企業の未来

著者より：本稿は、次なる経済を考える連載の第 2 回です。独立した視点から AGI の未来を探る論考を集める新たなプラットフォームの一環としてお届けします。ここに示す見解は私たち自身のものであり、OpenAI や同僚の見解を代表するものではありません。

私たち 2 人がここ OpenAI でそれぞれのチームを率いるようになったのは、24 歳のときでした。ただ、そのチームを知れば、それほど大した話ではないと感じるでしょう。

本来なら、私たちはまだ下積みの立場のはずです。24 歳といえば、企業の階層では最下段にいます。会議の議事録を取り、メモをいくつか作成します。何年も地道な仕事をこなした末に、うまくいけば、より広い範囲を任されます。

しかし、私たちの歩み、そして今の多くの若者の歩みは、それとは違うものになりつつあります。社会に出た時点で、すでに指示を出せる「従業員」がいるのです。この補佐役たちは、昼夜を問わず、週末も休日も働きます。地道な実務はお手のものです。助言役として、数学オリンピックの金メダリストまでそろっています。この新しい部下たちも、まだ相応に間違いを犯します。それでも能力は向上し、私たちのニーズを学んでいます。私たちも、そのマネジメント方法を学んでいます。

私たちのどちらも、出世の階段を上ったわけではありません。むしろ、マネジメントの役割が私たちの段まで下りてきたのです。本稿では、この私たちの「昇進」と、知能の時代を迎える企業に起こりうる組織再編を考えます。

AI が企業に入るとき、どこに位置づけられるのでしょうか。その姿を描く 3 つのシナリオを提示します。

どれも記述どおりに展開するわけではないでしょうが、3 つとも一部は現実になると考えています。いずれも、目立たない形ながら、すでに起き始めています。

ここで注目するのは、完全な自動化ではなく、移行期の経済です。AI が進歩して既存の組織に入り込むにつれ、人間と AI が混在する企業がどのような姿になるのかに関心があります。

AI の導入が生産性につながるまでには時間がかかるため、このハイブリッドな企業という概念が重要だと考えています。モデルにできることが一部のタスクに限られるうちは、仕事を熟知する現場の従業員が最も導入しやすいかもしれません。モデルが幅広い業務を最初から最後まで担えるようになれば、上層部が直接活用できます。私たちは、AI は高性能になるほど導入しやすくなると考えています。企業は技術を学ぶ必要がありますが、働き手のほうは企業を学び、自ら仕事になじんでいけるからです。

まず 3 種類の新しい組織図を分析し、次にそれらが、煩雑な社内手続き、働き手の裁量、企業規模、賃金格差の未来に何を意味するのかを検討します。

最初のシナリオは、変化が最も穏やかに見えます。人々のポジションも指揮命令系統も変わらず、表向きは以前と同じ仕事を続けます。人間だけの組織図を見れば、現在とこの未来に違いはありません。

違いは、私たちの下にあります。部下を持たなかった一人ひとりの下に、新たな AI の労働力が加わり、それぞれの指示を受けます。組織図に地下階ができ、私たち全員がマネージャーになるのです。

当初、この地下階は未完成です。最初は一人に 1、2 体のエージェントが付きます。熟練社員というより、監督し、失敗を大目に見る必要のある意欲的なインターンに近い存在です。期待することは多くありません。メールを送り、メモを下書きし、あちこちの Slack メッセージに返信する程度です。人間の若手社員と同じく、最初はほとんど裁量も信頼も与えられません。

しかし、モデルが進歩するにつれ、エージェントはより少ない監督で、より多くのタスクを担うようになります。互いに連携するようにもなります。管理職の AI、実務担当の AI、会計士、弁護士が、あなたの指示のもとで協働するかもしれません。やがてそれは、インターンに手取り足取り教える状況とはかけ離れたものになります。独自の組織図を持ち、あなたが取締役会を務める、小さな独立企業のような体制になるのです。

このシナリオが、解雇を意味していない点に注目してください。私たちは、自分自身を自動化で置き換えることなく AI を導入します。代わりに過去の自分を自動化し、階層を上がるのです。かつて私たちがしていた仕事を、AI が次々と担っていきます。管理すべきことが増えるため仕事は残り、私たちはより大きな成果全体に責任を持つようになります。

