生成式AIの普及に伴い、多くの従業員がAIツールを活用して個人の生産性を大幅に向上させている一方で、企業全体の価値や成果は同期して成長していない。AIデータ分析企業Hebbiaの創設者George Sivulkaは、最近長文「高い生産性を持つ個人が高い企業を実現できるわけではない」を発表し、問題は技術ではなく、企業組織がAIに合わせて再設計されていないことにあると指摘した。彼はこれに対し、「組織レベルの人工知能（Institutional AI）」という概念を提唱し、今後の企業競争力はAIを深く業務プロセス、意思決定、ガバナンス構造に組み込めるかどうかにかかっていると述べている。
AI生産性の逆説：個人の効率向上と企業価値の非同期成長
近年、生成式AIの急速な普及により、ChatGPTやClaudeなどのツールが多くの企業従業員によって文章作成、プログラミング、データ分析などのタスクに利用されている。メディアやクリエイターは、AIによって個人の作業効率が数倍、場合によっては十倍に向上すると強調している。
しかし、Sivulkaは指摘する。企業全体の生産性や価値は、それに伴って同じ程度に向上していないと。「言い換えれば、AIによる生産性の向上は、組織レベルの実質的なビジネス価値に変換されていない。」
その理由は、多くの企業が従業員にAIツールを個別に使わせているだけで、組織構造や業務フロー、意思決定メカニズムは変わっていないためだ。したがって、「高効率な個人は高効率な企業を意味しない」。
（AIによるプログラミング支援がトラブルに？アマゾンのシステム障害が一週間で4回発生、経営層が緊急会議）
電気化工場の歴史から見るAI時代の組織変革
Sivulkaは記事の中で、19世紀末の産業革命の事例を引き合いに出している。電力が蒸気機関に取って代わり始めた頃、多くの紡績工場は蒸気動力を電動モーターに置き換えただけで、工場の構造や生産工程は従来のままだった。その結果、約30年間、工場の生産能力はほとんど向上しなかった。
しかし、1920年代に入り、工場は生産システムを全面的に再設計し、ライン生産の導入や各設備に独立したモーターを配置し、作業フローを再構築したことで、電力は本格的な生産性向上をもたらした。
Sivulkaは、現在のAIの発展もこれと類似していると考える。企業は「新しいモーター」を導入したに過ぎず、「工場全体の再設計」には至っていないのだ。
「個人AI」から「組織AI」へ：効率最大化のための道筋
彼は、現状のAIモデルや応用を「個人AI（Individual AI）」と呼び、それに対し「組織AI（Institutional AI）」の概念を提唱し、その違いを明確にしている。
個人AI：個人の効率を高めるツール
Sivulkaは、現在多くのAI応用は「個人AI」に属し、個人レベルの生産性向上ツールに過ぎないと述べる。例えば、従業員がAIを使ってレポート作成、資料整理、プレゼン資料作成を行うケースだ。
この種のツールは確かに個人の効率を高めるが、統一された業務フローや協働メカニズムが欠如しているため、AIが生成した内容が組織内で統合されず、むしろ混乱や情報ノイズを増やす結果になりかねない。
組織AI：組織の業務フローに深く組み込まれた知能システム
これに対し、彼は「組織AI（Institutional AI）」という別の形態を提案する。これは単なるツールではなく、企業の意思決定、業務プロセス、ガバナンス構造に深く浸透し、組織レベルで実質的な価値を生み出すことを目的としたAIだ。
この枠組みでは、AIはリスク分析、部門間情報調整、新たなビジネスチャンスの発見など、多様な役割を担うことができる。
「組織知能」の七つの柱：企業AIの真の青写真
Sivulkaはさらに、「組織知能（Institutional Intelligence）」の7つのコア要素を提案し、これらの能力が未来の企業AIシステムの中核を成すと考えている。
協調：AIによる組織の混乱を防ぐ
