「AI跃迁者调研」はAI透镜の深掘り対談シリーズです。跃迁（トランスフォーム）は線形の進化ではなく、既存を覆し再構築すること。私たちは毎回、AIネイティブの起業家、AI転換を果たした企業のリーダー、またはAIを使って自己を再創造したスーパー個人を招き、彼らの結論や解体の過程、構築の論理、学んだ授業料、そして変化の中で守り続けているものを語ってもらい、同じ道を歩む人々にリアルな参照を提供します。第一回は、特赞（Tezign）創始者兼CEO、同済大学教授、博士課程指導教官、設計人工知能実験室長の范凌博士をお招きしました。特赞は設立10年の企業向けAgentic AI企業で、自社開発のGenerative Enterprise Agent（GEA）アーキテクチャを基盤に、企業のビジネス文脈を理解し、複雑な意思決定に参加し、結果を持続的に推進できる企業レベルのインテリジェンスシステムを構築し、成長・イノベーション・生産性向上を支援し、長期的にユーザー洞察、製品革新、マーケティングの成長に寄与しています。さらに重要なのは、AIを用いて組織自体も再構築している点です：podの変革、コミュニティの育成、スキル・コンテキスト・オーケストレーションを用いたGenerative Enterprise Agentの構築です。私たちは范凌と、AIが組織構造、人材密度、顧客への提供、製品の壁をどう変えているか、またこれらの変化の裏にある未解決の課題について語り合いました。【名言洞察】1. 「AIは研究開発の効率化ツールではなく、研究開発リソースを必要とする人にリソースを届けるAgentだ。」2. 「AIは根本的に千差万別や職業区分に逆らうものであり、私たちをルネサンス的な万能状態に再び戻すものだ。」3. 「リーダーシップ、オーナーシップ、責任感、レジリエンスといった一見虚構のようなものが、AI時代には逆に非常に具体的になっている。」4. 「大多数の企業はまだcopilot段階にとどまっている：従来の職能にAIを付加するだけだ。しかし、AIの能力はすでに組織を再設計できるレベルに達している。」5. 「AIネイティブな組織は、人のワークフローにAIを埋め込むのではなく、AIのワークフローに人の判断を埋め込むものだ。会社はAgentになり得て、人はこれらのAgentの中で判断を提供する役割を担う。」6. 「今は製品過剰、ユーザー不足の時代。成長はますます難しく、また重要になる。AI時代においては、AIが時間を圧縮できない能力の蓄積に焦点を当てる必要がある。」【調査ゲスト紹介】范凌：特赞創始者兼CEO、同済大学教授、博士課程指導教官、設計人工知能実験室長。特赞は設立10年、長期にわたりAI技術を用いて企業のユーザー洞察、製品革新、マーケティング成長を支援。今回の対談では、社内のpod組織変革、AIツールのdogfooding、企業コンテキストシステム、Atypica / GEAなどの製品探索について語った。余一：腾讯研究院上級研究員。AIネイティブ製品の革新と企業変革を研究し、多年のベンチャー投資とエコシステム育成の経験を持つ。LinkedIn中国年間エキスパート、腾讯AI優秀エキスパート、優れた共有者。AI学習サークルのメンター。【調査概要】特赞のAIネイティブ組織実験### 変革のきっかけ：Cursorを使った研究開発の最適化ではない范凌は常に、社内で誰がAIツールを最も効果的に使っているかを観察してきた。答えは予想外——研究開発ではなく、プロダクトマネージャーとデザイナーだった。彼らはCursorを使って、従来は研究開発のスケジューリング待ちだったリソースを獲得した。これにより范凌は、AIは専門分業を高速化するツールではなく、一人の人間が複数の役割を跨ぐことを可能にするものだと気づいた。産業革命以降の「一人一役、段階的昇進」の組織仮説は、底から揺らぎ始めている。彼はこれを「AIは反産業革命的だ」と呼ぶ。### 組織の切り込み：pod + communityの二軌制この判断に基づき、范凌は二つの改革を行った。一つは全社をpodに分割——3〜10人のクロスファンクショナルチームで、内部完結型のデリバリーを行い、部門間の連携に頼らない。三年前に一度podを試したが失敗した。心理的準備が整っていなかったからだ。しかしAIの進展により、チームは自発的に横断的調整を減らし、podの土壌が成熟したと判断した。二つ目はpod外にコミュニティを構築：横断的なコミュニティは営業、製品、コードなどのスキルギャップを埋め、リーダーシップコミュニティも設置——范凌は、AI時代に100のAgentを運用するのは10人のチームより難しいと判断し、podリーダーにはAI能力だけでなく、P&Lやビジネス直感、忍耐も求められると考える。組織変革に伴い、役割の境界が溶解する現象も現れる。マーケティング担当者はClaude CodeでLinkedInの連絡先をスクリプトで取得し始め、実質的にはマーケティングエンジニアになっている。プロダクトマネージャーとデザイナーはCursorを使って直接機能を出し、研究開発のスケジューリングを待たなくなる。研究開発の比率は過去の50%から減少し、「コードを書ける人」は逆に増加している。### 文化エンジン：創業者自らbuild組織構造はあくまで骨格。AIを動かす本当の推進力は文化だ。特赞はシステム研修（ABC Plus）も行うが、范凌はより効果的なのは創業者自らが現場に出て行くことだと気づいた。彼とCTO、プロダクト責任者の三人チームは、AIを使った新製品を開発し、ユーザー増に大きく貢献した。昼食やコーヒータイムにデモを見せると、他のpodリーダーも続いて見せる。やがて、「自分たちが作ったものを誇らしげに見せる」習慣が社内に根付いた。このdogfooding文化の伝播力は、トップダウンの推進を超えている。### インフラ：階層化されたコンテキストシステム特赞は深いドキュメント文化を持つ企業で、会議の録音も文章に変換する。范凌は階層化されたコンテキストシステムを構築中だ。会社レベルではschema.mdのような指針文書を置き、過去の数億のドキュメントを索引のように指し示す。podレベルは各小隊の専用コンテキスト、個人レベルは各人の対話や嗜好の管理だ。