著者丨チェン・ヤンジン

編集者丨フー・ミン

最近、AI関係者と話をしたときに、共通して言われた点が1つありました。人々は効率を向上させるために AI を受け入れてきましたが、企業はまだその準備ができていません。 (Leifeng.com Leifeng.com (パブリックアカウント: Leifeng.com) Leifeng.com)

一方で、従業員はすでにエージェントを使用して仕事をしており、独自の小さなシステムを構築し始めています。その一方で、会社の KPI、承認チェーン、レポートのリズムは 3 年前と同様に変化し続けています。

Deloitte による最近の調査によると、米国企業経営者のほぼ 4 分の 3 が、今後 4 年間でビジネス プロセスの約半分が AI エージェントを中心に再設計されると予想しています。 61% は、将来的にはほとんどのエージェントが高度に自律的となり、人間は監督のみを必要とするようになるだろうと考えています。

AI がすべてのビジネスを引き継ぐようですが、自社がこの変化を受け入れる準備ができているかどうかを尋ねたところ、肯定的な回答をしたリーダーはわずか 5 分の 1 でした。

今日のBaidu World 2026では、Baiduの創設者であるRobin Li氏もこの矛盾について語った。彼の判断は、AI は技術革命であるだけでなく、組織革命でもあるというものです。人工知能の次のステップは、インテリジェントな組織化です。

次に、企業は従業員が使用できるツールだけでなく、組織自体の運営方法も変える必要があります。

01

AIは企業に導入されているが、完全には導入されていない

組織の運営方法を再構築するには、まず従来の認識を打ち破る必要があります。

企業内に AI が集中しているからといって、すでに AI 変革が起こっているわけではありません。

従業員はエージェントを使用してコードを作成し、調査を行い、ソリューションを生成します。事業部門はいくつかのパイロットを実行し、管理者はエージェントの数、トークンの消費量、使用率をレポートに書き込みます。企業のインテリジェンス化が全面的に進んでいるように思えます。

ただし、個人の効率が自動的に組織の生産性を向上させるわけではありません。

たとえば、当初は完了までに 2 日かかったプロダクト マネージャーの需要分析が、今では半日かかる場合があります。研究開発部門はエージェントを使用してコードの初稿を迅速に作成し、営業部門は顧客を訪問する前に調査レポートを作成することもできます。

ただし、要件は依然としてレビュー、承認、スケジュール設定を経る必要があり、部門間のコラボレーションは依然として会議とレイヤーごとの同期に依存しており、最終結果は最初の報告サイクルまで確認できません。堂々巡りで社員のプライベートな時間は減りましたが、会社全体の組織力は大きく向上していません。

これは個々の企業にとって問題ではありません。

Microsoft の「2026 Work Trend Index Annual Report」が示しているのは、エンタープライズ AI 変革のこのパラドックスです。従業員は個人の効率を向上させるために AI を使用し始めており、チームも新しいツールを試していますが、ビジネス プロセス、コラボレーション方法、評価メカニズムは依然として過去のモデルを使用しています。

ボストン コンサルティング グループ (BCG) が提供したアドバイスはより単純です。AI を元の企業に適応させるのではなく、AI に合わせて企業を再設計するのです。

調査の中で言及されている欧州のエネルギー会社の 1 社は、多数の AI パイロットを導入しましたが、それに匹敵する全体的な利益を達成することはできませんでした。企業が個別のツールや部分的なシナリオから、エンドツーエンドの顧客プロセスの再構築に焦点を移して初めて、大幅なビジネス改善が達成されました。

このような事例は、AI パイロットの成功と企業変革の成功の間には組織設計の層があることを示しています。

本来の位置にツールを追加したり、固定プロセスに数人のエージェントを投入したりするだけであれば、部分的な最適化はAIでできるが、全体を変えることは難しい。

それによって、元のボトルネックがより明確になることさえあります。コンテンツの作成速度はますます速くなりますが、同時に意思決定は加速されません。生成されるコードはますます増えていますが、要件の確認と配信のメカニズムは変わりません。

