a16z：AI は誰もが 10 倍効率的になる可能性がありますが、本当の勝者はまだ現れていません。

a16z crypto

この記事を読むのに必要な時間は 39 分

機関レベルの AI と個人レベルの AI の「よりよい統合」は、必然のトレンドです。

原文タイトル：Institutional AI vs Individual AI

原著者：George Sivulka、a16z

原文翻訳：ディープタイド TechFlow

AI はついに誰もの生産性を 10 倍にしました。

しかし、そのおかげで企業の価値が 10 倍になったわけではありません。

生産性はどこに行ったのでしょうか？

これは初めてのことではありません。

1890 年代、電力は大幅な生産性向上を約束しました。

ニューイングランドの繊維工場は、元々蒸気機関を中心に設計されていましたが、すぐに蒸気機関をより速い電動モーターに置き換えました。

しかし、30 年間、電化された工場はほとんど生産性を向上させませんでした。技術ははるかに進んでいましたが、組織は遅れました。

1920 年代まで、工場は生産ラインを完全に再設計しました — 流れ作業ライン、各装置に独立したモーター、労働者と機械が完全に異なる作業を実行 — そうして電化が本当のリターンを生み出しました。

キャプション：ローウェル織物工場の 3 回の進化。左から右へ：1890 年の蒸気動力工場、1900 年の電動工場、1920 年の「ユニット駆動」工場（つまり電力流れ作業ラインに完全に再設計されたもの）。

リターンは技術そのものから来たわけでも、一人あたりの労働者や機械の織速さが速くなったからでもありません。組織と技術を一緒に再設計したときに、価値が本当に実現されたのです。

これは技術史上、もっとも高価な教訓であり、現在私たちは再びこの授業を受けています。

2026 年、AI はそれを活用する人々に 10 倍の生産性向上をもたらしています。しかし足りません。私たちは電動モーターを取り替えましたが、工場を再設計していません。

それは単純な事実です：効率的な個人は効率的な組織とは限りません。

ほとんどの AI 製品は人々に「効率的」な感触を与えますが、真の価値を推進していません。見ているほとんどの AI ユースケースは、個人が Twitter または企業の Slack で自己陶酔的な「efficiency max」を示しており、実際の影響はゼロです。

過去一年間、頻繁に「サービスがソフトウェアそのものである」という考え方が取り上げられてきましたが、それには具体的なロードマップが欠けていました。さらに、より大局的な視点が欠けていました。真の変革は、ツールからサービスへの移行ではなく、技術と制度を一緒に構築すること（古いものを改良するか、ゼロから作り直すかに関わらず）です。真に効率的な未来を実現するには、新しいカテゴリーの製品が必要です——明日の組立ラインです。

効率的な組織には「企業レベルの知能」が必要です。

この記事では、「企業レベルのAI」と「個人レベルのAI」を区別するための7つの次元について詳細に分析します。今後10年間、B2B AI領域全体の企業は、これらの違いに基づいて構築されていくでしょう：

図説：企業レベルの知能の7つの柱比較表

企業レベルの知能の7つの柱

1. 調整

個人レベルのAIは混乱を引き起こします。

企業レベルのAIは調整を生み出します。

まず、思考実験をしてみましょう。組織の従業員数を翌日倍増し、すべての従業員を最も優秀な従業員としてクローン化したとします。

これらの従業員は、それぞれ微小な違い、好み、変わった習慣、視点を持っています（特に最も優秀な従業員はそうです）。管理が十分でない、コミュニケーションが不足している、役割と責務、OKR、役割の境界線が明確に定義されていないと……あなたは混乱を生み出します。

個人単位で評価すると、組織はより効率的に見えるかもしれません。しかし、何千ものエージェント（または人間）が別々の方向に漕ぎ、良い場合は原地で停滞し、悪い場合は組織の結束力を崩壊させる結果になります。

これは仮定ではありません。 AIを調整する層が欠けた状態でAIを導入している各組織は、今でもこの状況を経験しています。各従業員は、独自のChatGPTの使用習慣、独自のプロンプトスタイル、独自の出力を持っており、他の人の出力と全く整合しません。組織図は残っているかもしれませんが、AIが生成した作業は実際には別の経路をたどっています。

図説：効率的な個人（またはエージェント）がそれぞれ異なる方向に漕いでいます。調整がないと混沌です。

調整は、人間とエージェントの両方にとって絶対的なハード要件です。

機関レベルのインテリジェンスは、完全な「エージェント管理」業界を生み出すことになります — エージェントの役割と責任、エージェント間およびエージェントと人間とのコミュニケーション、およびエージェントの価値をどのように測定するかに焦点を当てます（料金徴収だけでは不十分です）。

