対話｜張鵬
皆が次々と「デジタル従業員」や「Agentツール」を開発し、細分化されたシーンで無限に競争を繰り広げている中で、AIスタートアップの本当の競争優位性はどこにあるのか？
最近、極客公園の創設者でCEOの張鵬とVisionFlowの創設者劉夜は、OpenClawの爆発的発展を受けて、未来への推論について議論した。1979年生まれの中国初代プログラマーである劉夜は、ハードウェアの基礎からソフトウェアへ、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）へ至るまで、一連の完全なサイクルを経験してきた。数か月間の閉鎖的な期間を経て、世界トップレベルのAI企業の研究者や国内のトップ起業家たちと「できる限りすべての議論」を重ねた後、彼は冷酷な結論に達した。AIを「デジタル従業員」として単一タスクの代替に使うことは、エンジニアの思考が現実のビジネスを過度に単純化したものである。
この対話の中で、リウイェは「段階的暴露」や「タスクの高低次元マトリックス」など、非常に示唆に富む概念とフレームワークを提示した。議論を通じて、AIの次なるステップは汎用的なツール人ではなく、協調・報告・反芻のメカニズムを備えた「デジタル組織」を構築することであるという未来の可能性が明確になってきた。企業文化が不要になり、低次元の仕事が完全に消滅したとき、未来のCEOはもはや「最高経営責任者」ではなく、極限の美的感覚を持つ「プロデューサー」になるかもしれない。
これは、AI時代における組織形態、ビジネスの障壁、そして次世代起業家のエコロジカルニッチについての考察・推論です。より多くの起業家が未来について深く議論するきっかけとな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要約です：
01万Aの戦いが既に始まっています、やるべきことはたくさんあります。
しかし、何をするのが最も重要ですか
張鵬：作业盒子から今日に至るまで、OpenClawがもたらす変化にこれほど熱心に取り組んできましたが、ご自身にはどのような変化がありましたか？
劉夜：私は中国の最初の世代のプログラマーで、幼少期からプログラミングを学びました。BASICからDOS、Windows、そして今日のMac時代までを経験し、三大ポータルサイトの台頭も見届けてきました。企業の情報化を手がけ、中国のIBMを作りたいと考えていました。その後、学習BOXに転身し、オンライン教育に深く関与しました。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形態であり、「最後の列車」でもあります。この経験を通じ、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、すなわちビジネスであることを深く実感しました。産業インターネットの法則は、まず情報マッチングを行い、次に標準化製品へ、その後サプライチェーンへ、最後に非標準化の複雑なサービスへと進むことです。後になるほど粗利は高くなりますが、同時に実現も難しくなります。
したがって、AIの波が訪れたとき、私がまず行ったのは、約6か月間何もせず、HRに可能な限りすべての人と話させることでした。有名なスタートアップの首席科学者から、主要な基礎モデル企業の核心的なアルゴリズム担当者、エンジニア、研究者、そして新興AIスタートアップの創業者まで、可能な限りすべてと話し合いました。合計で約1000時間に及ぶ密度の高い対話を行いました。どの程度まで深く話したかというと、相手が上半分を言い始めた瞬間に、下半分が何なのかがわかるほどでした。すべての人々の共通認識はほぼ一致していました。
一通り話した後、結論は驚くほど一致していた：誰もが同じことをしている——デジタル従業員。これは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下した戦略的誤解を思い出させる。彼は「アリババがクラウドをやっているって、結局のところネットストレージにすぎないじゃないか」と言った。古い枠組みで新しいものを理解しようとすれば、常に最も表面的な層しか見えてこない。
今日、誰もがデジタル従業員としてClaudeを使って「デジタルセールス」や「デジタルカスタマーサポート」を作ることを当たり前に感じているが、その技術的障壁はどこにあり、競争優位はどこにあるのか？一人が一日に何億ものTOKENを消費するのが当たり前になるなら、これは製造業に似ており、そもそも飛躍できない。だから私はすべての起業家に同じ質問をする：なぜあなたなのか？なぜあなたがうまくいくのか？あなたは若い？賢い？耐え忍ぶ力がある？一つの次元で競争するとは、「10秒で69」と「10秒で70」の違いにすぎない。
