の座席を売る前に、他のすべての販売員に電話をかける必要はありません。彼女は記録を確認するだけで済みます；この座席を売ると、全員が見る記録が更新されます。集中管理されたビジネス状態は、分散した行動をより安全にし、人々が共有記録を通じて調整できるようにします。

リレーショナルデータベースはこの原則を企業全体に拡張しました。以前は報告、会議、管理層の引き継ぎが必要だった作業が、共有記録への一度のクエリに変わりました。これにより、会社はより多くの製品、場所、人物、取引を調整できるようになり、同じ割合で管理者を増やす必要がなくなりました。

20世紀90年代には、インターネットが外部の世界から企業の記録に情報を書き込むことを可能にし、オンライン市場は数百万の見知らぬ人同士の売買、在庫、支払いを調整できるようになりました。

企業内部と外部の取引コストが低下したため、データベース時代はすべての企業が一様に大きくなったり小さくなったりするのではなく、さまざまなタイプの企業が存在できるようになりました。大企業はより複雑なビジネスを管理でき、小企業は過去に全ての部門が提供する必要があった能力を借りたり購入したりできるようになりました。

AIも同様の影響を与える可能性があります。企業内部では、エージェントが報告書の自動作成、検索、日常業務を通じて調整コストを低下させることができます。企業外部では、エージェントがサプライヤーを見つけ、評価し、通常の条件を交渉し、結果を監視するのを助けることができます。

以前のデータベースと同様に、AIは企業と市場がより複雑な活動を担えるようにします。しかし、より深い影響は、企業の組織形態を変えることかもしれません。

20世紀の典型的な企業はピラミッド型であり、階層体系がその情報処理システムでした。事実は報告や会議を通じて上に伝達され、意思決定は段階的に下に伝えられ、情報の流れの経路は組織図と対応しています。管理層はどのデータを収集し、共有する価値があるかを決定します。これは、会社が自らをどのように認識するかが、管理者がどの情報を収集するかに依存することを意味します。

データベースはこの構造を変えましたが、一部だけを変えました。共有記録は人々が情報に直接アクセスし、より独立して行動できるようにしましたが、通常は他者が事前に設計したプロセスの範囲内に制限されます。

コンピュータ時代のほとんどの期間、比較的少数の管理者、運営チーム、エンジニアが会社のデータ構造、指標、アプリケーション、ワークフローを定義しました。これらのシステムを使用する従業員は、システムの設計に関与する従業員よりも遥かに多いです。

これは、人々が何をできるかを制限するだけでなく、組織が何を知ることができるかも制限します。たとえば、カスタマーサービスの担当者は毎週何度も同じ苦情を聞くことがありますが、彼女のマネージャーがそれを記録する報告書を書かなければ、彼女が知っていることを会社は知らないかもしれません。そして、この問題を解決することは別の話です。

現在、情報を取得することと行動を起こすことの両方の技術的なハードルが同時に低下しています。

2023年にAndrej Karpathyが言ったように、「最も人気のある新しいプログラミング言語は英語です。」自然言語インターフェースは、より多くの分野の専門家が企業データを直接照会できるようにし、SQLやPythonを理解している人が事前にこれらの問題を考えたり、代わりに回答したりするのを待つ必要がなくなります。

百年の歴史を持つグローバル医療企業ノボノルディスクでは、科学者たちは以前はデータエンジニアがクエリを作成するのを待つ必要がありました。今では、彼らは「肥満に関連するすべてのデータを表示して」とGenieに尋ねるだけで、関連する試験、研究結果、視覚化された結果をすぐに見つけることができます。

明確な権限の範囲内で、従業員は自分でソリューションを構築し、数時間または数日の作業を節約できます。電気自動車メーカーのRivianでは、SQLの経験がない財務アナリストがGenieを使ってCFOのために収益ダッシュボードを作成しました；一方、サプライチェーンアナリストは、入庫貨物の輸送状況を追跡するアプリを開発しました。

これは、誰もが承認なしに会社のすべてのデータやリソースにアクセスできるわけではないことを意味します。作業がより分散するにつれて、共通のビジネス本体、権限体系、責任メカニズムがますます重要になります。企業データシステムはビジネス状態と操作の境界を集中管理し、同時により多くの人々が質問をし、ワークフローを設計し、行動を起こせるようにします。

