【知新察来】AI変革ごっこ、もうやめませんか──組織の「固有知能」の育て方
◆今回のピックアップ記事
Sarah Elk et al., "Proprietary Intelligence: How to Win with AI" (Bain Insights, 2026年6月25日)
概要： AI変革に成功する企業と苦戦する企業を分けるのは、モデルの性能ではなく、自社固有のデータ・業務フロー・学習アーキテクチャを組み合わせて競合が模倣できない「固有知能（Proprietary Intelligence）」を構築できるかどうかだ、と論じる記事。Ramp、Bradesco、Adeccoの事例を通じて、姿勢・領域集中・データ・技術アーキテクチャ・オペレーティングモデル・学習システム・ガバナンスという7つの意思決定を提示している。
Bain & Companyの最新のCEO調査で、8割が「AI変革の遅さに不満」だと答えています。でも、記事を読み進めると、話はもう少し複雑です。遅いのは技術ではなく、進め方そのものかもしれない。多くの企業が「AIポートフォリオ管理」をしているだけで、実は「AI変革」を進めていないのだとしたら。
今回は、Bainの記事「Proprietary Intelligence: How to Win with AI」を素材に、富良野とPhronaが「固有知能」という概念を軸に話しています。前半は素材の骨格――なぜAI導入が空回りするのか、なぜ今回のAI波は過去の技術波と違って早期着手が複利するのか――を追い、後半では、大企業のCEO論に見えるこの話が、中小企業の現場にどう刺さるのか（あるいは刺さらないのか）まで踏み込みます。
「導入してるのに変わらない」という感覚
富良野： Bainの最近のCEO調査、見ました？ 8割が「AI変革のペースに不満」だって。
Phrona： うん、見た。数字だけ見ると悲観的な話に見えるけど、じゃあAIが遅いのかっていうと、たぶんそうじゃない。
富良野： そう、そこが面白い。実際の中身を見ると、8割どころか、8割5分近い企業がそもそもうまく実行できていない、という話になってる。技術の限界じゃなくて、進め方の問題だってBainは言ってる。
Phrona： 予算は承認した。タスクフォースも作った。役員会にも報告してる。それなのに何も変わった気がしない、という感覚。これ、聞いたことある会社、結構多いんじゃないかな。
富良野： Bainはそれを「AIポートフォリオ管理」って呼んでる。複数の実験やPoCを管理しているだけで、事業の経済性そのものを動かしてるわけじゃない、と。
Phrona： ポートフォリオって、投資の言葉だよね。分散して、リスクヘッジして、様子を見る。
富良野： うん。でも変革って本来、賭けでしょう。分散じゃなくて、集中。
Phrona： それ聞いてて思ったんだけど、企業って「AIをやっている感」を出すこと自体が目的化しちゃうことあるよね。実験してます、報告してます、で満足しちゃう。
富良野： そこなんだよな。障壁として挙げられてる理由も、社内の専門性不足が4割、局所的なパイロットに閉じてるのが4割、データ基盤が未整備が4割弱。全部「本気で賭けていない」ことの言い換えに見える。
Phrona： 技術のせいにできないのが、逆に居心地悪いところ。
ポイント解説
CEOたちは口を揃えて「AI変革を進めている」と言う。予算をつけ、タスクフォースを作り、役員会に説明してきた。それなのに、進んでいる感じがしない。分かっていない、というより、分かっているのに止まらない、というのが近い。
この診断が示しているのは、投資の有無ではなく、投資が「戦略的な賭け」として引き受けられているかどうかという問いである。ポートフォリオという語が示唆する分散とリスク回避の論理は、そもそも変革という賭けの論理とは相容れない。予算配分の形式としては同じでも、そこに賭けられているものの重さがまったく違う、というべきだろう。
だから、8割の不満は、技術への不満ではないのだと思う。自分たちの賭け方への、うっすらとした自覚なのだ。
固有知能という賭け金
富良野： じゃあ、勝ってる企業は何をしてるのか。Bainのキーワードが「プロプライエタリー・インテリジェンス」、固有知能。
Phrona： 専有的な知能、ってこと？
富良野： うん。競合が簡単には真似できない3つの要素の組み合わせ。自社固有のデータ、業務フローをエージェントが扱える形にしたもの、そして人とAIのフィードバックループ。
Phrona： フィードバックループって、要するに「使うたびに賢くなる仕組み」ってことだよね。
富良野： そう。固有データがエージェントを賢くして、賢くなったエージェントが人間の仕事を高度化して、人間が業務を作り直して、作り直した業務がまた新しいデータを生む。この循環。
Phrona： それ、すごく生き物っぽい話だなと思って聞いてた。データを与えて終わり、じゃなくて、循環そのものが育っていく感じ。
富良野： で、ここが重要なんだけど、Bainは今回のAI波を、クラウド化やSaaS導入と明確に区別してる。
Phrona： 過去の技術は、遅れても追いつけた、って話？
