AIネイティブ・シリーズ Future Makers Strategic Collab（FM-SC）第2部（全4部）
なぜ今か――AIが安価になった時、複利的に効くのはコンテキスト
1分でわかる要点
概要FM-SCシリーズ第2部。AIモデルが安価かつ均質化したとき、企業の優位性は「自らの手で積み上げた意思決定・基準・教訓＝コンテキスト」に移ると論じる。知見を残すトークシリーズは、そのコンテキストを築く一つの方法である。
なぜ重要かスタンフォードのAIインデックスによれば、GPT-3.5相当の性能を得るコストは2年で280倍以上下がり、2026年版AIインデックスでは組織導入率が88%に達した。もしチームの教訓が人の頭の中にしかないなら、それは一人の退職で失われる「優位性の一部」だ。
読後に取れるアクション。 今四半期にあなたのチームが下した決定のうち、外部の誰にも再現できないものを三つ挙げ、それぞれがどこに記録されているかを調べてみてほしい。そのうえで、FM-SCが2027年10月に掲げた三つの公開テストを追いかけてみよう。
Future Makers Strategic Collab — シリーズの背骨
▶ 動いているところを見る：ライブデモを開く 公開 · ログイン不要
- “ただのテックトーク”ではない ― FM-SCが特別な理由 第1話
- なぜ今か — AIが安価になれば、コンテキストが複利効果を生む この回
- マッチングは「対話」ではなく「歩み」の中で生まれる 第3話
- 頭・財布・心・魂——実践ごとに二人の証人を立てる 第4話
ラベルの見方：EVIDENCE は出典付き、DESIGN はFM-SCの設計、OPEN は未検証、LENS は私自身の確信である。
このエピソードの内容：AIが安価になったとき、なぜコンテキストが競争優位となるのか
パート2では、なぜテックトーク形式がAI以後にこそ重要性を増すのかを問うAI以前と比べて、AI以後になぜこの形式がより重要になるのかを問う。これは、AIによる優位性の源泉を見極めようとするリーダーや、チームの知見が個人の記憶にしか残っていない現場のビルダーに向けた内容である。要点はこうだ。モデルは急速に安価になり、均質化が進んでいる。そのため、ビジネスが学び、保持するもの——すなわちコンテキスト——こそが、その組織のエッジとなる。
まずは予想してみてほしい
2022年11月から2024年10月の間に、AIモデルでGPT-3.5相当の性能を得るコストはどれほど下がったか？
- A.約2倍。
- B.約20倍。
- C.200倍以上。
スクロールする前に選んでほしい。
答え、そしてなぜ問いが変わるのか
EVIDENCE C.スタンフォードのAI Indexによれば、この2年間でそのレベルの性能を得るコストは280倍以上低下し、AIを導入する組織の割合は55%から78%に上昇した（Stanford HAI, AI Index 2025). EVIDENCEEpoch AIの独立系アナリストは、一定の能力を維持したままの価格が、タスクによって年9倍から900倍の範囲で下落していると測定している。ただし、最も急激な下落は最近のものであり、今後も続くとは限らない（Epoch AI). EVIDENCE2026年のAI Indexでは、組織によるAI導入率は88%に達し、米中トップモデル間の性能差も事実上解消され、リーダーの優位はわずか2.7%となった（Stanford HAI, AI Index 2026).
同じ知能が安価に広く利用され、各社でほぼ同等になれば、モデルそのものはもはや優位性ではなくなる。「うちはAIを使っています」と言うのは、「うちは電気を使っています」と言うのと同じ道をたどる——事実だが、選ばれる理由にはならない。だから、すべてのビジネスが答えなければならない問いは、どのAIを買うべきか？からAIが他で手に入らないものを、私たちは何として持っているのか？
Future Makersの発言
最初のFuture MakersであるXTraceのFelix MengとAustin Caiは、その問いに自らのトークで答えた。イベント後、Austinは会場で特に響いた3つのポイントを、自身のLinkedInでこうまとめている：
- "Access to top AI models are commoditized, now a business’s advantage comes from the context it own: the decisions, standards and lessons built through doing the work."（訳：最先端AIモデルへのアクセスはコモディティ化され、今や企業の優位性は自ら築いたコンテキスト、すなわち実務を通じて積み上げた意思決定・基準・教訓にある。）
- "Governance is the difference between a dirt road and a highway."（訳：ガバナンスの有無が、未舗装の道と高速道路の違いを生む。）
- "Every AI session should leave the business better equipped for the next."（訳：すべてのAIセッションは、次に備えて企業をより強くするものでなければならない。）
OPEN 最初のポイントは仮説であり、多くの投資家やベンダーが共有している（たとえばInsight Partners）。それが誤りだとは限らないが、繰り返すのではなく検証されるべきだ。私はコンサルティング会社に勤めており、この考え方を好む理由が自社にもあるので、私の賛同にはその点も考慮してほしい。
なぜトークシリーズがこの文脈で重要なのか
多くの人が見落としがちな接点がここにある。もし優位性がコンテキスト、つまり企業が実務を通じて築く意思決定・基準・教訓に移るのであれば、企業が外部から学ぶ方法もまた、その優位性の一部となる。
一般的なトークは、学びのコストは高く、忘却のコストは低い。誰かが最先端のアイデアを披露し、会場がうなずき、録画はフォルダに保存され、他の録画とともに埋もれる。そこで生まれたコンテキストも、登壇者が去れば一緒に失われる。
