AIを活用した自己進化型企業の構築：YCの最新講義から学ぶ未来の組織論

一、旧来の企業はローマ軍団のよう

Tom Blomfieldは、企業をローマ軍団に例えて説明する。帝国がローマ中心部から遠隔地へ権限を投射するためには、階層的な組織が必要だった。誰が誰を管理し、命令をどのように伝達し、情報をどのように伝送するか、各階層には明確な管理範囲が存在した。

この構造の中心は創造性ではなく、情報伝達だった。

今日の多くの企業も同様だ。創業者による意思決定、経営幹部による目標分解、中間管理職による調整、現場の実行。情報が下から上に集約され、命令が上から下に伝達される。

多くの中間管理職の役割は、新しいものを創造することではなく、人間によるルーティングを行うことだ。この表現はあまり好ましくないが、正確だ。

彼らは情報を収集、圧縮、翻訳、転送する。会議、週次レポート、進捗状況の同期、OKRチェックイン、プロジェクト管理など、これらはすべてこのシステムの一部だ。

AI以前は、これは合理的だった。企業が大きくなると、創業者全員の顧客からのフィードバック、エンジニアリングの進捗状況、販売見込み客、運用上の異常を知ることは不可能になる。

そのため、階層が必要となる。

しかし、TomはAIがこの前提を覆していると述べる。

もし、企業内の情報自体がAIによって読み取られ、理解され、検索され、要約され、呼び出せるのであれば、企業はこれほど多くの人間ノードを情報の転送に必要としない。

これは効率の問題ではない。

これは組織の形態の問題だ。

二、Copilotは誤ったメンタルモデル

過去1年間、多くの人がAIをCopilotと捉えている。これは受け入れやすいが、誤解を招く可能性がある比喩だ。

エンジニアがコードを書くスピードを20%向上させるAIアシスタントを与え、カスタマーサポート担当者が顧客への返信を迅速化するAIアシスタント、セールス担当者がメールを自動的に作成するAIアシスタント。これはもちろん価値がある。しかし、DianaとTomは、これだけを見ていると、蒸気機関が馬車をより速く走らせるのを見て、鉄道が来ることに気づかないのと同じだと考えている。

Dianaは次のように述べている。

** AIがもたらすのは生産性向上ではなく、能力向上だ。**

生産性の向上は、旧来の作業方法の高速化だ。能力の向上は、これまで一人ができなかったことが、一人でできるようになることだ。

YCのスライドに書かれていることは非常に厳しい。

1 person with AI tools = 1000x Google engineer

この文は厳密な数学の式ではない。これは、AIツールを使う人材は、周囲にAgentシステムを持っていれば、有効なアウトプットは個人のそれではなく、以前のチーム、さらには大規模なチームに匹敵する可能性があるという見解を表現している。

したがって、真の問題は「エンジニアがより多くのコードを書けるかどうか」ではない。

本当に重要なことは、

もし一人が多くのAgentを呼び出すことができ、会社全体の知識がAgentによって読み取れるなら、ソフトウェアはいつでも生成・再生成できるのであれば、会社は過去のやり方で組織化する必要があるのか？

YCの答えは明確だ。必要ない。

三、第一歩：会社をAIが読める対象にする

これを実現するための第一歩は、ツールを購入することではなく、情報構造を変更することだ。

Diana Huは「queryable company」という言葉を使った。

Tom Blomfieldは「legible to AI」という言葉を使った。

これらの言葉の意味はほぼ同じだ。会社はAIによってクエリ可能、理解可能、呼び出し可能でなければならない。

これは美しい言葉のように聞こえるが、非常に厳しい基準だ。

会社の知識は通常、以下の場所に散らばっている。

• 創業者と従業員の頭の中にあるノウハウ
• Slackや飛書（WeChat Work）のメッセージ
• メールやダイレクトメッセージ
• Notion、Google Docs、Linear、GitHub
• 顧客からの電話、営業録音、カスタマーサポートチケット
• 製品データ、解約、ユーザー行動
• さまざまな会議の議事録、スタンドアップミーティング、週次レポート