張鵬：うん、今日はやるべきことがたくさんあるけど、何を優先するかが最も重要だ。あなたはこの点についてどのような考えを持っている？
02 産業インターネットの10年が、今日もう一度繰り返される
劉夜：AIはまったく異なりますが、産業インターネットの法則とどこかで共通する部分があると信じています。初期はツール、中期はビジネス、最後はコンサルティングです。技術が未熟な段階では、最初に参入するのはエンジニアで、彼らは世界を過剰に抽象化するのが得意です。たとえば百度の「筐体計算」では、すべてが筐体だと考えました。しかし、モバイルインターネットの後半戦は筐体ではなく、コンテンツとサービスです。
エンジニア出身の人々は、組織を過剰に単純化して捉えがちです。第一世代のインターネット三大ポータルを振り返ると、最終的に最も成功したのは腾讯とアリババでした。彼らは技術からやや距離を置きながら、産業に非常に近接していました。今日も同様に、技術はますます重要性を失っています。
張鵬：この波で文系の学生たちはとても喜んでいるようだ。コードを書けなくてもどうにかなるようだ。しかし長期的に見ると、AI時代において人間に求められるものは何なのか？何が変わったのか？
劉夜：中国の人材構造の中で、私は一つの問題に気づきました。中国の最初のプログラマーは、当時产品经理という職種が存在しなかったため、そのまま产品经理でもありました。产品经理が広く認識される職種となったのは、2010年前後、ジョブズがiPhone4を発表し、張小龍が製品観を提唱してからであり、「誰もが产品经理である」という言葉が生まれました。それ以前は、プログラマーが产品经理の役割も兼任しており、先にプログラマーが存在し、その後に产品经理が登場したため、最初のプログラマー全員が产品经理でした。最初のプログラマーたちは、仕事のためにコードを学んだのではなく、興味から取り組んでおり、情熱を持ってこの分野に没頭しました。正是这些不被定义、跳出常规的人，才最为出色。
しかし、2世代目のプログラマーは、過去10年の産業インターネットの発展により「コード農民」に変えられ、製品マネージャーは建築家となり、コード農民はビジネスを思考しないように驯化されてきた。今日、AIが登場し、「コード」の部分が消え去った。進化しなければ、彼らは本当に「農」だけになってしまう。この世代の若者は非常に優秀だが、産業に対する理解は空白である。したがって、現在の「万A戦争」は本質的にツール層の氾濫にすぎない。
産業インターネットの後期において、アリババや美团这样的企業は、いずれもトップコンサルティングファーム（MBB）出身の人材をビジネス分析に採用し、コンサルタントが製品マネージャーを率いてビジネスプロセスを構築している。これは、インターネット製品マネージャーの頭には元々システム的な思考が欠けているからである。飛書はまさにこの方法で作られた。字節跳動は純粋なインターネット企業だが、内部プロセスの構築にもコンサルティングファームを大規模に活用している。AI時代において、この法則は強まるだけで、弱まることはない。
03 企業の問題は、従業員の問題ではなく、組織の問題である
張鵬：だから、あなたは「デジタル従業員」という一点に焦点を当てる意味はそれほどないと思っているのか。
劉夜：これが私の最も核心的な判断です：デジタル従業員が最終形態ではなく、デジタル組織が最終形態です。デジタル従業員が氾濫し、採用ポジションさえ存在しなくなり、誰もが優れたデジタル従業員を手に入れられるようになったとして、その後どうなるでしょうか？その結果、すべての企業が利益を上げ、成功するのでしょうか？実際、すべての企業の課題は従業員の問題ではなく、戦略の問題であり、組織の問題です。
したがって、今日のエージェントは依然として人間の代わりに仕事をするだけで、意思決定を行うわけではありません。私たちは内部でOpenClawを改良し、MetaOrgというものを開発しました。これはエージェントチームを生成するためのコアです。私たちはあらゆるタスクを単一の従業員に任せるのではなく、「組織」を構築して解決します。この組織には協力関係、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、一人が一つの部署になる可能性はあるでしょうか？ 甚至、一人が一つの会社になる可能性はあるでしょうか？
リューヤ：これは非常に良い質問です。AIを使って短い動画を作成したり、ドキュメントを書いたりするようなタスクに焦点を当てると、複数回の対話が必要になります。あなたが一言言うと、AIが返答し、さらにフィードバックを与える——これがツールとしての使い方で、AIは単に非常に賢いだけです。
