AIエージェントの台頭が、AIの能力と社会的資源の不一致をさらに深刻化させている

多くの人がAI性能の急激な向上を見て、世界が急速に変化するとわくわくしながら予測している。実際には、これは現代社会の運営メカニズムに対する誤解であり、言い換えれば、個人の知能や生産性の重要性を過大評価している。

制度や大企業の高給与ポジションでは、採用時に高い学歴・IQが求められる現象に気づいたことはないだろうか？だが、実際に採用されると、ごく平凡な能力で十分な単調な業務ばかりが待っている。にもかかわらず、今なおコネや身内優先が能力を上回ることが多い。組織は競争環境下で、平均的な能力だが特別な社会的アイデンティティや資源を持つ人材を選ぶことができる。これに憤りを感じるかもしれないが、ほとんどの場合、そのような人物も業務を十分に遂行できる。

なぜこうなるのか？多くの人は「学位インフレ」と呼ぶが、その理由はもっと複雑であり、「無効な生産性オーバーフロー」と私が名付けた現象である。

現代社会は高密度の協働ネットワークであり、質の高いポジションとは、社会的資源・権力配分ネットワークにおける有利なノードを意味する。このノードが代表する資源・権力は社会的に希少だが、個人の能力要件は低く、高い生産性も求められない。もし幸運にもそのポジションを得て真剣に働き始めても、すぐに自分の生産性向上がこのシステムに必要とされていないことに気づくだろう。つまり、どれほど有能でも、このネットワークはあなたを必要としていないのだ。組織がこうした高い入門要件を設けるのは、多くの人がその仕事をこなせる中で何らかの基準で選抜せざるを得ないためであり、能力は論争を招きにくい基準というだけであって、本当にその高い能力を必要としているわけではない。

この現代社会の協働ネットワークでは、誰もがごく一部の業務のみを担う。少数を除けば、大多数は単にネットワーク内で資源をルーティングする役割にすぎず、個人の生産性は一定水準を満たせばよく、それを超えても全体ネットワークへの貢献度はほとんど増さない。

したがって、協働ネットワーク上のノードとして、どれほどIQや生産性が高くとも、その余剰分は無効なオーバーフローとなる。このネットワークはそれを必要とせず、活用できず、消化もできない。

そのため、多くの人がAI学習・活用で生産性が向上したと喜んで語っているが、実際には自分の知能・生産性の役割を過大評価している。わずかな生産性向上はネットワーク全体では価値が低く、分配もされない。所属する組織や協働ネットワークは、その余剰生産性を必要とせず、また消化もできないのだ。だからこそ、多くのAI専門家が認めようとしない真実がある：こうした生産性向上の主な意義は、自分自身が短尺動画をスクロールする時間を増やすことにあるだけで、収入・資源・社会的地位の向上にはつながらない。

現在話題のOPC（1人会社）ブームも同様の理屈だ。その発展のボトルネックは内部生産性ではなく、外部との資源連携である。今日の社会的ビジネスネットワークにおける大多数のOPCの立場からすれば、自社製品・サービスは売れないし、自己満足すら得られない可能性がある。

この問題は極めて重要だ。すべての経済活動は、経済的インセンティブによってループを閉じ、正のフィードバックを通じて経済システムの進化を促さねばならない。しかし、多くの人がAI活用から得る正のインセンティブは、単なる個人的感情的満足に過ぎず、持続可能ではない。

即時の正のインセンティブをどう創出するか？鍵はネットワーク接続関係の変化にある。この変化が資源・権力の再配分を引き起こす。もし自分のノードがネットワーク上でより多くの接続を持つなら、AIを一切使わなくても、直ちに収入・影響力・権力の増加を実感できるだろう。

もちろん、ノードの生産性全体が長期的には接続関係の変化をもたらすだろう。AIエージェント時代には、個人間のAI活用能力差が急速に拡大している。このギャップはやがて社会ネットワークに認識され、接続関係の変化、さらにはネットワークトポロジーの変化へと転化する。だが、それは時間がかかり、多くのAIインフルエンサーが想定するよりも遅い。もし能動的に接続を加速させず、元のポジションでの効率改善に満足して、動画視聴時間が増えたことを喜んでいるだけなら、AIの初期便益を享受することはできない。

さらに、ここで興味深い不一致が浮上している。

現在、最も積極的にAIを学んでいるのは、しばしばネットワーク上の二次ノードであるプログラマー、デザイナー、研究者、アナリストたちだ。彼らは日々Agent、MCP、Skill、Workflowを学び、生産性を10倍に高めようとしている。だが問題は、もともと1日1本のレポートを書いていたのが10本書けるようになったとしても、組織は10本必要としておらず、週1個のプロトタイプ作成が1日1個になったとしても、予算・意思決定・営業・法務・調達のスピードは7倍になっていない点にある。結果として、新たに生み出された大量の生産性は関連ノードで停滞し、全体システムへの価値提供は極めて小さい。

