智能が水道と電気になるとき、階層制組織は存在理由を失う
曾鳴は新著『智能』で、産業時代の会社制度と階層制管理が終わりに向かっていると論じる。大規模モデルが汎用知能を水道や電気のようなインフラに変えると、組織の最小単位は職務からタスクへ移り、戦略もトップダウンの計画ではなく組織から自発的に生まれるものになる。AI産業の三段的な発展、tokenが度量衡となった後のクラウド企業の終局、応用層がまだ「ブラウザの瞬間」を待っていることを整理し、知識が引き受けられた後に人間に何が残るのかを問う。
公開した 142 本を、キーワードやカテゴリー、タグからあいまい検索できます。
曾鳴は新著『智能』で、産業時代の会社制度と階層制管理が終わりに向かっていると論じる。大規模モデルが汎用知能を水道や電気のようなインフラに変えると、組織の最小単位は職務からタスクへ移り、戦略もトップダウンの計画ではなく組織から自発的に生まれるものになる。AI産業の三段的な発展、tokenが度量衡となった後のクラウド企業の終局、応用層がまだ「ブラウザの瞬間」を待っていることを整理し、知識が引き受けられた後に人間に何が残るのかを問う。
GoogleのAntigravityが目指すのは、単なる「全自動」ではなく、人がどこで止めるかを設計できる自動化だ。複数質問やレビューポリシー、自動権限、/planによる強制停止、CLIのShift-Tab、ルール設定を整理。さらにApp・CLI・IDE・SDKの4つの入り口、macOS/Windowsのサンドボックス、Gitワークツリーや/learn、自動化まで、実際のデモとQ&Aに沿って解説する。
Antigravity は、コード生成から長時間動く自律エージェントの管理へと軸を移しつつある。本記事では、エージェントエンジン、成果物検証、カスタムプリミティブ、多層防御という4本の柱を整理。Gemini 4 Argon と 3.8 Flash の分業、本番事例、コンテキスト管理の方法に加え、要件を問い詰める grill-me と本線を止めない /btw の使い方を紹介する。
Antigravity の deep dive に登壇した Google のエンジニアは、AI を「賢いチャット相手」として使う段階から、並列の組立ラインとして設計する「ソフトウェア工場」へ移るべきだと語った。モデルとハーネスの進化、/boost や Teamwork Preview による構造化委任、cron とフックの自動起動、トヨタの自働化に学ぶ停止・検証、.gemini/brain による状態永続化、構築5ステップを紹介する。
生成AIは、質問に答える段階から、ゴールを与えれば自律的に動くエージェントへと変わりつつある。本記事では、Google Cloudの登壇者が語ったAgent導入の本質を整理。幻覚の原因はモデルではなく業務定義の欠如にあること、PoCが規模拡大で壁にぶつかる理由、データ・メタデータ・セマンティック層を組み合わせた「コンテキストアーキテクチャ」、そして比較実験とデモの結果を紹介する。
AIがコードを書くスピードが上がったとき、エンジニアリングのボトルネックは要件定義や業務の言語化、検証・運用へ移る。テストが全部グリーンでも成果とは限らない。金融や通信の事例を交え、AIを導入する工程と人が判断を担う境界、組織が最初に踏むべき一歩を整理する。
企業AIの成否を分けるのはモデルではなく実装だ。SoftBankの登壇者は、半導体からデータセンター、電力、蓄電へと続く供給チェーンの末端に実装を位置づけ、全部門に広がるAIエージェント、6月に発表したセキュリティサービス、FDEの5段階評価、レガシーシステムのクラウドリフト、TPMとSREの「AI版」職種、6週間150件を少数精鋭で回す開発体制を語った。
AIエージェントが企業で信頼できる行動を取れない原因は、モデルの推論力ではなく業務知識の欠如にある。Neo4jが発表したContext Engineは、業務プロセス、ドメイン用語、データの所在、権限、過去の意思決定を六層のオントロジーとしてグラフにまとめ、GraphRAGによる検索と記憶・学習を提供する。private preview段階にある意義と検証課題を整理する。
企業AIの提案は「ナレッジグラフが必要だ」という概念で止まりがちだ。本稿では、知識の形を定義する第一層、業務ロジックを抽出してAIが判断できる仕組みをつくる第二層、判断と実行を支えるクラウド基盤の第三層に分けて整理する。5つのサイクルと6つの能力からなる判断フレームワーク、旧システムをMCPで包むmodernization、実行まで含めて設計する必要性を論じる。
個人ではAIを強く使えても、会社全体の仕事の進め方は変わらない。YCは1年かけ、データ、ツール、skill、毎晩の振り返り、会話の公開という5層の仕組みでこのギャップを埋めた。Peteが初めて公開した構成を、自社に導入する順番とともに解説する。
表構造をプロンプトに入れるだけでは、AIエージェントは業務上の意味を理解できず、正しく見えるが間違った数字を返す。本記事は、保険業のベンチマークでGPT-4の実行精度が約16%から約54%へ上がった事例を軸に、指標・オントロジー・ドキュメントからなるセマンティックレイヤー、オントロジーを既存データに対応づけるOBDA、確実性と柔軟性を両立する階層的パースを解説する。AI起草と専門家承認、MCPとガバナンス、実践の5つの提案も扱う。
倉庫・EC・購買がそれぞれ在庫100と表示しても、合計して300個を約束することはできません。Palantirは業務判断をData・Logic・Action・Securityに分解し、Object・Property・Linkで業務世界を記述します。本記事は在庫の例でOntologyの核心を解説し、大規模言語モデル時代に同じ理念をskillsやMCPで実現し、agentを先に作り共通部分を育てる道筋を提案します。