数字社員の氾濫時代において、AI起業の勝敗を決めるのは「編成」と「審美眼」である。

対話｜張鵬

皆が一斉に「デジタル社員」や「エージェントツール」の開発に走り、細分化されたシナリオの中で無限に競争を繰り返す中、AI起業の真の競争優位はどこにあるのか？

最近、GeekParkの創始者兼総裁である張鵬と、VisionFlowの創始者である劉夜は、OpenClawの爆発的成功後に未来を見据えた議論を行った。1979年生まれの中国第一世代のプログラマーである劉夜は、ハードウェアからソフトウェア、企業向け統合（ToB）からオンライン教育（産業インターネット）までの全周期を経験してきた。数か月の閉鎖期間中、世界トップクラスのAI企業の研究者や国内のトップ起業家と「徹底的に語り尽くす」中で、彼は冷徹な結論に至った：AIを「デジタル社員」として単一タスクの代替に使うのは、エンジニアの思考によるビジネスの過度な単純化である。

この対話の中で、劉夜は「漸進的露出」「タスクの高次・低次次元マトリックス」など、多くの啓発的な概念とフレームワークを提示した。未来の可能性は次第に明確になった：AIの次の一歩は、ツールの氾濫ではなく、「協調」「報告」「反省」機能を備えた「デジタル組織」の構築である。企業文化が不要となり、低次元の仕事が徹底的に平準化される未来、CEOはもはや「最高経営責任者」ではなく、極めて洗練された「プロデューサー」になるかもしれない。

これは、AI時代の組織形態、ビジネスの壁、次世代起業家のエコシステムについての推論と展望の議論であり、今後の起業家の深い議論を促すことを意図している。

以下はGeekParkによる対話の要約と編集版である。

01 万A大戦、すでに始まる。できることは多いが、

何をすべきかが最も重要だ。

張鵬： 作業箱から始まり、OpenClawの変化に夢中になってきたが、あなた自身は何か変化を感じているか？

劉夜： 私は中国第一世代のプログラマーで、幼い頃からプログラミングを学び始めた。BASICからDOS、Windows、そして今のMac時代までを経験し、三大ポータルの台頭も見てきた。企業情報化に取り組み、中国のIBMを目指したこともある。その後、作業箱に転向し、オンライン教育に深く関わった。オンライン教育は非常に深い産業であり、産業インターネットの最高潮、いわば「最後の便車」だ。この経験から、産業インターネットの核心は技術ではなく、産業そのもの、すなわちビジネスにあると痛感した。産業インターネットの法則は、まず情報のマッチングを行い、次に標準化された商品化、次にサプライチェーン、最後に非標準の複雑なサービスへと進む。後の方ほど利益率は高くなるが、難易度も増す。

だからこそ、AIブームが来たとき、最初に取り組んだのは、ほぼ半年間何もしないことだった。HRに頼み、会話できる人をすべて話し尽くすために。トップクラスのスタートアップの最高科学者から、主要な大手企業のコアアルゴリズムやエンジニア、研究者、そして新鋭のAI起業家まで、徹底的に語り尽くした。合計千時間近い交流密度を積み重ねた。どの程度まで？相手の上半句を聞けば、下半句が何かすぐにわかるほど、皆の共通認識はほぼ一致していた。

一巡した結果、驚くべきことに皆が一致した結論は、「みんな同じことをしている」だった——それは「デジタル社員」だ。これを聞いて、かつてある大物がクラウドコンピューティングについて誤った戦略判断をした話を思い出した。彼は「阿里はクラウドをやっているが、要はネットストレージじゃないか」と言った。新しい事象を古い枠組みで理解しようとすると、最も浅いレベルしか見えない。

今や誰もが、「Claudeを使って『デジタル販売』や『デジタルカスタマーサポート』を作る」ことに価値を見出している。技術的な壁はどこに？護城河は？一人が一日に何十億TOKENも燃やすのが当たり前になった今、それはまるで製造業のようで、まったく飛躍できない。だから、私はすべての起業家に同じ質問をした：「なぜあなたはやるのか？」「何があなたを行かせるのか？」「あなたは若い？」「賢い？」「夜更かしできる？」一つの次元で競争しているだけでは、「10秒69」と「10秒70」の違いに過ぎない。