3月、ジャック・ドーシーは「階層からインテリジェンスへ」というタイトルの宣言を発表し、彼の会社Blockがこの理念のより徹底的なバージョンをどのように試み始めたかを紹介しました。彼は、「あるシステムが初めて企業全体の最新モデルを持続的に維持し、それに基づいて作業を調整できるようになりました。以前は、これらの作業は人間が階層的な管理システムを通じて情報を伝達する必要がありました。」と書いています。

Aliが言う「エージェント向けの企業データシステム」は、ジャックが言う企業の「世界モデル」と似ており、組織の運営、意思決定、能力、優先事項を示す継続的に更新されるモデルです。現場の従業員がモデルを現実に結びつけ、モデルは行動を起こすために必要な共有の背景情報を提供します。

「人はモデルが触れられない領域に入ることができます。」とドーシーは説明します。「彼らはモデルが感知できないものを認識できます：直感、明確な方向判断、文化的背景、信頼関係の変化、そして現場の雰囲気です。彼らはモデルが自ら判断すべきでない判断を下すことがあり、特に倫理的な意思決定、新しい状況、そして一度間違えると企業の存続を脅かす重大な瞬間においてそうです。」

結果として、企業は作業がより分散する中で、より少ない管理層で調整を行うことができ、リーダーは作業状況をより明確に把握できるようになります。

ドーシーにとって、この新しい構造の競争優位性は速度にあります。「会社が速く運営されるか遅く運営されるかは、情報がどのように流れるかに依存します。」と彼は言います。「階層体系と中間管理は情報の流れを妨げます。」

Aliはドーシーに概ね同意しますが、一点だけ異なります。「理念的には、私はジャック・ドーシーに同意します。」と彼は言います。「問題は、これは人間の従業員の組織図にも当てはまるのかということです。」彼は、人々が二つの事柄を混同していると考えています：会社の組織図と、情報が会社内で流れる方法です。

「10年前、20年前、それらは確かに一つのものでした。」当時、会社で何が起こっているかを理解するには、組織図に沿って段階的に質問するしかありませんでした：あなたが部下に尋ね、部下がさらにその下の者に尋ねる。しかし、今は違います。

企業は依然として管理者を必要としていますが、情報を伝達する人はそれほど多くは必要なくなりました。従業員を育成し、チームが何をより重要視するべきかを助け、誰かが落ち込んでいることを見つけるためには、依然として人の関心が必要です。

したがって、二人は管理層の階級がどの程度減少するかについて異なる見解を持っていますが、彼らは共にAIが情報伝達の仕事を引き継ぐと考えています。20世紀には、企業が過度に複雑になり、これらの調整作業が不可欠になったため、管理者は大きな権力を得ました。

第二次マネージャー革命

85年前、大恐慌が終わったばかりの頃、ジェームズ・バーンハムは『マネージャー革命』を書きました。この本は、企業の運営方法や資本主義そのものにおける大きな変化を予見しました。

大恐慌の後、企業家資本主義は終わりを迎え、必然的に何らかの新しい制度が登場するという見方が広まりました。当時流行していた提案には、社会主義的な集団組織や国有化が含まれていました。

バーンハムは、起こっていることを理解しました。彼は第三の可能性を提案しました。これは単なる企業構造ではなく、全く新しい社会秩序であり、彼はこれを「マネージャー社会」と呼びました。この体系では、決定的な支配階級は伝統的な資本所有者でも労働者でもなく、大企業や国家機関を運営する職業マネージャー、プランナー、官僚、高管です。

彼は、現代の機関は技術的に複雑すぎて、個々の資本家が直接指揮することはできないと考えました。10万人の従業員を抱える企業で何が起こっているかを知ることができるCEOはいません。したがって、権限は徐々に所有者や専門家から行政管理者に移行していくでしょう。

20世紀の後半には、職業マネージャー主導の管理モデルがほぼ完全に勝利を収めました。「『フォーチュン』500社の大多数の幹部は、それぞれの会社が属する分野の専門家ではなく、確実にその会社の創業者でもありません。」とマーク・アンドリーセンは言います。