したがって、人や部署の概念は、数量的な多寡ではありません。高度な職位の職務内容（JD）を説明する際、一般的には：まず、作業をこなせ、さまざまな作業をこなせる。さまざまなツールを使いこなせる。高度な職位とは、意図を理解し、自発的に道筋を計画し、自発的に実行し、成果を達成し、定期的に報告し、成果を振り返ってまとめ、成果のずれに基づいて戦略を動的に調整できる能力です。これが高度な能力です。
張鵬：適切な部門とは、「L4レベルの自動運転」であるべきだ。
劉夜：はい。あるスキルを与えると、複雑なタスクを完了できます。スキルシステムを与えると、複合的なタスクを実行できます。多数のエージェントが編成されると、短編ドラマを撮影するようなより複雑なことを達成できます。私はいつも従業員に、MetaOrgを使用する際、自分を上司ではなく、会長だと考えるように言っています。その限界を積極的に探ってください。
将来の若者が起業するとき、昔は家から50万円の資金をもらって起業したが、将来はエラーを試すためのTOKEN予算をもらうかもしれない。あなたがどのくらいのTOKENを費やすかによって、その職位のレベルが決まる。レベルの高い職位ほど、推論のプロセスが長くなり、繰り返しの試行錯誤と反復、そして総括がより必要になる。
張鵬：先回到刚才的问题，如果有多个代理组成的群组，可以进一步细分为更小的单元，类似于岗位与能力的分解。当它们形成一个团队面对核心任务时，每个个体的人才质量将决定成败。这又回到了上一个时代的商业组织竞争逻辑：人才密度——即人才质量越高，组织的核心任务就越容易实现并取得领先。
この問題の核心は、もし将来AIがすべて万能であり、誰もが最良のAIを呼び出せるようになった場合、商業組織がより効率的にさまざまな細分化サービスを提供することで価値を生み出すだけでなく、もう一つの次元として「人材密度」に戻る必要があるということです。つまり、あなたのエージェントやボットがこのシステム内で原子レベルまで高精度に分解された能力を持つほど、「人材密度」は高くなり、複雑なタスクにおいて結果、効率、さらにはイノベーションがより優れたものになるのです。これは正しい推論でしょうか？
劉夜：私はこの見解に賛成です。企業内には、大企業では通常「OD（組織開発）」と呼ばれる部署があります。組織が戦いに勝てるかどうかを測る一般的な方法は、相手のすべての人材を引き出してベンチマークし、人材と職務の適合度、能力と職務の適合度の強さを判断して戦いの結果を予測することです。したがって、一般的な企業の戦いは、ビジネス戦略ではなく、組織能力に依存しています。最も典型的な例がアリババです。アリババは組織構築を非常に重視しており、そのため現在「第二の春」を迎えています。創業チームは老化しますが、組織は永遠に生き続けることができます。本質的に、もし有一天私たちが競合相手となり、どちらもAIを利用しているとしましょう。私が強力なAI組織を構築し、非常に優れたAI組織開発能力を備えているとします。では、この組織をどのように構築するでしょうか？私は競合他社のすべてのエージェントスキルシステムを一つずつ開き、それらのスキルコードを分析します。その後、自社のシステム内でより優れたスキルを設計し、甚至それらが欠いている機能を補完します。たとえば、私が戦略部を持っているなら、まず観察と分析を行います。
華為には「五看三定」という方法論がある。友人と冗談で、私たちが起業する際にこの方法論を使えば、99％の競合を倒せるだろうと言った。五看とは、業界のトレンド、市場と顧客、競合他社、自社の能力、戦略的機会を観察することを意味し、三定とは、コントロールポイントを定め、目標を定め、戦略を定めることである。この方法論は、大多数の競合を自然に排除できるほど強力だ。なぜなら、多くの人がチェスを無計画に打つように行動し、速やかな思考に頼っているのに対し、上級者は常に深層的な思考と推論モードをデフォルトで起動しているからだ。まず最初にすべきは、司令官としてこの課題にどう取り組むかを考えることである。
張鵬：所謂「五看三定」本質上就是不要「應激反應」，而是要固化一個長推理過程的意思吧。
劉夜：上手は、深いリサーチと思考のモデルであり、まずグローバルなベストプラクティスと情報を確認し、それを要約・分析して深く思考・推論した上で答えを導き出し、一撃で相手を制する。
したがって、将来の競争の核心はたった一つで、伝統産業の業務をモデル化し、システム機能を持ち、エージェントオーケストレーションが可能な形に抽象化することです。これが次世代の組織開発（OD）能力であり、AIODへと進化します。これが将来唯一の核心的競争力です。
アリババの核心的な強みは組織構築にあり、組織がしっかり整えば、どんな競合相手や事業にも対応できる競争力が得られる。また、マ雲はかつて、「戦いの目的は必ずしもある分野を占めることではなく、戦いを通じて組織を成長させることである」と語った。アリババは、その戦いが価値あるものかどうかを、組織の成長を基準として判断している。これは非常に高度な思考である。マ雲自身は、毎年200回以上飛行してあらゆる情報を収集し、それを組織構築の改善に活用する、超情報ハブのような存在だ。彼こそが真に意味での会長であり、単なるCEOではない。