張鵬： そうだね、今はできることが多すぎる。でも、何をすべきかが最も重要だ。あなたはこの点について何か考えはあるか？

02 産業インターネットの十年、今また再現される

劉夜： AIは非常に異なるが、産業インターネットの法則と共通点もあると信じている。初期はツールを作り、中期はビジネスを行い、最終的にコンサルティングに至る。技術が未成熟な時、最初に入るのはエンジニアで、彼らは世界を過度に抽象化しがちだ。例えば百度の「フレーム計算」は、すべてをフレームとみなす考え方だ。しかし、モバイルインターネットの後半はコンテンツとサービスに移行し、フレームではなくなる。

エンジニア出身者は、組織のイメージを過度に単純化しがちだ。最初のインターネットの三大ポータルを見ると、最後まで成功したのはTencentとAlibabaだが、彼らは技術からやや離れ、産業に近い。今も同じで、技術はますます重要でなくなっている。

張鵬： この波の文系出身者は喜んでいるだろうね。コーディングできなくても問題ないと。長期的には、AI時代に人に求められるのは何か？何が変わったのか？

劉夜： 中国の人材構造には一つ問題がある。中国の第一世代のプログラマーは、実はプロダクトマネージャーだった。当時はプロダクトマネージャーという職種はなかったからだ。プロダクトマネージャー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iPhone4を発表し、張小龍がプロダクト観を提唱してからだ。それ以前は、プログラマーも同時にプロダクトマネージャーの仕事を担っていた。最初のプログラマーは、仕事のためではなく、趣味でコードを書いていた。彼らは熱意で取り組んでいた。こうした定義されていない、常識を超えた人たちこそ、最も優秀だった。

しかし、次の世代のプログラマーは、産業インターネットの10年で「コーダー」となり、プロダクトマネージャーは建築家となった。コーダーはビジネスを考えなくなった。今やAIが来て、「コード」の部分は排除され、「農民」だけが残る。彼らは優秀だが、産業の理解は空白だ。だから、今の「万A大戦」は本質的にツールの氾濫だ。

産業インターネットの後期を見ると、AlibabaやMeituanのような企業は、トップコンサルティング会社（MBB）出身者をビジネス分析に起用し、コンサル出身者とプロダクトマネージャーが協力して業務フローを作る。これは、インターネットのプロダクトマネージャーはシステム的思考に欠けているためだ。Feishuもそうやって作られた。ByteDanceも、純粋なインターネット企業ながら、多くのコンサルを使って内部フローを構築している。AI時代、この法則は強まる一方だ。

03 企業の問題は、従業員の問題ではなく、組織の問題

張鵬： だから、「デジタル社員」の一点だけに集中するのはあまり意味がないと。

劉夜： これが私の最も核心的な判断だ。デジタル社員は最終形ではなく、「デジタル組織」が本命だ。もしデジタル社員が氾濫し、採用ポストすらなくなり、誰もが良いデジタル社員を持てるようになったら、次はどうなる？その会社は本当に儲かり、成功できるのか？実は、すべての企業の問題は戦略と組織の問題であり、従業員の問題ではない。

だから、今のエージェントは依然として人の仕事を代行しているだけで、意思決定はしていない。我々はOpenClawを改造し、「MetaOrg」というものを作った。これは、エージェントチームを生成できるコア機能だ。どんなタスクも、従業員を派遣するのではなく、「組織」を作って解決する。組織には協調関係、報告関係、使命、目標、行動方式がある。

張鵬： でも、将来的には、一人が一つの部署、あるいは一つの会社になる可能性は？

劉夜： これは非常に良い質問だ。私たちはまだタスクレベルにとどまる。例えば、AIを使って短い動画を作る、文章を書くとき、多回の対話が必要だ。あなたが一言言えば、それに対して返事が返り、フィードバックを与える。これはツール人の使い方だ。非常に賢い。

