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で無限に競争を繰り返す中で、AI起業の真の競争優位はどこにあるのか？最近、GeekPark創始者兼総裁の張鵬とVisionFlow創始者の劉夜は、OpenClawの爆発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「徹底的に語り尽くした」結果、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にすぎない。この対話の中で、劉夜は「漸進的露出」「タスクの高低次元マトリックス」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てきた：AIの次の一歩は、単なる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坦化される未来、CEOはもはや「最高経営責任者」ではなく、極致の美意識を持つ「プロデューサー」になるかもしれない。これは、AI時代の組織形態、ビジネスの壁、そして新世代の起業家のエコシステムについての推論と展望の議論だ。今後の起業者の深い議論を促すことを願っている。以下はGeekParkによる対話の要約と編集版：01 万A大戦はすでに始まっている。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、今日のOpenClawの変化を追求してきたが、自分自身はどのように変わったのか？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、そして今日のMac時代まで経験し、三大ポータルの台頭も目撃してきた。企業情報化を経験し、中国のIBMを目指したこともあった。その後、作業箱に転換し、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遠な産業であり、産業インターネットの最高潮であり、「最後の便車」でもある。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、産業そのものであり、ビジネスだと痛感している。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、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。後者ほど利益率は高くなるが、難易度も増す。だからこそ、AIの波が来たとき、最初にしたことは、ほぼ半年間何もしないことだった。HRに頼み、話せる人全員と徹底的に話した。トップのスタートアップ企業の最高科学者から、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、約千時間に及ぶ交流を積み重ねた。どの程度まで？相手の上半分の言葉を聞けば、下半分の意図がわかるほどだ。皆の共通認識はほとんど変わらなかった。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」—それは「デジタル社員」だ。これを思い出したのは、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誤った戦略判断をした話だ。彼は阿里がクラウドをやっているのは、結局のところネットドライブに過ぎないと考えていた。新しい事象を古い枠組みで理解しようとすると、最も浅い部分しか見えない。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？競争優位はどこに？一人が1日で何十億のTOKENを燃やすのが当たり前になった今、これはむしろ製造業のようなもので、まったく飛躍できない。だから、私はすべての起業者に同じ質問を投げかけている：なぜあなたは？何のためにできるのか？あなたは若い？賢い？夜更かしができる？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が、何をすべきかが最も重要だ。あなたはこの点についてどう考えている？02 産業インターネットの10年、今日もう一度繰り返す劉夜： 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。初期はツールの開発、中期はビジネスの展開、最終的にはコンサルティングへと進む。技術が未成熟な時期、最初に入ってくるのはエンジニアだ。彼らは世界を過度に抽象化しがちで、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。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。エンジニア出身者の組織の想像は、しばしばビジネスを過度に単純化する。最初のインターネットの三大ポータルのうち、最後まで成功したのはTencentとAlibabaだった。彼らは技術からやや離れ、産業に近かった。今も同じで、技術はますます重要でなくなっている。張鵬： この波では、文系出身者も喜んでいるだろう。コーディングできなくても問題ないと。長期的に見て、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問題があると感じている。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。ジョブズがiPhone4を発表し、張小龍がプロダクト観を提唱した2010年前後に、「みんながプロダクトマネージャーになれる」と言われるようになった。それ以前は、プログラマーが同時にプロダクトマネージャーの仕事も担っていた。最初にプログラマーがいて、その後にプロダクトマネージャーが登場した。だから、第一世代のプログラマーは、仕事のためにコードを学んだのではなく、趣味や興味から始めた。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。しかし、第二世代のプログラマーは、過去10年の産業インターネットの影響で、「コーダー」と呼ばれるようになった。プロダクトマネージャーは建築家となり、コーダーは従順に働く存在に変わった。今日、AIが登場し、「コード」の部分は排除され、進化しなければ、彼らは「農民」だけになってしまう。この若い世代は優秀だが、産業の理解は空白だ。だから、今の「万A大戦」は、根本的にはツールの氾濫に過ぎない。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、コンサル出身者がプロダクトマネージャーとともに業務フローを設計している。インターネットのプロダクトマネージャーはもともとシステム的な思考が欠如しているためだ。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だが、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、この法則は強化されるだけだ。