2. シグナル

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はシグナルを見つけます。

今日の人間は、考えられるすべてのものを作成 — あるいは生成 — できます：AIによる記事、プレゼンテーション、スプレッドシート、写真、ビデオ、歌、ウェブサイト、ソフトウェア。何て素晴らしい贈り物でしょう。

問題は、AIによって生成されるコンテンツの大部分が完全なゴミであるということです。AIゴミの氾濫は、いくつかの組織が極端に反応し、すべてのAI生成を禁止するほど深刻になりました。正直言って、私自身も同感です — 私はAI企業を運営していますが、経営陣に対し、最終的なテキスト製品にはAIを使用しないでくださいと要求しています。私はそのゴミには耐えられません。

PE（プライベート・エクイティ）業界がどのように変化しているかを考えてみてください。昨年、あなたの机の上には10の取引機会があったかもしれません。今年は、次の四半期には50の機会が来るでしょうが、それぞれがAIによって磨き上げられ、あなたが判断するための時間は同じです — 本物の取引を見つける必要があります。

あらゆるものを生成することはもはや問題ではありません。真面目な組織にとっての問題は、正しいものを生成し、選別することです。AI駆動の世界で、優れた成果、優れた取引、ノイズの中のシグナルを見つけることがますます重要になっています。次の10年の主要な経済ドライバーは、指数関数的に増大するゴミ山からシグナルを引き出すことです。

キャプション：個人の生産性ツールから生まれるAIゴミが指数関数的に増殖しています。人間自身はもはやノイズを選別できず、新しい機関レベルのAI製品が必要とされています。

機関レベルのインテリジェンスは、信号を見つけなければならず、ゴミを貫通し構造化する必要があり、仕事の中で定義可能で、確実で、監査可能である必要があります。

個人レベルのAIは、Clawdbotのような「常にオンライン」の生産性を強調し、予測できない方法で24時間365日あなたの要求を満たします — 本質的には非決定論的エージェントです。機関レベルのAIは、信頼性のある決定論的エージェントに依存しています。予測可能なチェックポイント、ステップ、プロセスを持つエージェントは、拡張でき、シグナルを見つけ、それらのシグナルを通じて組織に収益をもたらすことができます。

注：Matrix は、ノイズを貫通する生成技術を利用したツールであり、これにより決定論的 Agent とチェックポイントの世界が開かれました。

3. バイアス

個人レベルの AI はバイアスを増幅させます。

機関レベルの AI は客観性を創出します。

社会的政治的バイアスに関する議論が AI ディスコースを数年間席巻しました。基本モデルラボは最終的に、十分な数の RLHF を介してこの問題を回避し、すべてのモデルをへつらい者に設定しました。今日、ChatGPT、Claude などのモデルは過度に一致し、オーファントン窓内のどんな話題でも賛成します（時にはやや度を越えて、特にあなた、@Grok）。社会政治的バイアスの議論は影を潜めました。しかし、新たな問題が生じました。

あらゆることに対する過度な同調は、すでにばかげたものになっています。それ自体がミームとなりました —— Claude の「完全にその通り！」という反射的な発言は、本当にその通りであっても間違っていても関係なく使われます。

これは無害に聞こえるかもしれませんが、実際にはそうではありません。

多くの組織で AI を最も熱心に推進している人々は、おそらく歴史上最低のパフォーマンスを示す従業員にすぐになるでしょう。その理由を考えてみてください。

組織内で最もパフォーマンスが低い従業員は、ほとんど日常的に肯定的なフィードバックを受けられなくなり、すぐに ASI から全面的に賛同を受けるでしょう。彼らは心の中で「これまでに最も賢い知的体が私に同意している。私の上司が間違っているに違いない。」と言うでしょう。

これは中毒性があり、組織に有害です。

注：個人レベルの AI のエコーチェンバーは分裂を助長し、2人を遠ざけることがあります。このダイナミクスは、規模化された後は元々統一されていた組織内で派閥を作り出すでしょう。

これは重要な点を示しています。個人の生産性ツールはユーザーを強化していますが、実際に強化すべきなのは事実です。

人間の組織は数千年の進化を経て、この問題に対抗するための体制を築いてきました：

· 投資委員会会議

· 第三者デューディリジェンス

· 取締役会

· 米国政府の行政立法司法の三権分立

· 代議制民主および民主主義自体

注：客観性は協調問題を緩和するかもしれません —— 小さな違いを拡大させるのではなく、抑制する。

組織が従業員の自信を欠いて失敗することはほとんどありません。組織が失敗するのは、誰もが「いいえ」と言うことを望まず、またはできないからです。

組織レベルのAIはこの役割を果たさなければなりません。それはユーザーを喜ばせたり、彼らの信念に迎合したりするためにRLHFによって調整されることはありません。代わりに、彼らの偏見に挑戦する必要があります。行動が効率的な場合はポジティブなフィードバックを与え、逸脱した場合は硬い線を引き、コース修正を強制します。