富良野： そう。クラウド化に何年か出遅れても、資金と良いベンダーとCIOがいれば挽回できた。でもエージェント型AIは違う。エージェントは複数ステップのタスクを計画して、APIで業務システムを実際に操作して、企業から委任された権限を持って動く。
Phrona： 権限を持って動く、っていうのが引っかかる。ツールじゃなくて、もう働き手みたいな扱い。
富良野： 導入した初日から学習が始まって、経験が蓄積されていく。早く始めた企業は、その分だけ学習資産を積み上げる。あとから資金を投入しても、その差は埋まりにくい。
Phrona： じゃあ差は、ツールの性能じゃなくて、組織がどれだけ長く学習を積んできたか、っていう時間の差になる。
富良野： うん。ナデラも似たようなことを言ってた。「エコシステムを伴わないフロンティアは安定しない」って。
Phrona： フロンティアモデルだけ持ってても、それだけじゃ揺らぐ、ってことだよね。
ポイント解説
早く始めた者が勝つ、という話は、正直もう聞き飽きている。だが今回は、「先行者利益」という使い古された言葉では足りない。
なぜなら、ここで問題になっているのは市場シェアの先取りではなく、学習という不可逆的なプロセスの蓄積だからである。エージェントが権限を持って行動し、初日から学習を開始するという性質は、後発企業が資本を投じても埋められない時間的な差を生む（この構造は、制度経済学が経路依存性と呼んできたものに近い。資金の多寡ではなく、蓄積された経験そのものが参入障壁として機能する）。
つまり、追いつけない差というのは、資金の差ではない。時間の差だ。
三つの現場、三つの原理
富良野： 抽象的な話ばかりだとピンとこないから、Bainが挙げてる3つの事例を見てみようか。
Phrona： まずRampだったよね。
富良野： 財務系のプラットフォーム企業。社内のAIツール導入率が99%まで上がったんだけど、その後、多くの社員の活用が頭打ちになった。
Phrona： 99%も使ってるのに頭打ちって、なんか不思議。
富良野： 原因はモデルの性能じゃなかった。ツール同士をつなげて、いい使い方を組織全体に広げて、セッションをまたいで文脈を持ち続ける、その共通インフラがなかった。
Phrona： 一人がすごくうまく使えるようになっても、それが会社全体の資産にならなかった、ってことだよね。
富良野： そう。だからGlassという社内のAI生産性レイヤーを作った。「社内の生産性そのものが競争優位だから、その中核をベンダーに丸投げしてはいけない」って、経営陣が言ってる。
Phrona： 次、Bradescoだっけ。ブラジルの銀行。
富良野： ここが面白くて、最初は少数の大きくて複雑なエージェントに頼る設計にしてた。でもベータテストで、遅い、コストが高い、安全に拡張できない、って分かった。
Phrona： 失敗したんだ。
富良野： 失敗自体は重要じゃない。大事なのは、それを早く表に出して、無理に本番投入せず、設計をやり直したこと。5か月かかったらしいけど、それがその後の土台になった。今は2200万人規模の顧客に、複数の中核業務でAIを使ってる。
Phrona： 最後がAdeccoだよね。人材サービスの会社。
富良野： CEO自らがAI変革を主導してる。ここでのポイントは、AIを人員削減の話にしなかったこと。採用担当と一緒にエージェント型の採用プロセスを設計して、大量処理はAIに、判断が必要な仕事は人間に残した。
Phrona： 職種別のトレーニングもやって、恐怖じゃなくて信頼と期待を作ろうとした、って書いてあったね。2026年末までに収益の半分をエージェント型AIで支える、っていう野心もある。
富良野： この3つ、バラバラな話に見えるけど、根っこは同じだと思う。
ポイント解説
3つの事例を並べて、僕が引っかかったのは「失敗」の扱い方だ。Bradescoは失敗した。でも、失敗したことを恥じていない。むしろ、それを早く表に出したことを誇っている。
これは単なる企業文化の美談ではない。学習アーキテクチャという概念そのものが要求する構造的な条件と見るべきだろう。学習が複利的に蓄積されるためには、誤りが隠蔽されずに可視化され、設計の修正に反映される回路が必要であり、その回路を欠いた組織では、どれだけデータを蓄積しても学習は起こらない。
だから、Rampの話もAdeccoの話も、結局は同じことを言っている。個人の気づきを、組織の記憶に変える回路があるかどうか。そこだけが問われている。
七つの意思決定、CEOという主語の消去
富良野： ここまでの話をBainは「7つの意思決定」として整理してる。姿勢、領域集中、データ、技術アーキテクチャ、オペレーティングモデル、学習システム、ガバナンス。
Phrona： 全部CEOが引き受けるべき決定だ、って書いてあったね。委任できない、って。
富良野： うん、記事の締めも面白くて、自己診断の質問がずらっと並んでる。役員会でPoCの件数を語ってるのか、それとも壊して作り直した学習を語ってるのか、とか。
Phrona： 先週、自分がどれだけそのツールを触ったか、っていう質問もあったよね。地味だけど、一番効く質問な気がする。