03 企業の問題は、従業員の問題ではなく、組織の問題だ張鵬： だから、「デジタル社員」の単一点だけを追い求めるのはあまり意味がない。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、デジタル組織こそが真のゴールだ。もしデジタル社員が氾濫し、採用ポジションすらなくなり、誰もが良いデジタル社員を持てるようになったら、その先はどうなる？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Agentは人の仕事を代行しているだけでなく、意思決定も代行すべきだ。私たちはOpenClawを内部改造し、「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、タスクレベルに微視的に落とし込んでいる。例えば、AIを使って短い動画を作る、文章を書くといった場合、多回の対話が必要だ。彼に一言言えば、彼は返事をし、フィードバックをもらう。これがツールの使い方だ。これは非常に賢い使い方だ。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。高級なポジションのJD（職務記述書）を描くとき、一般的には次のように定義される：第一に、いろいろな仕事をこなせること。さまざまなツールを使えること。高級なポジションは、意図を理解し、自発的に計画し、積極的に実行し、納品し、定期的に報告し、反省・総括し、成果の偏差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： それなら、「L4レベルの自動運転」のような部署だ。劉夜： その通りだ。スキルを与えれば、複雑なタスクもこなせる。スキルシステムを持てば、複合的な複雑タスクもこなせる。複数のエージェント（agent）が編成されると、より複雑なこともできる。例えば、短編ドラマを撮ることも可能だ。社員と会議をするとき、「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」と言う。彼らはその境界を探る努力をすべきだ。未来の若い起業家は、以前は家族から50万円の資金をもらって起業していたが、今後はTOKEN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、その人の高次ポジションのレベルを決める。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・能力に分解されたとき、チームとしてコアタスクに取り組む際、そ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理に戻る：人材の密度、すなわち人材の質が高いほど、コアタスクの達成や競争優位が容易になる。これが核心だ。もし未来に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細分化されたサービスを提供し価値を創出できるだけでなく、もう一つの次元では、「人材密度」にも回帰する。すなわち、あなたのagentやbotが原子レベルの能力に分解されているほど、「人材密度」が高まり、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。企業内部には、一般的にOD（組織開発）と呼ばれる部署がある。組織が戦えるかどうかの指標は、相手のすべての人材を引き出して比較し、人の適性や能力を評価し、戦争の勝敗を予測することだ。つまり、一般的に企業の戦いは、ビジネス戦略ではなく、組織能力に依存している。最も典型的な例はAlibabaだ。Alibabaは組織づくりを非常に重視しており、今の「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だったとして、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だろう。どうやってこの組織を作るか？競合のagent skill systemを一つずつ分析し、そのスキルコードを解読し、自分の体系により優れたスキルを書き込み、欠落している職能を補完する。例えば、戦略部門を持つなら、まず観察と分析を行う。華為（Huawei）は「五看三定」の方法論を持つ。冗談で言えば、我々の起業はこれを使えば、99％の競合を倒せる。五看は、業界動向、市場と顧客、競合、自社能力、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、戦略を定めることだ。この方法論は、ほとんどの競合を排除できる。多くの人は無計画に打つ手を決めるが、高手は深い思考と推論を行い、戦略的に行動する。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。劉夜： 高手は深いリサーチと思考のモデルを持ち、まず世界のベストプラクティスと情報を見て、それを要約・分析し、深く推論し、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、システム能力を持つように抽象化し、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に進化していく。これが未来の唯一の競争力だ。Alibabaの最大の強みは組織づくりにあり、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（Jack Ma）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評価基準とし、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で、年間200回の飛行でさまざまな情報を収集し、それをもとに組織づくりを改善している。彼こそが真の意味での董事長であり、単なる最高経営責任者ではない。これが私たちが見てきた最高レベルの組織形態だ。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、衰退に陥ったときも調整して回復できる。一般的に、企業が10年以内にCEOを誤任すると、衰退の道をたどる可能性が高い。だから、歴史を鑑にし、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、社員の参入障壁も非常に低い。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、オープンソースの方が圧倒的に優れている。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：「旧時代」の組織論では、組織文化、価値観、KPIなどを重視した。