Company Brain が切り拓く インテリジェンス型企業の時代

今回の Seattle Watch では、「Company Brain」や「AI OS for Company」という新たな概念や、Block（Square の親会社）が目指すインテリジェンス（mini-AGI）型企業の構想を紹介しながら、AI ネイティブ時代における企業変革の方向性について考察していきます。

企業そのものを動かす基盤へと進化しつつある AI

エンタープライズ領域における AI の活用は、その登場以来、長らく「人間の業務を補助するツール」として進化してきました。ソフトウェア開発の省力化、カスタマーサポートの自動応答、契約書のレビューや不正検知といったバックオフィス業務の効率化など、市場の投資は高コストで時間を要する人的プロセスのボトルネックを特定し、AI によって「より速く、より安く（faster/cheaper）」成果を生み出すアプローチに向かっていました。

しかし、テック市場の最前線では、すでに新たな潮流が生まれています。既存のワークフローにおける個別のボトルネックを解消する局所的な自動化から脱却し、企業内に散在するあらゆる情報や文脈を統合・活用する「Company Brain（カンパニー・ブレイン）」、そしてAIを組織のオペレーティングシステム（OS）そのものとして位置づけ、企業全体を一つの知性として機能させる「AI OS for Company（企業向けAI OS）」という新たな概念が登場しています。AIはもはや人間の業務を代替・補助する存在にとどまらず、企業そのものを動かす基盤へと進化しつつあります。

「Company Brain」と「AI OS for Company」

まず、「Company Brain」と「AI OS for Company」という言葉の定義について整理していきたいと思います。これらの言葉が最初に登場したのは、シリコンバレーのアクセラレーターである Y Combinator（YC）の Requests for Startups （RFS）です。

Company Brain

Y Combinator のジェネラル・パートナーであるトム・ブロムフィールド氏は、「企業におけるAIによる業務自動化を阻む最大の障害は、AIモデルそのものではなく、ドメインナレッジ（その企業固有の業務知識）である」と述べています。

企業では、事業運営に必要なノウハウが社内の至るところに散在しています。それらは従業員一人ひとりの頭の中にあったり、古いメールアカウント、Slack のスレッド、サポートチケット、各種データベースなどに埋もれてしまっているのです。企業が機能しているのは、人間が「その知識がどこにあるのか」「どのように活用すればよいのか」を暗黙的に理解しており、適切な場面で活用できているからです。しかし、AIエージェントはそのようなやり方では業務を遂行できないため、新たな基本要素（プリミティブ）が必要になります。同氏は、それを「Company Brain（カンパニー・ブレイン）」と呼んでいます。

実際、同社のCEOであるギャリー・タン氏は、GBrain という仕組みを構築しています。GBrain は、単なる RAG（検索拡張生成）の仕組みではなく、企業全体の知識を統合し、AIエージェントが実際に業務を遂行できるようにする「Company Brain（企業の脳）」として設計されたプラットフォームです。従来の検索システムは関連文書を提示するだけですが、GBrain は複数の情報源を統合・推論し、不足している情報を分析した上で、AIが利用できる形で「答え」を生成します。また、会議、メール、SNS、音声通話、社内文書などから継続的に知識を収集・更新し、人物や企業情報の補完、引用の修正、記憶の整理まで自律的に実行します。

ブロムフィールド氏は、「GBrain のような仕組みを、世界中のあらゆる企業で実現することが必要だ」と述べています。つまり、企業内に断片的に存在するさまざまな知識を収集し、それらを構造化し、常に最新の状態に保ち、さらにAIが実行可能な「スキルファイル（skills file）」へと変換するシステムです。これは、「企業がどのように機能しているのか」を表現する、生きたマップとも言えます。例えば、返金処理がどのように行われるのか、価格の例外対応をどのような基準で判断するのか、あるいはエンジニアがシステム障害にどのように対応するのか、といった企業の業務プロセスを表現するものです。そしてAIは、そのスキルファイルを利用することで、安全かつ一貫性を保ちながら、実際に業務を遂行できるようになります。

AI OS for Company

Combinator の Managing Partner であるダイアナ・フー氏は、AIネイティブ企業は、多くの企業がまだ実現できていないことを実践していると述べています。それは、企業全体の情報をAIが横断的に参照・活用できる状態を実現していることです。すべての会議は記録され、すべてのチケットは管理され、すべての顧客とのやり取りは蓄積されています。そして、それらの情報は、継続的に学習するインテリジェンス・レイヤー（知能層）が理解・活用できる形で整理されています。

