Y Combinator のゼネラルパートナーである Tom Blomfield は、AI時代の創業者にとって重要な問いを提示した。会社が自分自身の仕事を観察し、起きていることを理解し、道具を変え、結果から学び始めると何が変わるのか。
答えは単なる効率化より大きい。多くの会社はAIを既存業務の横に置く助手として使っている。エンジニアはコードを頼む。マーケターは下書きを頼む。サポート担当者は返信文を頼む。役には立つが、会社の形は変わらない。情報は会議、管理職、ダッシュボード、報告を通じて上へ流れる。意思決定は計画、チケット、フォローアップを通じて下へ流れる。
Blomfield が示す設計は違う。会社は学習ループの集合になる。各ループにはセンサー、記憶、ルール、道具、品質ゲート、フィードバックがある。製品データは利用者がどこで止まるかを捉える。顧客との会話は繰り返される混乱を示す。営業通話は反論の理由を明らかにする。エンジニアリングログは失敗点を示す。AIはそれらの信号を読み、変更を提案し、テストし、品質ゲートを通した結果を会社の記憶へ戻す。
中心にある言葉は AI に読める会社だ。知識が個人の頭や閉じた文脈に残るほど、会社の自己改善は遅くなる。メール、通話、会議、チケット、コードレビュー、意思決定、実験、顧客メモは検索できる成果物になる必要がある。資産は生きた会社文脈である。ソフトウェアは作り直せる。レポートは再生成できる。プレイブックは書き直せる。長く残る優位性は、チームが学んだことを理解し、それをもう一度使える会社の頭脳から生まれる。
創業者にとって実務上の意味は明確だ。昔の問いは、ある機能を動かすために何人必要かだった。新しい問いは、その機能のどこを閉じた学習ループにできるかである。製品ループは離脱点を見つけ、実験案を作り、変更を出し、結果を測り、ロードマップを更新する。サポートループは苦情をまとめ、文書の抜けを見つけ、修正案を作り、繊細な案件を人に渡す。リサーチループは論文を集め、数式と図を抽出し、根拠を要約し、粗いアイデアを再利用できる資産に変える。この流れでは Miss Formula が画像内の数式を使える数学に変え、Editable Figure が AI 生成の論文図を編集可能なベクター図に変える。ChatGPT と Gemini はメモ、下書き、コード、意思決定をまたいだ推論に役立つ。
最も大きな組織変化は調整の形にある。中間管理が重かったのは、情報の伝達と解釈に大きなコストがかかったからだ。AIはそのコストを下げる。創業者は会社の頭脳に、今週顧客が何でつまずいているか、どの実験が失敗したか、どのサポート課題が増えているか、どの方針が製品戦略と衝突しているかを尋ねられる。優秀な個人貢献者は大きなレバレッジを得る。システムが文脈を保持し、決定を覚え、次の行動を提案するからだ。
人間の判断はより鋭くなる。人はシステムの端で特に重要になる。珍しい顧客状況、倫理的判断、創造的な好み、最終責任、信頼が速度より大切な場面である。優れた役割は、情報を運ぶ仕事から、ループを設計し、基準を作り、結果を確認し、曖昧さを扱う仕事へ移る。
測定にも罠がある。人員を増やすよりトークンを使うことが重要になる可能性がある。トークンは機械知能の燃料だからだ。ただし使用量だけでは成果にならない。意味のある指標は、より良い成果物である。明確な文書、高い転換率、少ない繰り返し問い合わせ、速い調査、安全なリリース、深い顧客理解がそれにあたる。
始め方は小さくてよい。入力と結果が見えやすい反復業務を一つ選ぶ。すべての成果物を保存する。ルールを書く。AIが使える道具を与える。品質ゲートを置く。結果を測る。学びをシステムへ戻す。そして繰り返す。最初の版は控えめに見えるかもしれない。十回目には、チームが眠っている間にも改善する部門のように見える。
Blomfield のメッセージが強いのは、目指す高さを変えるからだ。AI企業は、自分自身を見て、覚えて、更新する組織へ進化する。この変化を理解した創業者は、より小さく、より速いチームを作れる。そのチームの重要な製品は、顧客に届ける機能と、会社の内側にある学習能力の両方になる。