これらすべてを組み合わせたものが、「この会社はどのように機能しているか」を定義する。

それらだけが人間の頭の中に存在する場合、AIは使用できない。それらがプライベートチャットに散らばっている場合、AIも使用できない。それらが構造化されておらず、要約されておらず、インデックス付けされていない場合、AIはまだ使用できない。

Tomは非常に厳しいことを言った。

記録されなければ、あなたのインテリジェンスには起こらなかったことと同じだ。

つまり、AIネイティブな会社では、重要な会議が記録されなければ、それは会社の脳に入らなかったことと同じだ。ある顧客のニーズが特定の人のWeChatに留まっている場合、それはシステムに存在しない。

だからこそ、YCはオフィスアワーを記録し、パートナーのメールを保存し、Slack、DM、顧客とのコミュニケーションをできるだけシステムに組み込んでいる。

それは従業員を監視するためではない。

それは会社が学習できる「脳」を持つためだ。会社の脳は比喩ではなく、それはまず情報エンジニアリングの問題だ。

四、開ループ会社は情報を失い、閉ループ会社は進化する

ここで、制御論の概念であるopen loopとclosed loopを紹介する必要がある。

開ループシステムはフィードバックを持たない。

決定を行い、実行し、結果がどのようにであれ、それが体系的に測定され、要約され、次回の行動にフィードバックされることはない。

多くの従来の会社は開ループシステムだ。会議で皆が決定し、プロジェクトが完了した後、誰も体系的に復習しない。顧客が失われた場合、営業は少し知っていて、カスタマーサポートは少し知っていて、製品は少し知っているが、それらを統合して次の決定をより良くするシステムはない。

開ループシステムの最大の欠点は、絶えず情報を失うことだ。

閉ループシステムは違う。

閉ループシステムは、出力を持続的に監視し、結果をシステムにフィードバックし、自動的に調整する。

それは実行するだけでなく、学習する。

Dianaは、AIネイティブな会社は閉ループでなければならないと述べている。

Tomはさらに一歩を進んだ。会社は1つの閉ループではなく、一連の再帰的で自己改善するAIループでなければならない。

完全なAIループは、おおよそ5つの層で構成される。

第一層はsensor layerだ。これは外部世界を感知する役割を果たす。顧客のメール、カスタマーサポートチケット、コードの変更、解約、製品のテレメトリはすべてセンサーデータだ。

第二層はpolicy / decision layerだ。これは自動的に何ができるか、誰に相談する必要があるか、何を記録する必要があるか、どのような行動にリスクがあるかを決定する。

第三層はtool layerだ。これはAIが呼び出せる確定的なツールであり、データベースの照会、カレンダーの読み取り、テストの実行、内部APIの呼び出し、コードのコミットなどがある。

第四層はquality gateだ。eval、テスト、セキュリティフィルタリング、高リスク事項の人間のレビューが含まれる。

第五層はlearning mechanismだ。システムが現実世界と相互作用した後、どこがうまくいかなかったかを検出し、ループの最上部にフィードバックする。

これらの5つの層が稼働すれば、AIは単なる「仕事を助ける助手」ではなくなる。

それは問題を検出し、システムを修正し、次のパフォーマンスを向上させるメカニズムとなる。

これは自己進化だ。これは、AIが人間を助けるだけでなく、会社自体が学習するシステムになるということだ。

五、YCのAha moment：AIは自身を修復し始める

Tomは共有の中で、YC内部の例を取り上げた。これは、一連の論理のハイライトであり、中国の起業家が真剣に検討すべき部分だと私は思う。

当初、YCは内部データベースをクエリできるAgentを作成した。

たとえば、「前回、この会社とのオフィスアワーはいつでしたか？」と尋ねると、それを見つけることができる。

後で、これはより賢くなった。たとえば、ある会社がpetrochemicals分野の人脈紹介を必要とする場合、YCデータベースを検索し、RAGを使用して関連する創業者を数人見つけることができる。