これが私たちが見ている最高レベルの組織形態である——数世代にわたり、異なる産業をカバーし、継続的に成功を収め、衰退に陥っても再調整して回復できる。一般的に、企業が10年以内に誤ったCEOを任命すれば、その大半は衰退に陥る。したがって、歴史を鑑とし、より高い次元の視点から現在の発展を俯瞰すれば、既存のモデルを少し修正・最適化する方が、基盤からゼロまで構築するよりもはるかに効率的である。
今や誰でも簡単にエージェントを構築でき、従業員の習得ハードルは極めて低く、オープンソースコミュニティの支援も加わって、業界にはもはや多くの秘密が残されていない。ツール面での内輪もめは、オープンソースコミュニティには決して勝てない。では、オープンソースコミュニティが持たず、真似できない核心的競争力とは何か？
04 AI組織の物理学：なぜ「段階的曝露」が鍵なのか？
張鵬：かつての時代に組織について語る際には、組織文化、価値観、KPIなどの一連の要素が強調されてきました。かつての組織管理からAIエージェント組織の新しい時代へ移行するにあたり、どの要素を完全に廃止でき、どの要素は維持しつつ変換する必要があるでしょうか？
劉夜：Anthropicがskillsを導入した主な理由は、AIコーディング分野における「段階的曝露」の理念です。AIが大量の雑多な情報を受信すると、コンテキストの劣化や注意不足による混乱が発生します。段階的曝露によってのみ、AIは適切な注意を維持し、高品質な結果を出力できます。人間が段階的曝露を実現しようとすると、本質的に完全な手動対話となり、効率が低くなります。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への段階的曝露を実現することです。
これは企業の管理ロジックと一致している：取締役会は戦略的課題に集中し、CEOは戦術的課題と経営陣の管理に集中し、従業員は単純なタスクを処理する。300人が同じ会議に同時に参加すれば、その会議は成り立たない。組織が存在する本質的な意義は、情報の階層的処理を実現することであり、データベースの第三正規形が情報の圧縮と階層化によって効率を高めるのと同じである。複雑な問題は、一度に大量のコンテキストを投入するのではなく、階層的に分解し、段階的に暴露しなければならない。これが従来の企業組織形態の核心的なロジックであり、結局のところ、特定の時間における計算能力は限られているからである。
張鵬：モデルは毎回膨大な計算リソースを消費して最初から生成しなければならず、効率が低い。
リウイエ： 実現不可能である。核心は階層的な段階的暴露に依存しており、呼び出すべきリソースは必ず呼び出す必要がある。これはAIモデルの能力の限界によるものである。また、Anthropicがスキルを導入したもう一つの理由は、複雑なタスクが基礎的な物理学の定理を超えているため、スキルによって複雑なタスクを次元の低い単純なタスクに分解できるからである。タスクの核心的な区分基準は難易度ではなく、複雑さである—次元の低い難しさ、次元の高い難しさなど、異なるタイプが存在する。たとえば、プログラマーによるコーディングや数学の問題を解くことは、次元が低いが難易度の高いタスクに該当する。
地平線の余凱は、以下の古典的モデルを提唱した：あらゆる職種は「競争の程度」と「次元の高さ」に基づいて4つの四象限に分類できる。すなわち、高次元高競争、低次元低競争、低次元高競争、高次元低競争である。販売と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とCEOは高次元高競争に属する。一方、科学者は高次元低競争に属する——このような研究テーマは世界でたった一人しか取り組んでいない可能性があり、競争は低いが次元は極めて高い。優れた短編ドラマや良い小説のような高次元高競争のタスクは、現在のAIではまだ実現できない。一方、コード最適化のような低次元高競争のタスクは、AIがすでに十分にこなせる。より高次元なタスクほど、データソースは限られるが、モデルを訓練するために必要なデータ量は逆に大きくなる。これが、テキストモデルが先に登場し、画像や動画モデルが後に登場した理由であり、短動画モデルが実装に苦戦する核心的な原因でもある。このような高次元タスクと高次元データの需給矛盾は、スキルを分解してタスクを分割することでしか補えない。企業で上級職の人材が見つからない場合、その役割を3つの基本職に分割するのと同じように、CEOのような高次元職だけは代替不可能である。