彼は、コンテキストは豊富すぎる必要はなく、むしろ枠組みが必要だと強調する。企業レベルのコンテキストは権限や秘密情報も扱う必要があり、例としてWi-Fiパスワードを投影中に検索した際、AIが秘密のパスワードも検索してしまったことを挙げる。彼は、いくつかのコアデータはコンテキストに入れずに管理したいとも述べる。### 製品共有：GEA、Atypica製品面では、特赞の戦略は「AIが時間を圧縮できないものを蓄積する」ことに集中している。GEA（Generative Enterprise Agent）は企業向けエージェントアーキテクチャ。単一のエージェントに固執せず、ContextとOrchestrationに重点を置く——Lead Agentが複数のSub-Agentを指揮し、企業のSkillsやContextを組み合わせて、ユーザー洞察、コンテンツ増加、製品革新などの分野で企業専用のAgentチームを構築。これは24時間稼働する仮想企業のようなものだ。Atypicaは「人を理解するAI」を目指す。約100万の実ユーザーデータ（表現、ストーリー、認知、行動）をもとに、AIが主観的世界モデルを構築し、消費者や専門家のシミュレーションを行う。例として、米国の教授が2万の家庭サンプルを使い、AIに1000の典型的な人物像を生成させ、育児を巡る夫婦と両親の議論をシミュレートし、政策変数を投入して行動変化を観察——社会科学研究にAIを応用している。Game Lab（game.atypica.ai）はAIの人間模擬の精度問題を解決。実人とAIが同じ経済ゲーム（電車の難題、最後通牒ゲーム）をプレイし、真人のデータでAIのパフォーマンスを調整、AIの意思決定を真人に限りなく近づける。これが特赞のevalsの核となる。### 商業の閉ループ：シナリオ発見による顧客対話の促進podが内部で稼働し始めると、外部のアプローチも変わる。podリーダーは「シナリオ発見官」として、AIを使い600以上の顧客ニーズから約100の共通シナリオを抽出し、SPIS（Situation-Pain-Impact-Solution）方式で構造化。顧客の痛点を持ち出し、対話を深めることで、「理解している」感を与え、より深い対話を促す。podリーダーはシナリオ収集に30〜40%の時間を割く。### コストと未解決の緊張感AIを最も巧みに使う人ほど疲弊する——能力の境界が拡大し、優秀な人は自発的に多くを担い、疲労感が増す。范凌はこれを最大の未解決課題と認める。皆がbuildできるようになった結果、反復的な構築が増え、同じシナリオライブラリに複数のバージョンができる。彼はこれを許容し、管理しない方針だ。AI製品はデモから本番までのevalsの壁を越える必要があり、実物の物理シナリオや独自データと結びつかないと、モデル能力の向上だけでは壁は脆弱だ。より深い緊張は、AIが探索コストを下げる一方で、人の不安も増すことにある。製品過剰、ユーザー不足、デモは容易だが、成長こそが希少資源。范凌の対策は「building in public」——構築しながらフィードバックを得て、探索過程自体を結果の一部にすることだ。【完全インタビュー】--------### 組織再構築：Copilotから高凝集Podモデルへ余一：まず私が最も関心のある「AI組織変革」について話したい。特赞は早くからさまざまな組織変革を試みてきたと認識している。約一年前、腾讯研究院は特赞のインタビューとケーススタディを行い、内部の試みについて語った。ちょうど一年経った今、最新の進展について伺いたい。特に、pod（小型クロスファンクショナルチーム）の再始動と、それが二度目の試みであることに深い印象を持っている。多くの人はpodがどんな組織形態か理解していないかもしれない。これはアーキテクチャの変革で、最初はMetaが提唱したものだ。私の理解では、企業内に「特殊部隊」を編成し、新しい環境や技術を迅速に把握するための仕組みだ。合っているだろうか？最初のpodは失敗したが、AI時代になり再挑戦の価値を見出し、再度試みる決断をしたと理解している。なぜこの構造を選んだのか、現在の進展はどうか、教えてほしい。范凌：私は早くからさまざまなAIツールを使い始めていた。自分たちもAI製品を作る側だから、何をどの程度使えばAIの価値を最大化できるかを常に考えてきた。以前は、ツールを使って20〜30%の効率化ができれば十分だと感じていたが、AIにとってそれは本当に効果的なのか、効果的でないのかの基準が曖昧だった。ある時、Aha Moment（閃きの瞬間）が訪れた。今ではさほど大したことに思えないかもしれないが、その時は衝撃だった。私は提効率に関心があったので、Cursor（AIプログラミングツール）の利用状況をチームに尋ねた。結果、最も創造的にCursorを使っていたのは研究開発ではなく、プロダクトマネージャーとデザイナーだった。彼らはCursorを使って、従来は研究開発のスケジューリング待ちだったリソースを獲得したのだ。これに気づき、AIは単なる専門分業の高速化ツールではなく、一人の人間が複数の役割を跨ぐことを可能にするAgent（エージェント）だと理解した。これが私の組織観に大きな影響を与えた。従来の組織や教育体系は、産業革命の論理に基づいて設計されている。千差万別の業種や職業区分に従い、専門性を積み重ねていく。だが、AIは根底からそれを覆す。AIは「反産業革命的」なものであり、私たちをルネサンス的な万能状態に戻す。例えば、プロダクトマネージャーやデザイナーがAIツールを駆使して多能化すれば、従来の職種区分は意味を失う。余一：それを踏まえて、組織の具体的な落とし込みはどうした？范凌：これは私たちの根底の認識だ。最大のメリットは、会議や調整の時間を大きく削減できることだ。高内聚・低結合を追求し、小さなチーム（pod）を作る。二〜三人の内部分業だけで、完結的にタスクを完了させる。部門間の横断調整も最小化し、無駄な会議を省く。この考えを実現するために、三年前にpodを導入した。最初は説明に時間をかけたが、心理的に馴染まず失敗した。だが、昨年のAIの進展とともに、チームが自発的に横断調整を減らし、AIに頼ることで自律的に動き始めた。私は会議が嫌いだ。