ブロック これまでで最も明確な公開声明を行い、「AIの進展」が規模に応じた人員リセットを正当化できることを示した。ジャック・ドーシーは2026年2月の削減を「AIの全面見直し」と位置付け、従業員約10,000人のうち4,000人以上を削減した。ブロックのAI戦略は、単なる「AI機能セット」ではなく、運用モデルの書き換えである。重心は、LLMをツールやデータ、アクションに接続する内部エージェント基盤にあり、その基盤を再利用して顧客向けの自動化を展開している。内部スタックは、GooseとMCPのエンタープライズ規模の統合、そして非エンジニアでも自律的なワークフローを構築できる「テキストから永続的アプリ」層（G2）によって構成されている。この二つは、Square AIやMoneybotといった顧客エージェントの基盤、そして役割を超えた自律ソフトウェア作成を拡張する「ビルダーボット」コンセプトの土台として位置付けられている。AIプログラムはすでに採用と処理能力の指標を備えており、週次アクティブなAIツール利用者は約7,500人、Cash Appのサポートケースの65％をAIが処理、コード提出の90％超が部分的または完全にAIによる作成、エンジニア一人当たりの週次コード変更の中央値は測定期間中30％増加している。人員削減は、「知能ツール」の生産性の非連続性を明確に理由付けている。会社は従業員数を10,000人超から6,000人未満に削減し、4,000人以上が退職または相談中であるとし、その決定は「より少ないチームでもより多く、より良くできる」AI駆動の能力に基づいている。ブロックの公開資料は、内部モデル名、ファインチューニングの手法、保持期間、エージェントのテレメトリに関する完全なデータガバナンスを開示していない。公開されている情報から、多モデル・ツール呼び出し優先のアーキテクチャ、コスト意識の高いカスケード、リアルタイムデータへの重視、そして消費者向けAI機能やサードパーティモデルパートナーに対する明示的な法的制約を推測できる。AIスタックのシステムビュー----------------------------私はこのスタックを五つの連結した層としてモデル化している：データ、モデル、エージェント、プロダクト表面、ガバナンス。ブロックは、特定の層ではなく、その結合を最適化している。「エージェント層」が差別化要素である。Gooseのオープンソース説明は明確で、これはチャットラッパーではない。モデルがツール呼び出しを行い、エージェントがそれを実行し、結果をモデルに返すインタラクティブループを実行し、トークン管理やエラー時の反復回復のためにコンテキストを修正する。エンタープライズ接続標準はMCPである。ブロックは、MCPを「エージェントをデータが存在するシステム」やアクションに接続するAPI層と説明し、MCPの開発に密接に協力したと述べている。内部自動化層は、Gooseを超えてG2に拡張されている。G2は、「テキストから永続的アプリケーションの遊び場」として、タイル状のシステムが継続的かつ非同期に動作する仕組みである。目的は、非技術者がエンジニアリングに依存せずにカスタムアプリや自律ワークフローを構築できるようにすることだ。### データソースとラベリング信号ブロックは、詐欺やサポートに関する具体的な訓練信号を公開している。Cash Appの詐欺警告は、過去の詐欺報告、サポートケース、詐欺警告に対するユーザーの反応、取引や顧客データなど複数のソースから訓練されている。展開は明確にフィードバック連動型であり、ユーザーのキャンセルや進行行動がモデル改善の信号となる。Cash Appの音声サポートルーティングは、MLの意図モデルを用いて通話者を自動回答や専門のアドボケートグループにマッピングする。システムは、会話のプロンプト、ルーティングロジック、残高確認などの簡単な問い合わせの自動化をリアルタイムで行うと説明されている。これらは、エージェント面においてスーパーバイズドラベル（利用可能な場合）、ユーザーの結果から暗黙のラベル、強力なオンラインフィードバックループという典型的なパターンとみなしている。### モデルルーティング、コスト管理、遅延ブロックのRisk Labsは、小さなモデルが簡単なケースを処理し、難しいケースはより大きなモデルに委ねる二段階の分類器アーキテクチャを強調している。