張鵬：低次元で高競争のタスクは、AIに完全に置き換えられる可能性が高い。
リューヤー：必ず置き換えられるし、その置き換えはすでに起こっている。
張鵬：その通りです。したがって、すべての低次元で高競争のタスクは、できるだけ早くAIで解決すべきです。これらをスキルに分解し、エージェントによって組織化して実装できます。このプロセスでは、人間の関与は必ずしも必要ありません。
劉夜： 私は初步的な構想があります。IBMとエコネスは、世界最大の2つのコンサルティング会社であり、その核心的な業務は、産業のベストプラクティスを抽出し、デジタル化と整合させることで、ツールではなくプロセスを販売しています。企業がリスクプロセスやIPを導入する際には、必ずコンサルティング会社に実装を依頼します。私たちの現在の核心的な仕事は、スキル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て、その能力を抽出・整合させ、標準化されたスキルセットを形成することです。これは「作業ボックス」のモデルと類似しています——「作業ボックス」は北京四中、人大附、大学入試出題チーム、学而思の教師たちと連携し、問題作成・解説・採点などの核心的手法を抽出し、百度のアルゴリズムエンジニアと協力してシステムを構築しました。これもまたベストプラクティスの整合化です。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を組成することであり、産業とエンジニアリングの両方を理解し、各分野のトップ業界エキスパートと連携でき、ビジネス・人材採用・マネジメント能力も備えることです。これが次世代のAI SaaS企業の核心的構成要素です。
張鵬：さらに推論すると、将来はビジネスの観点から必要な組織形態を逆算すべきである。組織本質的には一種の編成構造であり、ビジネスオペレーティングシステムに似ている——人を適切な組織に配置すれば最大の価値を発揮できるが、そうでなければ効率的に機能しない。現在、生産要素は人間の労力から無限に供給可能なAIへと置き換わっており、正のフィードバックループが形成されれば持続的に拡張可能である。過去の組織文化は、今や目標やコンテキストに変換され、スローガンや三つの手法の会議、アイスブレイクなどの形式は不要となった。
劉夜：文化は業務の意図ではなく、管理の意図である。以前の時代では、戦略はビジョンから始まり、ビジョンが価値を決定し、組織は戦略に従い、業務がすべてを検証した。一方、文化は組織を統治する手段にすぎず、戦略に直接貢献することなく、時には創設者の個人的な好みにすぎなかった。
張鵬：過去、人間によるサービス戦略の実行には多くのギャップが存在しましたが、AIはこれらのギャップを解消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ない。文化は人間の組織における信念の一部だが、AIには必要ない。AIは肉体を持たず、文化に導かれる必要はない。AIの核心的な要求は計算能力である。
張鵬：あなたの意味するところは、AIには目標と原則が必要だということですね。1つのドキュメントで目標と原則を明確にすれば、すべての生産ユニットが即座に同期し、忠実に実行され、ずれが生じることはありません。人間の組織における大きな摩擦の大部分が消えます。
リウイエ：はい。従来の組織：戦略→文化→人材→実行。現在のAI組織：目標→原則→スキル→編成。管理チェーン全体が半分に圧縮されました。
05 最後の壁：審美と構成
張鵬：企業の新たな壁とは何か？人材の質はSkill Setに置き換えられ、私が審美眼を持っていれば、世界中から最高のSkillsを取得できる。そのさらに上位層は「オーケストレーション」（Orchestration）だ、对吗？これにより何が変わるのか？
劉夜：華強北可以買到所有電子元件，但為何不是所有人都能做出蘋果？《喬布斯傳》中對審美的定義非常清晰：見過足夠多的世界級佳品，能夠分辨優劣，就是審美。若從未見過優質的產品、流程或組織，就無法創造出優秀的成果。
張鵬：識見は審美の前提である。
リウイエ：経験と才能、それだけです。
張鵬：審美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から顕現した優れたものを識別し選ぶことです。この二つの方法は対立しません。
劉夜：確かに矛盾しません。アップルの成果の一部は自社開発であり、一部は第三者の企業を買収したものですが、核心は審美性を有することです。必要に応じて自社開発すれば、わざわざ輪を再発明する必要はありません。
張鵬：核心問題在於，是讓agent在設定模塊內運行後再確認路徑，實現湧現式編排；還是直接設定好所有路徑，進行設計式編排？