これからAIエージェント組織の新時代に移行するにあたり、どの要素を完全に捨て、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のコーディング分野における「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引き起こし、混乱に陥る。漸進的露出は、AIの良好な注意力を維持し、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、結局のところ全対話のことになり、効率は非常に低い。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に対して漸進的に露出させることにある。これは、企業の管理論と一致する。取締役会は戦略に集中し、CEOは戦略と高級管理者に焦点を当て、従業員は簡単な事務を処理する。たとえば、300人が同じ会議に参加したら、会議は成立しない。組織の核心的意義は、情報を階層化して処理することだ。これは、データベースの正規化と類似し、情報の圧縮と階層化によって効率を高める。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。これは伝統的な企業組織の核心論理だ。なぜなら、特定の時間内の計算能力は有限だからだ。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ものだ。さらに、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基本的な物理学の定理を超えているためだ。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。タスクの難易度は、次元の高低ではなく、複雑さの度合いによる。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の余凯が提唱した古典的モデルによると、すべての職種は「競争の程度」と「次元の高低」によって4つの象限に分類できる。高次高競争、低次低競争、低次高競争、高次低競争だ。販売やエンジニアは低次高競争に属し、プロダクトマネージャーやCEOは高次高競争に属する。科学者は高次低競争に属し、これは世界に一人しか研究していないテーマもあり、競争度は低いが次元は非常に高い。優れた短編劇や良質な小説のような高次高競争のタスクは、現状のAIではまだできない。一方、コードの最適化のような低次元高競争のタスクは、AIがすでに得意としている。次元が高いほど、データ源は少なくなるが、モデルの訓練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、画像や動画モデルが後から出てきた理由だ。短編動画モデルの実用化が難しいのもこのためだ。高次元のタスクと高次元のデータの供給と需要の矛盾は、skillsによるタスク分解でしか解決できない。これは、企業が高次元のポジション人材を見つけられないとき、その役割を複数の基礎的なポジションに分解するのと似ている。唯一の例外は、CEOのような高次元のポジションだけだ。張鵬： 低次元高競争のタスクは、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、すべての低次元高競争の仕事は、できるだけ早くAIに任せるべきだ。skillsに分解し、agent組織で実現すれば、人間の関与は不要になる場合もある。劉夜： ひとつの仮説だが、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、フローを売ることにある。企業がリスクや知的財産を調達するとき、コンサルに依頼して実装させる。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、標準化されたskill setを形成することだ。これは作業箱のモデルに似ている。作業箱は北京四中や人大附属、模擬試験作成者、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、百度のアルゴリズムエンジニアと連携してシステムを構築した。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編成し、産業やエンジニアリングを理解し、各垂直分野のトップエキスパートと連携し、ビジネス、採用、管理能力も持つことだ。これが新世代のAI SaaS企業の核心構成だ。張鵬： さらに推論すると、将来的には、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、ビジネスオペレーティングシステムのようなもので、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。今や生産性の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。正の循環を形成すれば、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、アイスブレイクなどの形式は不要になる。劉夜： 文化は管理の意図であり、ビジネスの意図ではない。旧時代は、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、戦略に直接関与しない。むしろ、創業者の個人的嗜好にすぎない場合もある。張鵬： かつては、人が戦略を支えたが、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時代には、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には血肉がなく、文化の牽引も不要だ。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。これにより、人間の組織における多くの摩擦が消える。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、今のAI組織は、目標→原則→Skills→編成の流れに圧縮されている。05 最後の壁：審美眼と編成張鵬： 企業の新たな壁は何か？人材の質はSkill Setに置き換わったが、私の審美眼さえあれば、世界最高のSkillsを手に入れられる。次に重要なのは、「編成」（Orchestration）だ。これに何が起きる？劉夜： まるで華強北（中国の電子部品市場）であらゆる電子部品が買えるように、なぜ全員がAppleの製品を作れるわけではないのか？スティーブ・ジョブズの伝記では、審美眼の定義は非常に明確だ：世界中の良いものを見て、それを識別できること、それが審美眼だ。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： 見識は審美眼の前提だ。