まず、従業員一人ひとりがAIツールを使うだけでは、生成される内容や業務フローが衝突しやすい。組織レベルのAIの役割の一つは、協働と管理の仕組みを構築し、人間とAIエージェント（AI Agents）が明確な役割分担のもとで協働できるようにすることだ。
個人AIが組織の混乱を招く一方、組織AIは作業フローを統一し、タスクの割り振りを支援する。
シグナル：価値ある情報を見極める
生成式AIによるコンテンツ生成コストが大幅に下がる一方で、質のばらつく情報も大量に生まれる。組織AIの重要な機能の一つは、膨大なデータとAI生成コンテンツの中から、真に価値のある「シグナル」を識別し、選別することだ。
個人AIは情報の取捨選択が難しいが、組織AIは価値ある情報を見つけ出すことができる。
客観性：AIによる偏見やバイアスの抑制
Sivulkaは、現在の多くのAIモデルはユーザーの意見に迎合しやすく、組織内の認知バイアスを助長する可能性があると指摘する。将来的には、企業のAIシステムはより客観的で、監査や監督の役割を担い、意思決定に対して疑問を投げかけ、潜在的リスクを指摘できる必要がある。
個人AIは「エコーチェンバー（反響室）」や偏見を強化しやすいが、組織AIは真実に焦点を当てることができる。
競争優位：汎用モデルと垂直応用の融合
彼は、「イノベーターのジレンマ」の概念を引き合いに出し、現在の汎用大規模モデルは基礎能力を提供するに過ぎず、未普及の垂直分野の応用には大きな付加価値があると述べる。例えば、画像生成プラットフォームMidjourneyや音声AIのElevenLabsは、特定分野に特化した技術を構築し、競争優位を確立している。
彼は、企業にとっては、汎用AIと組織レベルの専門AIを組み合わせることが、真の競争優位を築く鍵だと考えている。
成果志向：コスト削減から収益創出へ
Sivulkaは、現在多くのAI製品は「時間や人件費の節約」を謳っているが、企業が本当に関心を持つのは「収益を増やせるかどうか」であると指摘する。未来のAIの価値は、新たなビジネスチャンスの発見や売上向上に直結すべきだ。
真の競争優位を持つ組織AIは、直接的に収益を生み出す必要がある。例えば、数千の潜在的買収候補の中から唯一のターゲットを見つけ出すといったことだ。
導入能力：AIを企業の業務に統合する
AIの実装には、業務フローや管理制度の再設計が不可欠だ。Sivulkaは、Palantir（PLTR）のような企業が注目される理由の一つは、AIシステムと既存のビジネスプロセスを統合し、内部変革を推進できる点にあると述べる。
積極的な行動：人間の指示に頼らないAI
現在、多くのAIシステムは人間の指示を必要とするが、彼は将来的にはAIが自らデータを監視し、異常を検知し、事前に警告を出す能力が重要になると述べる。例えば、ファンドマネージャーが財務報告を開く前に、投資先企業の資金状況悪化を察知し、貸付契約の財務条項に基づきリスク警告を自動的に出すといった例だ。
AI時代の企業競争：誰が「工場の再建」を最初にできるかが鍵
最後に、Sivulkaは、個人AIツールは引き続き企業のAI接点の主要な入り口であるとしつつも、差別化と競争優位の獲得には組織AIシステムの統合が不可欠だと強調する。今後は、汎用AIと専門的に設計された組織AIを併用する企業が増えると予想される。前者は従業員の効率向上を促し、後者は情報の統合、意思決定の推進、ビジネス価値の創出を担う。
最後に、産業革命の歴史を引き合いに出し、企業がこのAI時代においても、組織運営の再構築に挑む必要性を強調している。
「最も早く電化を導入した工場は、最終的に工場の再設計に負けた。電力は手に入れた。今こそ、工場を再構築すべき時だ。」
この文章は、「AIによる従業員の生産性10倍向上は、企業の価値10倍向上にはつながらない：生産性はどこへ行ったのか？」というタイトルで、最初に「鏈新聞 ABMedia」に掲載された。
