あらゆるテクノロジーの波は、ゴールドラッシュから始まる。しかしAIの世界では、採掘者が権利を主張する前に、丘そのものが移動してしまうのだ。
元Reddit CEOのイシャン・ウォン氏は最近、こう主張した。ほとんどのAIアプリケーションスタートアップはすでに運命づけられている、と。それは彼らに才能や野心が欠けているからではなく、地形そのものが彼らの足元で動いているからだ。彼の警告は率直だ：基盤モデルプロバイダーからの急速なイノベーションは、その上に構築されるほとんどの持続可能な企業の試みを追い越し、最終的には弱体化させるだろう。
リーダーにとって、これは予測ではない。きっかけなのだ。AIが牽引する経済において、価値が実際にどこで生み出されるのかを再考し、厳しい真実に向き合うよう促している：指数関数的な能力の世界では、優位性は「最初」であることからは生まれない。それは適応力があり、深く人間的で、AIが価値を提供するか信頼を損なうかの「ラストマイル」に容赦なく焦点を当てることから生まれるのだ。
スピードの問題：プラットフォームが製品より速く動くとき
OpenAI、Google、Anthropicなどのプレイヤーによる基盤AIモデルは、驚くべきペースで改善しており、その上に構築されたスタートアップは追いつけない。今日は差別化されていると感じるものが、明日には区別がつかなくなり、競合他社ではなく、リリースアナウンスにさりげなく投入されたモデルアップデートによって置き換えられる。
結果として、新たな戦略的不安定性が生まれる。多くのリーダーはまだ四半期や年間計画サイクルで考えているが、AIは日単位、週単位で進化している。この速度で動いている基盤の上では、静的な戦略が生き残ることは期待できない。ハーバードとオープン・アセンブリーでリーダーにアドバイスする私の仕事では、このミスアラインメントがあらゆる場所で見られる。多くの組織が、まだ形成が完了していない土地の上に超高層ビルを建てようとしているのだ。
なぜほとんどのAIスタートアップにはモートがないのか
AIスタートアップはアクセスを優位性と勘違いしている。誰でもAPIを呼び出すことができる。誰でも大規模言語モデルの上に基本的なインターフェースを組み立てることができる。しかし、モデルはモート（堀）ではない。困難な作業。実際の差別化を生み出す作業は、地味な現場で行われる：AIシステムを信頼性が高く、信頼でき、統合され、実世界で説明責任を持つものにすることだ。
魔法はモデルからは生まれない。それはその周りに構築された運用上の回復力から生まれる。実際のビジネスプロセスにそれを接続するワークフロー。時間とともに精度を向上させる人間のフィードバックループ。AIが予測可能に動作することを保証する信頼とガバナンスシステム。出力を意味のあるものにするデータインフラ。そして人々が技術を恐れるのではなく、技術と共に学ぶことを可能にする文化的環境。
これらは機能ではない。コミットメントだ。これらは、頂上に到達する探検隊と早々に引き返す探検隊を分ける日常的な儀式だ。私のエクスプローラーズ・マインドセットの仕事では、これを「ラストマイル・アドバンテージ」と呼んでいる。地図を所有することと、山をナビゲートする方法を知ることの違いだ。
新たなモート：アプリ開発者ではなくAIシェルパになる
ほとんどのAIアプリケーションスタートアップが不安定な地盤に立っているなら、真の持続可能な価値はどこにあるのか？ますます、それは別のAIツールを構築することではなく、組織が既に利用可能なツールに適応するのを支援することにある。
次の10年を定義するのは、基盤モデルの上に構築する企業ではない。複雑で生活に根ざした環境の中でAIを機能させる方法を知っている人々と組織によって定義されるだろう。
LLMが失敗するのは、それらが弱いからではない。それらを吸収するように設計されていないシステムに導入されるから失敗するのだ。ほとんどの企業はモデル自体ではなく、周囲の足場に苦労している。プロセス、インセンティブ、データ構造、文化的規範、そしてAIが加速剤になるか不安定要素になるかを決定する説明責任メカニズムだ。
これが、産業全体で新たな役割が出現している理由だ：AIシェルパである。
シェルパはあなたの代わりに山に登るのではない。シェルパは登山を可能にする。AIシェルパは、破壊的な能力に伴う不確実性をナビゲートする組織を支援する。彼らはAIの抽象的な可能性を実用的で信頼性の高いビジネス成果に変換する。彼らは企業が仕事の進め方を再考し、AIが混乱させるのではなく強化するようにワークフローを再構築し、実験を安全かつ野心的に保つ信頼システムを構築するのを支援する。
何よりも、シェルパは組織がテクノロジーの変化よりも速く学ぶのを助ける。そしてその学習こそが、コードでもモデルアクセスでもなく、競争上のモートとなるのだ。
この仕事は遅く、関係性に基づき、深く人間的だ。それは商品化できない。なぜなら、すべての組織には独自の文化、データ環境、働き方があるからだ。基盤モデルのアップデートは、チームを変革に導くために必要な深いパートナーシップに取って代わることはできない。ある意味で、AIシェルパは、技術的可能性と組織の現実の間の結合組織となる。
The AI Labのライアン・カート氏は次のように提案している：「単にあなたのチームより多くを知っているAIの専門家を探すことは避けてください。代わりに、生成AIの経験を通じて、あるいは自然な好奇心と適応性を通じて、あなたの組織が学ぶよりも速く学ぶ人々を見つけてください。これほど急速に動いている分野では、学習が継続的でない限り、知識の蓄積は陳腐化します。」
Casper Studiosのジェイ・シン氏は次のように述べている：「AIが仕事に取って代わると言われており、多くはそうなるでしょうが、組織がAIを機能させる唯一の方法は、最も人間的なスキルを通じてです：信頼、明確さ、心理的安全性、そして本物の関係性です。皮肉なことに、世界がAIに夢中になっている一方で、採用を促進し、信頼を構築し、これらのシステムが効果的であるために必要な情報を引き出すのは、依然として人間のつながりなのです。」
AI時代のエクスプローラーの法則
ウォン氏の視点は、技術的破壊のあらゆる章で私が見てきたことを強化している：モデルは人間が適応できるよりも速くスケールするかもしれないが、組織は自分たちが信じているよりも速く学ぶことができる…もし彼らがそれを選択するなら。AIを静的な技術として扱うリーダーは遅れをとるだろう。AIを、好奇心に導かれ、現実に根ざし、熟練したシェルパに支えられた探検として扱うリーダーは、前方の地形をナビゲートするために必要な回復力と適応性を構築するだろう。
不確実な環境では、エクスプローラーは未来を予測する者ではない。未来に備えている者なのだ。