劉夜： 見識と天賦の才だけだ。張鵬： 審美眼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見出し選択すること。これらは矛盾しない。劉夜： 確かに矛盾しない。Appleの成果の一部は自主開発、もう一部は買収だが、核心は審美眼を持つことだ。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、出現したものを編成に反映させるのか、それとも最初からすべてのパスを設定し、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。これが人の審美眼を反映する。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を作ることができるが、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、その編成は創始者から生まれるのか、それとも「プロデューサー」のような存在になるのか？劉夜： その定義は非常に良い。確かに、出現とスケールの効果があっても、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。編成者はビジネスの複雑さに依存する。複雑なビジネスは一人では完結しない。例えば、短編ドラマの撮影やプロンプトの作成などは、多くの困難に直面する。「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るが、すべての高次元能力を一人で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、あらゆるポジション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駆使して、世界的に有名で収益性の高い映画を作れるだろうか？脚本家は優れた脚本（コアの亮点）を持つが、すべての工程を完結できない。この「コアの亮点＋世界資源」のクローズドループは可能か？劉夜： これは本質的にデータの問題だ。最高次元の情報を保存できるデータは存在するのか？例えば、CEOのスキルを訓練するためのデータは十分か？任正非の長文や馬雲の口述は、彼らの高次認知を完全に表現できるのか？世界中の企業の財務報告やCEOの発言を収集しても、CEOにふさわしいモデルは訓練できない。なぜなら、CEOの核心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の核心能力は現状では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。たとえ各人が単一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、やはりコアの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、現在のAIパートナーやAI生成コンテンツが「生き生き」としてい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。データ量が少ないときはスキルに集中し、データ量が増えたらモデルに進む。ロボットは今のところ実現できていない。核心は十分なデータの不足
劉夜との対話：OpenClawは単なる「手足」に過ぎない。我々は「デジタル従業員」から「デジタル組織」へ、「兵を造る」から「布陣」へと進む必要がある
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で無限に競争を繰り返す中で、AI起業の真の競争優位はどこにあるのか？
最近、GeekPark創始者兼総裁の張鵬とVisionFlow創始者の劉夜は、OpenClawの爆発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「徹底的に語り尽くした」結果、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にすぎない。
この対話の中で、劉夜は「漸進的露出」「タスクの高低次元マトリックス」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てきた：AIの次の一歩は、単なる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坦化される未来、CEOはもはや「最高経営責任者」ではなく、極致の美意識を持つ「プロデューサー」になるかもしれない。
これは、AI時代の組織形態、ビジネスの壁、そして新世代の起業家のエコシステムについての推論と展望の議論だ。今後の起業者の深い議論を促すことを願っている。
以下はGeekParkによる対話の要約と編集版：
01 万A大戦はすでに始まっている。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、今日のOpenClawの変化を追求してきたが、自分自身はどのように変わったのか？
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、そして今日のMac時代まで経験し、三大ポータルの台頭も目撃してきた。企業情報化を経験し、中国のIBMを目指したこともあった。その後、作業箱に転換し、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遠な産業であり、産業インターネットの最高潮であり、「最後の便車」でもある。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、産業そのものであり、ビジネスだと痛感している。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、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。後者ほど利益率は高くなるが、難易度も増す。
だからこそ、AIの波が来たとき、最初にしたことは、ほぼ半年間何もしないことだった。HRに頼み、話せる人全員と徹底的に話した。トップのスタートアップ企業の最高科学者から、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、約千時間に及ぶ交流を積み重ねた。どの程度まで？相手の上半分の言葉を聞けば、下半分の意図がわかるほどだ。皆の共通認識はほとんど変わらなかった。
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」—それは「デジタル社員」だ。これを思い出したのは、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誤った戦略判断をした話だ。彼は阿里がクラウドをやっているのは、結局のところネットドライブに過ぎないと考えていた。新しい事象を古い枠組みで理解しようとすると、最も浅い部分しか見えない。