仕事は固定されたものではありません⁠（新しいウィンドウで開く）。以前の仕事の 90% を AI ができるとしましょう。自分には仕事が 10% しか残らない、と思うかもしれません。しかし別の可能性もあります。引き続きひとり分の仕事を担いながら、その内容が変わり、今度は 10 倍大きな目標に取り組むのです。これこそ技術が昔からもたらしてきた恩恵です。生産性が高まり、それに合わせて目標も高まり、目標とともに賃金も上がりえます⁠（新しいウィンドウで開く）。

これらはすべて、私たちが生産に価値を加え⁠（新しいウィンドウで開く）続けられるかどうかにかかっています。本稿が扱うのは、自動化がまだ万能でも全面的に導入済みでもない、これからの数年間です。仮に AI が何でもできても、人が作ったという理由で価値を高く見たり、最終決定権は人が持つべきだと考えたりするかもしれません。

私たちがどれほど多くを欲するかにも左右されます。消費者として 10 倍の生産物を望まないなら、均衡は働き手の数か労働時間が減る方向へ移ります。歴史を振り返ると、生産量が増えても私たちは満ち足りてきませんでした。手にするものは大幅に増えた⁠（新しいウィンドウで開く）のに、労働時間はわずかしか減っていません⁠（新しいウィンドウで開く）。生産量が倍増するにつれて欲求も膨らみ続け、私たちが生産に貢献し続けるなら、より多くの消費と引き換えに労働を提供し続けることを選ぶでしょう。逆に、生産が十分に豊かになって満ち足りれば、私たちは自ら働く人の数を減らすかもしれません。

小規模企業の数が増えるのではないか、といった別の反論も後で検討します。それでも、このシナリオは重要だと考えます。導入はどこかから始めなければならないからです。企業には、今の組織構造から安定的に進化する道が必要です。既存の従業員の仕事を強化するほうが、全面的な組織再編よりも踏み出しやすい第一歩かもしれません。今も、それは実際に起きています。働き手が次々と AI に仕事を任せていますが、今のところ組織の革命は起きていません。

このシナリオでは、最前線の働き手が最初に AI を雇います。管理職や経営幹部ではなく、現場の働き手が AI 導入を主導します。自分でその仕事をしていた人が、AI に最もうまく仕事をさせられるうちは、その可能性が高そうです。

モデルはすでにデータサイエンスの多くのタスクを自動化できますが、手法や細部に詳しくない部門長には、ツールの活用が難しいでしょう。AI が、あなたの知らないことを自ら教えてくれるほど主体的になるまでは、仕事のやり方を熟知する人にとって最も有用であり続けるでしょう。この点は次のシナリオで取り上げます。

このシナリオで最も大きな変化を経験するのは、新人です。少なくとも人間にとって、組織の最下段に立つことはなくなります。若者を採用するのは、企業の底辺でつらい単純作業をさせるためではなくなります。そうしたポジションは、それを苦にしない存在が埋めます。

その結果、若手を育てる従来の道筋の一部が失われます。徒弟制⁠（新しいウィンドウで開く）、地道な実務を通じた学習、下積みを重ねて一人前になる道です。これは確かな損失ですが、私たちは全体として恵まれた変化だと捉えています。最も経験の浅い新人でも、よいアイデアがあれば、試すための資源を使えます。とにかく人手が足りないという、社内で昔から使われてきた言い訳は通用しなくなりつつあります。素晴らしいゲームの構想があっても人員を確保する道がなかった若手社員が、今では自分で作れてしまいます。

この「昇進型」のシナリオでも、若手には学ぶべきことが多く残ると考えています。判断力、審美眼、マネジメントの実力、創造的なビジョンです。これらのスキルは成果物に表れるため、私たちには磨こうとする動機が生まれます。私たちは引き続き実践を通じて学びます⁠（新しいウィンドウで開く）が、担う範囲はより大きくなります。社内の先輩たちにも、責任ある育成者として私たちを支える動機が残ります。株式を保有する彼らにとって、私たちの成功は自らの利益にもなるからです。ここにあるのは、あらゆる階層の誰もが、より刺激的な役割を担える機会です。誰もが広い担当範囲で才能を示せます。これは、何も任されていなかった新人にとって、特に大きな意味を持ちます。