「彼らは職業マネージャーです。実際、彼らはキャリアの中で多くの異なるタイプの企業を管理する可能性が高いです：まず医療業界でしばらく過ごし、その後金融サービス業界に移り、さらに別の業界に転職します。」

しかし、この勝利は自らの利点を消耗しつつあります。バーンハムが言ったマネージャー階級は、スケール可能な管理能力と安定した専門的運営をもたらしましたが、特に技術が絶えず変化する中で、速度と適応能力を犠牲にしました。

マークは、完璧なデータ基盤とエージェントの組み合わせが、企業が創業者の活力と大規模組織に必要な調整能力を同時に保持できるかもしれないと提案しました。

過去には、一部の情報伝達と調整作業が管理層を必要不可欠にしていました。エージェントはその一部の作業を自動化し、より多くの創業者がこの運営方式を採用できるようにします。企業のデータシステムは、現場の従業員に行動に必要な背景情報と権限を提供します。

イーロン・マスクは、マークの考えをさらに進めました。今年の初め、彼は「人間の関与を残している」企業は負けるだろうと予測しました。彼は、AI時代に人をプロセスに残すことは、電子スプレッドシートを使用しながら、一部のセルを手動で計算させるようなものだと考えています。

最終的な方向性について、イーロンは正しいかもしれません。しかし、全自動運営の企業が私たちにどれほど近いかは誰にもわかりません。数年で実現すると予測する人もいれば、永遠に不可能だと考える人もいます。

その前に、皮肉な結果として、職業マネージャー主導のモデルの衰退は、誰もが管理業務を担うようになることを示すかもしれません。すべての人が直接の部下を持つわけではありませんが、より多くの人が明確な業務内容を担当し、実行タスクを割り当て、結果を確認し、プロセスを更新する責任を持つことになります。第二次マネージャー革命は、管理の消滅というよりも、職業マネージャー階級による管理業務の独占の終焉に近いです。

ソフトウェアエンジニアは、今このことを強く感じています：彼らの仕事は、手動でコードを書くことから、プログラミングエージェントのグループを管理することに移行しています。エンジニアの日常はますます管理者のようになっています：問題を定義し、問題をタスクに分解し、並行して作業するエージェントに渡し、彼らが提出したコードのマージリクエストをレビューし、承認したり、意見を添えて返却したりします。

エージェントがより多くの分野で能力を持つようになるにつれて、より多くの知識労働者も同様の変化を経験するでしょう：すべてのステップを自分で完了することから、明確な要求をし、タスクを割り当て、成果を判断することに移行します。

ノボノルディスクの科学者やリビアンのサプライチェーンアナリストは、ジーニーを通じてエージェントを指揮し、過去にはエンジニアやデータサイエンティストのグループが必要だった作業を完了させ、これらのチームが最も戦略的価値のあるタスクに集中できるようにしています。

これは人の生産性と給与にとって良いニュースです。なぜなら、実行と判断は経済的に相互補完的だからです：AIが通常の実行作業のコストを下げると、これらの作業を指導する判断能力の需要が高まります。

1世紀前、数学者アルフレッド・ノース・ホワイトヘッドは、「文明の進歩は、ますます多くの重要な操作が私たちが考えなくても完了できるようになることにある」と指摘しました。企業も同様で、作業の閉ループを一つ一つ改善することで、自律的な運営能力を少しずつ向上させることができます。

誰かがエージェントの作業閉ループを修正するたびに、その修正は次回の実行を改善するべきです。ある閉ループが明確な範囲の作業を信頼できる形で完了できることが証明されると、人はそのプロセスから退き、次の未解決の問題に移行し、蓄積された経験を企業の共有記録に残すことができます。

しかし、バーンハムが気づく可能性が高いように、自主権を維持するためには、企業は自らのモデルと、現場の従業員が教えてくれるすべてのことを把握しなければなりません。

自主制御可能な企業

エージェントが運営に関与する企業では、優秀な人材がこれまで以上に価値を持つようになります。しかし、優秀な人材は行き来します。同時に、モデルは進化し続け、各競争相手は同じモデルを借りることができます。では、この新しい世界で企業はどのように持続可能な競争優位を築くべきでしょうか？

