FDEを大量投入しても埋まらない「修復不可能なAI格差」。a16zレポート「State of Markets II」が論じているのは「社長の『理解』の欠落」
a16z(アンドリーセン・ホロウィッツ)が米国企業のAI活用に関する90ページの長大なレポート「State of Markets II」を出しており、それがX論壇で議論を呼び起こしています。
https://x.com/linasbeliunas/status/2120028782853579221?s=46
簡単にまとめると、米国企業も半数以上がAIを積極的に活用してはいる。しかし大半が思ったような効果を出せず、投資家向けの四半期決算報告書などでAI活用から得られた売上増や利益増などの指標を公開している企業は2%しかいない...のだそうです。
マーク・アンドリーセンはこの現実(AIを業績に結び付けることができている企業とできていない企業との差)について、このギャップがあるからこそ、そこに「成長」の余地があるという論を展開しています。例えば、そのギャップを埋める実行部隊として、パランティアなどの「FDE」が存在している。FDEがうまく機能すれば、FDEを派遣した企業も、FDEを受け入れてAIを実装した企業も、大きく成長する。マーク・アンドリーセンの論の建て方はその辺です。最大手VCだけあって、そこに「成長の余地」を見ようとする。
ここはぜひ、お手元の最新・最強のAIモデルと議論して見て下さい。上のリンクを含めてAIに読ませて、あなたとAIの間で議論を深めて下さい。a16zは何をレポートしているのか?マーク・アンドリーセンは何を言ってるのか?
さて。本投稿の議論はここからです。私は、以前に、企業のAI活用の差は埋まらない、むしろ「修復不可能な格差」となって、その差は拡大していくと指摘しました。
パランティアが証明する「修復不可能な格差」の事例。日本企業も"AI持てる者"と"AI持たざる者"に二分される(2026/3/7)
修復不可能なAI格差。これから東証で「AI持てる者」(NOT AI持たざる者)として評価される日本企業をChatGPTが特定した(2026/6/4)
簡単に言うと、どちらかの企業で「AIデータ・フライホイール」が回り始めると、その企業の業績は圧倒的な伸びを見せるようになり、フライホイール(はずみ車)が回るので同業他社はどのようにしても追いつけなくなるということです。アパレル業界におけるファースト・リテイリングはAIを用いている訳ではありませんが、「データ・フライホイール」が回っていることは確か。従って同業他社はどうやっても追いつけない...ということが起こっています。AIになると、それはAIですから、人間ではないですから、どのような経営の天才が立ち向かっても勝ち目はない。そのような「AIデータ・フライホイール」が回ると、もう誰も手がつけられないということになります。そこに生まれるのは「修復不可能な格差」です。人間は、AIには、追いつけないのです。
DXで圧倒的な成功を収めているユニクロは圧倒的に多くのIT予算をかけている。コマツ、ブリヂストン、ニトリの成功事例も同じ(2026/2/18)
「AIデータ・フライホイール」については以下の投稿で説明しているので、興味のある方はお読み下さい。
「AI負け組」はどこにいる?米国のSaaSの死の本当の原因 -> AIデータ・フライホイールのあるなし(2026/2/16)
富士通のAI駆動開発のデータフライホイールが回り始めるとアクセンチュア、NTTデータ、NECが駆逐されるロジック(2026/2/19)
では、どのような企業がAIデータフライホイールを回す事業モデルを企業経営の根幹にビルトインすることができ、どのような企業はそれができないのか?
その差は「社長の『理解』」にこそ、あります。社長が「理解」した企業はAIデータフライホイールが回る事業モデルへと超高速で転換できる。(同業他社がAIデータフライホイールを回し始めれば追いつけなくなりますから、業界トップで実装しなければなりません。)社長が「理解」していない企業は、お仕着せ程度にコンサルティング会社経由でFDEを越させて実装に取り組むが、社長自身が理解していないので経営の根幹にAIデータフライホイールが実装されるには至らず、FDEも早晩効果がないとわかってお手上げになる...。
すべては社長の「理解」次第です。
「理解」の本質は、「AIにどこまで任せられるか?」。「AIの実装に伴う試行錯誤から来るリスクを、どこまで社長が引き受けられるか?」です。社長がAIに経営改善の重要部分を任せた場合に、確率論的に発生する"失敗"のリスクを取る腹決めがあるかどうか?
重要な資料(エビデンスを含む):
野石龍平 - AI推進を担う専門家の8割超が、静かに消えた ― 原因はAIではなく「人事評価」だった(2026/10/19)
このへん、「リーン・スタートアップ方法論」における、毎日細かい改善を試して見て、うまく行くなら採用し、うまく行かないなら(失敗するならば)それを捨てるというやり方。その改善サイクルを細かく細かく日次で回していく(Minimum Viable Productを日次で投入してうまく行くかどうか試す)。そういう方法論的な「失敗」を社長がどれだけ引き受ける覚悟があるか?
AIを経営の中核にビルトインするということは、無数の失敗から"も"学んで、漸進的な改革方策を細かく回していくということです。結果として、「AIデータ・フライホイール」がドカンと回る企業になる。すると同業他社がどうやっても追いつけない「修復不可能なAI格差」の頂点に立つ企業となる。
これはFDEを100人来させてAIを実装しても、できません。社長がAIの日次の(リーンスタートアップ方法論における)細かな失敗のリスクを全部取ることができなければ、FDEも意味がありません。そのためには「社長の『理解』」が不可欠です。
その辺を、以下の議論で展開しています。議論の相手はChatGPT 6 Astra。
今回のa16zの「State of Markets II」と、ご自身が以前から提唱されている 「AIにおいては、理解が価値を創る」 という考え方は、非常に重要なところでつながっています。
私が特に重要だと思うのは、a16zが指摘する「投資と採用のギャップ」の背後に、もう一つ、より根本的な 「AIを導入した企業と、AIを理解した企業のギャップ」 がある、という点です。
1. 「投資と採用のギャップ」とは何か?