劉夜：涌现は操作可能なものではなく、まず種子ルールと原則を設定する必要があり、それが個人の審美性を示す。優れたエンジニアは500行、5000行のコードで使いやすいOpenclawを作り上げられるが、不適格なエンジニアは5万行のコードを書いても同等の効果を達成できない。基盤となる種子ルールは依然として人間が設定しなければならない。
張鵬：したがって、混沌の中で出現を待つのではなく、編成が依然として極めて重要である。このような編成は、最終的に創設者からのみ導かれるものなのか、それともより「プロデューサー」に似たものなのか？
劉夜：プロデューサーという定義はとても良いと思います。確かに、エマージェンスやスケール効果があっても、データアノテーション、データクリーニング、そして無秩序な拡大を避けるためのアルゴリズムの継続的なアラインメントが必要です。
編成者は業務の複雑さに依存する——複雑な業務は一人では完了できない。たとえば短編ドラマの撮影やプロンプトの作成では、実際の操作中に多くの困難に直面する。「一人会社」という概念は乱用されている。世界は無限に簡略化できない。コンピューターは一人で操作できるが、一人がすべての高度な能力を習得することは難しい。イーロン・マスクや李飛飛のように、複数の分野に精通し、あらゆる職務を担えるスーパータレントは極めて稀である。
張鵬：もし我々が、優れた脚本家など、世界で最も優れたエージェントとスキルの体系を活用できるとしたら、理論的には、これらのリソースを活用して、世界的に有名で収益を上げる映画を撮影できるでしょうか？脚本家は核心的な強み（優れた脚本）を持っていますが、すべてのプロセスを完了することはできません。このような「核心的な強み＋グローバルリソース」のサイクルは実現可能でしょうか？
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どうかです。たとえば、CEOのスキルを訓練する場合、現在のところ十分なデータが不足しています。任正非の万字を超える長文や、馬雲の口述録では、彼らの高次元的な認知を完全に再現することはできません。たとえ世界中の企業の財務報告書やCEOのすべての発言を収集しても、CEOとして適任のモデルを訓練することはできません。なぜなら、CEOの核心的な能力は暗黙知であり、テキストでは完全には明らかにできないからです。
張鵬：つまり、CEOの核心的能力は現在まだベクトル化できない。これは「一人会社」という理想の構想を制約する——たとえすべての人が単一の次元の利点を発揮し、世界最高レベルのリソースと組み合わせたとしても、核心的な編成者が欠けている。本質的には編成能力の問題である。結局のところ、最良の「部品」を所有しても、強力な編成能力が必要である。
劉夜：プロダクトマネージャーも同様で、その暗黙の知識は完全に文書化することはできません。これが、現在のAIパートナーやAI生成コンテンツが十分に「生きた」ものになれない本質的な理由です——高次元の暗黙的知識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、スキルに重点を置き、データ量が多いときはモデルに取り組みます。ロボットが現実に実装できない核心的な理由は、十分なデータが欠けていることです。
張鵬：これより、今後の企業間の競争の鍵は、トップレベルのモデルにアクセスできるかどうかではなく、初期のAIリソースはほぼ均等であり、計算能力は資金力やビジネスのサイクル能力と関連するため、最終的な差異は依然として「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。この二点が企業の核心的競争力となる。
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業務は最良の実践を抽出し、モデルを構築して企業が段階的に実施するのを支援することだと教えてくれました。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、本質的には最良の実践をコピーして実行するのです。
咪蒙が短編ドラマを制作した事例は非常に参考になる。彼女は中国語学科出身だが、核心チームは清華大学と北京大学の数学・コンピューターサイエンス学科の人才で構成され、バズる短视频のロジックを徹底的に分析し、極めて高いバズ率を実現した。このアプローチは本質的に業界の社会工学をモデル化するものであり、過剰適合の可能性はあっても、モデル化の方向性は正しい。
IBM、アクセンチュア、マッキンゼーが行っているのはすべてこのようなことだ——初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はそれをデジタルプロセスに変換した。本質的にはいずれも「管理とプロセスの販売」である。