AI が企業に入る 2 つ目の道は、既存の組織図の中へ入り込む形です。ここでは、エージェントは最下層の下働きではなく、同僚です。既存の管理職が、従業員に任せるのと同じように、チームの仕事の一部をモデルに渡します。AI は人間の下だけでなく、隣に入ります。

最初のシナリオとの大きな違いは、生産性を高める AI を導入するのが、現在の実務担当者だけでなく、既存の人間の管理職でもあることです。そのためには、AI が一人前のチームメンバーとして働ける能力を備える必要があります。

人間は、多様な仕事をこなせる存在です。金づちは一つの作業に役立ちますが、人間ははるかに多くのことをします。AI がツールから働き手へと変わる道のりは、担う範囲が広がる過程です。タスクから、ひとり分の仕事、チーム、そして企業へと自動化が進みます。範囲が一段階広がるたびに、より幅広い能力が求められます。

ひとり分の仕事は、多くのタスクを詰めたスーツケースのようなものです。チーム全体となると、そのスーツケースには実に多種多様な仕事が詰まっています。担当するタスクが増えるほど、ボトルネックになりうる箇所も増えます。チームの必須タスクに一つでも身体を使う作業があれば、まったく新たな一式の周辺機器が必要になります。チーム全体とそのまま置き換われる存在になるには、AI はその多様な責務すべてに対応できなければなりません。

より広い範囲を担える AI を作るのは、より困難です。しかし企業にとっては、担える範囲が広いほど導入しやすいのです。これこそ、この移行全体における中心的な非対称性です。

チームや幅広い業務が最初から最後まで自動化されていれば、経営幹部が直接導入できます。能力が限定的なツールは、それほど簡単にトップダウンで導入できません。より単純なツールほど、従業員全体の幅広い賛同と再教育が必要になります。

従来、新技術は限られた一群のタスクを低コストにするものでした。その先の負担は、購入者に移ります。企業は新しいツールの活用法を考え、それを軸に再教育、組織再編、業務プロセスの再構築⁠（新しいウィンドウで開く）を行う必要があります。表計算ソフトが自ら経理部門に入り込んだのではありません。経理部門がソフトに合わせて自らを作り変えたのです。

働き手は、その逆です。インターンも従業員も優れたチームも、あなたの役に立つ方法を考えます。質問を重ね、あなたの置かれた状況を理解し、ニーズに気づきます。あなた自身が知らないことにすら気づいていなかった事柄を、教えてくれます。最も優れた働き手は、自ら仕事になじんでいきます。

主体性と適応力を備え、この意味で AI が働き手に近づくほど、企業が使いこなし方を学ぶ必要は減り、AI 自身が企業の役に立つ方法を考えるようになります。経営幹部が新しいツールを学ぶために、デザインソフトの入門講座を受けることは、おそらくないでしょう。しかし、ひと言いただければ、マーケティング機能をまるごと立ち上げますという提案なら、喜んで耳を傾けるはずです。

私たちは、ひとり分の仕事の自動化を AGI の究極の目標と位置づけがちです。確かに、そこにすらまだ到達していません。仕事がこれほど複雑なのは、私たちがそれほど優れた能力を持つからです。それでも、この経済で一匹狼の働き手が生み出す生産物はごくわずか⁠（新しいウィンドウで開く）です。生産的な仕事はチームに、チームは企業に貢献し、企業は私たちが消費するもののほぼすべてを生み出しています。

AGI を「ひとり分の仕事」で測る基準は、人間を十分に評価していません。労働とは、タスクをこなすことだけでも、非定型の部分に対処することだけでもありません。驚くべき連携、そして大きな成果の一部分を担える柔軟性も、私たちの労働を成しています。人間を単なるタスクの束とみなすのは、その価値をひどく安売りすることです。人間の力は、個人よりも私たちの組織⁠（新しいウィンドウで開く）に宿っています。経済活動を担う AGI が達すべき基準は、一人の人間ではなく、人々の集団です。