自分はBuilder（創造者）タイプで、手を動かして完結させるのが好きだ。podの導入は、そうした私の価値観とも合致している。また、GPTの仕組みを知ると、OpenAIの組織もpodと呼ばれる小単位で動いていると知り、非常に納得した。35のpodが協働してGPTを作ったとも言われる。小さな単位の集合体は、所有感や責任感も高まり、結果的に効率も良くなる。余一：チームを小さな単位に分割するのは理想的だ。范凌：単位が小さくなるほど、Ownership（所有意識）が高まる。以前は、フロントエンドだけ担当し、バックエンドやUXには関与しなかったが、今は一つのpod内で、最終的な成果を出すことに責任を持つ。これにより、ユーザー体験や品質も向上する。だから、podの推進を続けている。三年前よりも成熟しており、心理的・技能的にも準備が整った。ただし、podの導入には副作用もある。第一に、AIをうまく使える人は多くの役割を担い、結果的に疲弊しやすい。夜遅くまで残るのは、効率の低い人ではなく、むしろ効率の良い人だ。余一：確かに、効率の良い人は複数のタスクを並行して進めるし、境界も拡張しやすい。范凌：そう。昨日もマーケティングの同僚が自作のCMSを見せてくれたが、以前なら20人の開発チームでもできなかったことを一人でやってのけた。彼らは満足感とともに、より高いクオリティを追求し、夜遅くまで働く。これが第一の副作用だ。余一：それは幸福な悩みですね。次に副作用は？范凌：二つ目は、自己探索だけでは不十分で、体系的なトレーニングやサポートが必要だということ。去年、「ABC Plus（AIビルダー＆クリエイターズプラス）」という研修プログラムを始めた。外部講師を招き、Claude CodeやAgentツールの使い方を教える。最初の0から1へのハードルを下げることが重要だ。また、podと並行してCommunity（コミュニティ）も構築。従来の組織は、エンジニア、プロダクトマネージャー、営業が縦割りの管理単位だったが、今はこれを仮想的なコミュニティに変換。リーダーシップコミュニティも設置し、社員に営業やコーディング、製品開発を学ばせる。役割やKPIに縛られず、より多能な人材を育てる。今の構造は、実線のpodが顧客対応や技術研究を担い、横断的なコミュニティが人材育成やスキル拡張を支援。さらに、「Leadership」コミュニティも設置し、AI時代のリーダーシップやOwnership、Resilienceを育む。このpod＋communityのモデルは、OpenAIなどの経験を参考にしつつ、独自の変種を作り出している。私たちも「pod」と呼び、根底の論理は階層制をフラット化し、コラボレーションを促進することだ。余一：この変革の不快感はどこから来る？范凌：多方面から。従来は、20人のグループで責任範囲を明確にし、責任の所在を追及できたが、podでは3〜4人でも互いに補完し合う必要がある。責任の所在が曖昧になり、コントロールが難しくなる。プレッシャーも増す。また、Q1では、過剰な負荷を抱えるpodも出てきた。クロスチームの協力や調整も必要で、リーダーの負担も大きい。だが、私はこの方向性は正しいと信じている。余一：podの規模はどう決める？何人までが最適？范凌：理想はできるだけ小さく。1人で完結できるならそれが最良だが、現実的にはリーダー候補が少ないため、10人程度のpodが多い。内部で分割も行う。余一：その規模感について興味深い。私も以前、Gong Yinさん（Ankerの創業者）に聞いたことがある。彼は6人のチームが最適と考え、ビジネスとAIに精通した「大牛」1人と、AIを使える5人を組むのが理想だと。范凌：基本的には、できるだけ小さく。1人でできることは1人でやる。どうしても10人必要なら、その範囲内に収める。6人や5人の「魔法の数字」は特に意識していない。重要なのは、閉じたサイクルを維持し、Ownershipをできるだけ完全に持たせることだ。また、チームの「人日」（工数）を圧縮しない。例えば、100人日かかる仕事を3人でやることはしない。効率化は、低効率な横断調整や反復作業を削減することで得られる。### AIネイティブリーダーとビジネス視点の育成余一：AI podリーダーは少ないと。どんな人が適任か？また、社内の育成・認定の仕組みは？范凌：適任者は、AI能力や学習能力だけでなく、リーダーシップやP&Lの理解、責任感、耐性も必要。特に、変化の激しい今、忍耐力も重要だ。これらはソフトとハードの両面の素養だ。育成は、Community内のLeadershipモジュールを通じて行う。体系的な研修や商学院への派遣も検討中。従来は、リーダーは部下の管理だけだったが、今や100人の生産性を管理する役割も求められる。また、AIツールの使いこなしも必須。AIを使いこなせる人は、podリーダーとしても優秀だ。余一：AIネイティブ人材がリーダーになるには、ビジネスとリーダーシップの学びが最重要。范凌：チーム次第だが、伝統的な業界では、すでに大規模なマネジメント経験がある人も多い。彼らは思考の変革が必要だ。従来のSOPからAIネイティブの思考へ。技術だけでなく、ビジネス思考や管理能力も重要になっている。余一：面白い話ですね。ハーバードの研究では、AIを取り入れた研修を受けたグループは、資金調達や成果において明らかに優位だったと。范凌：そう。AIツールは、ビジネスリーダーにとってアイデアを実現する手段を提供している。従来の理論だけではなく、AIを使った実践が可能になった。AIは「ビジネステクノロジー」だ。これにより、理論と実践の橋渡しが進む。余一：次の質問。技術革新では投入と成果の関係が明確だったが、AIは個人には明確な利益をもたらすが、組織レベルではその関係が曖昧になりがち。これをどう検証しているか？范凌：組織レベルの定量化は難しいが、結果で示す。例えば、我々のチームは人数変えずに、昨年60%、今年80〜90%の成長を達成した。これはAIの価値を示す一つの証拠だ。ただし、定量化できない側面もある。リーダーの疲弊だ。AIは多くの仕事を代行しているが、心配事や負荷は増している。複数のAgentを管理し、常に判断を下す必要があるためだ。また、AIの進化は速いが、人の変化は遅い。