張鵬：核心は最良の実践を抽出し、反復して検証して実行することです。これが未来のビジネス組織の勝敗を分ける鍵です。効率的な編成を実現するには、徹底的に分解することが不可欠です。したがって、今後のあなたの核心的な方向性は、この考え方に沿って進めるということですね？
劉夜：過去3年、私たちは主にAI ToC事業に取り組み、MetaOrgの方法で教育・教材開発体制全体を再構築してきました。これは単なる「AIで効率化する」という話ではありません。私たちは一連のエージェント型教材開発組織を構築し、その背後には仮想の教材開発チームが動作しています。言語学習研究チームは第二言語習得の最新理論を追跡し、垂直コーパス収集チームは実際の文脈から自然な表現を収集し、対話評価チームは会話能力の多軸評価基準を構築し、対話設計チームは教育法を自然なヒューマン・AIインタラクションに変換し、問題コンテナ設計チームは練習形式とコンテンツの適合性の問題を解決し、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抽出しています。各チームは独自のスキル、ワークフロー、評価基準を持っています。現在、教材データのラベリング、モニタリング評価、ユーザーインサイト、製品イテレーションなどの約80％の作業が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」から、「AIを組織能力として」へと進化しています。英語教師という職種は中程度の複雑さに位置づけられており、既に抽象化され、MetaOrgを通じて他の職種を生成しています。最新のskillアーキテクチャと組み合わせることで、より高度な職種の構築が期待できます。
現在、AIチューターのフルプロセス構築を完了しました。これには編成能力の抽象化とエンジニアリング実装が含まれます。今後は、従業員ではなく職位を最小単位とするMeta組織へと進化する可能性が高いです。その核心は、職位間の協力と管理にあります。現在の重点は、各業界の最高峰のCEOと連携することです。なぜなら、CEOこそが核心的な「プロデューサー」だからです。
張鵬：だから、你们推出的更接近一个可扩展的部门？
劉夜：目標是朝著「公司」的方向推進，大公司本質上是由多個小公司構成，而最小單元是崗位。既要關注全產業的戰略選擇，也要從崗位出發推進產品迭代——崗位做不好，即使管理者能力強，也無法形成高效組織。
張鵬：部門をうまく運営するには、まず部門に関連する能力と職位を分解し、次に各職位に必要なスキルを特定して、それらのスキルをSOTAレベルにまで高めることが重要です。
劉夜：核心な方法は一つだけだ。最も優れたサービス対象企業と共同で創出すること。作成したスキルは、トップ企業がその需要に合っているか評価する必要がある。部下が作成したプランが上司に審査されるのと同じように、自己満足ではいけない。たとえば、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の認可を得なければ、真のトップとは言えない。すべては評価と測定が必要である。
Midjourneyは高品質な画像を生成できる。その核心は、写真家とエンジニアからなるチームが最高レベルの画像審美眼を備えていることである。LVはStable Diffusionを用いて訓練された画像モデルを用いており、その効果は一般モデルをはるかに上回る。これはLVが世界最高レベルの画像審美眼とデータを有しているからである。由此可见、評価能力が核心である。AI企業として成功するには、IBMや华为のように行動すべきである。IBMはトップ自動車メーカーにサービスを提供した後、車両製造の最良の実践を習得し、それを提供した。华为はIPDプロセスの購入に40億を投資し、自社の管理に活用すると同時に外部にも提供した。これが核心的競争力である。
張鵬：本質的には、ベストプラクティスに従ってスキルを分解し、そのスキルのSOTAを実現し、それを職位や部門のSOTAへと昇華させ、最終的にビジネス全体のSOTAを構築することが、ビジネスの最高峰に到達する明確な道筋です。もう一つ重要な課題があります：スキルを時代に合わせて更新するにはどうすればよいでしょうか？地球の生物圏の変異のように、時代ごとのSOTAは次の時代では淘汰される可能性があります。このような変化にどう対応すべきでしょうか？
劉夜：核心ロジックは、人間や生物の進化と一致しており、すなわち認識、計画、行動、反省である。組織の高い人材密度とクロスディシプリナリーな特性を維持し、一方では技術の最前線（研究者）と連携し、他方ではビジネスモデルを研究し、同時に業界のトップクライアントと共同で創出を行い、リアルなシナリオで継続的に評価・最適化することが、唯一の方法である。