そのため、「混在型」のシナリオは、AI がチームや企業のような存在ではなく、まだツールや一人の働き手に近い存在なら、かなり非効率かもしれません。働き手の一人ひとりの隣にモデルを置けば、無数の境界と引き継ぎ⁠（新しいウィンドウで開く）が生じます。この断片的な体制が、導入を遅らせるかもしれません。

私たちは、能力は低くても早く実用化される AI と、後から登場する高性能モデルとの競争になると見ています。どちらが勝つかは、将来のモデルの導入速度が、能力獲得までに余分にかかる時間を取り戻せるほど速くなるかどうかにかかっています。

この「混在型」のシナリオは、最初の「昇進型」と共存できます。AI が特定の業務を自動化し、企業が人員を減らす一方で、残る人間はエージェントの労働力に支えられ、はるかに広い役割を任されるかもしれません。重要なのは、このシナリオだけでは、人間の雇用全体の減少を意味しないことです。一社あたりの従業員数は減っても、企業の数は増えるかもしれません。

3 つ目のシナリオは、最も意外に感じられるものです。ここでは、AI は人間の上に入ります。もはや人間の下に機械があるのではなく、人間、AI、人間という、自動化を挟んだサンドイッチ構造です。一部の人は、AI を「上司」とします。

特に企業が導入を始める形としては、現実離れして聞こえます。しかし、より穏やかな形では、すでに始まっていると私たちは考えています。

AI を知的労働の機械化と捉えるときでさえ、私たちは下位の階層に目を向けがちです。普通は、AI が自動化するのは表計算やスライド作成であって、マネジメントではないと語ります。自動化は下から上へ進み、まず知的な単純作業、最後に判断へと及び、管理職が最後の砦になる。私たちは直感的にそう考えています。

しかし、管理職の仕事の大半は、コンピューター上と頭の中にあります。読む、会議をする、比較検討する、文脈を把握しておく、意思決定するといった仕事です。オフィスを巡回し、現場の人たちのそばにいるなど、その場に身を置くことにも価値はあります。それでも、知的労働が中心であっても、管理職より物理的な物や道具と関わるのは、現場の仕事のほうです。コピー機に向かわされるのは、上司ではなくインターンです。

管理職の意思決定をモデルに教えるのは困難です。成功の定義が曖昧で、成果を測るにも長い時間がかかるからです。優れた人間の管理職を育てるのが難しいのも、同じような理由⁠（新しいウィンドウで開く）によります。モデルがマネジメントにどれほど優れているのか、私たちはまだ分かっていません。実行を中心とする知的労働の評価は豊富にありますが、管理職や経営幹部の規模で大きな仕事を統括する能力を捉える評価は、ほとんどありません。

それでも、今のモデルの能力は、現場の働き手よりも、人間の管理職に近い可能性を考える価値があります。管理業務の一部は、その管理対象の仕事より先に自動化されるかもしれません。

この「中間層型」シナリオの完成形は、AI が思考を担い、自らの能力の不足を、配下の人間の請負業者で補う姿かもしれません。そんな世界は、私たちにはかなり異質に思えます。多くのことが変わる必要があるでしょう。

しかし、もっと自然な形もあり、その幕はすでに開いています。助言です。今でも経営幹部は、社内各所の何百もの Slack チャンネル、文書、連絡文、コードファイルを ChatGPT に読ませ、質問に答えさせることができます。このチームは実際には何をしているのでしょうか。あの脆弱性は、どこに表れているのでしょうか。組織のあらゆる部分が、経営幹部にとってますます読み解きやすく⁠（新しいウィンドウで開く）なっています。

経営幹部は以前から、報酬で動く外部の仲介役を組織図に組み込んできました。それをコンサルティングと呼んできたのです。経営コンサルティング会社は、短期間、高額な費用で、あなたの上に一層を加えます。これからは、AI コンサルタントがほぼ無視できるほどの低コストで、常時存在するかもしれません。

モデルが企業の文書やコミュニケーションを確実に読み解けるようになったのは、ごく最近です。目利きの力や自発性は、まだ成熟させる必要があります。今のところ、ChatGPT は意欲ある経営幹部が組織をより詳しく理解するのを助けています。私たちは、やがてそれが総合的なコンサルティングへと発展すると考えています。下位の従業員を率いる本当の「管理職」ではなく、社内の情報を伝える特派員であり、経営幹部の助言役になるでしょう。ビジネスの専門知識を使って全体を見渡し、自発的に問題点を浮かび上がらせ、対応の優先順位づけを助けます。

