ウェイン・リウはPerfect Corp Americaの最高成長責任者兼社長である。
AIへの熱狂の時代は終わり、産業への実装段階が始まった。世界経済フォーラム（ダボス会議）から戻った今、世界のリーダーたちの間で明確なコンセンサスが形成されていると感じる。2026年は「大きな分岐点」となる可能性がある。AIを「実践している」企業と、単に「使っている」だけの企業を、市場が容赦なく選別する年になるかもしれないのだ。
以前の記事で、私は「A(I)nxiety（AI不安）」の台頭について論じた。イノベーションと制御を失うことへの恐怖との間に生じる緊張感である。今日、その不安は実務的な切迫感へと変化している。もはや私たちは、AIがビジネスを変えるかどうかを問うているのではない。今後10年の経済的リーダーシップを決定づける「インテリジェンス・ファクトリー」をいかに構築するかが問われているのだ。
ダボスでの対話
今年のダボス会議で、ブラックロックのラリー・フィンクがマイクロソフトCEOのサティア・ナデラとNVIDIA CEOのジェンスン・フアンの両氏にインタビューを行った。彼らの対話は、重大な転換点を浮き彫りにしたと思う。私たちは、モノをデジタル化するという70年にわたる歩みから、それらをデジタル形式で推論する新たな時代へと移行しているのだ。
フィンクが発表した書簡について議論する中で、ナデラはセッション中に重要な問いを強調した。「AIの普及を確実にし、それを加速させるにはどうすればよいか」。ナデラは、AIが必要とする膨大なエネルギー消費は、健康アウトカムの改善、教育、民間セクターの競争力向上など、測定可能な便益をもたらして初めて正当化されると述べた。
フアンは「AIバブル」という見方を覆し、現在の状況を投機的な急騰ではなく「人類史上最大のインフラ構築」と表現した。彼はこの産業スタックを俯瞰的に捉え、5つの層で構成されると提唱した。エネルギー、チップ／コンピューティング、クラウドインフラ、AIモデル、そしてアプリケーションである。
バリュエーションのパラドックス：誇大宣伝ではなくIPとトークン
モデルを超えたバリュエーションの新たな基準は、IP（知的財産）と「タブレット」（具体的な提供システム）である。投資家は、既存の大規模言語モデル（LLM）を単に活用するだけの「ラッパー」企業に対して警戒を強めている。
トークンは「新たな電子」、すなわちこの経済における出力の基本単位となった。成功は今や効率性で定義される。資本とエネルギーの単位あたり、どれだけのトークンを生成できるかということだ。トークン生成コストは数カ月ごとに大幅に低下しているが、投資の世界では、推論と多段階ワークフローの計画が可能なエージェント型AI（自律システム）に注目が移っていることに気づいた。
フィジカルAIと地政学的格差
言語を超えて、私たちはフィジカルAI（ロボティクスや実世界の機械に知能を統合する動き）の台頭を目の当たりにしている。ロボティクスや重工業へのインテリジェンスの統合は、産業インテリジェンスにおける「ゼロからイチへ」の瞬間を象徴している。
この変化は、欧州のような地域にとって、巨大な産業基盤と科学基盤を活用してロボティクス時代をリードするユニークな機会を提供している。しかし、パワーの再分配により、議論は「エコシステム」から二項対立の現実へと移行している。すなわち、インフラを構築する側と消費する側という構図だ。国家としてのAI主権は、グローバルな関与の前提条件となりつつある。自国のインフラを持たない国は、デジタル時代の従属国となるリスクを負う。
生産性の再定義：認知能力の増幅装置
AIは「指先で使える専門知識」へと進化し、認知能力の増幅装置として、また労働者の守護天使として機能している。この変化により、管理業務の摩擦が劇的に減少している。例えば、ナデラとの対話の中でフィンクは、ブラックロックでは「以前は計算に12時間かかっていたことが、今では数分で済む」と述べた。
重要なのは、タスクと目的を分離することである。チャート作成やデータ分析といったタスクは自動化可能だが、患者のケアや複雑な問題の解決といった目的は、むしろ強化される。コストが低下するにつれてこれらのサービスへの需要は増加し、私たちが直面しているのは労働力の過剰ではなく不足であることを示唆している。
変革をリードする
このマルチモデル、エージェント型の世界において、人間の役割はオペレーターからマネージャーへと移行している。世界最高の技術を構築しても、誰も使わなければ意味がない。これはCEOレベルの議論である。なぜなら、最大の課題は経営チームを変えることだからだ。
2026年の分岐点を乗り越えてリードするために、私は継続的なエンゲージメント戦略を推奨する。
• 意思決定のスピードを最優先する。 従来の管理階層よりもネットワーク型の情報フローを重視するよう組織を再構築する。
• 主権を確保する。 企業価値の流出を防ぐため、自社固有の暗黙知とワークフロー履歴を、自社が所有するデジタルブレインに組み込む。
• 教育に注力する。 導入には、知識のギャップを埋め、シリコンベースの同僚へのプロンプティングや監査という新たなリテラシーを習得するための、実践的で教育的なアプローチが必要である。
AIが実験から実行へと移行する中、リーダーにとって最も困難な課題は技術ではなく、組織の準備態勢であると考える。多くの企業が、AIは既存の弱点を露呈させることを発見している。断片化したデータ、不明確なオーナーシップ、インテリジェントシステム向けに設計されていないレガシーワークフローなどだ。構造的な整合性なしに急いで進めると、非効率を解消するどころか増幅させることが多い。リーダーはAIを単なる機能としてではなく、経営トップのスポンサーシップ、規律あるアーキテクチャ、積極的なチェンジマネジメントを必要とするオペレーティングモデルの決定として扱わなければならない。
説明責任は第二の大きなハードルである。AIシステムがよりエージェント型となり、行動を起こす能力を持つようになるにつれ、リーダーは人間と機械の間で責任を明確に定義しなければならない。これは、明示的なガードレール、監査可能性、成功指標を設定することを意味する。指標はアウトプット品質にとどまらず、リスク、セキュリティ、ビジネスインパクトまで含めて設計されるべきだ。
私のアドバイスは、小さく始めて、深く掘ることだ。1つか2つのミッションクリティカルなワークフローに集中し、真のリーダーシップのオーナーシップを割り当て、理解を外部に委ねるのではなく社内の習熟度を高める。将来的には、AIリーダーシップはビジョンよりも、不確実性の中での規律ある実行によって定義されるようになると考える。
2026年、あなたは未来を構築することで勝利するか、あるいは誰かに置き換えられるレガシーシステムとなって敗北するか、どちらかである。生き残りの基本条件はもはやデータだけではない。モデルがまだ実験段階であっても、経験、判断力、そして行動する勇気の組み合わせなのだ。