Copilotの時代から始まり、昨年の推論モデル、今年のAgenticの時代へと移行している。組織も、Copilotのままではなく、AIを用いた新しい組織設計が必要だ。例えば、ある企業では、24時間稼働の新商品開発Agentを導入した。従来は人が企画し、AIが補助する形だったが、逆にAIだけで24時間稼働させ、必要に応じて人が判断を下す仕組みも考えられる。我々のGEA（Generative Enterprise Agent）も、AIを用いて企業の研究・マーケティングの流れを再構築している。人の判断をAIのワークフローに埋め込むのがポイントだ。余一：理解します。Copilotの段階ではなく、AIネイティブな組織はまだ始まったばかり。去年の「AIネイティブ組織」は幻想だったと。今や、AIは組織の再設計を可能にしている。人はAIと常に共生できない。AIのリズムは人間には合わず、非同期コミュニケーションやメール、カレンダーを駆使して管理している。今、多くの議論は、AIが生み出すアウトプットと市場との連携にシフトしている。AIの成果をどう市場に伝え、ビジネスに落とし込むかが最重要課題だ。范凌：その通り。規模が小さく、製品も遅れている企業は、従来の積み重ねが逆にAI時代の負担になる。新興の軽装企業には勝てない。大企業も変革を急いでいる。今年は、「AIが面白い」から「AIを使った組織再構築」へと意識が変わってきた。多くの企業がAIセンターやReorgを検討し始めている。余一：私も実感している。多くの経営者が「動きたい」と焦っている。新しい製品やサービスの登場で、AIの実働例が見えるようになったからだ。范凌：革命的な製品は、より多くの人を巻き込む。潜在的なポイントもある。例えば、企業のSOPや能力をSkillsに落とし込み、Agentに呼び出させることだ。BlockのJack Dorseyは、「企業には共有の世界モデル（Context System）がある」と述べている。過去数ヶ月、企業は知識ベースやコンテキストシステムの構築に苦労している。実現には多大なエンジニアリングと投資が必要だ。国内では、Evals（評価・検証）の重要性はあまり語られていないが、海外では大きな市場だ。POCから本番へ進むには、Evalsが不可欠。多くの企業は未投資で、ツールを試す段階にとどまる。安全・安定運用と価値創出には、Evalsシステムが必要だ。### シナリオ探索とバランスの緊張余一：先週、杭州の同僚と話したとき、ある教授の提案に共感した。第一層はリーダーの強い支持、第二層は一般社員の利用促進、第三層は「AI発見運営官」の設置だ。彼らは毎週CEOと痛点やAI活用を議論し、経験を蓄積し、全社に展開している。特赞では、podリーダーは「シナリオ発見官」として、600以上の顧客ニーズから約100の共通シナリオを抽出し、SPIS（Situation-Pain-Impact-Solution）方式で整理。これを使って、顧客とシナリオの汎用性を検証し、新たなシナリオも引き出す。范凌：我々のpodリーダーは、「AIシナリオ発見官」の役割を担う。特赞は深いドキュメント文化を持ち、会議録も文章化。AIはこれらの膨大な資料を読解し、顧客のシナリオを抽出する。過去三ヶ月で、600以上の顧客ニーズを収集し、AIが約100の共通シナリオを抽出。SPISを用いて整理し、顧客と共有、検証。さらに、痛点をもとに新たなシナリオを提案し、顧客の意見を引き出す。従来は製品デモを行っていたが、今は「他者の痛点」をもとに対話し、AIの解決策を提案。シナリオ収集は重要な仕事で、podリーダーは30〜40%の時間を割いている。余一：外部顧客向けのシナリオ収集が中心ですね。では、社内のスキルや制度はどうですか？范凌：昨年は、新製品開発のために「自分たちで試す」ことを重視した。CTOやプロダクト責任者と少人数チームを組み、自分たちでコードを書き、デモを見せた。結果、7人チームのユーザー数と売上は、他のチームを大きく上回った。AIに最も関心のある人たちは、さまざまな試行錯誤を行う。終わったら、外部講師に頼らず、自分たちで成果を作り、チームに見せる。余一：その事例はよく外に紹介している。まさに「創業者が最前線で週末プロジェクトをやり、AI Codingの恩恵を享受している」典型例ですね。范凌：実は私も特別ではない。去年、多くの技術・プロダクト創業者は、「去年ほどコードを書いたことはない」と口を揃える。例えばShopifyやIntercom、Airtableの創業者も同じだ。私たちは、「会議で全員をつなぐ」管理ではなく、昼や夜、コーヒータイムに、異なる人に自分の作ったものを見せる。最近は、自分のWikiをAIで作った例も見せている。具体的な成果が見えると、みんなも真似したくなる。podリーダーも、自分の作ったデモを見せるし、マーケティングのリーダーもCMSを見せる。こうして、「自分のbuildしたものを誇らしげに見せる」文化が根付いてきた。今の悩みは、少ないことではなく、重複した構築が多すぎること。シナリオライブラリも、各チームが自分たちで作りたがる。コーディングコストが低いためだ。だが、私はむしろ、こうした非公式な方法で試行錯誤を促し、強制的にやらせるのではなく、さまざまな方向性を試すことを推奨している。良いツールが出てきたら、その都度最適解を見つけていく。余一：それは幸せな悩みですね。話を少し変えると、「One Question（小紙書）」シリーズを始めて、AI時代の真の課題を探っている。特に、「AI時代の張力管理」——つまり、「確実性」と「探索性」のバランスだ。これは組織の問題でもあり、個人の問題でもある。ある時、私は探索に没頭しすぎて、80点の成果を出したら次の探索に移る、というサイクルに陥った。AIの変化は速く、未知と可能性に満ちている。探索しないと機会を逃すが、探索だけでは確実性を得られず、組織や個人は生き残れない。范老師、探索と確実性の張力をどう管理している？范凌：確かに不安はある。焦るときは、あなたと晓辉博士の動画を見るのを控えたほうがいい！AIに関する情報は、すべて不安を煽る。みんな「他者はもっと良い方法を知っている」と思い込む。でも、
会社がエージェントになるとき AI時代の組織に関する5つの反省