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？競争優位はどこに？一人が1日で何十億のTOKENを燃やすのが当たり前になった今、これはむしろ製造業のようなもので、まったく飛躍できない。だから、私はすべての起業者に同じ質問を投げかけている：なぜあなたは？何のためにできるのか？あなたは若い？賢い？夜更かしができる？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が、何をすべきかが最も重要だ。あなたはこの点についてどう考えている？
02 産業インターネットの10年、今日もう一度繰り返す
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。初期はツールの開発、中期はビジネスの展開、最終的にはコンサルティングへと進む。技術が未成熟な時期、最初に入ってくるのはエンジニアだ。彼らは世界を過度に抽象化しがちで、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。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。
エンジニア出身者の組織の想像は、しばしばビジネスを過度に単純化する。最初のインターネットの三大ポータルのうち、最後まで成功したのはTencentとAlibabaだった。彼らは技術からやや離れ、産業に近かった。今も同じで、技術はますます重要でなくなっている。
張鵬： この波では、文系出身者も喜んでいるだろう。コーディングできなくても問題ないと。長期的に見て、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問題があると感じている。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。ジョブズがiPhone4を発表し、張小龍がプロダクト観を提唱した2010年前後に、「みんながプロダクトマネージャーになれる」と言われるようになった。それ以前は、プログラマーが同時にプロダクトマネージャーの仕事も担っていた。最初にプログラマーがいて、その後にプロダクトマネージャーが登場した。だから、第一世代のプログラマーは、仕事のためにコードを学んだのではなく、趣味や興味から始めた。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。
しかし、第二世代のプログラマーは、過去10年の産業インターネットの影響で、「コーダー」と呼ばれるようになった。プロダクトマネージャーは建築家となり、コーダーは従順に働く存在に変わった。今日、AIが登場し、「コード」の部分は排除され、進化しなければ、彼らは「農民」だけになってしまう。この若い世代は優秀だが、産業の理解は空白だ。だから、今の「万A大戦」は、根本的にはツールの氾濫に過ぎない。
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、コンサル出身者がプロダクトマネージャーとともに業務フローを設計している。インターネットのプロダクトマネージャーはもともとシステム的な思考が欠如しているためだ。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だが、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、この法則は強化されるだけだ。
03 企業の問題は、従業員の問題ではなく、組織の問題だ
張鵬： だから、「デジタル社員」の単一点だけを追い求めるのはあまり意味がない。
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、デジタル組織こそが真のゴールだ。もしデジタル社員が氾濫し、採用ポジションすらなくなり、誰もが良いデジタル社員を持てるようになったら、その先はどうなる？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Agentは人の仕事を代行しているだけでなく、意思決定も代行すべきだ。私たちはOpenClawを内部改造し、「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、タスクレベルに微視的に落とし込んでいる。例えば、AIを使って短い動画を作る、文章を書くといった場合、多回の対話が必要だ。彼に一言言えば、彼は返事をし、フィードバックをもらう。これがツールの使い方だ。これは非常に賢い使い方だ。
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。高級なポジションのJD（職務記述書）を描くとき、一般的には次のように定義される：第一に、いろいろな仕事をこなせること。さまざまなツールを使えること。高級なポジションは、意図を理解し、自発的に計画し、積極的に実行し、納品し、定期的に報告し、反省・総括し、成果の偏差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： それなら、「L4レベルの自動運転」のような部署だ。
劉夜： その通りだ。スキルを与えれば、複雑なタスクもこなせる。スキルシステムを持てば、複合的な複雑タスクもこなせる。複数のエージェント（agent）が編成されると、より複雑なこともできる。例えば、短編ドラマを撮ることも可能だ。社員と会議をするとき、「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」と言う。彼らはその境界を探る努力をすべきだ。
未来の若い起業家は、以前は家族から50万円の資金をもらって起業していたが、今後はTOKEN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、その人の高次ポジションのレベルを決める。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・能力に分解されたとき、チームとしてコアタスクに取り組む際、そ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理に戻る：人材の密度、すなわち人材の質が高いほど、コアタスクの達成や競争優位が容易になる。
