はてなブックマーク

ガソリン自動車の原型を作ったのは、1886年のドイツのベンツでした。それを移動式組立ラインによる大量生産へ持ち込んだのは、米国のフォードです。戦後には、日本の自動車企業が生産方式と品質管理を磨き、価格と信頼性を改善して世界市場で大きな地位を築きました。 それぞれ、新しい製品原理を成立させたベンツ、大量生産の仕組みを作ったフォード、生産現場で品質と原価を改善し続けた日本企業群は、それぞれ異なる知識と組織能力を発揮して、それぞれの段階で経済的価値を生み出し、回収しました。ただし、前段階で勝ったからといって、後段階で勝ち続けるわけではなかったのと、発明で先行した国や企業が最大の経済的価値を回収するわけでもありませんでした。 私たちはイノベーションを、研究から開発、事業化、量産、普及へ進む一本の流れとして描きがちで、かつ最初に研究や開発ができた人が勝つと考えがちです。しかし、以前の「イノベーション

いま、海外のスタートアップやテクノロジーの思想が日本に次々と入ってきています。 PayPalの共同創業者であるピーター・ティールが現代アメリカを理解するキーパーソンだと繰り返し紹介され、昨今では『テクノロジカル・リパブリック』も話題となりました。そして国家とテクノロジー企業の関係についての論考も多く紹介されています。 日本はシリコンバレーから様々なものを輸入しています。たとえば2010年代に輸入していたのは、シリコンバレーで語られる未来予測のナラティブや、先端的なエンジニアリングのプラクティス、そしてリーンスタートアップやデザイン思考やOKRといったビジネスの方法論などです。 そして2020年代後半の今、入ってきているのは、テクノ楽観主義や効果的加速主義、暗黒啓蒙といった思想群と、国家、防衛、統治にかかわる事業です。 振り返ってみれば、2010年代、シリコンバレーは少し先の未来がある場所と

（注： 8/10 に説明の構成を大幅に変えました。） 2005年に完成したソウル市の清渓川復元事業では、都心を貫く高架道路が撤去され、その下に埋もれていた川が復元されました。都心の大動脈を消すと、交通は麻痺するように思えます。 実際、工事直後には一時的な速度低下もあったようです。しかしその後は地下鉄利用が増え、道路移動が減り、懸念された大渋滞がそのまま固定化することはありませんでした。（ただし、同じ時期にはバス路線の再編や中央バス専用レーンの整備など、公共交通改革も行われています。道路撤去だけの効果と考えるべきではありません。） 交通の領域では、道路を増やしても、増えた容量に応じて交通量も増えてしまい、渋滞がなかなか解消しないこと（誘発需要）が知られています。逆に、道路を減らしても、恐れられたほどの渋滞は起きず、交通の一部が消えてしまうこと（交通蒸発）も繰り返し観察されてきました。清渓川で

シリコンバレーの思想の系譜を、前稿「スタートアップをとりまく思想」では、国家とヒッピーという二重の出自から現在の権力との融合までたどり、「国家と市場」のあいだの振り子としての見方を描きました。 本稿はその補助線として、もう一つの振り子、「カルチャーと金融」のあいだの往復運動を追いたいと思います。 スタートアップには、 カルチャーとしての側面（とりわけサブカルチャーやカウンターカルチャー） 金融商品としての側面 があります。 「スタートアップは金融商品だ」という要約は、金融的には正しい割り切りですが、大事な何かが削り落とされる感覚も残るのではないでしょうか。その削られたもののを見るために、本稿ではカルチャーと金融の両面から歴史をたどります。 アメリカの起業（スタートアップ）の約50年は、カルチャーと金融のこの振り子が往復のたびに振れ幅を増しながら、金融側へ大きく振れてきた歴史だったと見ること

2026年6月、メルカリはCTOをCHRO兼CAIOに据え、SansanはCHROにCAXO（Chief AI Transformation Officer）を兼任させました。出発点は逆ですが、2社に共通するのは、AI活用を技術部門だけの課題ではなく、人と組織の運営基盤を作り直す課題として扱っていることです。 この動きを、「人件費をトークン費に置き換えるため、人とAIを同じ責任者が管理するようになった」といったような、『AIが人間の仕事を奪う』という論に沿う形だけで理解するのは、少しその裏にある考え方を一部見誤ってしまうように思います。 AIの導入は、後で詳細に解説するように、「組織が持つ情報処理能力と判断権を、人、AI、ソフトウェア、ルールなどの間で再配置すること」であると考えると、その設計には、AIの能力を理解する人だけでなく、人事や組織を変化させる権利を有し、職務、権限、育成、評価、

