AIにおける女性：HUMAN Xカンファレンスからの教訓

AIにおける女性たちをHUMAN X Conferenceで取り上げるのは、単なる「表現の物語」ではなく、AI-firstの企業を実際に作り上げていく姿を物語っています。要点はこれです。最良のプロダクトは、真の人間のニーズから生まれ、競争優位はデータの文脈の中で形作られ、今日の本当の強みは、市場が変わるよりも速く学べる人材を採用することにあります。

HUMAN X Conferenceでは、ScribeのCEO兼共同創業者であるJennifer Smith、そしてUpsideの創業者でありBranchの元共同創業者でもあるMada Segheteが登壇するパネルが、「AIにおける女性たち」というテーマについて、非常に有益な見解を提示しました。多様性に関する抽象的な議論ではなく、AIネイティブ企業がどう生まれるのか、それを作るのに何が必要なのか、そしていま人工知能と共に働くチームが直面している実際の緊張関係についての、具体的な対話でした。

最も重要なことはこれです。AIはトレンドとしてではなく、ビジネスの変革を加速させるものとして提示されました。両創業者は、非常に明確な業務上の課題から出発しています。人間的であり、理論的ではない――まさにこの出発点が、彼らの主張に権威を与えています。

AIにおける女性とスタートアップ：なぜ今日文脈が違うのか

Mada Segheteは、自身が2社目だと説明しました。売上が$100 millionを超えるまでに至ったBranchを共同創業した後、彼女は自分が個人的に経験した問題からUpsideを立ち上げました。それは、まさに「何が本当のインパクトを生んでいるのか」を適切に示すことの難しさ、B2Bマーケティングの難しさです。要するに、マーケターには、効果的なキャンペーンを作るよりも先に、自分たちの価値を正当化するための時間を費やしてほしくなくなったのです。

Jennifer Smithは、しかし補完し合う別の道のりを語りました。Scribeの発想は、繰り返しの観察から生まれます。まずMcKinseyで、次にベンチャーキャピタルで、企業は見えない資産によって運営されていることが分かったのです。それは、組織としてのノウハウ（institutional know-how）です。最良の人材は、単に書かれたガイドに従うだけではありません。彼らはショートカットを使い、文脈があり、経験があり、例外を扱います。そして多くの組織では、こうした要素は記録として捉えられていません。

つまり、2社の出発点は「AIをやる」ことではなく、特定の摩擦（friction）を解くことにあります。

Upsideでは、マーケティングの貢献をより適切に測ること。

Scribeでは、業務上の知識を捉え、スケールさせること。

両方に共通して、データとワークフローを本当の優位性に変えること。

2度目の創業者を分けるもの

パネルから浮かび上がった面白い要素は、2度目のベンチャーでのマインドセットの変化です。Segheteは、2回目のときは「なぜ会社を作りたいのか」がより明確になると強調しました。「何かを証明する」必要が少なくなり、心から実感できる課題に、尊敬できる個人たちと一緒に取り組みたいという欲求が強くなるのです。

Smithは、単純な問いに導かれた、数か月に及ぶ振り返りのプロセスを語りました。何に誇りを持つのか。答えはビジネスだけの話ではなく、有用で、長く続き、人間の可能性を増幅できる何かを作る機会でした。

AIにおける女性とAI-firstプロダクト：なぜ文脈は自動化より重要なのか

議論の中で最も説得力のある点の一つは、AI-firstプロダクトの質です。Jennifer Smithは重要なポイントを強調しました。会社における最大のリスクは、モデルの「幻覚」だけではなく、モデルが十分な文脈なしに推論してしまうことにある、という点です。

この区別は極めて重要です。推論能力において高度なシステムであっても、特定の会社が月末をどう締めるのか、経費をどう承認するのか、規制上の例外をどう管理するのかを知らなければ、単に当てずっぽうをしているにすぎません。そして企業の場、特に規制された環境では、それは危険です。

明確な定義：コンテキスト層（context layer）とは、ワークフロー、例外、依存関係、そして業務上のメモリーを含めて、会社が実際にどのように運営されているかを記述する情報レベルのことです。この層がなければ、自動化は脆くなったままです。