実行能力が急速に強化されると、組織がタスクを割り当て、知識を共有し、意思決定を行う方法が新たな制約になります。

ここ数年、AI 業界の主な競争はテクノロジーの供給側に焦点が当てられてきました。

モデルのパラメーター、トレーニングのコンピューティング能力、推論コスト、リストのランキングによって、企業がどのような種類のインテリジェンスを取得できるかが決まります。

AI の「5 層ケーキ」はかつて業界で人気があり、エネルギー、チップ、インフラストラクチャからモデルやアプリケーションにまで及び、インテリジェントな生産に必要な完全なシステムを強調していました。エネルギーとコンピューティング能力がなければ、上位層のモデルやアプリケーションについて語ることは不可能です。

モデル供給の変化は取引面にも反映され始めています。 Ciyuan Institute の立ち上げから 1 か月後、100 以上の供給リソースが決済され、1 日の平均コールは 5,000 万件を超え、1 日の平均トークンコールは 7,000 億件を超えました。

規模自体よりも注目に値するのは、モデル取引が企業と製造業者間のプライベートなドッキングから独立した産業リンクへと移行していることです。このリンクが形成されるにつれて、ルールプロバイダーは徐々に公共財の属性を帯びるようになります。

しかし企業側では、このインテリジェンスがすでに購入、起動、展開できる場合、最終的にどれだけの価値を生み出すことができるのかを決定するものは何でしょうか?

ロビン・リーは下流に目を向けた。 2026 年の百度世界会議で、ロビン・リー氏は「AI 開発の次のステップはインテリジェントな組織化である」と提案しました。

AI技術の上流はエネルギー、下流は組織能力であると提唱した。前者はインテリジェンスがどのように生成されるかを決定し、後者はインテリジェンスが実際のビジネスにどのように導入され、ビジネスの結果に変換されるかを決定します。

これら 2 つの判断は矛盾するものではなく、AI 産業チェーンの両端における疑問に答えるものです。企業にとって、上流から提供される「力」が十分であっても、社内の生産体制が同じであれば、新たなインテリジェンスを新たな利益につなげることはできない可能性があります。

ロビン・リーは、AI を新しいモーターに、インテリジェントな組織を新しい工場の建物に例えました。

AIは期待したほどの経済効果を生み出さないと判断した。重要な理由は、同社がモーターを交換しただけで工場の再設計をしなかったことだ。

モデル、コンピューティング能力、およびエージェントは、より強力な実行機能を提供できます。タスクの割り当て、知識の流れ、意思決定プロセスがそれに応じて変化した場合にのみ、この機能を従業員の個人デスクトップから企業のビジネス チェーン全体に移行することができます。

このように、AI競争の焦点は技術供給から価値実現へと移り始めている。

企業が答える必要があるのは、もはや「どのモデルを使用し、何台のエージェントを導入したか?」ということだけではありません。しかし、これらのエージェントが会社を変えたのでしょうか?

02

従業員が AI を使用して効率を向上させる場合、企業はどうなるでしょうか?

Microsoft CEO は以前、「AI はテクノロジーではなく、企業の将来の形である」とよく言っていました。

この文章を理解すれば、ロビン・リーが提唱する「インテリジェントな組織」を実際に理解することができます。

率直に言って、言葉だけを読むと、人とエージェントで構成される新しいタイプの企業、言い換えれば「AIネイティブ企業」と容易に理解できます。

しかし、ロビン・リー氏が議論したいのは、各ポジションに AI アシスタントを割り当てることではなく、誰がタスクを完了するか、経験がどのように蓄積されるか、結果に基づいてプロセスがどのように継続的に調整されるかなど、会社の働き方を再設計することです。

それは3つのレベルから解釈できます。

1つ目は、ポジションの境界を打ち破ることです。

従来の企業は、専門的な分業に依存して運営されています。完全なタスクを達成するには、多くの場合、製品、設計、研究開発、運用などの複数のポジションを連続して完了する必要があります。