それが有益になるか有害になるかは、経営幹部次第です。構造的な効果は、中央集権化です。これにより、経営陣と会社の現場との距離が縮まると見ています。以前は情報伝達の摩擦によって分散型の意思決定が有利でしたが、より多くの権限が上層部に集まるようになります。

このシナリオが重要なのは、権限のあり方を変えるからだけでなく、コンサルティングとしての AI が極めて導入しやすい可能性があるからです。従来のコンサルティングと同様、AI コンサルティングも経営幹部に技術的な知識を求めません。タイピングや端末操作ができる人たちによって下から導入された、コンピューターとは違います。コンサルタントに話しかけるだけで、技術的なことは相手が引き受けます。この導入の波は、役員室から始まりうるのです。そして AI コンサルティングが、組織の他の部分への AI 導入を加速させる可能性があります。

企業がリモートワークや業務委託を信用しない大きな理由があります。約束どおり仕事をさせられるかという問題です。これまで、企業が仕事の実態を、その多様で複雑なあり方も含めて低コストで把握する方法はありませんでした。そこで、クリック数、マウスの動き、オンライン状態を示す緑の点など、よい仕事が行われているかとはかけ離れた、働いているふりの指標を測っている⁠（新しいウィンドウで開く）のです。

AI は、理解する監視役を提供します。人が生み出したものを見て、大きな目標に向けた実質的な進展を認識できます。次の節で考察するように、新たな監視の仕組みを安易に導入してはなりません⁠（新しいウィンドウで開く）。しかし、適切な条件のもとでは、信頼を高め、企業が従業員により多くの自由を与える後押しになりえます。

よい成果に至る多様な道筋を監視役が理解できれば、従業員はより自分に合ったやり方で働けます。上司が把握しやすい所定の方法よりも、よい成果に向けて前進していることが重視されるようになります。状況を理解する監視役は柔軟性をもたらし、誰もが嫌う、見せかけの生産性を許しません。

ここで得られる価値は、車に追跡装置を付ければ保険料を下げるという保険会社の提案に似ています。仕組みの裏をかこうとしていた人には不利ですが、普通に仕事をしていた人なら、監視役がその働きを証明し、経営陣からの信頼が増します。

その信頼が、新たな可能性を生みます。これまでハイブリッド勤務、型にはまらない人材、業務委託、遠い国の優秀な人の採用に消極的だった企業も、前向きになる⁠（新しいウィンドウで開く）かもしれません。

現場の従業員は、今の組織構造に多くの問題を抱えています。自分の目で見た問題を上層部に伝える手段がないのは、ひどく意欲をそぐものです。力のない上司の下から抜け出せなかったり、優れた仕事が評価されなかったりするのは、不公平です。

これまでの行き過ぎた業務最適化の波は、限られたデータ、大まかな指針、融通の利かないアルゴリズムに基づいていたと私たちは見ています。歯車の比率しか処理できなければ、誰もが歯車に見えてしまいます。企業は長年、働き手の働きをどう測るかという問題を抱えてきました。状況を理解する監視役なら、今の粗い指標が見逃す価値ある貢献や独自の手法を認められるかもしれません。

ここからは、3 つの典型的なシナリオを踏まえ、企業の未来を左右する問いを探ります。

一般に、何かを作るにはかなりの費用がかかります。アプリ、映画、プレゼン資料、機能、分析。どれも作り直すには費用も時間もかかり、骨が折れます。実質的に一発勝負なら、狙いを定めることに力を注ぎます。計画策定のサイクル、ロードマップをめぐる儀式的な会議、承認委員会があるのは、会社がようやく実行を決めるとき、それが価値ある取り組みであるようにするためです。組織の各階層に数多くの確認があるのは、実行に貴重な資源が必要だったからです。