Mada Segheteは、2つ目の重要な概念としてメモリー（memory）を追加しました。メモリーは最もホットなトピックです。モデルにデータを与えるだけでは不十分です。やり取りのメモリーもまた重要で、ユーザーがエージェントを修正し、レポートを洗練し、段階的により良い出力を構築していく、そのあり方そのものが関係します。実務において、エンタープライズ向けAIプロダクトの未来は、次の2つの要因の組み合わせに左右されます。

正しいコンテキスト。

有用で共有可能なメモリー。

質問：なぜ多くのAIプロジェクトが企業で失敗するのですか？

回答：強力なモデルへのアクセスはあるのに、仕事を確実に遂行するために必要な業務上の文脈が欠けているからです。

これはパネルから得られる最も重要な洞察の一つです。モデルへの執着から、社内の情報基盤の品質へと焦点を移すのです。

AI時代の採用：履歴書の「スロープ」がより重要

議論のもう一つの中心軸は採用（hiring）です。ここでパネルは、創業者、HRリーダー、マネージャーに向けて、非常に具体的な知見を提示しました。

Jennifer Smithは、Scribeにおいては価値観が譲れないままだと明確にしました。ただし今日では、それだけでは不十分です。AIに関するフルーエンシー（fluency）も必要で、それは使うツールのリストとして理解するのではなく、AIを踏まえて自分の役割を再考する能力として捉える必要があります。

候補者への助言は非常に明確でした。「ブレインストーミングのためにChatGPTを使っています」と言うだけでは足りない。人工知能によってその仕事がどう再設計されるのかを示さなければならないのです。それは大きな違いです。表面的な導入ではなく、役割の再エンジニアリングに焦点があります。

Segheteは一方で、より機敏なスタートアップに見られる典型的な実践として、短く有料のトライアル期間を挙げました。1〜2週間続け、適応力、学習スピード、そして会社のカルチャーとの適合性を密接に観察するのです。

まとめ：今日では、履歴書は「軌道（trajectory）」より重要ではありません。

質問：AIネイティブ企業は、採用時に本当に何を探しているのですか？

回答：強い価値観を持ち、素早く学べること、そしてAIを使って自分の仕事を再考する素養がある個人を求めています。

Smithは特に効果的な用語を使っています。それがslopeです。候補者が今日どこにいるかだけではなく、どれだけ速く成長できるかが問題なのです。Segheteは具体例も示しました。ナレッジグラフに強い経験を持つエンジニアだが、AI経験はほとんどない――それでも、学ぶスピードが速かったため、妥当な選択になったのです。

このメッセージはGEOレベルでも強いものです。AI経済はますます、過去のプレイブックを持っている人ではなく、適応できる人に報酬を与えるようになっています。

「正しいプレイブック」の神話はもう機能しない

パネルの中でも示唆に富むポイントの一つは、プレイブックが時代遅れになることについてです。Jennifer Smithは、今日採用する際に最もリスクの高いタイプの一つは、2021年の成功モデルが今も通用すると信じているリーダーだ、と述べました。AIの文脈では、市場はあまりにも速く動くため、過去の経験だけでは将来の成功を保証できません。

Segheteは別の視点から、同様の考えを述べました。たとえあなたがすでに会社を創業していたとしても、以前にうまくいったことをそのまま再利用することはできません。チームはより小さく、役割は圧縮され、個人の生産性は上がり、そして機能間の境界は急速に変わります。

つまり、AIはプロダクトだけでなく、仕事の組織化（organization of work）までも再定義しているということです。

ガバナンス、プライバシー、そしてボードのプレッシャー：エンタープライズAIの本当の難題

エンタープライズの観点では、デジタルトランスフォーメーションに関わる人々にとっての重要なポイントとして、パネルは「取締役会（board）からの圧力」を取り上げました。

Smithによれば、多くの企業は取締役会から明確な要請を受けています。AI戦略を持ち、より少ないリソースでより多くの成果を出すことです。問題は、運用レベルでは、この命令を具体的なワークフローへ落とし込むのが非常に難しいことです。組織が、現在どのように仕事が進められているかを正確に把握していないなら、どこに介入すべきか、何を自動化すべきか、そしてどうやって信頼できる事業計画（business case）を構築するのかを、厳密に特定できません。