逆に、資源を実質的に支配している起業家、経営幹部、投資家、各種機関のリーダーたちは、もともと最多の顧客・資本・人事権限・社会的コネクションを有している。もし彼らがAI活用能力を10倍に高められれば、得られるレバレッジは一般従業員をはるかに凌駕するだろう。しかし、こうした人々とAI応用最前線との能力格差は急速に広がっている。

その大きな理由の一つは、2025年下半期以降、AIエージェントの台頭により、AI応用の革新がますますプログラミング主導型へと移行している点にある。

従来のAIはチャット・文章作成・検索・画像生成などであり、CEOもプログラマーも参画できた。しかしエージェント段階では、AIコーディングからまず新機能が登場する：Agent、MCP、Skill、Harness、CLI、API、Git、IDE、各種ワークフロー、オーケストレーションなどだ。AIはソフトウェアというより、自ら構築・指揮すべきマネジメントシステムへと変わりつつある。

これにより問題が生じる。

50歳のCEOは、企業経営・資金調達・リソース動員に長け、AIの重要性を十分に理解しているかもしれない。しかし、ターミナルを開き、コーディングエージェントをインストールし、MCPを設定し、複数のエージェントを並列実行し、APIやGitHubなど各種ツールと接続するよう求めると、即座に諦める可能性が高い。

これは知能（IQ）の問題ではなく、スキルギャップである。

こうして奇妙な状況が生まれている：AIを理解する者にはリソースが不足し、リソースを持つ者にはAI活用能力が欠ける。

前者は生産性向上を必死に図っているが、その生産性を吸収できるほど大規模なネットワークを持たない。後者は膨大なリソースネットワークを持つが、最新の機械的生産性を統合する能力に乏しい。このミスマッチは今後数年で特に注目すべき課題だと考える。

中国にはさらに別の問題がある。現在最も活発なAIアプリケーションエコシステムはOpenAIとAnthropicの二つだが、さまざまな理由から中国本土ではこれらを直接かつ安定的に利用できない。つまり孤立しているのは単にモデルだけではなく、それらを中心に急速に成長したエージェント・コーディング・ツールチェーン・開発者エコシステム全体である。

この影響は、モデル間の差以上に深刻かもしれない。エージェント時代において知識は累積的だ。他者は今日チャットからツール呼び出しへ、明日ツール呼び出しからエージェントオーケストレーションへ、明後日にはエージェント自身によるツール開発へと進む。6か月遅れれば、ベンチマーク点数の差ではなく、一連の作業方法そのものが乖離する可能性がある。

したがって、今後本当に興味深いのは、このミスマッチが解消され始める瞬間である。

一方、現時点でサブノードに位置しながらも強いAI能力を持つ者が、その能力を活かして顧客・資金・注目・社会的つながりを拡大し、ネットワーク内での立場を変えることは可能か？他方、既にネットワーク中心にいる者が、エージェントを真正に習得し、リソース調整能力と機械的生産性を融合させることは可能か？

これらの変化が大規模に始まれば、AIが社会に与える影響は「誰もが少しだけ速く働く」から、組織構造・企業の境界・資源配分方法への変革へと移行する。

この点について、多くの著名なAI関係者は明確に認識している。彼らは新技術や画期的進展にわくわくし、センセーショナルな予測を繰り返す。振り返れば大半は外れるが、そのおかげで新たな注目やリソース連携を獲得する。これは巧妙な戦略であり、真の収穫はAIスキルや生産性ではなく「あなたの注目」である。対照的に、社会的つながりを増やさずAIスキル向上のみに没頭する者は、あまりにも真面目すぎる。

よって、AIが社会にもたらす変化は、三段階を経ると考える。

第一段階は「ノードの変化」：個人の生産性が3倍・5倍・10倍に向上する——まさに今起きていることだ。

第二段階は「接続の変化」：AIを活用し、個人が顧客・資金・注目・組織運用力を拡大することで、ネットワーク内での位置を変える。

第三段階は「ネットワークトポロジーの変化」：元々100人必要だった組織が数十人で済むようになり、かつて企業を通じてしか完遂できなかったタスクが、数人と一群のエージェントで実現可能になる。これにより従来の中間ノードが消滅し、新たなスーパーノードが登場する。

AIが社会構造を真正に変革するのは、第三段階に入ってからである。