AI は多くの分野で、完成までは無理でも、少なくとも試作段階までの制作費用を劇的に引き下げています。企業のやり方も、それに合わせて変えるべきだと考えます。狙いを定める時間を減らし、試す回数を増やすのです。試作品を作り、観察し、素早く学び、方向を修正して、また作ればよいのです。試作が容易になれば⁠（新しいウィンドウで開く）、綿密な計画に基づく生産を支えてきた制度から、企業は徐々に離れていくはずです。

最も単純な形は、チームが試行錯誤の速度を上げることです。さらに踏み込めば、チームという形そのものが問われます。共同で計画する重要性が薄れ、互いに独立した多様なアイデアが重要になるなら、素早く試行錯誤する単一のチームと、多くの個人がそれぞれ動く試作品を持ち寄る形では、どちらがよいのでしょうか。実物の試作品がどんな要件文書よりもビジョンをよく伝えるなら、コミュニケーションの慣行も変わるのでしょうか。メモではなく実物を、より早く、より多く共有するようになるでしょうか。

制作費用が下がれば、企業は個人を軸とする方向へ傾くかもしれません。そうなれば、中間管理職の階層も、許可を求める機会も減るでしょう。以前は実行するより許可を求めるほうが安く済みましたが、今はそうではないからです。

とはいえ、次に述べるように、個人が低リスクで試作できるようにする同じ技術が、煩雑な手続きをさらに増やすこともありえます。

企業がトップダウンの管理を徹底する大きな理由は、経営幹部のほうが若手よりも優れた事業上の意思決定⁠（新しいウィンドウで開く）を下せるという考えにあります。企業は有能なベテランを上層部に置き、高い報酬を支払います。また、実務担当者が自分の専門領域に特化する一方で、管理職は経営戦略の訓練を受けていることが多いものです。AI がすべての働き手に優れた助言を与えれば、意思決定の質の差は縮まります。管理職が口を出す理由は減るでしょう。働き手の自律性が高まり、管理職の階層も減る可能性があります。

同様に、「AI コンサルティング」は、影響の大きすぎることが経営幹部に知らされないまま起きるのを防ぎます。従業員が会社に重大な影響を及ぼすブログ記事を公開しようとしていれば、先回りして経営幹部に注意を促します。これが信頼を生みます。経営陣は、知らないうちに大きな失敗が起きると心配せずに済むため、従業員の仕事の進め方をそれほど厳しく縛る⁠（新しいウィンドウで開く）必要がなくなります。

しかし、AI コンサルティングは諸刃の剣⁠（新しいウィンドウで開く）です。状況を理解する監視役として従業員への信頼を高める一方、CEO の好むやり方を組織全体により強く徹底させることもできます。企業は一貫性⁠（新しいウィンドウで開く）を重視します。単によい判断ではなく、企業文化、ブランド、規模の経済に沿った判断が求められます。外食チェーンなら、食材を一括発注でき、顧客に同じ品質の商品を期待してもらえるよう、加盟店共通のメニューを望むかもしれません。

これに関連して、経営者と働き手の利害は必ずしも一致しません。働き手は自分の担当領域の成功⁠（新しいウィンドウで開く）を最大化しようとする一方、経営幹部は企業全体を重視します。株式保有者は、より懸命な働きの利益を享受する⁠（新しいウィンドウで開く）ため、賃金を得る働き手とは異なる選好を持ちます。AI コンサルティングは、上層部が定めた特定の手順への順守を、より厳しく徹底できるでしょう。

それでも総合的には、働き手の裁量は広がると私たちは考えています。この楽観的な見方は、企業が AI を使って重大な例外を検知しつつ、より多くの判断を働き手に委ねるという期待に基づいています。

AI は活動を支える足場になると考えています。経営幹部がブランドの一貫性を守りたいとしても、それは業務を進める際の制約条件にすぎなくなります。働き手は事業上の制約をよりよく理解し、それさえ守れば、残る領域で安心して創造性を発揮できるようになります。必要な備えが整えば、経営幹部は、大きな利益につながるかもしれない新しい手法を従業員に試させられます。配下の AI の助けを得て、働き手はより大きな成果にも責任を持つようになります。より複雑な仕事を指揮することで、創造性を発揮する機会も増えると考えています。