これはすでに素晴らしいことだが、Tomは、それでもこれはsidekickだと述べている。

これはエンジニアの効率を20%または30%向上させる。これはCopilotモードだ。

真のAha momentは、このAgentの上にmonitoring agentを置いたときだった。

この監視Agentは、すべてのYCの従業員が送信したクエリを監視する。どれが成功し、どれが失敗したか。失敗した場合、なぜ失敗したかを尋ねる。

• 何かが足りないのか？
• deterministic toolが1つ必要なのではないか？
• skillsファイルは更新が必要ではないか？
• データベースに新しいviewが必要ではないか？
• 新しいインデックスが必要ではないか？

そして、最も重要なことが起こった。

システムは夜間にコードを書き、merge requestを送信し、別のAgentにレビューさせ、マージおよびデプロイした。

すると翌日、従業員が同じ質問をすると、成功する。

Tomは、これが彼のholy shit momentだと述べた。ここでは、パラダイムが変化したことを本当に理解した。

なぜなら、この時、AIは人間を強くするだけではないからだ。

** AIはシステム自体を強くし始める。**

これが「会社が眠っている間に良くなる」という意味だ。

六、製品、カスタマーサポート、営業はすべて自己最適化システムになる可能性がある

この考え方は、内部クエリに限定されない。

Tomは製品の最適化の例を挙げた。

あるAgentは、製品分析を継続的に見て、販売ファネルで最も摩擦のある場所を見つけることができる。次に、最新のベストプラクティスを研究し、A/Bテストを提案し、1週間実行し、より効果的なバージョンを選択してデプロイする。

そして再び繰り返す。

カスタマーサポートも同様だ。

顧客の提案は継続的に入り、Agentは最初にトリアージする。ここで、CPO + CTOのような判断レイヤーが必要となる。どの提案はロードマップに合致しないか捨て、どの提案はロードマップに合致し、実装可能か。

判断が承認されると、システムは夜間にコードを書き、デプロイし、顧客に「この問題は修正されました」と伝えることができる。

ここで重要な違いは、これは通常の自動化とは異なるということだ。

通常の自動化は、人がルールを定義し、マシンがルールを実行する。

自己進化システムは、マシンがタスクを実行し、同時にルールが不十分であること、ツールが不十分であること、知識が不十分であることを見つけ出し、次回の実行を改善する。

これは単なるパイプラインではない。

それは学習するサイクルだ。

七、3つの役割：builder、DRI、AI founder

会社がAIループのセットになった場合、組織内の人の数は減るが、責任は増す。

人が少なくなるのは、会社が人を必要としないからではなく、これほど多くの「メッセージの転送者」を必要としないからだ。

Dianaは3つの役割を提示しており、これは創業会社が理解するにはより適していると思う。

第一はbuilder-operatorだ。

エンジニアだけでなく、すべての人が直接物を作り、ビジネスを実行できる必要がある。営業、カスタマーサポート、運用、HRは、ドキュメントを書いたり、会議に参加したり、要件を提起したりするだけではない。

将来の会議では、PPTだけを持ち込むべきではない。

実行可能なプロトタイプを持ち込むべきだ。

第二は**DRI（directly responsible individual）**だ。

すべての重要なことには、明確に名前の付けられた責任者が必要だ。委員会ではなく、多数の人でもなく、「私たちのチーム」でもない。それは一人の人、一つの結果であり、隠れる場所はない。

AIはあなたが調整し、実行し、分析するのを助けることができる。しかし、責任は希薄にすることはできない。

第三はAI founderだ。

これは特に重要だ。

創業者自身がAI戦略をアウトソーシングするべきではない。創業者自身がAgentを使用し、自分が何ができるかの古い見解を打ち破り、AIの能力の飛躍を実証する必要がある。