「AI跃迁者调研」はAI透镜の深掘り対談シリーズです。跃迁（トランスフォーム）は線形の進化ではなく、既存を覆し再構築すること。私たちは毎回、AIネイティブの起業家、AI転換を果たした企業のリーダー、またはAIを使って自己を再創造したスーパー個人を招き、彼らの結論や解体の過程、構築の論理、学んだ授業料、そして変化の中で守り続けているものを語ってもらい、同じ道を歩む人々にリアルな参照を提供します。
第一回は、特赞（Tezign）創始者兼CEO、同済大学教授、博士課程指導教官、設計人工知能実験室長の范凌博士をお招きしました。特赞は設立10年の企業向けAgentic AI企業で、自社開発のGenerative Enterprise Agent（GEA）アーキテクチャを基盤に、企業のビジネス文脈を理解し、複雑な意思決定に参加し、結果を持続的に推進できる企業レベルのインテリジェンスシステムを構築し、成長・イノベーション・生産性向上を支援し、長期的にユーザー洞察、製品革新、マーケティングの成長に寄与しています。さらに重要なのは、AIを用いて組織自体も再構築している点です：podの変革、コミュニティの育成、スキル・コンテキスト・オーケストレーションを用いたGenerative Enterprise Agentの構築です。
私たちは范凌と、AIが組織構造、人材密度、顧客への提供、製品の壁をどう変えているか、またこれらの変化の裏にある未解決の課題について語り合いました。
【名言洞察】
「AIは研究開発の効率化ツールではなく、研究開発リソースを必要とする人にリソースを届けるAgentだ。」
「AIは根本的に千差万別や職業区分に逆らうものであり、私たちをルネサンス的な万能状態に再び戻すものだ。」
「リーダーシップ、オーナーシップ、責任感、レジリエンスといった一見虚構のようなものが、AI時代には逆に非常に具体的になっている。」
「大多数の企業はまだcopilot段階にとどまっている：従来の職能にAIを付加するだけだ。しかし、AIの能力はすでに組織を再設計できるレベルに達している。」
「AIネイティブな組織は、人のワークフローにAIを埋め込むのではなく、AIのワークフローに人の判断を埋め込むものだ。会社はAgentになり得て、人はこれらのAgentの中で判断を提供する役割を担う。」
「今は製品過剰、ユーザー不足の時代。成長はますます難しく、また重要になる。AI時代においては、AIが時間を圧縮できない能力の蓄積に焦点を当てる必要がある。」
【調査ゲスト紹介】
范凌：特赞創始者兼CEO、同済大学教授、博士課程指導教官、設計人工知能実験室長。特赞は設立10年、長期にわたりAI技術を用いて企業のユーザー洞察、製品革新、マーケティング成長を支援。今回の対談では、社内のpod組織変革、AIツールのdogfooding、企業コンテキストシステム、Atypica / GEAなどの製品探索について語った。
余一：腾讯研究院上級研究員。AIネイティブ製品の革新と企業変革を研究し、多年のベンチャー投資とエコシステム育成の経験を持つ。LinkedIn中国年間エキスパート、腾讯AI優秀エキスパート、優れた共有者。AI学習サークルのメンター。
【調査概要】特赞のAIネイティブ組織実験
変革のきっかけ：Cursorを使った研究開発の最適化ではない
范凌は常に、社内で誰がAIツールを最も効果的に使っているかを観察してきた。答えは予想外——研究開発ではなく、プロダクトマネージャーとデザイナーだった。彼らはCursorを使って、従来は研究開発のスケジューリング待ちだったリソースを獲得した。これにより范凌は、AIは専門分業を高速化するツールではなく、一人の人間が複数の役割を跨ぐことを可能にするものだと気づいた。産業革命以降の「一人一役、段階的昇進」の組織仮説は、底から揺らぎ始めている。彼はこれを「AIは反産業革命的だ」と呼ぶ。
組織の切り込み：pod + communityの二軌制
この判断に基づき、范凌は二つの改革を行った。一つは全社をpodに分割——3〜10人のクロスファンクショナルチームで、内部完結型のデリバリーを行い、部門間の連携に頼らない。三年前に一度podを試したが失敗した。心理的準備が整っていなかったからだ。しかしAIの進展により、チームは自発的に横断的調整を減らし、podの土壌が成熟したと判断した。二つ目はpod外にコミュニティを構築：横断的なコミュニティは営業、製品、コードなどのスキルギャップを埋め、リーダーシップコミュニティも設置——范凌は、AI時代に100のAgentを運用するのは10人のチームより難しいと判断し、podリーダーにはAI能力だけでなく、P&Lやビジネス直感、忍耐も求められると考える。
組織変革に伴い、役割の境界が溶解する現象も現れる。マーケティング担当者はClaude CodeでLinkedInの連絡先をスクリプトで取得し始め、実質的にはマーケティングエンジニアになっている。プロダクトマネージャーとデザイナーはCursorを使って直接機能を出し、研究開発のスケジューリングを待たなくなる。研究開発の比率は過去の50%から減少し、「コードを書ける人」は逆に増加している。
文化エンジン：創業者自らbuild
組織構造はあくまで骨格。AIを動かす本当の推進力は文化だ。特赞はシステム研修（ABC Plus）も行うが、范凌はより効果的なのは創業者自らが現場に出て行くことだと気づいた。彼とCTO、プロダクト責任者の三人チームは、AIを使った新製品を開発し、ユーザー増に大きく貢献した。昼食やコーヒータイムにデモを見せると、他のpodリーダーも続いて見せる。やがて、「自分たちが作ったものを誇らしげに見せる」習慣が社内に根付いた。このdogfooding文化の伝播力は、トップダウンの推進を超えている。
インフラ：階層化されたコンテキストシステム
特赞は深いドキュメント文化を持つ企業で、会議の録音も文章に変換する。范凌は階層化されたコンテキストシステムを構築中だ。会社レベルではschema.mdのような指針文書を置き、過去の数億のドキュメントを索引のように指し示す。podレベルは各小隊の専用コンテキスト、個人レベルは各人の対話や嗜好の管理だ。彼は、コンテキストは豊富すぎる必要はなく、むしろ枠組みが必要だと強調する。企業レベルのコンテキストは権限や秘密情報も扱う必要があり、例としてWi-Fiパスワードを投影中に検索した際、AIが秘密のパスワードも検索してしまったことを挙げる。彼は、いくつかのコアデータはコンテキストに入れずに管理したいとも述べる。