張鵬：これから逆に考えると、トップ企業のベストプラクティスによって構築されたシステムは、中規模企業の飛躍的な向上を支援できるが、このようなシステムはおそらくリソースと財力を持つ企業にしか利用できず、中小企業や若手起業家には負担が大きい。コンサルティング業界は既に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るが、新世代の機会はスキル層に限定されるのか？スキル層で破壊的イノベーションを実現し、業界が「貴族的循環」に陥るのをどう避けるか？
劉夜：過去のSaaS業界では、Salesforce、Palantir、Notion、Slackなどの企業が、汎用ツールを手がけるものもあれば、統合サービスを提供するものもあり、若手起業家にも依然として機会があることを示している——自らが優位性を持たない分野から離れ、汎用スキルに集中し、適切なエコロジカル・ニッチを見つけること。Notionはその典型例であり、具体的なビジネスプロセスには関与せず、テキストのメモ機能だけを抽象化して汎用ツールとして成功した。世界は最終的に無数のエージェント（agent）が役割分担し協力し合う形になる。若者はまずエコロジカル・ニッチを見つけ、自身の強みと組み合わせて力を発揮し、未来のトレンドに锚を打つべきであり、時間の敵になってはならない。過去10年間、第一世代のインターネット起業家は主に帰国子女（認知的優位性により）、第二世代は主にプログラマー（ツールの爆発的拡大により）、第三世代の産業インターネット起業家は主にセカンド・スタートアップ起業家であった。その法則は明確であり、若者は中盤の状況と自身の強みを明確に見極める必要がある。
張鵬： つまり、スキルレベルの局所的な革新や最適化には限界があるとお考えで、次世代の最大の機会は目標の革新にある——時代に現れる新しい目標を特定し、優れたスキルと組み合わせて継続的に進化することで、新しい目標の上で新たなシステムを構築し、突破を実現できるということですね。
リウイエ：スキルの競争は非常に繊細である。現在のスキルは人気だが、より優れた専門家と一致し、さらに優れたスキルを生み出す者が現れれば、既存のスキルは置き換えられる。これはバリアの問題に戻る：先に参入した者が必ずしも最後まで勝つとは限らず、より高度な競争相手の「栄養源」になってしまう可能性が高い。
張鵬：恐ろしいのは、「ローダー」になってしまうことで、より高次元の相手に基礎的な準備を整えさせてしまうことだ。既存の目標に対して効率を最適化するだけでは意味がなく、その効率優位性は最終的に消え去る。したがって、新世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み出す必要がある。
劉夜：その通りです。自らが核心的な力として成長できず、ただより高次元の相手を育てただけです。ビジネスの本質は非常にシンプルで、核心は顧客が誰であるかを明確にし、どのように顧客にサービスを提供し、どのようにして顧客をあなたから離れさせないかです。どの若者も、顧客が誰であるかを明確にできない限り、最適化を実現することはできません。
張鵬：増量市場にも注目すべきです。既存市場での競争は非常に困難です。あなたのビジネスが成功すれば、その分野の企業を同じ先進レベルに引き上げることになり、これらの企業は財力と認識を備えています。若者は既存市場でそれらと競争するのは難しいです。
リウイエ：過去のSaaS業界において、NotionやSlackなどの企業の成功の核心は、ターゲットの差別化にあった。
過去のSaaSの初期段階では、中国のファンドは科学者に投資する傾向が強かったが、後に科学者は起業よりも交流・協力に適していることが判明した。科学者が属する高次元・低競争の分野は、ビジネス界の高次元・高競争のロジックとは異なる。分野の次元が高くなるほど、新たな分野への移行は難しくなり、核心的な思考パターンも全く異なる。あらゆる分野の初期段階では技術競争（低次元・高競争、技術が未成熟）が中心であり、技術が成熟すると商業競争（高次元・高競争、産業人、プロダクトマネージャー、ビジネス従事者が主導）に移行する。たとえば、iPhoneが最初に発売された頃は、ランキングアプリの多くがプログラマーによって開発されていたが、数年後に産業インターネットが台頭すると、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た。
AI時代がモバイルインターネットのロジックを継続するならば、シリコンバレーの中心的な力は依然として経験豊富なプロフェッショナルになるだろう。これは、中国の産業インターネットが主にセカンドタイム起業家によって支えられているのと同様である。若者たちの機会は、依然として差別化された目標を見出すことにある。