なぜなら、企業文化はPPTによって構築されるのではなく、創業者自身が毎日どのように働くかによって構築されるからだ。

もし創業者自身が古い方法を使用しているなら、会社は真にAIネイティブになることはない。

八、トークンを使い果たし、ヘッドカウントを減らす

Tomが壁に飾るのに適した言葉を持っている。

Burn tokens, not headcount。

YCが見ているトレンドは、これらの会社がDemo Dayに到着したとき、各従業員に対応する収入が18ヶ月前に比べて約5倍になったことだ。

つまり、会社は「人数」に制限されるのではなく、「インテリジェンスの使用量」に制限されるようになっている。

Dianaも言っている。将来、会社が競争するのはヘッドカウントではなく、トークン使用量だ。最高の会社はトークンを最大限に活用する。

この見解は直感に反するように聞こえる。

過去には、急速に成長する会社は多くの場合、より多くの人を採用することを意味していた。より多くのエンジニア、より多くのデザイナー、より多くの営業、より多くのカスタマーサポート、より多くのマネージャー。

しかし、AIネイティブな会社のロジックは異なる可能性がある。

AIを使用できる人々とAgentのシステムがあれば、以前はチーム全体が必要だったことを完了できる。したがって、あなたはAPIの請求書を負担するつもりがあるべきだ。それはより高価で、遅く、かさばった人員構造に代わるものである可能性があるからだ。

もちろん、Tomは、トークンの合計統計を乱暴に追跡することは簡単にゲーム化され、昇進と解雇の指標として使用するのに適さないと警告している。

しかし、方向性は正しい。

今、最も重要なことは、トークンを節約することではなく、新しいインテリジェンスが何ができるかを把握することだ。

この段階で、誰もトークンを使用しない場合、節約しているのではなく、新しいパラダイムに入っていないだけかもしれない。

九、ソフトウェアは使い捨てであり、コンテキストが価値がある

これは、この見解の中で最も過小評価されている可能性がある。

Tomは、過去には各関数にダッシュボードを作成する必要があると言っていた。現在、彼はオンデマンドソフトウェアが必要だと考えている。

最新のコーディングエージェントは、すでに多くの内部ソフトウェアをワンショットで処理できるほど強力になっている。オペレーションチーム、営業チーム、イベントチームは、ビジネスの理解に基づいて、一時的なダッシュボード、ワークフロー、および小規模なツールを生成できる。

しかし、このソフトウェア自体を宝物と見なすべきではない。

本当に価値があるのは次のとおりだ。

• データ
• ビジネスコンテキスト
• 会社のノウハウ
• スキル
• 意思決定の原則
• プロセスの理解

ソフトウェアは、これらのコンテキストの上に構築されたシェルにすぎない。

今日の会社がソフトウェアを作成して再生成できるのは1回限りだ。将来は、コンテキストがソフトウェアを再生成する。

Tomの結論は次のとおりだ。

ビジネスコンテキストとスキルは価値がある。ソフトウェアは一時的なものだ。

この文は重要だ。

過去には、会社が資産を蓄積する場合、コードベース、SOP、ドキュメント、およびプロセスを蓄積していた。

将来、より重要な資産は、会社の脳の中のコンテキストである可能性がある。顧客のニーズの判断、イベントの実施、販売、解雇の処理、製品の選択。

ソフトウェアは継続的に再生成できるが、コンテキストは失われない。

十、YCユーザーマニュアル：生きている会社の脳

Tomは、YCユーザーマニュアルの例を取り上げた。

YCの元のユーザーマニュアルのほとんどは、5〜10年前に書かれており、すでに時代遅れになっている。

最近、YCは約2000時間のオフィスアワーを録音した。それを整理し、分類し、合成し、資金調達、雇用、共同創業者紛争などのトピック別に編成し、新しいマニュアルを作成した。

週末の後、彼らは150ページの新しいマニュアルを取得し、古いバージョンよりも明確に優れている。

そして、それらを毎月更新することができる。

新しい提案が見つかるたびに、既存のユーザーマニュアルと比較される。役立つ場合は含められ、役立たない場合は破棄される。

したがって、ユーザーマニュアルは単なるドキュメントではなくなる。

それは自己改善する生きた脳になる。

これは会社の脳のプロトタイプだ。

そして、それはAIエージェントのコンテキストとして使用することもできる。創業者に質問するとき、回答は単一のモデルの一般的な知識ではなく、16人のYCパートナーが創業者にアドバイスした後、蓄積された総合的な知恵になる。