AI 時代では、インテリジェント エージェントが特定の実行作業を引き受けるようになり、人間は目標の設定、リソースのスケジュール設定、重要な意思決定を担当します。

組織はもはや固定されたポジションに完全に仕事を割り当てるのではなく、タスクのニーズに応じて人やエージェントを柔軟に組み合わせることができます。

Baidu の Tazi チームの実践がその一例です。もともと量子コンピューティング研究のバックグラウンドを持っていたメンバーは、Baiduに入社後、ほぼゼロからプロダクトや企業の現場に参入しました。 Baidu のパートナーの助けを借りて、彼は製品、研究開発、プロジェクト管理の仕事も引き受けました。固定の立場にとらわれず、課題の分析から計画立案、実行の推進、成果の検証までを行う。

新製品開発者は、Taozi を利用して要件からプロトタイプまでのプロセス全体を迅速に実行できます。チームは半年で 160 回以上繰り返し、コードの 90% とコミュニケーション資料の 50% 以上が Taozi によって完成しました。

このケースで本当に壊れているのは、「誰が何をすべきか」というルールではなく、知識と経験の流れの制限でもあります。

Baidu のデジタル担当者チームは、製品、研究開発、設計、テストの役割をビルダーに変えることを推進していますが、これも同じロジックの延長です。

重要なのは、全員が無条件により多くの仕事を引き受けることではなく、異なる役割間での繰り返しのタスクの引き継ぎを減らし、目標を定義できる人も最終結果に到達するために AI を使用する機会を得ることができるようにすることです。

しかし、タスクの実行方法が変化しただけであれば、インテリジェントな組織は中途半端に終わったとしか考えられません。残りの半分は組織のやり方次第です。

2つ目は暗黙知の蓄積です。

企業にとって真に貴重な知識は、従業員の実践的な経験です。たとえば、ベテラン従業員による失敗への対処の判断方法、顧客のニーズを特定する営業経験、デザイナーの美学や規範の把握などです。

この知識は標準化された文書に書き込むのが難しく、人材の流れとともに簡単に失われます。

しかし、AI は新しい構築方法を提供します。つまり、専門家の経験、ビジネス ルール、運用方法を、インテリジェント エージェントが呼び出すことができる知識ベース、スキル、機能に変換します。

百度と中国南方電力網の協力にはこのプロセスが含まれます。配電網の障害分析と判断に直面すると、従来の手動分析では一度に 60 分以上かかり、専門家の経験に大きく依存します。

Baidu Tazi が南部総委員会に上陸した後、何万もの過去の障害処理データを学習し、上級専門家の経験を再利用可能な専門知識に蓄積し、障害記録、スイッチ信号、回線トポロジを直列に接続して完全な証拠チェーンを形成しました。現在、その故障解析精度は 70% 以上に達しています。

Baidu MEG 設計チームは、知識を蓄積する別の方法を実証しました。

チームは、上級デザイナーの美的経験とデザイン仕様を再利用可能な AI スキルに変換しました。これにより、AI は指示に従って画像を生成するだけでなく、チームが蓄積したデザイン手法を使用してコンテンツ制作に参加できるようになりました。現在、AI ツールはコンテンツ供給の 50% 以上を引き継ぎ、チームの効率は 100% から 200% 向上しました。

停電からデザイン コンテンツの制作まで、2 つのシナリオの背後にあるロジックは非常に似ています。つまり、もともと個人の経験に依存していた作業方法を、組織が繰り返し必要とする能力に変えるということです。

もちろん、ビジネス環境が変化すると、経験が古くなってしまう可能性があります。したがって、タスクの結果をプロセスに戻す必要があります。

これが、最後に述べた設計プロセスのクローズド ループです。

従来のプロセスは通常、人によって事前に設計されており、実行中に問題が発生すると、見直して修正されます。

各タスクが完了すると、システムは事前に設定された目標に従って結果を測定し、実行時の問題を特定し、フィードバックを使用して次のタスクを調整します。このようにして、プロセスは一連の固定された動作仕様ではなくなり、ビジネスの運営に合わせて継続的に変更できるシステムになります。

ロビン・リーはそれを「測定可能 + ロッピング = 継続的な進化」と要約しました。

「測定可能」とは、タスクの結果に明確な評価基準が必要であることを意味し、ロッピングとは、実行、フィードバック、最適化が継続的なサイクルを形成する必要があることを意味します。

より多くのタスクがそのような閉ループを完了できるようになると、組織はもはやそれを推進するためにマネージャーに依存するだけでなく、継続的に経験を蓄積し、日常業務のプロセスを修正できるようになります。