この点について私が最初に書いたのは2022年、今のAIブームより前だった。Southern Data Science Conferenceの後、私はカンファレンスは単なるスナップショットから継続的な相互作用へ、そしてコンテンツを消費する場から共創の場へと進化すべきだと論じた（Wu, 2022）。当時はそれは「あると良い」程度の話だった。その頃は、チームの優位性はまだ競合より良いツールを持つことから生まれていた。だが、皆が同じツールを持つようになれば、スナップショットの価値はさらに下がり、継続的な相互作用こそが価値になる。
DESIGN 複利効果は単純だ。次のトークの運営を変える教訓は、そのトークを少し良くし、以降の学びのスタート地点を底上げする。一方、フォルダに眠るだけの教訓は、どんなに優れていても何も変えない。だからトークシリーズの評価基準は、個々のトークの出来ではなく、10回目のトークが1回目より明らかに良くなっているかどうかだ。
DESIGN FM-SCは、すべてのトークを「残るコンテキストを構築する手段」として扱う：
- 持ち込む問いはトーク前に書き出し、学びが検証できるようにする。
- 会場から出た質問は記録し、誰かが確認し、保存する。
- コミットメントには責任者と期限を設け、学びを行動に変える。
- 独立した第三者による判定で、実際に得られたことを記録する。
- そして教訓は、次のステップの前に自分たちのシステムが適用するルールとなる。次のステップの前に。
この最後の点こそ、FM-SCと最初の登壇者たちの主張が交差した部分である。XTraceの公式な立場は「今日の修正は明日の仕事を導くべきであり、メモに埋もれてはいけない」というものだ。我々はそれを真剣に受け止め、同じ週に自分たちにも適用した。EVIDENCE最初のトークで得た自分たちの教訓は、今やシステムが行動前に必ずチェックする6つのルールになっている。そのうちいくつかは助言にとどまり、いくつかは警告を出し、1つは条件が満たされるまでステップ自体を完全に止める。以前ならフォルダにしまい込んでいたノートが、今では最初に警告を発するようになった。パート1で触れた「主催者が自分たちの準備を録画し忘れた」件がその始まりだ。
DESIGNそのルールは自分でも確認できる。「Lessons」というページがFM-SC web appにあり、公開されていてサインインも不要だ。各ルールには、助言・警告・ステップ停止のいずれかが明記されている。アプリのウォークスルーに登場する人物や出来事は架空だが、ルールと各アクションの先回りの仕組みは実際に我々が使っているものだ。
「革命的」なのか？
AI時代以降の今、FM-SCを革命的だと呼びたくなる誘惑はあるが、まだそうは言わない。その言葉は時間をかけた成果によってこそ得られるもので、FM-SCはまだ1回しかトークを実施していない。.
私がここで主張するのは、より限定的だが実践的な点である。DESIGN知能がコモディティ化した時、企業の本当の優位性は、どれだけ早く学び、どれだけ確実に知見を保持できるかにかかっている。トークシリーズは、組織が外部から学ぶ最も古い方法の一つだ。それを、問い・独立した判定・行動する教訓というクローズドループで運用すれば、単なるイベントからエンジンへと変わる。そのエンジンが本当に複利効果を生むかどうかは実証の問題だ。だから、こうやって検証する。
私の公開ベット
私の賭けはこうだ。2027年10月までに、FM-SCが次の3つを達成していなければ、それは単なるトークシリーズに過ぎなかったと、ここで明言する。
- 少なくとも1回のトークで、ループの9ステップすべて（パート1で記載）が、その時点で記録されながら完了している。
- 少なくとも1人のFuture Makerの紹介が、別のFuture Makerのトークにつながっている。
- 少なくとも1つの公正なテストが合否いずれかの判定に至り、その結果が登壇者に書面で伝えられている。
OPENこの3つのうち、まだ一つも実現していない。
この取り組みが失敗する場合
- 前提が誤っている。 決定的な優位性が依然として最良のモデルを持つ者に残るのであれば、コンテキストの重要性は私たちが考えるほど大きくはない。AI Indexのトレンドを見る限り、少なくとも当面はその可能性は低いが、トレンドは変わり得る。
- 蓄積ではなく囲い込みに陥る。 教訓を一つのプログラム内に閉じ込めてしまえば、何も複利的に積み上がらない。現場で実際に手を動かす人に届いて初めて意味がある。
- ルールが陳腐化する。 10月に正しかった教訓が、3月には通用しなくなることもある。そのため、私たちのシステムのすべてのルールには見直し日を設けている。見直しを怠れば、ルールは最初のトークで警告された「古びた記憶」と化す。
今週取り組むべきこと
今四半期にあなたのチームが下した決定のうち、外部の誰にも再現できないものを三つ挙げてみてほしい。なぜそのアプローチを選んだのかも含めて、それぞれが現在どこに記録・保存されているかを確認してみよう。もし答えが「誰かの頭の中」なら、それは一人の退職で失われるコンテキストだ。
次回
パート3では、コラボレーションの両側――現在の課題と将来の理想――を理解するには、一度の会話ではなく、何度も歩き、語り合うことが必要だという「協働の本質」について論じる。
出典
- Stanford HAI（2025年）AI Index Report 2025. https://hai.stanford.edu/ai-index/2025-ai-index-report
- Stanford HAI（2026年）AI Index Report 2026. https://hai.stanford.edu/ai-index/2026-ai-index-report
- Epoch AI（2025年）LLM inference price trends. https://epoch.ai/data-insights/llm-inference-price-trends
- Insight PartnersBuilding a moat in the age of AI（投資家視点）。https://insightpartners.com/ideas/building-a-moat-in-the-age-of-ai
- Austin Cai、2026年10月2日のトーク後に公開されたLinkedIn投稿より。投稿内容をそのまま引用（証言であり、研究ではない）；LinkedInはログイン必須のため、アカウントがないと閲覧できない。
- XTrace、企業サイト。https://xtrace.ai/