まず、a16zの主張を正確に整理します。
S&P 500企業のAI活用に関する開示状況(2026年第2四半期)
出典:a16z State of Markets II、Apollo Daily Spark(2026年9月11日)。数値は企業の開示状況であり、実際の社内活用率そのものではありません。
ここで重要なのは、69%と2%の差は「AIを使っている企業」と「AIを使っていない企業」の差ではないことです。
69%はAIの実運用を示している企業の割合、2%は成果指標を継続的に開示している企業の割合です。企業が社内で測定していても公表していない可能性があります。
a16zの公式解説は、AI導入の広がりに比べて活用の深さがまだ浅く、今後は個別の導入から、継続的に価値を生み出す業務への組み込みが進むと見ています。
つまり、巨大なAIインフラが急速に整備されているのに、それを企業の収益力や生産性の改善へ本格的に転換するプロセスは、まだ始まったばかりだということです。
2. マーク・アンドリーセンが指摘しているのは、さらに深い「理解のギャップ」
ここが今回、最も興味深い点です。
マーク・アンドリーセンは2026年10月22日に公開されたa16zのポッドキャストで、AIの先行利用者と従来型企業の間には、自分のキャリアで経験したことがないほど大きな認識の差があり、しかもその差が拡大し続けていると述べています。
特に重要なのは、AIネイティブなスタートアップと既存企業では、「AIによって何が実現可能か」という認識そのものが異なるという指摘です。
これは単なるAI導入率の違いではありません。
同じAIモデルを使える環境にあっても、一方の企業には新しい事業を丸ごと構築できる可能性が見え、他方には既存業務の効率化ツールにしか見えない、ということです。
そして、ご指摘の「理解には試行錯誤が必要だ」という考え方は、アンドリーセンの発言に対して、なぜその差が生まれるのかという原因を補うものです。
アンドリーセン自身が試行錯誤を唯一の原因と断定したわけではありませんが、私は次のように整理すると、両者の関係が明確になると思います。
3. AIにおける価値創造のメカニズム
徹底的に試行錯誤する
実験・失敗・改善・再実験を繰り返す
「理解」に到達する
AIに何ができ、何ができないかを経験から把握する
業務・製品・ビジネスモデルを再設計する
AIの能力を前提に、仕事のやり方を変える
経済的価値の創出
収益増加・コスト低減・新市場創造
成果を測定し、さらに試行錯誤する
このモデルで考えると、従来型企業が抱える問題は、AIへの投資額が小さいことではなく、理解を獲得するための試行錯誤が組織の中で十分に行われないことです。
AIを導入しても、既存の業務手順を変えず、失敗を許容せず、実験する時間も権限も与えなければ、AIの本当の可能性は発見できません。
反対に、AIネイティブな企業では、創業者自身が新しいモデルを試し、失敗から学び、次の実験に進む。その結果、技術の進化とともに理解が深まります。
ただし、従来型企業が必ず失敗するわけではありません。経営者が実験の権限を与え、データへのアクセスや業務変更を可能にすれば、既存企業もこのギャップを縮められます。
4. 「投資と採用のギャップ」には、実は3つの段階がある
|
ギャップ |
内容 |
本質的な問題 |
|---|---|---|
|
第1:投資と導入 |
AIインフラ投資に対して企業の本格活用が遅れる |
需要の成熟 |
|
第2:導入と理解 |
AIを使っていても、できることを十分に理解していない |
試行錯誤の不足 |
|
第3:理解と価値創造 |
AIを理解しても、業務や事業を変えなければ成果にならない |
組織変革と実行 |
これは私の分析上の整理であり、a16zが公式に提示した3段階モデルではありません。
この枠組みで見ると、第2の「導入と理解のギャップ」が、アンドリーセンの発言とご自身の主張が直接重なるところです。
5. ご自身の主張を、もう一段発展させるなら
私は、次の命題が成立すると考えます。
「AIにおいては、理解が価値を創る。そして理解を創るのは、試行錯誤である。」
さらに、経営論として展開すれば、
AI時代における企業間の競争力の差は、AIを導入しているかどうかではなく、AIの可能性を理解するまで試行錯誤できる組織であるかどうかによって生まれる。
という主張になります。
ここには従来のIT導入論とは異なるところがあります。
従来の企業ITでは、導入すべきシステムの機能や用途が、ある程度明確でした。しかし生成AIでは、技術が進化するにつれて、実際に何ができるかという可能性そのものが変化します。
したがって、経営者が理解すべき対象は固定されていません。一度理解したら終わりではなく、試行錯誤によって理解を継続的に更新する能力そのものが競争力になります。
アンドリーセンが警告しているのも、AIの進化が速いため、先行者と従来型企業の認識の差が毎週のように広がっていることです。
そしてこの考え方は、企業経営だけでなく、AIを活用する個人にも当てはまります。小規模な事業者でも、徹底的な試行錯誤によって大企業より深い実践知を獲得し、大企業には思いつかないサービスを生み出す可能性があります。
つまり、AI時代の勝者を分けるのは、資本の大きさだけではなく、「理解を生み出すための試行錯誤を、どれだけ高速に繰り返せるか」という能力なのだと思います。
私は、これは独立した経営論として十分に展開できるテーマだと考えます。