フー氏によれば、このような仕組みを導入したチームでは、開発におけるスプリント期間が半分に短縮され、リリースできる成果物が2倍に増えた事例も確認されています。しかし、現時点でこれを実現するには、非常に大規模なシステム統合作業が必要です。例えば、Slack、Linear、GitHub、Notion、通話録音システムをはじめとする数多くのツールを、独自に開発した接続コード（グルーコード）で連携させなければなりません。さらに現状では、これらすべてのコンテキスト（文脈・情報）を一つのインテリジェンス・レイヤーへ統合し、情報を横断的に推論したり、エンジニアリングチームが誤った方向へ開発を進めていることを検知したり、さらにはAIエージェントがそのまま実行可能な仕様書（スペック）を自動生成したりできるプロダクトは存在していません。そのためY Combinatorは、社内のあらゆる情報をAIが標準的に理解・活用できる状態を実現する「接続レイヤー（Connective Layer）」、すなわち企業全体を支える「AI Operating System（AI OS）」には、大きなビジネスチャンスがあると考えています。

これらの「Company Brain」や「AI OS for Company」といった概念は、決して「まだ先の未来の話」というわけではありません。既存のAIツールを組み合わせるだけでも、かなりのところまで実現できる段階に来ています。

日本のAIエンジニアであり政治家でもある安野貴博氏によると、リモートワークを前提とした企業では、ほとんどの業務がデジタルデータとして蓄積されています。例えば、チャットログや議事録、各種データベースなど、組織で起きている出来事の多くがデータとして記録されており、こうした情報をAIが読み取れる形にすることは、すでに十分可能になっているといいます。

近年では、Skills（AIエージェントに業務手順やルール、知識をマニュアルとして記憶させる仕組み）の登場により、「このデータベースには何が記録されているのか」や「誰がどのような意思決定権限を持っているのか」といった組織のルールや判断基準も、AIに容易に与えられるようになっています。

また、MCP（Model Context Protocol：AI（LLM）と外部データ・ツールを安全かつ標準化された方法で接続するための共通規格）などを活用して社内データとAIを適切に連携させる仕組みを整備すれば、AIが業務の文脈をより正確に理解できるようになり、その能力は飛躍的に向上すると安野氏は述べています。

さらに、Claude Codeの「Routines」（Claude Codeをスケジュール実行し、自動化できる仕組み）のようなトリガー機能も登場しており、「毎朝9時になったらレポートを作成する」、「会議終了後に議事録を整理する」といった一連の業務を、AIが自律的に実行できるようになっています。

スタートアップにとって有望な市場になる可能性

今後、「Company Brain」や「AI OS for Company」は、多くのスタートアップにとって有望な市場になる可能性があり、すでに先駆的な企業も登場しています。

例えば、Hyper は、企業内検索を超えて、AIエージェントが企業全体の文脈を理解する「Shared Brain（AIエージェント向けの知識インフラ）」の構築を目指しています。Slack、メール、ドキュメント、カレンダー、GitHub上の社内情報を継続的に取り込み、独自のメモリシステムを用いて自己更新型のナレッジグラフを構築することで、常に最新かつ整合性の取れた企業コンテキストをAIへ提供します。その結果、ユーザーは背景情報を毎回入力することなく、パーソナライズされた回答や自律的なタスク実行を実現できます。

また、Memory Store も、「AIエージェントのボトルネックはメモリ（記憶）にある」という考えのもと、SlackやGmail、AI議事録などから情報を自動収集し、Company Brain を構築するためのインフラを提供しています。同社の特徴は、新たな情報が追加されるたびに自動で内容が更新される「Briefs」と呼ばれる生きたドキュメント機能です。これにより、意思決定の履歴やチームの状況、顧客からの要望などを常に最新の状態で維持し、AIエージェントが最新の企業コンテキストを踏まえて業務を遂行できる環境を実現しています。

決済サービス「Square」の親会社であるBlockは、従業員の40%を削減するという大規模なリストラを断行しました。共同創業者のJack Dorsey氏は、これを単なるコストカットではなく、組織をAIネイティブに再構築するための不可欠なプロセスであったと述べています。Blockが目指そうとしているAIネイティブカンパニーは、「From Hierarchy to Intelligence」（階層からインテリジェンスへ）という記事の中で同氏が明らかにしています。

歴史を振り返ると、大規模組織の管理は約2000年前のローマ軍に始まりました。「一人が管理できる人数には限界がある」という前提から階層構造が生まれ、その後、科学的管理法、マトリクス組織、ホラクラシーなど、さまざまな組織改革が試みられてきました。しかし、組織が大規模化すると、情報伝達と意思決定の限界から、結局は階層構造へ回帰することが繰り返されてきました。

Blockは、この2000年来の前提をAIによって覆そうとしています。同社では、社内の議論やコード、意思決定をAIが理解できる「成果物（アーティファクト）」として蓄積し、さらにCash AppやSquareの決済データを組み合わせることで、社内と顧客の状況をリアルタイムに把握する「世界モデル」を構築しようとしています。その上で同社が目指すのは、人間が商品企画や開発計画（ロードマップ）を立てるのではなく、AIが顧客の状況を察知してその場で最適なサービスを自動生成する「インテリジェンス（mini-AGI）型企業」です。（mini-AGI：ビジネス領域における動作可能な最小AGIという意味）