これが核心だ。もし未来に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細分化されたサービスを提供し価値を創出できるだけでなく、もう一つの次元では、「人材密度」にも回帰する。すなわち、あなたのagentやbotが原子レベルの能力に分解されているほど、「人材密度」が高まり、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。企業内部には、一般的にOD（組織開発）と呼ばれる部署がある。組織が戦えるかどうかの指標は、相手のすべての人材を引き出して比較し、人の適性や能力を評価し、戦争の勝敗を予測することだ。つまり、一般的に企業の戦いは、ビジネス戦略ではなく、組織能力に依存している。最も典型的な例はAlibabaだ。Alibabaは組織づくりを非常に重視しており、今の「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だったとして、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だろう。どうやってこの組織を作るか？競合のagent skill systemを一つずつ分析し、そのスキルコードを解読し、自分の体系により優れたスキルを書き込み、欠落している職能を補完する。例えば、戦略部門を持つなら、まず観察と分析を行う。
華為（Huawei）は「五看三定」の方法論を持つ。冗談で言えば、我々の起業はこれを使えば、99％の競合を倒せる。五看は、業界動向、市場と顧客、競合、自社能力、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、戦略を定めることだ。この方法論は、ほとんどの競合を排除できる。多くの人は無計画に打つ手を決めるが、高手は深い思考と推論を行い、戦略的に行動する。
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。
劉夜： 高手は深いリサーチと思考のモデルを持ち、まず世界のベストプラクティスと情報を見て、それを要約・分析し、深く推論し、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、システム能力を持つように抽象化し、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に進化していく。これが未来の唯一の競争力だ。
Alibabaの最大の強みは組織づくりにあり、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（Jack Ma）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評価基準とし、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で、年間200回の飛行でさまざまな情報を収集し、それをもとに組織づくりを改善している。彼こそが真の意味での董事長であり、単なる最高経営責任者ではない。
これが私たちが見てきた最高レベルの組織形態だ。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、衰退に陥ったときも調整して回復できる。一般的に、企業が10年以内にCEOを誤任すると、衰退の道をたどる可能性が高い。だから、歴史を鑑にし、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、社員の参入障壁も非常に低い。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、オープンソースの方が圧倒的に優れている。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：「旧時代」の組織論では、組織文化、価値観、KPIなどを重視した。これからAIエージェント組織の新時代に移行するにあたり、どの要素を完全に捨て、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のコーディング分野における「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引き起こし、混乱に陥る。漸進的露出は、AIの良好な注意力を維持し、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、結局のところ全対話のことになり、効率は非常に低い。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に対して漸進的に露出させることにある。
これは、企業の管理論と一致する。取締役会は戦略に集中し、CEOは戦略と高級管理者に焦点を当て、従業員は簡単な事務を処理する。たとえば、300人が同じ会議に参加したら、会議は成立しない。組織の核心的意義は、情報を階層化して処理することだ。これは、データベースの正規化と類似し、情報の圧縮と階層化によって効率を高める。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。これは伝統的な企業組織の核心論理だ。なぜなら、特定の時間内の計算能力は有限だからだ。
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ものだ。さらに、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基本的な物理学の定理を超えているためだ。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。タスクの難易度は、次元の高低ではなく、複雑さの度合いによる。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の余凯が提唱した古典的モデルによると、すべての職種は「競争の程度」と「次元の高低」によって4つの象限に分類できる。高次高競争、低次低競争、低次高競争、高次低競争だ。販売やエンジニアは低次高競争に属し、プロダクトマネージャーやCEOは高次高競争に属する。科学者は高次低競争に属し、これは世界に一人しか研究していないテーマもあり、競争度は低いが次元は非常に高い。優れた短編劇や良質な小説のような高次高競争のタスクは、現状のAIではまだできない。一方、コードの最適化のような低次元高競争のタスクは、AIがすでに得意としている。次元が高いほど、データ源は少なくなるが、モデルの訓練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、画像や動画モデルが後から出てきた理由だ。短編動画モデルの実用化が難しいのもこのためだ。高次元のタスクと高次元のデータの供給と需要の矛盾は、skillsによるタスク分解でしか解決できない。これは、企業が高次元のポジション人材を見つけられないとき、その役割を複数の基礎的なポジションに分解するのと似ている。唯一の例外は、CEOのような高次元のポジションだけだ。
張鵬： 低次元高競争のタスクは、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、すべての低次元高競争の仕事は、できるだけ早くAIに任せるべきだ。skillsに分解し、agent組織で実現すれば、人間の関与は不要になる場合もある。