富良野： これ、面白いのが、7つのうち技術的な話に見えて実は組織論なのが多いってこと。オーケストレーション層を自社で握れ、っていうのも、結局「業務の意味を誰が決めるか」という話に近い。
Phrona： 意味を決める、っていうのは分かる気がする。「顧客」って言葉ひとつとっても、営業と財務とデータ部門で違う意味で使ってたりするもんね。
富良野： そう、そこが崩れてると、AIは企業知を安定して扱えない。Boris Chernyが言ってたことを思い出したんだけど。
Phrona： 誰だっけ、それ。
富良野： Claude Codeを作ったエンジニアの一人。彼が言ってたのは、重要なのはエージェントに都度プロンプトを打つことじゃなくて、エージェントに継続的に仕事をさせるループを設計すること、だって。
Phrona： チャットで毎回頼む、っていう発想と、最初から仕事の流れを設計しておく、っていう発想の違いだよね。
富良野： まさにそれ。で、この話とBainの7つの意思決定を重ねると、CEOという主語を一旦外して読めることに気づく。
Phrona： つまり、大企業のCEOだけの話じゃない、ってこと？
富良野： うん。「意思決定を誰かに委任できない」というのは、規模の大小じゃなくて、業務ループの設計は当事者にしかできない、っていう原理の話だと思う。
ポイント解説
CEOという主語を外して読み直すと、7つの決定はずいぶん違って見える。
これらは大企業のガバナンス構造に固有の処方箋ではなく、より一般的な命題として読み替えることができる。業務の意味と判断基準を確定する権限は、外部化することも、下位に完全に委任することもできない、という命題だ。
だから、CEOがどうこう、という話じゃなくて、規模を問わず「誰かがその判断を引き受けているか」という話に置き換えられる。
中小企業という賭け場
Phrona： ここまでの話、正直、大企業の話に聞こえるところもあった。CEO、役員会、2200万人規模の顧客。
富良野： うん、そこは認めた方がいい。Bainの語り口は、はっきり大企業寄りだから。
Phrona： じゃあ、中小企業には関係ない話なのかな。
富良野： いや、そうは思わない。むしろエージェントAIが高度化したことで、固有知能を作る単位はどんどん小さくなってる。以前なら大規模なIT部門やデータ基盤が必要だったことが、今はクラウドツールとエージェントの組み合わせでかなりできる。
Phrona： Rampの話でいうと、Glassみたいな大掛かりなものを作らなくても、GoogleドライブやNotionに「良い使い方」を貯めていくだけでも、似たようなことができそう。
富良野： そう。業務レシピ集みたいなものだよね。プロンプト集じゃなくて、入力・処理・判断・出力・記録まで含めた型。
Phrona： Bradescoの教訓も、中小企業にこそ効くと思う。万能なAI社員を最初から作ろうとしない、っていうの。
富良野： うん、これは規模が小さい会社ほど陥りやすい罠だと思う。全部やってくれるAIを一発で作ろうとして、失敗したときに何が悪かったか分からなくなる。
Phrona： 小さく分けておけば、どこがダメだったか見える。
富良野： ただ、僕はここで一つ、自分の話に自分でブレーキをかけたい。
Phrona： どういうこと。
富良野： 「中小企業でもできる」って簡単に言えるのは、業務をある程度言語化して、分解して、記録できる企業に限られる。業務が完全に属人的で、判断基準も曖昧なままの会社だと、AIはむしろその曖昧さを露呈させるだけになる。
Phrona： AIを入れたら魔法みたいに整う、っていうのは幻想だ、ってことだよね。
富良野： うん。だから中小企業にとっての本当の問いは、「どのAIツールを使うか」じゃなくて、「自分たちの仕事の流れを、自分たちの言葉で説明できるか」なんだと思う。
Phrona： それ、AI以前の話だ。
富良野： たぶんそう。AIは、その宿題をやっていない会社に、いきなり請求書を出してくる。そういう技術なんだと思う。
ポイント解説
中小企業でもできる、と言い切ってしまうのは簡単だ。でも、それは半分しか本当ではない。
業務ループの構築可能性は、企業規模そのものによってではなく、業務を言語化し分解し記録する組織的な能力の有無によって規定される。したがって、Bainが挙げた7つの決定は、大企業向けの処方箋としてではなく、規模を問わずこの組織的能力を欠いた企業には適用できない条件として読むべきである。この限界は、ノウハウの暗黙知的な性格そのものに由来するのであって、AIの性能によって解消されるものではない。
つまり、AIが会社を変えるんじゃない。会社が自分の仕事を言葉にできて初めて、AIがそこに乗る。順番を間違えると、AIは何も直してくれない。
この記事は、Projeteam, Inc. ウェブサイトで先行公開された
「固有知能」は、失敗を早く出せる組織で育つ──失敗と学習という資産の複利効果
を素材として対話形式で再構成したものです。
元記事では、理論的背景や、中小企業論としての限界にもう一歩踏み込んで論じています。腰を据えて考えてみたい方は、是非こちらもあわせてどうぞ。
徐勝徹のマガジン
