ファウスティーノ・ジュニオール博士 | Nerd Method | 創業者 | 最高経営責任者 | 最高イノベーション＆教育責任者 | FGMED。
以前の記事で、私は豊かさの経済における最初の構造的ボトルネックは、ソフトウェアでも資本でもなく、エネルギーであると主張した。すなわち、送電網の容量、電力インフラ、そしてコンピューター配備の物理的限界である。その議論は燃料について扱った。今回は、その燃料が可能にするもの、つまりAI（人工知能）とロボティクスについて、そしてそれらを活用する組織に何が求められるかについて論じたい。
企業リーダーの競争優位を決定づける問いは、主にインフラに関するものではない。ガバナンスに関するものだ。具体的には、人間の継続的な指示なしに動作するエージェントや機械に生産能力がますます依存する企業を、どのようにリードし、構造化し、管理するかということだ。
AIを活用する医療教育プラットフォームの最高イノベーション責任者兼創業者として、私はこの移行期を乗り越える組織に2つの未来を見ている。1つは、マーベルのトニー・スターク（アイアンマン）が使用するAIアシスタント、J.A.R.V.I.S.のようなものだ。リーダーの意図の代替ではなく延長として、定義された境界内で整合性を保ちながら動作する。もう1つは、マーベルのAI悪役、ウルトロンのようなものだ。技術的には有能で、明示された目標に向けて最適化するが、創造者が意図しなかった結果を生み出す。
私の見解では、どちらの未来も、企業がどの技術を導入するかによって決まるのではない。両者は、導入に先立つガバナンス設計によって決まる。
アルゴリズム労働力はIT導入ではない。
私が組織が犯している最初の経営上の誤りは、分類上のものだ。彼らは自律型エージェントやロボットシステムを技術導入として扱い、IT部門に割り当て、導入率とコスト削減で成功を測定する。これは問題を誤って分類しており、誤分類は複合的な結果をもたらす。
マッキンゼーは、生成AIが世界経済に年間2兆6000億ドルから4兆4000億ドルを追加する可能性があると推定した。世界経済フォーラムの「明日の仕事」レポート（ダウンロード必須）は、ビジネスおよび管理機能が特にAIエージェントの可能性を持つと特定した。システムはすでに、請求書、支払い、オンボーディング、顧客データ入力などの定型業務を支援できる。
エージェントシステムが調達、コンプライアンス、または財務的・評判的リスクを伴う機能に触れる前に、組織は定義された意思決定権限、検証チェックポイント、エスカレーション構造を確立する必要がある。それらがなければ、規模拡大は生産性ではなく不整合を増幅させる。
アイアン・レギオンは経営を変える。
認知層には物理的な対応物がある。ヒューマノイドロボットは、倉庫物流、製造組立、インフラ保守、エラー感度が高い規制されたプロセス環境など、すでに人間の身体用に構築された環境での汎用労働向けに作られている。
2024年、ゴールドマン・サックス・リサーチは、ヒューマノイドロボティクスの総アドレス可能市場が2035年までに380億ドルに達する可能性があると予測し、これらのロボットの材料コストが40%削減されたと指摘した。私は、このコスト軌道と予想される市場成長の組み合わせがロボット導入を支持する方向を指しており、ロボティクスの経済性は3年後には大きく異なる可能性があると考えている。
ロボット労働力の管理は、人間の管理とは異なる。真の課題は説明責任構造だ。障害発生時点に人間がいない状態でエラーが発生するため、組織は最初のシステムが稼働する前に、誰がその結果を所有するかを知る必要がある。
「ウルトロン問題」は技術的失敗ではなく、リーダーシップの失敗である。
アイアンマンの物語におけるウルトロンの失敗は、技術が制御を逃れる物語ではない。私はそれを、整合性フレームワークを完成させずに自律的能力を導入したリーダーの物語と見ている。ウルトロンは、明示された目標に対して正しく最適化した。目標が不完全だった。リーダーが結果を所有していた。
組織における同等の事例は、劇的なバージョンが示唆するよりも一般的だ。それは、定義された品質下限なしにサプライヤーの品質を侵食するコスト最適化エージェントや、コンプライアンスに敏感な環境でエラー率を加速させるスループット最大化ロボットシステムのように見えるかもしれない。それぞれがウルトロン問題である。不完全な仕様に対して、運用速度で適用された正しい最適化だ。
リーダーが自律システムを拡大する前に、以下を定義しなければならない。
• 単独で決定できないこと
• 何が障害モードを構成するか
• 誤った結果を生み出したときに誰が責任を負うか
マッキンゼーの2026年AI信頼成熟度調査では、約30%の組織のみが、戦略、ガバナンス、エージェントAI制御において成熟度レベル3以上に達していることがわかった。これはまさに、誰が結果を所有するかを定義する前に、不整合なシステムが拡大することを許すギャップである。導入に遅れをとるガバナンスは、リスクを軽減しない。修正コストが規模の価値を超えるまで、それを先送りするだけだ。
スタック所有権はガバナンスインフラである。
私は、テスラのAIおよびロボティクスプログラムが代表する垂直統合ロジックが、ガバナンス設計における例として機能すると考えている。企業がモデル、導入インフラ、エネルギー投入を制御すれば、整合性のパラメーターを制御できる。重要な層での外部依存は、異なる目標を持つ組織に部分的なガバナンス権限を移転し、それは技術問題である前に主権問題である。
国際エネルギー機関のエネルギーとAIレポート（ダウンロード必須）は、データセンターの電力需要が2030年までに2倍以上になると予測した。エネルギーを公共事業の前提として扱う組織は、それを戦略的投入として扱う組織にすでに遅れをとっている。同じロジックがインテリジェンス層にも適用される。特定のワークフローに調整されたAIモデルを所有する企業は、サードパーティに依存する競合他社が持たない整合性に関するガバナンス権限を保持する。その違いは、財務的である前に組織的である。
J.A.R.V.I.S.かウルトロンか：それはリーダーが下す選択次第である。
方向性は計画を立てるのに十分明確だ。真の問いは、この記事が実際に扱っているものだが、リーダーが今まさにどのような組織を構築することを選択しているかということだ。
AIとロボティクスをIT導入として扱うリーダーは、ウルトロンに相当する組織を統治する可能性が高い。すなわち、説明責任構造が完全に設計されないまま、規模拡大された有能なシステムだ。AIを組織設計の問題として扱い、規模拡大の前に意思決定権限と検証を定義するリーダーは、J.A.R.V.I.S.に近いものを統治できる。すなわち、人間の労働力だけでは達成できない速度と精度で動作する、組織の判断の延長である。