だから、人と部署の概念は、数の多さではなく、能力の質の問題だ。高級ポジションのJD（職務記述書）を描くとき、一般的には次のように言う：第一に、いろいろな仕事ができること。さまざまなツールを使えること。高級ポジションは、意図を理解し、自発的に計画し、実行し、納品し、定期的に報告し、反省し、成果に基づいて戦略を動的に調整できる能力だ。これが高次の能力だ。

張鵬： それは「L4レベルの自動運転」のようなものだ。

劉夜： その通りだ。スキルを与えれば複雑なタスクを完遂できる。システム化すれば、より複雑な総合タスクもこなせる。複数のエージェント（agent）が編成されると、さらに複雑なこともできる。例えば短編ドラマの制作だ。私は社員に言う、「MetaOrgを使うときは、管理者ではなく、取締役会長のつもりでやれ」と。限界を探る努力をしろ。

未来の若い起業家は、以前は家族から50万の資金をもらって起業していたが、今後はTOKENの予算をもらって試行錯誤するかもしれない。どれだけTOKENを使うかが、そのポジションの高度さを決める。より高次のポジションほど推論の連鎖は長くなり、試行錯誤と反復、総括が必要になる。

張鵬： さきほどの質問に戻ると、エージェントのグループが、より細かい単位や役割・能力に分解できるとしたら、それがチームを形成し、コアタスクに取り組むとき、個々の人材の質が成功と失敗を決める。これは、かつてのビジネス組織の競争論に戻る：人材の密度、すなわち人材の質が高いほど、組織のコアタスクはより達成しやすく、勝てる。

このことの核心は、もし未来のAIが万能になり、最良のAIを呼び出せるとしたら、ビジネス組織はより効率的に多様な細分化サービスを提供し価値を創出できるだけでなく、もう一つの次元として、「人材密度」も見なければならない——それは、あなたのエージェントやボットがこの体系内で原子レベルの能力に分解されるほど高まれば、「人材密度」も高まり、複雑なタスクにおいて結果や効率、イノベーションも向上する。これが正しい推論かどうかはわからない。

劉夜： その見解に同意する。企業内には「組織開発部」（OD）と呼ばれる部署があり、大企業ではこれが一般的だ。組織が戦えるかどうかの指標は、相手の全人材を抽出し、能力とポジションの適合性を比較し、戦争の勝敗を予測することにある。つまり、戦いに勝つには、組織の能力が重要であり、戦略ではない。最も典型的な例はAlibabaだ。Alibabaは組織づくりを重視しており、今や「第二の春」を迎えている。創業チームは老化しても、組織は永続できる。本質的に、もし私たちが競合相手で、両者ともAIを使っているとしたら、私は強力なAI組織を構築し、AI組織の発展能力を持つ。どうやってこの組織を作るか？競合のエージェントスキルシステムを一つずつ分析し、自分の体系により優れたスキルを作り、欠落している機能を補完する。例えば戦略部門を持つなら、まず観察と分析を行う。

Huaweiの「五看三定」手法もある。これを使えば、99％の競合を排除できると冗談で言ったこともある。五看は、業界動向、市場と顧客、競合、自己能力、戦略的機会を見ること。三定は、コントロールポイント、目標、戦略を決めることだ。この方法論は、ほとんどの対局者を排除できる。なぜなら、多くの人は乱暴に打つが、高手は深い思考と推論を行い、最初から全体を俯瞰し、どう動くべきかを考えるからだ。

張鵬： 「五看三定」の本質は、「応急反応」ではなく、長期的な推論プロセスを固めることだろう。

劉夜： 高手は深いリサーチと推論のモデルを持ち、まず世界のベストプラクティスと情報を見て、それを分析し、深く考え、推論し、答えを出すときは一撃で決める。

だから、未来の競争の核心は、伝統産業のビジネスをモデル化し、システム的な能力を持たせ、インテリジェントエージェントの編成を可能にすることだ。これが新世代の組織開発（OD）能力であり、AIODへと進化し、唯一の競争力となる。