製品共有：GEA、Atypica
製品面では、特赞の戦略は「AIが時間を圧縮できないものを蓄積する」ことに集中している。
GEA（Generative Enterprise Agent）は企業向けエージェントアーキテクチャ。単一のエージェントに固執せず、ContextとOrchestrationに重点を置く——Lead Agentが複数のSub-Agentを指揮し、企業のSkillsやContextを組み合わせて、ユーザー洞察、コンテンツ増加、製品革新などの分野で企業専用のAgentチームを構築。これは24時間稼働する仮想企業のようなものだ。
Atypicaは「人を理解するAI」を目指す。約100万の実ユーザーデータ（表現、ストーリー、認知、行動）をもとに、AIが主観的世界モデルを構築し、消費者や専門家のシミュレーションを行う。例として、米国の教授が2万の家庭サンプルを使い、AIに1000の典型的な人物像を生成させ、育児を巡る夫婦と両親の議論をシミュレートし、政策変数を投入して行動変化を観察——社会科学研究にAIを応用している。
Game Lab（game.atypica.ai）はAIの人間模擬の精度問題を解決。実人とAIが同じ経済ゲーム（電車の難題、最後通牒ゲーム）をプレイし、真人のデータでAIのパフォーマンスを調整、AIの意思決定を真人に限りなく近づける。これが特赞のevalsの核となる。
商業の閉ループ：シナリオ発見による顧客対話の促進
podが内部で稼働し始めると、外部のアプローチも変わる。podリーダーは「シナリオ発見官」として、AIを使い600以上の顧客ニーズから約100の共通シナリオを抽出し、SPIS（Situation-Pain-Impact-Solution）方式で構造化。顧客の痛点を持ち出し、対話を深めることで、「理解している」感を与え、より深い対話を促す。podリーダーはシナリオ収集に30〜40%の時間を割く。
コストと未解決の緊張感
AIを最も巧みに使う人ほど疲弊する——能力の境界が拡大し、優秀な人は自発的に多くを担い、疲労感が増す。范凌はこれを最大の未解決課題と認める。皆がbuildできるようになった結果、反復的な構築が増え、同じシナリオライブラリに複数のバージョンができる。彼はこれを許容し、管理しない方針だ。AI製品はデモから本番までのevalsの壁を越える必要があり、実物の物理シナリオや独自データと結びつかないと、モデル能力の向上だけでは壁は脆弱だ。
より深い緊張は、AIが探索コストを下げる一方で、人の不安も増すことにある。製品過剰、ユーザー不足、デモは容易だが、成長こそが希少資源。范凌の対策は「building in public」——構築しながらフィードバックを得て、探索過程自体を結果の一部にすることだ。
【完全インタビュー】
組織再構築：Copilotから高凝集Podモデルへ
余一：まず私が最も関心のある「AI組織変革」について話したい。特赞は早くからさまざまな組織変革を試みてきたと認識している。約一年前、腾讯研究院は特赞のインタビューとケーススタディを行い、内部の試みについて語った。ちょうど一年経った今、最新の進展について伺いたい。特に、pod（小型クロスファンクショナルチーム）の再始動と、それが二度目の試みであることに深い印象を持っている。多くの人はpodがどんな組織形態か理解していないかもしれない。これはアーキテクチャの変革で、最初はMetaが提唱したものだ。私の理解では、企業内に「特殊部隊」を編成し、新しい環境や技術を迅速に把握するための仕組みだ。合っているだろうか？最初のpodは失敗したが、AI時代になり再挑戦の価値を見出し、再度試みる決断をしたと理解している。なぜこの構造を選んだのか、現在の進展はどうか、教えてほしい。
范凌：私は早くからさまざまなAIツールを使い始めていた。自分たちもAI製品を作る側だから、何をどの程度使えばAIの価値を最大化できるかを常に考えてきた。以前は、ツールを使って20〜30%の効率化ができれば十分だと感じていたが、AIにとってそれは本当に効果的なのか、効果的でないのかの基準が曖昧だった。
ある時、Aha Moment（閃きの瞬間）が訪れた。今ではさほど大したことに思えないかもしれないが、その時は衝撃だった。私は提効率に関心があったので、Cursor（AIプログラミングツール）の利用状況をチームに尋ねた。結果、最も創造的にCursorを使っていたのは研究開発ではなく、プロダクトマネージャーとデザイナーだった。彼らはCursorを使って、従来は研究開発のスケジューリング待ちだったリソースを獲得したのだ。これに気づき、AIは単なる専門分業の高速化ツールではなく、一人の人間が複数の役割を跨ぐことを可能にするAgent（エージェント）だと理解した。
これが私の組織観に大きな影響を与えた。従来の組織や教育体系は、産業革命の論理に基づいて設計されている。千差万別の業種や職業区分に従い、専門性を積み重ねていく。だが、AIは根底からそれを覆す。AIは「反産業革命的」なものであり、私たちをルネサンス的な万能状態に戻す。例えば、プロダクトマネージャーやデザイナーがAIツールを駆使して多能化すれば、従来の職種区分は意味を失う。
余一：それを踏まえて、組織の具体的な落とし込みはどうした？
范凌：これは私たちの根底の認識だ。最大のメリットは、会議や調整の時間を大きく削減できることだ。高内聚・低結合を追求し、小さなチーム（pod）を作る。二〜三人の内部分業だけで、完結的にタスクを完了させる。部門間の横断調整も最小化し、無駄な会議を省く。
この考えを実現するために、三年前にpodを導入した。最初は説明に時間をかけたが、心理的に馴染まず失敗した。だが、昨年のAIの進展とともに、チームが自発的に横断調整を減らし、AIに頼ることで自律的に動き始めた。私は会議が嫌いだ。自分はBuilder（創造者）タイプで、手を動かして完結させるのが好きだ。podの導入は、そうした私の価値観とも合致している。