これは、リアルタイムのフィンテックの制約に直接適合し、遅延、コスト、エスカレーション経路を制御する。同じ資料は、「モデルが大きくなり運用コストも増加する」ことを動機付けとして明示している。これは、カスケードの承認を示すものであり、単なる学術的な演習ではないと解釈している。**戦略的示唆と戦術的提言**ブロックは、フィンテック内にエージェント配信層を構築し、検証済みエージェントを顧客に提供している。ブランドの模倣は避け、基盤となるサブストレートを複製せよ。**創業者 / CEO** エージェント駆動の自動化を運用レバレッジとし、明示的な失敗予算を設定せよ。サポート、詐欺、資金移動において慎重なエスカレーションを設計せよ。第一級のエスカレーションがなければ、自動化は負債となる。**プロダクトリーダー** 機能とインターフェースを別々に展開せよ。構成可能なインターフェース、リアルタイムデータのインテリジェンス、オーケストレーションに注力せよ。これにより、アシスタントの乱立を防ぎ、表面の一貫性を保てる。**決済戦略担当者** エッジは、ワークフローの深さから自動化へとシフトしている。Square AI、音声注文、Managerbotは中小企業の運用時間を圧縮する。脅威は時間の圧縮であり、UIではない。**暗号ネイティブ開発者** エージェントプログラマビリティを、トークンの物語ではなく決済レールに基づいて優先せよ。積極的なインテリジェンスとモデルに依存しないビルダーツールは、フィンテックに埋め込まれたエージェントプラットフォームの仮説を示す。**エンジニア** ツール層で最小権限を徹底せよ。許可リスト、スコープ付き資格情報、変更不可の監査ログ、決定論的なロールバックを実装せよ。ツールのセキュリティはモデルのセキュリティと同等である。**投資家** 人員は減少、計算資源は増加、信頼性コストは増加と見なせ。マージン拡大は、カスケード、不確実性ゲート、制約されたプロダクト表面による推論コストとインシデントリスクの抑制に依存する。
ディープダイブ：フィンテック・ブロックがエージェントを使ってプロセスと人材を置き換える方法
ブロック
これまでで最も明確な公開声明を行い、「AIの進展」が規模に応じた人員リセットを正当化できることを示した。ジャック・ドーシーは2026年2月の削減を「AIの全面見直し」と位置付け、従業員約10,000人のうち4,000人以上を削減した。
ブロックのAI戦略は、単なる「AI機能セット」ではなく、運用モデルの書き換えである。重心は、LLMをツールやデータ、アクションに接続する内部エージェント基盤にあり、その基盤を再利用して顧客向けの自動化を展開している。
内部スタックは、GooseとMCPのエンタープライズ規模の統合、そして非エンジニアでも自律的なワークフローを構築できる「テキストから永続的アプリ」層（G2）によって構成されている。この二つは、Square AIやMoneybotといった顧客エージェントの基盤、そして役割を超えた自律ソフトウェア作成を拡張する「ビルダーボット」コンセプトの土台として位置付けられている。
AIプログラムはすでに採用と処理能力の指標を備えており、週次アクティブなAIツール利用者は約7,500人、Cash Appのサポートケースの65％をAIが処理、コード提出の90％超が部分的または完全にAIによる作成、エンジニア一人当たりの週次コード変更の中央値は測定期間中30％増加している。
人員削減は、「知能ツール」の生産性の非連続性を明確に理由付けている。会社は従業員数を10,000人超から6,000人未満に削減し、4,000人以上が退職または相談中であるとし、その決定は「より少ないチームでもより多く、より良くできる」AI駆動の能力に基づいている。
ブロックの公開資料は、内部モデル名、ファインチューニングの手法、保持期間、エージェントのテレメトリに関する完全なデータガバナンスを開示していない。公開されている情報から、多モデル・ツール呼び出し優先のアーキテクチャ、コスト意識の高いカスケード、リアルタイムデータへの重視、そして消費者向けAI機能やサードパーティモデルパートナーに対する明示的な法的制約を推測できる。