Alibabaの強みは、組織を構築できることだ。組織が整えば、どんな相手やビジネスにも競争力を持てる。そして馬雲は、「戦争の目的は、必ずしも特定の領域を奪うことではなく、戦争を通じて組織を成長させることだ」と言った。Alibabaは、組織の成長を戦争の価値尺度とし、戦う価値があるかどうかを判断している。これは非常に高次の思考だ。馬雲は、まるで超情報ハブのように、年間200回の飛行でさまざまな情報を収集し、組織の改善に役立てている。彼こそが真の取締役会長であり、単なるCEOではない。

これが我々が見てきた最も高度な組織形態だ——何世代にもわたり、異なる産業を跨ぎ、連続して成功を収め、衰退後に再び立ち直ることができる。一般的に、会社が10年以内にCEOを誤任すると、衰退に向かう可能性が高い。だから、歴史を鑑み、より高次の視点から現状を俯瞰し、既存のモデルを少し修正・最適化する方が、ゼロから構築するよりもはるかに効率的だ。

今や誰でも簡単にエージェントを構築でき、社員の習熟ハードルも非常に低い。オープンソースコミュニティの支援もあり、業界の秘密はほとんどなくなった。ツールの競争は、オープンソースの優位性には勝てない。では、オープンソースコミュニティが持たない、模倣できないコア競争力は何か？

04 AI組織の物理学：なぜ「漸進的露出」が重要なのか？

張鵬：「前の時代」の組織論では、組織文化、価値観、KPIなどを重視した。だが、AIエージェントの新時代に移行する中で、どの要素を捨て、どの要素を残しつつ変換すべきか？

劉夜： Anthropicがskillsを導入した核心理由は、AIの「漸進的露出」理念にある。AIは大量の雑多な情報を受け取ると、コンテキストの腐敗や注意散漫を招きやすい。漸進的露出は、AIの注意力を維持し、質の高い出力を得るための方法だ。人間が人工的に漸進的露出を実現するのは、全対話のやり取りとなり、効率が悪い。だからこそ、skillsの核心価値は、複雑なタスクを層に分解し、AIに段階的に露出させることにある。

これは、企業の管理論とも一致する。取締役会は戦略に集中し、CEOは戦術と高級管理に従事し、従業員は単純な事務を処理する。300人が同じ会議に参加すれば、会議は成立しない。組織の本質は、情報を層に分けて処理し、データベースの正規化のように情報を圧縮・階層化し、効率を高めることにある。複雑な問題は層に分解し、漸進的に露出させる必要があり、一度に大量のコンテキストを投入してはいけない。これは、特定の時間内の計算資源が有限だからだ。

張鵬： モデルは毎回膨大な計算資源を消費してゼロから作り直す必要があり、効率が悪すぎる。

劉夜： 不可能だ。やはり層に分けて漸進的に露出させるのが基本だ。必要なリソースは呼び出すべきだ。これはAIモデルの能力の限界による。また、Anthropicがskillsを導入したもう一つの理由は、複雑なタスクはすでに物理学の基本定理を超えているため、skillsは複雑なタスクを低次元のシンプルなタスクに分解できる。タスクの難易度ではなく、複雑さの次元で区別される。例えば、プログラマーのコーディングや数学の解答は、低次元高難度のタスクに属する。

Horizonの余凯は、すべての職種を「競争度」と「次元の高低」に基づき4象限に分類した。高次・高競争、低次・低競争、低次・高競争、高次・低競争だ。営業やエンジニアは低次・高競争、プロダクトマネージャーやCEOは高次・高競争、科学者は高次・低競争に属する。特に、優れた短編ドラマや良質な小説は、AIにはまだ難しい高次・高競争の例だ。一方、コード最適化は低次・高競争のタスクで、AIはすでに得意とする。高次のタスクほど、データ源は少なくなるが、学習に必要なデータ量は逆に増える。これが、テキストモデルが先に登場し、画像・動画モデルが後から出てきた理由だ。短動画モデルの実用化が難しいのも同じ理由だ。高次・高次元のタスクとデータの供給・需要の矛盾は、skillsによるタスク分解でしか解決できない。企業で高級ポジションの人材が見つからないとき、その役割を複数の基礎的なポジションに分解するのと同じだ。高次のポジションは、やはりCEOのように代替不可能な存在だ。