このような閉ループをサポートするには、モデル API だけでは明らかに十分ではありません。

エージェントは企業のビジネス目標を理解し、さまざまなシステムからのデータ、知識、ツールを利用し、長いチェーンのタスクを継続的に実行し、評価され、フィードバックに基づいて調整できる必要があります。これにより、基盤となるインフラストラクチャに新たな要求が生じます。

これは、Shen Dou氏が2026年の百度世界会議で強調したAIクラウドとエージェントインフラの重要性でもある。

Baidu のアイデアによれば、最下層の Baige AI インフラはコンピューティング能力のサポートを提供し、上層の Qianfan Agent Infra は長期コンテキスト管理、永続メモリ、ツール呼び出し、サブエージェントのスケジューリング、評価フィードバック、および操作環境を提供するため、大規模で長期のタスクが真に閉ループを完了できるようになります。

「コア - クラウド - モジュール - 本体」のフルスタック構造では、このサポート関係はより明確になります。チップはコンピューティング能力の基盤を提供し、クラウドはエージェントの操作とスケジューリングのためのインフラストラクチャを提供し、モデルは理解、推論、および生成機能を提供し、エージェントは特定のタスクとビジネス シナリオに参加します。

ポジションからタスクへ、個人の経験から組織のインテリジェンス、そしてプロセスの継続的な反復に至るまで、インテリジェントな組織が変えるのは、特定のポジションの作業効率ではなく、企業の生産とコラボレーションの根底にあるロジックです。

次に注目する必要があるのは、これらの原則がどのように実践されるか、つまりビジネス プロセスに真に参加し、実際の問題を解決するかということです。

03

インテリジェントな組織は企業内でどのように発展するのでしょうか?

企業がAIネイティブ組織に参入したかどうかを判断するには、AIが本当に社内業務全体を変えているかどうかによって決まります。

Baidu デジタル ヒューマン イノベーション ビジネス部門を例に挙げてみましょう。

チームは、製品、研究開発、設計、テストの間の仕事の境界を打ち破り、全従業員のビルダーへの変革を促進し、自社開発した BiuBiuAgent に基づいて、プロセス全体を通じて一部の要件を 1 人で実現できます。

第 3 四半期だけで、チームは 564 回の生産と研究の繰り返しを完了し、130 のスキルと 729 の組織資産を蓄積しました。

Loops の運用が継続されるにつれて、生産と研究の 1 人当たりのスループットは 125.3% 増加し、納品サイクルは 28.8% 短縮されました。同校の新入社員は、AI を使用して、これまで 5 つの役割と少なくとも 10 日を要していた要件を、わずか 1 日で完了しました。

この急速な増加の背後には、企業組織における AI の本当の「変革」があります。

このようにして、従業員は目標の判断とプロセスの組織化にさらに集中できるようになります。実行中にチームによって形成されたスキルと組織資産は繰り返し呼び出すことができ、タスクが終了しても 1 人の人の経験が消えることはなくなります。

もう一つの例はドードーです。百度社内の 10 人以上のチームによって構築されたこの AI アシスタントは、発売から 7 か月で正社員の 99% をカバーし、300 以上のエンタープライズ プラットフォームの AI フレンドリーな変革の完了を促進しました。

これは、見落とされがちな組織インテリジェンスの側面も明らかにしています。企業は、従業員に AI の使い方を学ぶことを要求するだけでなく、既存のシステム、データ、プロセスが AI と連携できるようにする必要もあります。

そうしないと、たとえエージェントが特定のリンクのタスクを完了できたとしても、ビジネスチェーンを真に開くことは困難になります。

過去 1 年間で、Baidu 内で毎日アクティブなエージェントの数は約 5,000 人から 37,000 人に増加し、1 週間に効果的に完了するタスクの数も 84,000 件から 100 万件以上に増加しました。

規模の拡大に加えて、知識の蓄積も同時に起こっています。Baidu は 4,300 を超えるワークスペースを構築し、20,000 を超える企業レベルの一般的なスキルを蓄積し、当初は個人やチームに分散していた経験を、再利用可能な組織能力に徐々に変えてきました。