働き手の自律性に関する同じ論理は、企業規模にも当てはまります。ロナルド・コース氏⁠（新しいウィンドウで開く）は、なぜ私たちは契約の網の目ではなく、企業の内部で生産を組織するのかと問いかけました。飛行機でさえ、個々の当事者間の契約だけで製造できますが、それでは非常に非効率です。企業は規模の経済を実現し、利害を一致させ、大規模なプロジェクトを組織し、絶えず交渉する必要をなくします。

AI がコミュニケーションを円滑にすることで、企業は規模を大きくするにも小さくするにも合理的な理由を得られます。従来の企業は、情報を上へ、指示を下へ伝える基盤ですが、そこには摩擦や伝言ゲームによるゆがみが数多くあります。AI が調整役の層を担えば、人間の従業員が多い大企業も運営しやすくなります。「AI コンサルティング」があれば、経営幹部は、創業者が 20 人のスタートアップを知るように自社を把握できます。四半期ごとの報告を待たずに施策の実行状況を見守り、何か起きれば通知を受け取れます。そのビジョンも、より広く浸透させられます。誰もが、互いの仕事と組織全体の優先事項を、よりよく理解できるようになります。

逆の方向に働く可能性もあります。コミュニケーションに摩擦がなく、取り決めの順守状況も把握しやすければ、サプライチェーンの多くを社内に抱え込む必要はありません。外部の供給業者や請負業者を、より信頼できるからです。

垂直統合の大きな動機の一つは、利害を一致させることです。不完備契約⁠（新しいウィンドウで開く）という考え方があります。航空宇宙企業がジェットエンジン企業と契約しても、契約で明示的に義務づけられていない事項については、エンジン企業には費用を切り詰め、自社の利益を優先する誘因が働きます。これを避けるため、航空宇宙企業はジェットエンジン企業を買収します。働き手と上司の関係と同じです。契約の履行を把握しやすくなり、形式的な確認ではなく、状況を理解した判断で紛争を解決できれば、企業は他社により安心して仕事を任せられるかもしれません。すべてを内製する理由は薄れます。

私たちは、小規模企業が数多く生まれる一方で、単一企業の中で膨大な数の異なるプロジェクトを進める、巨大な AI「持株会社」も現れると予想しています。異なるプロジェクトがそろって活用する共通資産があれば、複合企業には経済合理性があります。その共通資産は計算資源かもしれません。ただし、計算資源は必要なときに少量ずつ容易に調達できます。工場やロボット群の共有のほうが、より強い動機になります。

大規模な「持株会社」には、利害の一致という合理的な理由もあります。AI と資本からなる大組織が、がんの克服といった共通の使命に全面的に取り組むなら、小さな取り組みを別々に進める必要性は低くなります。AI 企業なら、権力争いを避け、あらゆる情報を共有し、必要に応じてエージェント間に創造的な多様性を生み出すことで、異なる道を探れるかもしれません。

現在の仕組みでは、際立った働きをする人が報われるはずです。そうした人は昇進し、より高い報酬を得ます。しかし、優れたモデルが助言する世界では、働き手はどう違いを示せるのでしょうか。

AI が全員に同じ優れたアイデアを与えるなら、差をつける機会は減ります。賃金の幅は縮まるはずです。

その圧縮に対抗するのが、判断力、審美眼、そして担当範囲の広さです。私たち一人ひとりが配下の AI 企業を率いるなら、人間に残る価値は意思決定にあります。一人が統括する仕事の規模が大きくなれば、判断の良し悪しがもたらす差も大きく表れます⁠（新しいウィンドウで開く）。

組織の頂点には、以前からこの論理が適用されてきました。トップの意思決定が少し優れているだけで利益に大きな影響が及ぶ、という考えで、CEO の報酬⁠（新しいウィンドウで開く）を正当化しています。配下の AI 企業をよりうまく管理し、希少な資源を活用できる働き手がいれば、賃金格差は拡大するかもしれません。

判断が左右するものが大きいほど、他人に対するわずかな優位性が給与に大きく表れます。一方で、AI は誰にでも優れた助言を与えます。差がつきにくくなれば、賃金分布の幅は縮まります。

この問題でも他の問題でも、どちらの力が勝るかは、私たちが主に判断を下す側なのか、それに従う側なのかによるのかもしれません。