追記：よく読まれたので Substack のほうで音声版も公開しました。 [音声版] スタートアップをとりまく思想 - 第1部 シリコンバレー思想史 なぜいま、スタートアップと思想なのか 日本で「シリコンバレー」と聞いて思い浮かぶのは、GAFAのような巨大テック企業か、「失敗を恐れず挑戦する起業家精神」といったビジネス書的なイメージではないでしょうか。 しかし、いまアメリカのテック業界で起きていること、そしてシリコンバレーが世界から注目されている理由は、そうしたビジネスの枠を超えて、政治や思想の領域にまで及んでいます。 たとえば、いまシリコンバレーの周辺では、次のようなことが起きています。 データ分析企業が、軍や諜報機関の中枢に入り込む 著名な投資家たちが「民主主義よりCEOモデルによる統治のほうが優れている」と公然と語る AI企業の経営者たちが「人類絶滅のリスク」と「人類史上最大の豊かさ

AIエージェントに関連する議論は、企業内の組織や管理職の在り方の話になりがちです。おそらく経営者やビジネスパーソンが日々接しているのが「組織」だからだろうと思います。 しかし、企業内部の組織の在り方は、そもそもの企業の在り方によって規定されます。 そうであれば、企業内部の組織のことを考える前に、AI時代の企業の形や輪郭、いわば「AIエージェントによって企業と企業の境界線がどのように引かれ直すか」をまず考えたほうが良いはずです。 そうして一段メタに立ったうえで組織を考えることで、単なる業務の効率化ではなく、AI時代の競争戦略の要素としての組織論にも繋がっていくのでは、と思います。 そこで本稿は、「AI時代の企業境界論」を考えて、そのうえで組織論を考えよう、という試論を行いたいと思います。 具体的に言えば、AIエージェントが普及すると、どんな企業であれば企業規模を小さくできるのかや、巨大なプラ

昨今のAI関連のスタートアップ議論では、「AIを使えば従来の数分の一の人数で同じ売上を作れる」といった、オートメーションや効率化の話が注目されがちです。人件費が高く、巨大市場で戦うシリコンバレーの企業にとって、少人数で大きな売上を作れることは大きな競争優位になる重要な議論でしょう。 しかし、日本のSaaS、特にVertical SaaSや業務ソフトウェアの文脈では、より大きな論点があるように思います。 それは「AIで人をどれだけ減らせるか」ではなく、「AIによって企業価値の上限をどれだけ引き上げられるか」であり、よりポイントを絞って言えば、 AIを使っていかにTAMを大きくするか AIによって新しく切り開ける市場はどこか といった議論です。 背景 背景として、日本のスタートアップエコシステムにおける1つの大きな議論の「東証グロース市場の時価総額100億円」の問題があります。その壁をなかなか

AIの性能が、この1年で大きく進歩してきました。それに伴って、教育や雇用のあり方について考えることが増えました。 特に考えているのは、AIによって雇用が再編されたときに、社会や大学にどのような変化がありそうなのか、です。 本稿で「変わる」と考えている領域は大きく3つあります。 AIによって雇用や仕事自体が変わる キャリアアップの歩み方が変わる エリートがより過剰になる これらを踏まえて、大学教育をどうするのか、をまだ雑ぱくとした段階ですが書いておきます。 「雇用が奪われる」わけではない、かもしれないが… よくあるのがAI失業の話ですが、最近のAIと労働に関するレポートを見ていると、現時点では「AIによって大量失業が起きている」とは言いにくい、という報告が多いようです。 McKinsey Global Instituteの2026年の欧州レポートでは、欧州10カ国の現在の労働時間の58%は、

大きな変化があると、そこには二次影響、三次影響が生まれます。 かつて自動車は大きな変化でした。いまから振り返れば普及は自明に見えますが、20世紀初頭の時点では、自動車は一部の富裕層の道楽と見なす向きも多く、大衆化を確信できた人は多くはなかったそうです。 その周縁の自動車整備や保険のようなビジネス機会に賭けられた人となると、さらに少なかったでしょう。 しかし、本当に予想が難しかったのは、もう一段先の影響です。 一家に一台の車が当たり前になることで、人々の居住地は郊外へと広がり、土地の価値を変えました。 さらに移動時間と生活動線を変えたことから、 ウォルマートのような地方・郊外商圏を前提とした低価格小売 車での来店を前提としたファストフードやドライブスルー 長距離移動を支えるモーテル ショッピングモール ガソリンスタンド網 などに機会は広がっていきました。 1つの変化は、ドミノ倒しのように次の