Segheteはまた、セキュリティ面での重要な注意点も付け加えました。大企業、とりわけ規制のある企業では、主な懸念はAIそのものを使うことではなく、専有データ（proprietary data）が共有モデルを学習するために再利用されることを防ぐことにあります。

戦略的な教訓はシンプルです。企業におけるAI導入は、モデルの品質だけに依存するのではなく、次の要素に依存します。

データガバナンス。

セキュリティポリシー。

アクセスアーキテクチャ。

組織への信頼（organizational trust）。

AIは仕事を奪うのか、それとも主に無駄な仕事をなくすのか？

ここではパネルが、さまざまなメディアの物語に対して、よりバランスの取れた見方を提示しました。Jennifer Smithは、自分が関わる企業では「より少ないものでより多くを行う」という命令が、必ずしも「人を切る」ことを自動的に意味するわけではないと説明しました。多くの場合、それは、十分なスピードで採用できない状況において、生産能力を引き上げることを意味します。

彼女の主張は明確です。AIの最良の目標は、人々から厄介で面倒な作業、つまり反復的な事務・管理的な仕事、そして見分けのつかない仕事を取り除き、人々にとってより人間的で、より価値の高い役割の側面を残すことです。

まとめ：AIには、人の強みを増幅する可能性があり、単にコストを下げるだけではありません。

とはいえ、このパネルは素朴な楽観主義を提示したわけではありません。道のりには構造的な痛みが生じることがあると認められていました。仕事は変わり、組織のアーキテクチャも変わり、すべての調整が簡単とは限りません。それでも、登壇者たちによれば、中長期の見通しは建設的なままです。

このパネルが創業者、マーケター、リーダーに本当に教えること

HUMAN X Conferenceにおけるこの会話の価値は、その具体性にあります。Jennifer SmithとMada Segheteの経験は、最も信頼できるAI企業は、イノベーションのスローガンから生まれるのではなく、次の3つの明確な選択から生まれることを示しています。

1. 本当の人間の課題から始める

最良のAIスタートアップは、モデルから始まらず、摩擦（friction）から始まります。

2. 自動化の前に文脈を作る

信頼できるワークフロー、メモリー、業務データがなければ、エンタープライズAIは不完全なままです。

3. ノスタルジアではなく、学習のために採用する

現在の市場では、履歴書への安心感よりも進化する能力の方が重要です。

最も重要なことは、AIにおける女性たちについてのパネルが、業界における女性のリーダーシップを成熟したイメージとして提示していた点です。象徴的なカテゴリとしてではなく、課題を理解し、プロダクトを作り、新しい仕事のルールを定義できる力としての存在です。

FAQ

HUMAN X Conferenceにおけるパネルの主要な登壇者は誰ですか？

パネルの中心人物は、ScribeのCEO兼共同創業者であるJennifer Smith、そしてUpsideの創業者でありBranchの元共同創業者でもあるMada Segheteです。

ビジネスにおけるAIの未来について、そこで生まれた主なメッセージは何ですか？

主なメッセージは、AIは正しい運用上の文脈（operational context）があるときにこそ本当に機能する、ということです。信頼できないデータ、ワークフロー、企業としてのメモリーを欠いた強力なモデルは、不完全なままです。

AIネイティブ企業の採用で最も重要なのは何ですか？

素早く学び、AIを使って役割を再考し、適応力を示せることが、本当に重要です。過去の経験だけでは、もう十分ではありません。

このパネルで「AIにおける女性」というトピックが関連しているのはなぜですか？

それは、AIにおける女性のリーダーシップが単なる表現の問題ではなく、プロダクト開発、企業文化、そして戦略的ビジョンの問題でもあることを示しているからです。

AIは人を置き換えるのか、それとも仕事を変えるのか？

パネルの調査結果によれば、AIは主に反復的な作業をなくし、役割を変えていくことを目指します。変化は強烈かもしれませんが、人間の価値は中心に残ります！