張鵬： 低次・高競争のタスクは、AIに完全に取って代わられる。

劉夜： 百％取って代わるし、すでにそうなっている。

張鵬： その通りだ。だから、すべての低次・高競争の仕事は、できるだけ早くAIに任せるべきだ。skillsに分解し、エージェント組織で実現すれば、人間の関与は不要になる。

劉夜： 一つの仮説だが、IBMやAccentureは、世界最大のコンサルティング会社であり、その核心は産業のベストプラクティスを抽出し、デジタル化と連携させ、フローを売ることだ。企業がリスクや知的財産を調達するとき、コンサルに落とし込みを依頼する。私たちの今の仕事は、skillsのクラスターを構築し、各分野のトップエキスパートを見つけ、その能力を抽出し、標準化することだ。これは作業箱のモデルに似ている。北京四中や人大附属の高校入試作成チーム、学而思の教師と連携し、出題・解説・採点のコア手法を抽出し、百度のエンジニアと連携してシステムを構築する。根本は、最良の実践を整合させることだ。組織能力の核心は、優れたクロス分野のチームを作ることにあり、産業やエンジニアリングを理解し、各垂直分野のトップ専門家と連携し、ビジネスや人材採用、管理もできることだ。これが新世代のAI SaaS企業の核心構成だ。

張鵬： さらに未来を推論すると、ビジネスの観点から必要な組織形態を逆算できる。組織は本質的に編成構造であり、まるでビジネスのOSのようだ。人を生産性の単位として適切な組織に配置すれば最大の価値を発揮できる。逆に、そうでなければ効率的に動かせない。今や生産性要素は変化しつつあり、人力依存から無限供給のAIへと変わりつつある。正の循環を作れば、継続的に拡大できる。過去の組織文化は、今や目標やコンテキストに置き換わり、スローガンや会議、アイスブレイクは不要になる。

劉夜： 文化は管理の意図であり、ビジネスの意図ではない。前の時代は、戦略はビジョンから始まり、そのビジョンが価値を決め、組織は戦略に従い、ビジネスがすべてを検証した。文化は組織を統治する手段に過ぎず、戦略ではない。むしろ、創業者の個人的嗜好にすぎない場合もある。

張鵬： 以前は、人が戦略を支援する過程に多くのギャップがあったが、AIはこれらのギャップを埋めつつあるのか？

劉夜： そうだ。AI時代では、文化はもはや重要ではない。文化は人間の組織の信念の一部だが、AIには不要だ。AIには肉体も血もなく、文化の牽引も必要ない。AIの核心は計算能力だ。

張鵬： つまり、AIには目標と原則が必要だ。ドキュメント一つあれば、目標と原則は明確になり、すべての生産性ユニットは即座に同期し、忠実に実行できる。人間の組織における摩擦の多くは消える。

劉夜： その通りだ。従来の組織は、戦略→文化→人材→実行の流れだったが、AI組織は、目標→原則→Skills→編成に圧縮される。管理の連鎖は半分に短縮される。

05 最後の壁：審美と編成

張鵬： 企業の新たな壁は何か？人材の質はSkill Setに置き換わった。私の審美眼さえあれば、世界最高のSkillsを手に入れられる。次のレベルは「編成」（Orchestration）だろう。これには何が起きる？

劉夜： まるで華強北で電子部品を買えるが、なぜみんなアップルを作れないのか？スティーブ・ジョブズの伝記には、審美の定義が非常に明確に書かれている：世界中の良いものを見て、それを区別できること、それが審美だ。良い製品や良い流れ、良い組織を見たことがなければ、優れた成果は作れない。