1970年代後半まで、複雑な財務分析は専門家の仕事でした。 数理や会計に長けた人が複雑な式を扱い、一歩一歩計算が合っているかを確認しながら進んで、間違いに気づいたら、間違ったところからやり直す。計算が間違っていなくても、新しい情報や数値が来たらまた再計算する。 その作業を繰り返すことで、ようやく企業の正確な財務状況を把握でき、それをもとに経営改善や投資判断などがなされていました。 VisiCalc の画面はこちらから: https://commons.wikimedia.org/wiki/File:Visicalc.png (Public Domain) そんな中、ビジネススクールで金融の授業を受けていた Dan Bricklin は、再計算の苦痛から表計算ソフト (VisiCalc) を発想し、1978年末の2ヶ月で開発、1979年に販売を開始します。 その後、VisiCalc に続いて

1830年頃、わずかな夜の明かりを得るためには、約3時間の労働が必要でした。しかし1992年ごろにはそれが1秒にも満たない労働ですむようになったと言われています。ロウソクから白熱電球、蛍光灯へという技術的発展が、光を劇的に安くしたのです。 そうして光が安くなったとき、人は同じ量の光を単に安く買って終わり――ということにはなりませんでした。 人々は、かつて置こうとも思わなかった場所にまで光を置き、街路、工場、看板といった、社会のあらゆる場所に安くなった光を敷き詰めていきました。そうして、工場は曇りや雨の日にも稼働することができるようになったり、深夜営業や夜の読書といった新しい活動が可能になったのです。 そこで儲けたのは、光を提供した会社だけではなく、それをうまく使った会社でした。 では、ソフトウェアや知能が安くなったとき、私たちはそれをどのように使うのでしょうか。 生成AIによる大きな変化は

生成 AI の登場でプログラミングをはじめとした知的作業の方法が大きく変わってきています。 特に2025年は、調査やアイデア生成のタスクにおいて、生成AIの実用度が増したように思います。ChatGPT Pro 5.2 の登場と、着実な NotebookLM の進歩＋Gemini 3とNano Bananaは、調査や情報の構造化という観点でとても大きな進展でした。 アイデアの作り方については、過去、2023年に「Climate Tech スタートアップの始め方」という記事でまとめたことがあります。今回は、生成AI以後の、2026年2月時点でのお勧めの「アイデアの探索方法」をまとめてみたいと思います。 🎯 この記事のゴール この記事では、アイデア（仮説）を作るステップを細かく分けながら、その途中で生成AIをどう使うかについてお話しします。 アウトプット目標は「この仮説を元に人に会いに行けば、

スタートアップの定石の変化 これまでリーンスタートアップの方法論や Customer/Problem Fit（CPF）の重要性を繰り返し伝え、「まず顧客のニーズを確認しよう」「現場に行こう」と伝えてきました。今でも顧客の課題を探ること自体が不要になったとは思っていません。 ただ、ここ数年は「最初に顧客の課題の検証から入ろう」という言い方を、以前ほどしなくなりました。 理由はシンプルで、近年の（特に B2B の）スタートアップの初期段階では、「顧客課題の発見」そのものよりも、「事業構想」――市場の選択や戦略・勝ち筋の設計などを含む仮説群――に重点が移ってきたと感じるからです。 「課題解決＝急成長」が成立しやすかった時代 2013年の Paul Graham の『スタートアップ＝成長』というエッセイでは、急成長の条件として たくさんの人が欲しがるものを作ること それを多くの人に届けること が挙

NotebookLM によるまとめ 供給力不足によって起こる社会課題が起こり始めています。 こうした社会課題を解き、新しい付加価値を生み出していくのがスタートアップをはじめとした新規事業への期待なのだろうと考えていますが、この課題の切迫感についてはあまり共有されていないようにも感じており、この記事で少しだけざっくりとした数字をまとめておきます。 今回取り上げるのは『労働供給不足』という分かりやすいトピックです。既にリクルートワークスの2040年レポートなどでも取り上げられてきた話題ですが、改めて議論します。 現在の労働供給不足 まず足下では、日本の人口は減っているものの、労働力人口（就業者数＋失業者数）は増えています。これはパートタイムで働く女性やシニアの増加によるものと見られており、これによって労働供給不足は短期的には多少緩和されています。 しかし、その状態でも人手不足が叫ばれています。