したがって、組織内で最も重要なエージェントは「ペテン師」ではなく、規律のある「否定者」であるべきです —— 推論を疑い、リスクを暴露し、基準を実施します。将来、いくつかの最も影響力のあるAIアプリケーションは、体制的な制約を中心に構築されることでしょう：AI取締役会メンバー、AI監査人、AIサードパーティーテスト、AIコンプライアンス...

4. Edge Advantage

個人レベルのAIは使用量を最適化します。

組織レベルのAIはエッジの利点を最適化します。

AIの能力の境界線は毎週、時には毎日移動しています。基本モデル会社は、すべての人とすべての組織を巻き込むために、急速な革新能力を求めています。

しかし、クラシックなイノベーターのジレンマは、具体的な応用において、深さが常に広さを上回ることを教えてくれます：

· @Midjourney の仕事は、画像デザインの微妙なリードを保つことです。

· @Elevenlabsio の仕事は、音声モデルの微妙なリードを保つことです。

· @DecagonAI の仕事は、常にフルスタックのカスタマーサービス体験をリードすることです。

基本モデルが近づくにつれ、各領域の専門家にとって、真のエッジの利点が鍵となります。

最高のデザイナーの多くが@Midjourneyを使用し、最高の音声AI企業の多くが@Elevenlabsioを使用しているのは、基本モデルが進化しているとしても、専用応用アプリケーションが、その特定のエッジの利点を推進するために継続的に焦点を当てているためです。

専用ソリューションが進化している限り、経済的成果に本当に重要な能力 ― 企業にとって不可欠な能力 ― は常に専用製品側にあります。

これは金融業界で非常に明確に示されており、現在LLMの開発は最も注目されている分野です。ある能力が普及すると、それ自体が市場をリードするのを手助けしなくなります。しかし、先進技術が一時的な1％のニッチ優位をもたらせる場合はどうでしょうか？その1％は数十億ドルのリターンをもたらすことができます。

Figure: For any sufficiently specific task, the edge is defined by the institutional-level solution you build on top of cutting-edge technology.

当社のユーザーは常に最先端を追求しています。LLMのコンテキストウィンドウは4年間で4Kから100万トークンに成長しました。一部のユーザーは1回のタスクで300億トークンを処理しています。今年は、1000億トークンの取引を処理するパスを確認しました。毎回基本モデルの能力が向上するたびに、私たちはさらに前進しています。

Figure: The context window, like other capabilities, is a moving target. Comparison of the evolution of context window in the past three years between cutting-edge labs and Hebbia.

広範なユーザーを対象とした汎用性はもちろん重要ですが、特にAIに初めて触れる際には。将来は、人々がChatGPT/Claudeまたは垂直ソリューションを使用するのではなく、ChatGPT/Claudeに垂直ソリューションを追加することになります。

機関レベルの知能は、ドメイン固有の、さらにはタスク固有のエージェントを利用する必要があります。

私たちは、おそらく愚かなようで愚かではない疑問を投げかけます：

「AGIは、どのエージェントをショートカットとして利用するかを選択しますか？スーパーインテリジェンスでさえ、特定の分野向けの専用ツールを求めるでしょう。」

AIの能力の境界線は常に移動しており、真にエッジがある組織だけが勝者です。他の人は非常に高価な汎用品のために支払っているだけです。

5. 結果

個人向けAIは時間を節約します。

企業向け AI は収益を拡大します。

@MaVolpi は以前私に言ったことがあり、企業に AI を販売することに対する私の認識を変えました：「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、ほとんどの人が収益と答えるでしょう。」

しかし、今日の市場ではほぼすべての AI 製品がコスト削減を提供しています－－時間の節約、少ない人員でより多くの仕事を行ったり、人の代わりをしたりすることを約束しています。

企業向け AI は増加収益を提供する必要があります。増加収益は節約された時間よりもはるかに商品化が難しいです。

AI を補助としたソフトウェア開発を取り上げてみましょう。コードの IDE は史上最高の個人用 AI 生産性ツールの1つですが、Claude Code（別の個人向け AI ツール）から大きな打撃を受けています。Cognition はまったく異なるゲームをプレイしています。彼らの最も成長しているビジネスは技術を使って変革を販売しており、ツールを販売していません。私はこのモデルが持続すると確信しています。

純粋なソフトウェアは「投資できなくなる速度」で進化しています。純粋なサービスはスケーラブルではありません。ソリューションレイヤー－－技術と結果を結びつける場所－－こそが持続的な価値を生み出す場所です。

M&A を再考してみましょう。個人向け AI はアナリストが迅速にモデリングするのに役立ちます。企業向け AI は、100人のターゲットから1人の価値ある取引相手を特定し、その後検索範囲を1,000人に拡大します。1つは時間の節約、もう1つは収益の創出です。

Caption: Foundational model companies are moving to the vertical application layer. Vertical application layer companies are moving to the solution layer.