張鵬： 見識は審美の前提だ。

劉夜： 見識と才能だけだ。

張鵬： 審美は二つの方法で表現される。一つは積極的に設計・編成すること。もう一つは、混沌の中から優れたものを認識し選択すること。これらは矛盾しない。

劉夜： その通りだ。アップルの成果の一部は自主開発、もう一部は第三者の買収だが、核心は審美を持つことだ——輪を再び作る必要はなく、必要に応じて自主開発すれば良い。

張鵬： 重要なのは、エージェントが設定モジュール内で動作した後にパスを確認し、出現的な編成を実現するのか、それともすべてのパスをあらかじめ設定し、設計的に編成するのか？

劉夜： 出現は非操作的であり、種子ルールと原則を先に設定する必要がある。これが人の審美を反映する。例えば、優秀なエンジニアは500行や5000行のコードで良いOpenClawを作るが、未熟なエンジニアは5万行書いても同じ効果は得られない。根底の種子ルールは人間が設定し続ける必要がある。

張鵬： 混沌の中で出現を待つのは時間がかかりすぎる。だから、編成は依然として重要だ。最終的には、創始者や「プロデューサー」の役割に近づくのかもしれない。

劉夜： その通りだ。出現とスケールメリットがあっても、データのラベリングやクリーニング、アルゴリズムの継続的な調整は必要だ。無秩序な拡大を防ぐためだ。

編成者は、ビジネスの複雑さに依存する——短編ドラマや脚本作成のように、一人では完結できない場合も多い。いわゆる「一人会社」の概念は誤用されている。世界は無限に単純化できない。コンピュータは一人で操作できても、すべての高次能力を掌握するのは難しい。イーロン・マスクや李飛飛のように、多分野に精通し、あらゆる役割を担えるスーパー人材は稀だ。

張鵬： もし、世界最高のエージェントとスキル体系を呼び出せるとしたら、例えば優秀な脚本家が、これらのリソースを使って、世界的に有名で収益性の高い映画を作れるだろうか？脚本にはコアの強み（良い脚本）があるが、すべての工程を完結できるわけではない。この「コアの強み＋グローバルリソース」の閉ループは可能か？

劉夜： それは本質的にデータの問題だ——最高次の情報を保存できるデータは存在するか？例えばCEOのスキルを訓練するには、現状十分なデータがない。任正非の長文や馬雲の口述も、彼らの高次認知を完全に表現できない。世界中の企業の財務報告やCEOの発言を集めても、CEOのコア能力を持つモデルは作れない。なぜなら、CEOの能力は暗黙知であり、テキストだけでは完全に露出できないからだ。

張鵬： つまり、CEOのコア能力は今のところベクトル化できていない。これが、「一人会社」の理想像を制約している。たとえ各人が一つの次元の強みを発揮し、世界のトップリソースと組み合わせても、やはり「編成者」が不足している。根本的には、最良の「コンポーネント」を持っていても、強力な編成能力が必要だ。

劉夜： プロダクトマネージャーも同じだ。彼らの暗黙知は完全にテキスト化できない。これが、現状のAIパートナーやAI生成コンテンツが「生き生き」としない本質的な理由だ——高次の暗黙知を持つデータが不足しているからだ。データ量が少なければスキルに集中し、多ければモデルを作る。ロボットは今のところ実用化できていない。核心は十分なデータの不足にある。

張鵬： つまり、今後の企業の勝敗は、最先端モデルにアクセスできるかどうかではなく、最終的には「プロデューサー」たる編成能力と、その目標の革新性・意義にかかっている。

劉夜： マッキンゼーの元パートナーは、「マッキンゼーの核心は、最良の実践を抽出し、モデル化し、企業に実装させることだ」と言っていた。例えば、中国の自動車メーカーにコンサルしたとき、トヨタのやり方を日本の同僚から学び、それをコピーし、実現させるのが本質だ。

ミモンの短編ドラマの事例も参考になる。彼女は中国語科出身だが、チームは清華・北大の数学・計算機系出身者で構成され、バズる短動画のロジックを解析し、非常に高いヒット率を実現した。これは、業界の社会工学のモデル化にほかならない。過剰適合の可能性は