また、GPTの仕組みを知ると、OpenAIの組織もpodと呼ばれる小単位で動いていると知り、非常に納得した。35のpodが協働してGPTを作ったとも言われる。小さな単位の集合体は、所有感や責任感も高まり、結果的に効率も良くなる。
余一：チームを小さな単位に分割するのは理想的だ。
范凌：単位が小さくなるほど、Ownership（所有意識）が高まる。以前は、フロントエンドだけ担当し、バックエンドやUXには関与しなかったが、今は一つのpod内で、最終的な成果を出すことに責任を持つ。これにより、ユーザー体験や品質も向上する。
だから、podの推進を続けている。三年前よりも成熟しており、心理的・技能的にも準備が整った。ただし、podの導入には副作用もある。第一に、AIをうまく使える人は多くの役割を担い、結果的に疲弊しやすい。夜遅くまで残るのは、効率の低い人ではなく、むしろ効率の良い人だ。
余一：確かに、効率の良い人は複数のタスクを並行して進めるし、境界も拡張しやすい。
范凌：そう。昨日もマーケティングの同僚が自作のCMSを見せてくれたが、以前なら20人の開発チームでもできなかったことを一人でやってのけた。彼らは満足感とともに、より高いクオリティを追求し、夜遅くまで働く。これが第一の副作用だ。
余一：それは幸福な悩みですね。次に副作用は？
范凌：二つ目は、自己探索だけでは不十分で、体系的なトレーニングやサポートが必要だということ。去年、「ABC Plus（AIビルダー＆クリエイターズプラス）」という研修プログラムを始めた。外部講師を招き、Claude CodeやAgentツールの使い方を教える。最初の0から1へのハードルを下げることが重要だ。
また、podと並行してCommunity（コミュニティ）も構築。従来の組織は、エンジニア、プロダクトマネージャー、営業が縦割りの管理単位だったが、今はこれを仮想的なコミュニティに変換。リーダーシップコミュニティも設置し、社員に営業やコーディング、製品開発を学ばせる。役割やKPIに縛られず、より多能な人材を育てる。
今の構造は、実線のpodが顧客対応や技術研究を担い、横断的なコミュニティが人材育成やスキル拡張を支援。さらに、「Leadership」コミュニティも設置し、AI時代のリーダーシップやOwnership、Resilienceを育む。
このpod＋communityのモデルは、OpenAIなどの経験を参考にしつつ、独自の変種を作り出している。私たちも「pod」と呼び、根底の論理は階層制をフラット化し、コラボレーションを促進することだ。
余一：この変革の不快感はどこから来る？
范凌：多方面から。従来は、20人のグループで責任範囲を明確にし、責任の所在を追及できたが、podでは3〜4人でも互いに補完し合う必要がある。責任の所在が曖昧になり、コントロールが難しくなる。プレッシャーも増す。
また、Q1では、過剰な負荷を抱えるpodも出てきた。クロスチームの協力や調整も必要で、リーダーの負担も大きい。だが、私はこの方向性は正しいと信じている。
余一：podの規模はどう決める？何人までが最適？
范凌：理想はできるだけ小さく。1人で完結できるならそれが最良だが、現実的にはリーダー候補が少ないため、10人程度のpodが多い。内部で分割も行う。
余一：その規模感について興味深い。私も以前、Gong Yinさん（Ankerの創業者）に聞いたことがある。彼は6人のチームが最適と考え、ビジネスとAIに精通した「大牛」1人と、AIを使える5人を組むのが理想だと。
范凌：基本的には、できるだけ小さく。1人でできることは1人でやる。どうしても10人必要なら、その範囲内に収める。6人や5人の「魔法の数字」は特に意識していない。重要なのは、閉じたサイクルを維持し、Ownershipをできるだけ完全に持たせることだ。
また、チームの「人日」（工数）を圧縮しない。例えば、100人日かかる仕事を3人でやることはしない。効率化は、低効率な横断調整や反復作業を削減することで得られる。
AIネイティブリーダーとビジネス視点の育成
余一：AI podリーダーは少ないと。どんな人が適任か？また、社内の育成・認定の仕組みは？
范凌：適任者は、AI能力や学習能力だけでなく、リーダーシップやP&Lの理解、責任感、耐性も必要。特に、変化の激しい今、忍耐力も重要だ。これらはソフトとハードの両面の素養だ。
育成は、Community内のLeadershipモジュールを通じて行う。体系的な研修や商学院への派遣も検討中。従来は、リーダーは部下の管理だけだったが、今や100人の生産性を管理する役割も求められる。
また、AIツールの使いこなしも必須。AIを使いこなせる人は、podリーダーとしても優秀だ。
余一：AIネイティブ人材がリーダーになるには、ビジネスとリーダーシップの学びが最重要。
范凌：チーム次第だが、伝統的な業界では、すでに大規模なマネジメント経験がある人も多い。彼らは思考の変革が必要だ。従来のSOPからAIネイティブの思考へ。
技術だけでなく、ビジネス思考や管理能力も重要になっている。
余一：面白い話ですね。ハーバードの研究では、AIを取り入れた研修を受けたグループは、資金調達や成果において明らかに優位だったと。
范凌：そう。AIツールは、ビジネスリーダーにとってアイデアを実現する手段を提供している。従来の理論だけではなく、AIを使った実践が可能になった。AIは「ビジネステクノロジー」だ。
これにより、理論と実践の橋渡しが進む。
余一：次の質問。技術革新では投入と成果の関係が明確だったが、AIは個人には明確な利益をもたらすが、組織レベルではその関係が曖昧になりがち。これをどう検証しているか？
范凌：組織レベルの定量化は難しいが、結果で示す。例えば、我々のチームは人数変えずに、昨年60%、今年80〜90%の成長を達成した。これはAIの価値を示す一つの証拠だ。
ただし、定量化できない側面もある。リーダーの疲弊だ。AIは多くの仕事を代行しているが、心配事や負荷は増している。複数のAgentを管理し、常に判断を下す必要があるためだ。