ちょうど去年の今頃、2024 年 6 月に『日本のスタートアップブームの「終わりの始まり」を食い止めるために』という記事を書きました。 その記事では、これまでの日本のベンチャー投資額に対して、スタートアップエコシステムが十分な経済的リターンが出せていない状況を鑑みて、今後はより大きな挑戦を奨励していくことが大事ではないか、という話をしました。 その感覚がもともと共有されていたのか、経産省の2025年2月の『スタートアップ政策』の資料でも「量から質へ（裾野の拡大から高さへ）」とアジェンダが明確に変化してきているように思います。 https://www.meti.go.jp/shingikai/sankoshin/sangyo_gijutsu/innovation/pdf/006_05_00.pdf 個人的にはこうした流れは良いと思っていますし、正しく意義のある目標が設定できれば、あとはそこへ

軋む日本 再構築 (Rebuild) の必要性 日本のスタートアップが今挑戦している「再構築」 従来との違い 国のアジェンダに沿うこと 国と共同での再構築 国を動かすには先行する挑戦者が必要 この方向性でのスタートアップエコシステムの再構築 まとめ 補足: リビルドのアジェンダ NotebookLM による本記事のまとめ 2020 年 4 月、コロナ禍の不安が増していた時期に、It's Time to Build (日本語約: 今こそ構築のとき) という Marc Andreessen のエッセイが話題になりました。 このエッセイの中では、マスクが足りない、ガウンが足りない、といった当時のアメリカの問題点から始まり、ひいては住宅や教育や医療などの供給が不足していること、アメリカが作る力を失っていること、そしてそもそも「作る意志」が欠けていること、といった問題が指摘され、それに対して「Bui

NotebookLM によるまとめ イーロン・マスクの言動や思想になじめない人たちが増え、別のEVを探し始めている人が増えてきているようです（WSJ）。しかし一方で、Teslaの車の乗り心地や充電ネットワーク、自動運転技術をはじめとする利便性は他と比べてかなり高いため、乗り換えようとしても中々代替がありません。 SNSプラットフォームも同様の問題を抱えています。XやFacebookと同様の機能を持つプラットフォームは他にあれど、既にいる多数のユーザーや、ユーザー間のつながりは替えの効かないものです。BlueskyやMastodonなどの代替SNSが一時注目を集めたものの、ネットワーク効果の壁を超えられていません。 これらのサービスは使われれば使われるほど、ユーザーは逃れづらくなります。たとえば運転すればするほどデータが溜まり、自動運転は性能を上げます。SNSも使う人が増えるほど価値が増しま

（本ドキュメントは Ben Reinhardt 氏による Why does DARPA work? の翻訳です。目次は最下段にあります。本翻訳は参考訳であり、原文を参照してください。） どうすればもっとSFを現実にすることができるでしょうか？ 何かをやりたいなら、通常は過去にそれを成功させた人々を研究するのが良いでしょう。「このアウトライアー（外れ値）の生産関数とは何か？」と問うことで、出発点を提供できます。 DARPAはSFを現実に変える世界のアウトライアー組織です。1958年以来、気象衛星、GPS、パソコン、現代ロボット工学、インターネット、自動運転車、音声インターフェースなど、多くの技術の原動力となってきました。しかし、主に防衛技術の領域に限定されています – DARPAスタイルのアイデアでもその範囲外のものがあります。どのような模倣可能な属性がDARPAの突出した結果に貢献したので

起業を考えるとき、その起業の結果として目指す「時価総額」と「期間」次第で作り方はずいぶんと違います。 数字だけを見ると、時価総額1億円から1000億円は連続的につながっており、事業も連続的に成長できるように見えます。たとえば売上が10億円に到達したら、100億円もこの調子で達成できると思える、というようにです。 しかし、選んだ領域によっては事業の伸びが「頭打ち」することも多いため、実際には目指している事業規模の桁ごとに、起業の際に考えるべきことは異なるように感じています。 例: D2C、Vertical SaaS、受託開発のよくある頭打ち D2C の事業は、単一ブランドで年商数億円は比較的達成しやすい傾向にあり、事業の立ち上がりは早く見えます（もちろん、それでもかなりの苦労がありますが）。 ただ一方で、数十億円や数百億円に至るブランドを作ることはかなり難しく、売上の頭打ちも早くなる傾向にあ