劉夜： ひとつの仮説だが、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、フローを売ることにある。企業がリスクや知的財産を調達するとき、コンサルに依頼して実装させる。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、標準化されたskill setを形成することだ。これは作業箱のモデルに似ている。作業箱は北京四中や人大附属、模擬試験作成者、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、百度のアルゴリズムエンジニアと連携してシステムを構築した。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編成し、産業やエンジニアリングを理解し、各垂直分野のトップエキスパートと連携し、ビジネス、採用、管理能力も持つことだ。これが新世代のAI SaaS企業の核心構成だ。
張鵬： さらに推論すると、将来的には、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、ビジネスオペレーティングシステムのようなもので、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。今や生産性の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。正の循環を形成すれば、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、アイスブレイクなどの形式は不要になる。
劉夜： 文化は管理の意図であり、ビジネスの意図ではない。旧時代は、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、戦略に直接関与しない。むしろ、創業者の個人的嗜好にすぎない場合もある。
張鵬： かつては、人が戦略を支えたが、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時代には、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には血肉がなく、文化の牽引も不要だ。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。これにより、人間の組織における多くの摩擦が消える。
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、今のAI組織は、目標→原則→Skills→編成の流れに圧縮されている。
05 最後の壁：審美眼と編成
張鵬： 企業の新たな壁は何か？人材の質はSkill Setに置き換わったが、私の審美眼さえあれば、世界最高のSkillsを手に入れられる。次に重要なのは、「編成」（Orchestration）だ。これに何が起きる？
劉夜： まるで華強北（中国の電子部品市場）であらゆる電子部品が買えるように、なぜ全員がAppleの製品を作れるわけではないのか？スティーブ・ジョブズの伝記では、審美眼の定義は非常に明確だ：世界中の良いものを見て、それを識別できること、それが審美眼だ。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： 見識は審美眼の前提だ。
劉夜： 見識と天賦の才だけだ。
張鵬： 審美眼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見出し選択すること。これらは矛盾しない。
劉夜： 確かに矛盾しない。Appleの成果の一部は自主開発、もう一部は買収だが、核心は審美眼を持つことだ。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、出現したものを編成に反映させるのか、それとも最初からすべてのパスを設定し、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。これが人の審美眼を反映する。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を作ることができるが、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、その編成は創始者から生まれるのか、それとも「プロデューサー」のような存在になるのか？
劉夜： その定義は非常に良い。確かに、出現とスケールの効果があっても、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。
編成者はビジネスの複雑さに依存する。複雑なビジネスは一人では完結しない。例えば、短編ドラマの撮影やプロンプトの作成などは、多くの困難に直面する。「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るが、すべての高次元能力を一人で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、あらゆるポジション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駆使して、世界的に有名で収益性の高い映画を作れるだろうか？脚本家は優れた脚本（コアの亮点）を持つが、すべての工程を完結できない。この「コアの亮点＋世界資源」のクローズドループは可能か？
劉夜： これは本質的にデータの問題だ。最高次元の情報を保存できるデータは存在するのか？例えば、CEOのスキルを訓練するためのデータは十分か？任正非の長文や馬雲の口述は、彼らの高次認知を完全に表現できるのか？世界中の企業の財務報告やCEOの発言を収集しても、CEOにふさわしいモデルは訓練できない。なぜなら、CEOの核心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の核心能力は現状では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。たとえ各人が単一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、やはりコアの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、現在のAIパートナーやAI生成コンテンツが「生き生き」としてい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。データ量が少ないときはスキルに集中し、データ量が増えたらモデルに進む。ロボットは今のところ実現できていない。核心は十分なデータの不足