前提は1つだけだ。

それらは記録され、要約され、AIによって読み取られる必要がある。

十一、人間は消えない、ただ場所が変わる

会社が会社の脳の場合、人はどこにいるのだろうか？

Tomの答えは、人間はエッジにいるということだ。

人間は、会社の脳と現実世界が触れ合う場所にいる。

人はどこが必要だろうか？

新しいシナリオ。倫理的な判断。高リスクの瞬間。高感情密度の瞬間。たとえば、創業者が共同創業者と別れるべきかどうか。AIは大量の情報処理と調整を行うことができるが、すぐにすべてを置き換えることはできない。

これは実際には人類に高い要件を課す。

過去には、多くの人々の価値は、情報がどこにあるかを知り、それを人に転送し、調整することにあった。

将来これらの価値は急速に低下するだろう。

人の価値は、より判断に近づき、責任、信頼、趣味、現実的な接触、および高リスクの意思決定に近づくだろう。

つまり、人は取り除かれるわけではない。

人間は、会社の情報パイプラインの中央から、会社のインテリジェントシステムの端に移動する。

十二、なぜスタートアップが勝ちやすいのか

これは特にスタートアップにとって重要だ。

大企業もAIを使用するだろう。しかし、大企業には3つの負担がある。

第一に、旧システム。

第二に、旧プロセス

第三に、旧組織。

既存の製品を維持しながら、長年蓄積されたSOPを解体し、ソフトウェアが構築される方法と組織が協力する方法に関する基本的な仮定を覆す必要がある。

コアプロセスを動かすたびに、すでに実行できるものを破壊する可能性がある。

そのため、成熟した会社は真にAIネイティブになるのが難しい。

スタートアップは正反対だ。

遺留システムがなく、重い組織がなく、何千人もの人を再教育する必要はない。小規模な会社は、最初からAIを中心に仕事の流れ、文化、組織構造を設計できる。

これが機会だ。

今起業する場合、まず旧来の会社を作成し、その中にAIを追加する必要はない。

最初に尋ねる必要があるのは、

もし会社自体が自己改善できるAIループのセットなら、今日どのように設計すべきか？

結論：AIをツールにするのはやめましょう

両方のYCの講義をまとめると、核心は次のとおり。

** AIネイティブな会社とは、AIツールをもっともよく使用する会社ではなく、会社自体をAIが理解し、クエリし、フィードバックし、自己改善できるシステムに変える会社である。**

この声明にはいくつかの推論がある。

第一、20％の効率向上に焦点を当てない。

それはCopilotのメンタルモデルだ。本当に重要なのは能力であり、個人が過去のチームが持っていた能力を手に入れることだ。

第二、会社をAIが読めるようにする。記録されなければ、それは起こらなかったものと同じだ。会議、工単、顧客からのフィードバック、営業の電話、製品データはすべて会社の脳の一部になるべきだ。

第三、開ループを閉ループに変換する。会社は一度意思決定をして実行するだけではなく、継続的に感知し、判断し、実行し、チェックし、学習する。

第四、組織は薄くなる。中間管理職はメッセージの転送者としての価値を失うだろう。builder-operator、DRI、AI founderはより重要になるだろう。

第五、トークンを使い果たし、ヘッドカウントを減らす。

高いAPI請求書は、より高価で遅く、かさばった人的資源構造よりも健全である可能性がある。

第六、コンテキストはソフトウェアよりも価値がある。ソフトウェアは再生成できるが、コンテキストは失われない。

最後に、創業者自身が関与する必要がある。

AI戦略を他人に委託してはならない。創業者自身がAgentを使用し、自分が何ができるかの古い見解を打ち破り、AIの能力の飛躍を実証する必要がある。

それがTomが言ったAha momentだ。

AIが手伝ってくれるだけではない。

それは会社自体を改善し始める。

元のビデオリンク

• Y Combinator「How To Build A Company With AI From The Ground Up」：https://www.youtube.com/watch?v=EN7frwQIbKc
• YC Root Access「How to Build a Self-Improving Company with AI」：https://www.youtube.com/watch?v=t-G67yKAHBQ