AIスタックのシステムビュー
私はこのスタックを五つの連結した層としてモデル化している：データ、モデル、エージェント、プロダクト表面、ガバナンス。ブロックは、特定の層ではなく、その結合を最適化している。
「エージェント層」が差別化要素である。Gooseのオープンソース説明は明確で、これはチャットラッパーではない。モデルがツール呼び出しを行い、エージェントがそれを実行し、結果をモデルに返すインタラクティブループを実行し、トークン管理やエラー時の反復回復のためにコンテキストを修正する。
エンタープライズ接続標準はMCPである。ブロックは、MCPを「エージェントをデータが存在するシステム」やアクションに接続するAPI層と説明し、MCPの開発に密接に協力したと述べている。
内部自動化層は、Gooseを超えてG2に拡張されている。G2は、「テキストから永続的アプリケーションの遊び場」として、タイル状のシステムが継続的かつ非同期に動作する仕組みである。目的は、非技術者がエンジニアリングに依存せずにカスタムアプリや自律ワークフローを構築できるようにすることだ。
データソースとラベリング信号
ブロックは、詐欺やサポートに関する具体的な訓練信号を公開している。
Cash Appの詐欺警告は、過去の詐欺報告、サポートケース、詐欺警告に対するユーザーの反応、取引や顧客データなど複数のソースから訓練されている。展開は明確にフィードバック連動型であり、ユーザーのキャンセルや進行行動がモデル改善の信号となる。
Cash Appの音声サポートルーティングは、MLの意図モデルを用いて通話者を自動回答や専門のアドボケートグループにマッピングする。システムは、会話のプロンプト、ルーティングロジック、残高確認などの簡単な問い合わせの自動化をリアルタイムで行うと説明されている。
これらは、エージェント面においてスーパーバイズドラベル（利用可能な場合）、ユーザーの結果から暗黙のラベル、強力なオンラインフィードバックループという典型的なパターンとみなしている。
モデルルーティング、コスト管理、遅延
ブロックのRisk Labsは、小さなモデルが簡単なケースを処理し、難しいケースはより大きなモデルに委ねる二段階の分類器アーキテクチャを強調している。これは、リアルタイムのフィンテックの制約に直接適合し、遅延、コスト、エスカレーション経路を制御する。
同じ資料は、「モデルが大きくなり運用コストも増加する」ことを動機付けとして明示している。これは、カスケードの承認を示すものであり、単なる学術的な演習ではないと解釈している。
戦略的示唆と戦術的提言
ブロックは、フィンテック内にエージェント配信層を構築し、検証済みエージェントを顧客に提供している。ブランドの模倣は避け、基盤となるサブストレートを複製せよ。
創業者 / CEO
エージェント駆動の自動化を運用レバレッジとし、明示的な失敗予算を設定せよ。サポート、詐欺、資金移動において慎重なエスカレーションを設計せよ。第一級のエスカレーションがなければ、自動化は負債となる。
プロダクトリーダー
機能とインターフェースを別々に展開せよ。構成可能なインターフェース、リアルタイムデータのインテリジェンス、オーケストレーションに注力せよ。これにより、アシスタントの乱立を防ぎ、表面の一貫性を保てる。
決済戦略担当者
エッジは、ワークフローの深さから自動化へとシフトしている。Square AI、音声注文、Managerbotは中小企業の運用時間を圧縮する。脅威は時間の圧縮であり、UIではない。
暗号ネイティブ開発者
エージェントプログラマビリティを、トークンの物語ではなく決済レールに基づいて優先せよ。積極的なインテリジェンスとモデルに依存しないビルダーツールは、フィンテックに埋め込まれたエージェントプラットフォームの仮説を示す。
エンジニア
ツール層で最小権限を徹底せよ。許可リスト、スコープ付き資格情報、変更不可の監査ログ、決定論的なロールバックを実装せよ。ツールのセキュリティはモデルのセキュリティと同等である。
投資家
人員は減少、計算資源は増加、信頼性コストは増加と見なせ。マージン拡大は、カスケード、不確実性ゲート、制約されたプロダクト表面による推論コストとインシデントリスクの抑制に依存する。