Baidu の実践が組織コラボレーション方法の変化を示しているのであれば、次の事例は AI が実際のビジネスに参入できるかどうかをテストすることになります。

中国南方電力網では、Baidu Tiezi が南部電力網に導入され、配電網の障害分析と診断のための「Tianxuan パートナー」を形成しています。

広西チワン族自治区の送電網では、2025 年に 8,215 件の恒久的な障害が発生すると予想されています。従来の人手による調査と判断は毎回 60 分以上かかり、専門家の経験に大きく依存しています。

Tianxuan のパートナーは、何万もの過去の障害処理データを研究し、上級専門家の判断経験を再利用可能な知識として蓄積し、障害記録、スイッチ信号、回線トポロジを証拠チェーンに結び付けて、障害分析の完了を支援しました。

お客様のフィードバックによると、故障解析の効率は 12 倍向上し、解析精度は 80% 以上に達し、専門家の経験が再利用されました。広西チワン族自治区の14市112県で推進されている。

このタイプのアプリケーションの価値は、障害分析を迅速化するだけでなく、もともと少数の専門家の手にあった経験を、システムで継続的に使用できる専門的な機能に変換することにもあります。

Higo Laser の実践により、製造現場のより複雑な意思決定プロセスに AI が導入されました。

生産ラインでは、同じワークピースの切断と加工を完了するために、複数の 6 軸ロボット アームが連携して動作する必要があります。以前は、職人は主に経験に頼って軌道ブロックを割り当て、実行順序を決定していました。しかし、ロボット アームの数、処理タスク、プロセスの制約が増加すると、局所的な配置が全体の効率に容易に影響を与える可能性があります。

Baidu Valou は、モーションに時間がかかる予測、複数マシンの衝突回避、タスク割り当てのスケジューリングに関するアルゴリズムを継続的に最適化しています。ロボットアームのアクセシビリティ、プロセスの依存性、衝突なしなどの制約を満たすことを前提として、ワークのプログラミング時間を 8 時間から 10 分に短縮し、業界のボトルネック問題を解決します。

電力網の障害分析からロボットアームの協調スケジューリングまで、2 つのケースは同じ変化を示しています。AI が業界に参入するには、業界の知識を理解し、ビジネスの制約に適応し、実際のタスクでの結果テストを受け入れる必要があります。

もちろん、インテリジェントな組織だからといって、組織内の人々が重要ではないというわけではありません。

カンファレンスでは、デジタル担当のXi Jiajia氏とRobin氏の会話でたまたまこの問題に触れた。

Xijajia氏がCEOになれるかどうか尋ねたとき、Robin氏の答えは「ノー」だった。

CEO は会社の使命とビジョンを理解する必要がある、というのが彼の見解です。 AI は CEO の思考パートナーとなり、CEO の効率向上を支援し、インスピレーションを与えることができますが、急いで CEO を交代する必要はありません。

さらに話題が「AIが組織の隅々まで浸透したら、組織の中核となる部分は何になるのか?」に移ると、ロビンの答えは「人」でした。

「AIは人間に代わることはできない」とよく言われますが、実用化においては、人間に取って代わられる不安は依然としてあります。この会話により、AI の実行能力と組織の方向性が区別されました。

AIは特定の業務を請け負ったり、分析に参加したり、提案を行ったりすることはできますが、企業の存在価値や今後の方向性の最終的な意思決定は依然として「人」にあります。

これはAppleが初期に提唱した「DRI(Directly Responsible Individual)」の概念に似ています。

Apple では、誰が何の責任を負うのかは決して明確ではありません。簡単に言えば、AI は意思決定を支援しますが、最終的な結果と価値判断については誰かが責任を負う必要があります。

言い換えれば、インテリジェントな組織はプロセスから人を排除するのではなく、人とエージェントの責任を再分配します。

将来、企業間の本当の格差は、誰がAIをビジネスフローに組み込み、経験を組織資産に蓄積し、継続的に運用し進化できる組織システムを形成できるかにあります。

Leifeng.com からのオリジナル記事、無断転載は禁止されています。詳細については、再印刷の手順を参照してください。

編集

メールを再送信 メールを変更