「上流への移行」は現在の市場の自然な引力です。基礎モデルはアプリケーション層に進み、アプリケーション層の企業はソリューション層に進んでいます。

企業向けインテリジェンスこそがソリューション層です。そしてソリューション層－－結果がある場所－－こそが持続的な価値を生み出し、最大の収益空間を捉えます。

6. Empowerment

個人向け AI はツールを提供します。

企業向け AI はその使い方を教えてくれます。

人間はいかに賢くても変化に抵抗します。

信じるか信じないかはあなた次第ですが、ニューヨークには今でもクレジットカードを受け付けない成功した店舗が存在しています。彼らは自分たちが赤字であることを知っており、クレジットカードを受け付けないことで赤字になることも知っていますが、何としても変えようとしません。同様に、将来、特定の組織内の特定の従業員は AI の使用を拒否することになるでしょう。

純粋な人間の組織から AI 重視のハイブリッド組織への移行は、将来の10年間で最も持続的で定義的な課題となるでしょう。そして、多くの場合、組織内で最高位かつ最も重要な人物が最後にそれを採用することになります。

Caption: The top of the organization—the furthest from 'tool operation of productivity'—tends to be the slowest but most critical group to adopt new technology.

Palantir は、過去2か月間のテクノロジー株の売却ラッシュで、依然として非常に高いバリュエーション倍率を維持している「ソフトウェア」会社の中で唯一の存在です。これには理由があります。Palantir は、最初の本物の「プロセスエンジニアリング」企業の1つです。あなたがそれを「プロセスエンジニアリング」と呼ぶか「Claude スキルファイルの記述」と呼ぶかに関係なく、組織全体の AI は、企業プロセスをエージェントにコーディングし、必要な変革管理を推進しています。

Caption: The organization's full adoption of AI will cross multiple chasms, each with its own challenges. Enabling processes with AI will be a key driving force.

私は言える、プロセスエンジニアリングは最も重要な「技術」となるでしょう。

そして、プロセスエンジニアリングにおいて、ビジネスと業界の専門知識—ソフトウェアの専門知識ではなく—が最も重要となります。垂直ソリューションは、フロントライン展開や実装、変革管理に専門知識を持つ人材を育成します。

トップ投資銀行（上位3行）が全面展開で Hebbia を選択した際、最も適切に言ったのは：「我々は彼らのチームに CIM（機密情報メモ）とは何かを説明しなければならない」からだ、ということです。Claude や GPT はもちろんこの分野を理解していますが、実地展開を担当するチームは理解していない…。

この差異がすべてを左右します。

7. ヒント不要

個人レベルの AI は人間のヒントに対応します。

機関レベルの AI はプロンプトを必要としません。

エージェント間のコミュニケーション、未来の企業や制度がまだ人間を必要とするかどうかについて、さまざまな議論があります。

しかし、より良い問いは：将来の AI エージェントはまだプロンプトが必要か？

AGI にプロンプトを書くことは、電動機を手動織機に接続するようなものです。それは根本的かつ不可逆的に、組織のサプライチェーン内で最も脆弱なリンクに制限されています—私たち自身。人間は正しい質問をするべきかすらわからず、いつ質問すべきかなど言語化できません。

AI が最も価値のある仕事をするのは、誰も考えつかなかった仕事です。AI は、誰も気づかなかったリスク、誰も考えつかなかった取引先、誰も存在すると気づかなかった販売パイプラインを見つけるべきです。

これにより、AI ユースケースの境界が徹底的に開かれるでしょう。

プロンプトを必要としないシステムが、投資ポートフォリオ全体のデータフローを継続的に監視しています。ある投資先企業の運転資本サイクルが3ヶ月連続で静かに悪化していることを発見し、信用取引契約の条項と照らし合わせ、ファンド内の誰よりも早くオペレーションパートナーにその PDF を開かないうちに通知します。

AI にプロンプトを書く必要がなくなれば、新しいインターフェースや新しい作業方法が登場します。私たち @Hebbia にはこれに関する強力な考えがあります。詳細は後日。