この新たな組織は、ケーパビリティ（決済や融資といった、強固な金融の構成単位）、ワールドモデル（社内の業務状況と、顧客や加盟店の経済的な実態をリアルタイムかつ継続的に把握する基盤）、インテリジェンス層（ワールドモデルのデータを基に、最適なタイミングでケーパビリティを組み合わせて顧客に先回り提案する知能）、インターフェース（インテリジェンス層が作った提案を顧客に届けるアプリやハードウェアなどの顧客接点）から構成される4つの要素を基盤としています。

例えば、AIが飲食店の資金繰り悪化を予測すると、人間を介さず最適な融資を先回りして提案します。そして、AIが課題解決の過程で見つけた「不足している機能」そのものが、新たな開発ロードマップ（バックログ）になります。その結果、人間が仮説を立てて予測するような従来の企画業務は不要となり、人間の役割は、強固なケーパビリティを構築・運用することに加え、AIモデルには判断をゆだねられない直感や文化的な文脈、倫理的決定、未知の状況などへの対応といった役割に集中することになります。

結果として組織は、システムを構築・運用する「個人貢献者（IC）」、特定の課題解決に全責任を持つ「直接責任者（DRI）」、従来の管理職に代わり現場で働きながら人を育てる「プレイヤーコーチ」の3つの役割へと収約され、中間管理職の層は不要になります。Block が目指しているのは、階層によって情報を伝達する組織ではなく、企業全体を一つの知能として機能させる、新しいAIネイティブ組織なのです。

企業が直面している課題

しかし、もちろん課題も存在しています。多くの大手テック企業が直面しているのは、「AI予算の無駄遣い」という課題です。

2026年前半のシリコンバレーでは、「AIを多く使う人ほど生産性が高い」という考え方が広まりました。AIサービスは利用したトークン数（AIが処理する情報量）に応じて課金されることから、「トークン消費量こそが生産性の指標である」と考える風潮は、「Tokenmaxxing」と呼ばれるようになりました。

こうした考え方を後押ししたのが、NVIDIAのCEOであるJensen Huang氏の「年収50万ドルのソフトウェアエンジニアは、年間で少なくとも25万ドル（給与の半額）をAIトークンの消費に費やすべきだ」という発言でした。本来は「AI投資を惜しむべきではない」というメッセージでしたが、一部の企業では「AIを多く使う社員ほど優秀である」という誤った受け止め方が広がりました。

「AIを多く使うこと自体が評価される」という風潮の中で、MetaやAmazonなどでは、AIの利用率をランキング化する取り組み（AI活用実績のダッシュボード）も見られるようになりました。その結果、本来は生産性を高めるためのAIが、「AIを多く使っていることを示すため」の道具になってしまい、不要なコード生成や無意味なAI利用を助長するという、本末転倒なインセンティブが生まれました。

事態は深刻で、Anthropicでは単一のユーザーがコーディングエージェント「Claude Code」を利用して、1ヶ月に15万ドルのトークンを消費していたことが発覚しています。クラウドサービスの利用コストがエンジニア1人あたり1日500ドルに達するケースもあり、Uberがわずか4ヶ月で年間のAI予算を使い果たすなど、企業のAI予算は危機に瀕しました。

これにより、時代は「Tokenminimizing（トークン・ミニマイジング）」および「Frugal AI（質素な節約型AI）」という、経済コストとエネルギー面での節約トレンドへのシフトも起きています。対策として、簡単なタスクや要約は自動的に軽量で高速な小規模モデルに処理させ、高度な論理的分析のみを最高峰の巨大モデルに投じることで不要なトークン課金を回避する「スマートルーティング（AIが自動的に最適なモデルを選択する仕組み）」や、API料金を大量に払い続けるより自前GPUの方が費用を抑えられるといった理由からの「オンプレミス/ローカルGPUサーバー」への再投資、そしてMistral AIが発表した「Mistral Small 4」のような極めてトークン効率の高い最新アーキテクチャの開発・導入へと舵を切ろうとしています。

まとめ

「Company Brain」や「AI OS for Company」は、テック企業にとって大きなビジネス機会になりますが、その他の多くの企業にとっても、Blockが目指すようなインテリジェンス（mini-AGI）型企業、すなわちAIネイティブ企業への変革を促す可能性があります。

「Tokenminimizing（トークンミニマイジング）」や「Frugal AI（質素な節約型AI）」といったトレンドが示しているのは、AI活用の本質は「どれだけAIを使ったか」ではないということです。問われるのはAIの利用量ではなく、AIによって生み出された価値（アウトプット）を評価することであり、本来の目的を見失わないようにしていくことが重要です。当たり前かもしれませんが、企業の未来を決めるのは、「どれだけAIを使ったか」ではなく、「AIとともに何を実現したか」なのです。