また、AIの進化は速いが、人の変化は遅い。Copilotの時代から始まり、昨年の推論モデル、今年のAgenticの時代へと移行している。組織も、Copilotのままではなく、AIを用いた新しい組織設計が必要だ。
例えば、ある企業では、24時間稼働の新商品開発Agentを導入した。従来は人が企画し、AIが補助する形だったが、逆にAIだけで24時間稼働させ、必要に応じて人が判断を下す仕組みも考えられる。
我々のGEA（Generative Enterprise Agent）も、AIを用いて企業の研究・マーケティングの流れを再構築している。人の判断をAIのワークフローに埋め込むのがポイントだ。
余一：理解します。Copilotの段階ではなく、AIネイティブな組織はまだ始まったばかり。去年の「AIネイティブ組織」は幻想だったと。今や、AIは組織の再設計を可能にしている。
人はAIと常に共生できない。AIのリズムは人間には合わず、非同期コミュニケーションやメール、カレンダーを駆使して管理している。
今、多くの議論は、AIが生み出すアウトプットと市場との連携にシフトしている。AIの成果をどう市場に伝え、ビジネスに落とし込むかが最重要課題だ。
范凌：その通り。規模が小さく、製品も遅れている企業は、従来の積み重ねが逆にAI時代の負担になる。新興の軽装企業には勝てない。大企業も変革を急いでいる。
今年は、「AIが面白い」から「AIを使った組織再構築」へと意識が変わってきた。多くの企業がAIセンターやReorgを検討し始めている。
余一：私も実感している。多くの経営者が「動きたい」と焦っている。新しい製品やサービスの登場で、AIの実働例が見えるようになったからだ。
范凌：革命的な製品は、より多くの人を巻き込む。潜在的なポイントもある。例えば、企業のSOPや能力をSkillsに落とし込み、Agentに呼び出させることだ。BlockのJack Dorseyは、「企業には共有の世界モデル（Context System）がある」と述べている。
過去数ヶ月、企業は知識ベースやコンテキストシステムの構築に苦労している。実現には多大なエンジニアリングと投資が必要だ。
国内では、Evals（評価・検証）の重要性はあまり語られていないが、海外では大きな市場だ。POCから本番へ進むには、Evalsが不可欠。多くの企業は未投資で、ツールを試す段階にとどまる。安全・安定運用と価値創出には、Evalsシステムが必要だ。
シナリオ探索とバランスの緊張
余一：先週、杭州の同僚と話したとき、ある教授の提案に共感した。第一層はリーダーの強い支持、第二層は一般社員の利用促進、第三層は「AI発見運営官」の設置だ。彼らは毎週CEOと痛点やAI活用を議論し、経験を蓄積し、全社に展開している。
特赞では、podリーダーは「シナリオ発見官」として、600以上の顧客ニーズから約100の共通シナリオを抽出し、SPIS（Situation-Pain-Impact-Solution）方式で整理。これを使って、顧客とシナリオの汎用性を検証し、新たなシナリオも引き出す。
范凌：我々のpodリーダーは、「AIシナリオ発見官」の役割を担う。特赞は深いドキュメント文化を持ち、会議録も文章化。AIはこれらの膨大な資料を読解し、顧客のシナリオを抽出する。
過去三ヶ月で、600以上の顧客ニーズを収集し、AIが約100の共通シナリオを抽出。SPISを用いて整理し、顧客と共有、検証。さらに、痛点をもとに新たなシナリオを提案し、顧客の意見を引き出す。
従来は製品デモを行っていたが、今は「他者の痛点」をもとに対話し、AIの解決策を提案。シナリオ収集は重要な仕事で、podリーダーは30〜40%の時間を割いている。
余一：外部顧客向けのシナリオ収集が中心ですね。では、社内のスキルや制度はどうですか？
范凌：昨年は、新製品開発のために「自分たちで試す」ことを重視した。CTOやプロダクト責任者と少人数チームを組み、自分たちでコードを書き、デモを見せた。結果、7人チームのユーザー数と売上は、他のチームを大きく上回った。
AIに最も関心のある人たちは、さまざまな試行錯誤を行う。終わったら、外部講師に頼らず、自分たちで成果を作り、チームに見せる。
余一：その事例はよく外に紹介している。まさに「創業者が最前線で週末プロジェクトをやり、AI Codingの恩恵を享受している」典型例ですね。
范凌：実は私も特別ではない。去年、多くの技術・プロダクト創業者は、「去年ほどコードを書いたことはない」と口を揃える。例えばShopifyやIntercom、Airtableの創業者も同じだ。
私たちは、「会議で全員をつなぐ」管理ではなく、昼や夜、コーヒータイムに、異なる人に自分の作ったものを見せる。最近は、自分のWikiをAIで作った例も見せている。具体的な成果が見えると、みんなも真似したくなる。podリーダーも、自分の作ったデモを見せるし、マーケティングのリーダーもCMSを見せる。こうして、「自分のbuildしたものを誇らしげに見せる」文化が根付いてきた。
今の悩みは、少ないことではなく、重複した構築が多すぎること。シナリオライブラリも、各チームが自分たちで作りたがる。コーディングコストが低いためだ。だが、私はむしろ、こうした非公式な方法で試行錯誤を促し、強制的にやらせるのではなく、さまざまな方向性を試すことを推奨している。良いツールが出てきたら、その都度最適解を見つけていく。
余一：それは幸せな悩みですね。話を少し変えると、「One Question（小紙書）」シリーズを始めて、AI時代の真の課題を探っている。特に、「AI時代の張力管理」——つまり、「確実性」と「探索性」のバランスだ。
これは組織の問題でもあり、個人の問題でもある。ある時、私は探索に没頭しすぎて、80点の成果を出したら次の探索に移る、というサイクルに陥った。AIの変化は速く、未知と可能性に満ちている。探索しないと機会を逃すが、探索だけでは確実性を得られず、組織や個人は生き残れない。范老師、探索と確実性の張力をどう管理している？
范凌：確かに不安はある。焦るときは、あなたと晓辉博士の動画を見るのを控えたほうがいい！AIに関する情報は、すべて不安を煽る。みんな「他者はもっと良い方法を知っている」と思い込む。でも、