2つの銀行が同じ最前線のモデルを借りて、信用決定を支援していると想像してください。最初の銀行はモデルにプロンプトを送り、回答を受け取り、最終決定を記録します。2番目の銀行は、どの事実が回答を促したのか、人間がどのような修正を行ったのか、どの決定が成功し、どれが失敗したのかを記録し、プロセス全体で政策を調整し続けます。

1年後、より良いモデルが登場したとき、実際に改善されたのは1つの銀行だけです。もしあなたが会社のAIモデルを変更した場合、新しいモデルが会社のビジネス定義、権限設定、評価されたケース、顧客の履歴、そして得難い特別な状況処理の経験を引き継ぐことができれば、それは持続可能な競争優位の基盤となります。もし新しいモデルがすべての競争相手と同じように、同じプロンプトから始まるのであれば、その基盤は存在しません。

2番目の銀行は、人々が「自主制御可能」と呼び始める企業です。もしサプライヤーが価格を引き上げたり、条件を変更したり、特定のモデルを停止した場合、企業はサプライヤーを変更でき、蓄積された経験を失うことはありません。モデルがより賢くなり、企業がそれらにますます依存するにつれて、この独立性はますます重要になるでしょう。

最近の一文で、マイクロソフトのCEOサティア・ナデラは、別の視点から似たような結論を導き出しました。彼は、AIモデルが個人や組織の専門知識を吸収し、それを誰もが利用できる一般的な能力に変えるため、「すべての企業は私が言うところの人的資本とトークン資本を構築しなければならない」と考えています。

人的資本は、従業員の知識、判断力、人間関係、創造力です。トークン資本は、企業が構築し、掌握するAI能力です。両者は持続的な学習の閉ループの中で相互に蓄積され、共に成長し、「この閉ループは企業の新しい知的財産となる」と彼は言います。

データはトークン資本の基盤です。「各企業のビジネスデータは、自社の金鉱です。」とNVIDIAのCEO黄仁勲はDatabricks 2024年Data + AI Summitで観客に語りました。彼は、チップ設計からサプライチェーンに至るまで、NVIDIAのほぼすべてのプロセスがデータフライホイールから始まると説明しました。

「それは私たちが世界で最も大規模な『小さな会社』の一つになることを可能にしました。」と彼は言います。当時、NVIDIAの評価額は3兆ドルを超えていましたが、従業員はわずか3万人でした。「その理由はもちろん、社内に多くのAIが私たちを助け、素晴らしい仕事を成し遂げているからです。」と黄仁勲は考えています。「すべての企業がそうなるでしょう。これは異常な時代です。」と彼は言い、「すべてはデータから始まります。」

企業の未来

エージェントが企業で信頼性を持って機能するためには、データシステムが常に4つの質問に答える必要があります：何が起こったのか、これらの情報は何を意味するのか、どのような行動が許可されるのか、そして行動は効果的だったのか。

この基盤があれば、人とエージェントは自主的に行動でき、すべての決定を層をなして管理体系を通じて伝達する必要はありません。行動の結果も、企業が自ら掌握する記録に戻ります。

調整コストは低下し、企業は既存の従業員でより多くの作業を完了できるようになります。過去には商業的に成立しなかった新しい会社も登場するでしょう。なぜなら、10人が過去に数千人が必要だった作業を完了できるようになるからです。そして、AIが優秀な人材ができるすべてのことを実現する前に、優秀な人材はより貴重になり、価値が下がることはありません。その日まで、まだ遠い道のりです。

他人が設計したプロセスに従って行動する人はますます少なくなります。なぜなら、エージェントが私たちがすでにどうすればよいかを理解している作業を処理するからです。より多くの人が、まだ誰も解決していない問題に取り組むことになります：何が良いかを判断し、何が変わったのかを察知し、次に何を創造すべきかを決定します。

今後数十年、人々は毎日何をするのでしょうか？正直な答えは：私たちがまだどうすればよいかを理解していないことをすることです。エージェントと企業が、すでに知られている作業を自動化した後、人々はこの新しい知性と共に、素晴らしい新しいものを創造し、過去に解決できなかった問題を解決するでしょう。