マシンカスタマー時代になっても、人間が抜けない3つの層がある。設計層、跳躍層、価値の根源層。AIエージェント同士が取引する未来でも、その背後で人間が動き続ける構造の話。書籍『AI収益進化論』コラム①の整理。
このページは、書籍『AI収益進化論』の第7章と第8章の間に置かれたコラム①「マシンカスタマー時代と、人間が回し続けるということ」を、独立ページとして展開したものです。
マシンカスタマー（Machine Customer）とは、人間ではなくAIエージェントが、購買・契約・取引の意思決定を行う顧客を指します。Gartner 等のシンクタンクは、2030年代に向けて、企業間取引の少なからぬ部分が AIエージェント同士の交渉に移行していくと予測しています。
たとえば、企業の調達担当者がAIエージェントに「来月の原材料を最適なコストで調達せよ」と指示すると、そのAIエージェントが、複数のサプライヤーのAIエージェントと自動的に交渉し、契約を結ぶ ―― そういう取引形態が、本格化していく可能性があります。
この未来は、確かに近づいています。しかし、ここには、本書として書いておきたい留保がふたつあります。
ひとつ目の留保。マシンカスタマー時代は、まだ来ていません。
期待は確かに高まっていますが、その期待を支えるはずの足元のプロジェクトの大半が、ROIや実装の難しさを理由に中止されつつあります。MIT NANDA レポート（2025年）が示した「AI プロジェクトの95%が失敗」という数字は、この現実の一部を切り取ったものです。期待される未来と、実装される現実のあいだには、決して小さくない距離があります。
ふたつ目の留保。これがより重要です。自律 = 無人 ではない、という構造の話です。
完全自律走行車を例に考えてみます。レベル4・レベル5の自動運転車は、走行中に運転手がハンドルを握りません。それは確かに「自律」しているように見えます。しかし、その自律走行を成立させるために、その背後には膨大な人間の専門知が存在しています。道路設計者、安全基準を策定する人、エッジケース対応のデータをつくる人、規制を設計する人、事故時の責任設計をする人、倫理的なジレンマに判断を下す人。完全自律走行車は、走行の瞬間に運転手がいないだけで、設計の段階、運用の段階、例外処理の段階、責任の段階のすべてに、人間がいないと成立しません。
マシンカスタマーが普及した世界で、人間の介在は本当にゼロになるのか。私たちの答えは「ならない」です。むしろ、人間が活きる場所が、別の層に移動する、というのが正確です。少なくとも、3つの層では、人間が抜けることはないと、私たちは見ています。
AIエージェント同士の取引が成立するためには、その取引のルール、価値の定義、リスクの境界、例外が起きたときの処理基準、何を倫理的に許容しないかの基準 ―― これらが事前に設計されている必要があります。AIエージェントは、設計された範囲のなかで、自律的に動きます。範囲そのものを設計するのは、人間です。
しかも、この設計は一度作れば終わりではありません。市場の状況が変わり、新しいリスクが生まれ、これまで想定していなかった例外が起きるたびに、設計は更新され続けます。
マシンカスタマー同士の取引が世界で1秒間に何百万件と起きる時代になればなるほど、その背後で「設計を更新し続ける人間」の専門知の質が、事業の差別化要因になっていきます。
これは、PI（Primal Intelligence）の話と直接つながります。AIは、過去のデータから学んだ範囲のなかで、最適化を続けることはできます。しかし、その学習範囲の外側へ自力で跳ぶことは、原理的にできません。
マシンカスタマー同士の取引が完璧に最適化された世界を想像してみてください。すべてのAIエージェントが、過去の取引データの分布のうえで、もっとも効率的な答えを出し続けます。しかし、その分布のなかには、まだ存在しない商品、まだ言語化されていない顧客の本当のニーズ、まだ誰も気づいていない市場の構造変化 ―― つまり「まだ書かれていない未来」は含まれていません。
書かれていないものは、AIが何回最適化を回しても、出てきません。誰かが外から、新しい仮説、新しい問い、新しい発想を持ち込まないかぎり、最適化は分布の内側で永遠に続くだけです。「外から持ち込む」仕事ができるのは、いまのところ、人間だけです。
AIエージェント同士が取引を行う世界でも、その取引の最終的な目的は、変わりません。人間の生活を豊かにすること、人間の感情を満たすこと、人間の社会の課題を解こうとすること ―― 売上を作るというあらゆる経済活動は、最終的に人間に向かっています。
マシン同士の取引が10段、20段と中間に挟まっていても、その連鎖の終着点には、必ず人間がいます。商品を実際に使う人、サービスを実際に体験する人、その体験から喜びや満足や驚きを得る人。
その「終着点の人間が何を望んでいるか」「人間にとって何が価値か」は、人間にしか定義できません。AIは、人間が定義した価値を、効率よく届けることはできます。しかし、価値そのものを定義することは、原理的にAIの仕事ではないはずです。なぜなら、AIには欲望がなく、痛みがなく、生きていないからです。この第3の層は、おそらく、いちばん長く人間の領域として残ります。
ここまで読んでいただければ、コラム冒頭で紹介される「人間の介在をできるかぎりゼロに近づけることが、これからの成長戦略だ」という主張が、なぜ違うと書籍が考えるかが、見えてくると思います。
人間ゼロのビジネスモデルは、表面的には可能に見えます。受発注のフロントから、決済から、配送指示から、カスタマー対応まで、すべてAIエージェントで自動化することは、技術的にはどんどん近づいています。
しかし、そのモデルが機能するためには、設計層の人間、跳躍層の人間、価値の根源層の人間が、表面の下で動き続けている必要があります。表面の自律性が高まれば高まるほど、その下の層の人間の専門知の質が、勝敗を決定づけるようになっていきます。
「人間ゼロを目指す」という戦略は、この下の層を見落とした戦略です。一時的にコスト削減には効くかもしれません。しかし、設計層を持たない企業は、市場が変化したときに対応できません。跳躍層を持たない企業は、競合と同じAIで競合と同じ最適化を続けるだけで、差別化要因を失います。価値の根源層を持たない企業は、AIに「何を最適化させるか」の指示そのものを失います。AI時代の新しい消耗戦の入口です。
このコラムで提示される3層は、AX for Revenue の中核概念である PI（Primal Intelligence）と、別の角度から接続します。
特に、跳躍層の議論は、PI のうちの Crazy Intelligence の話と、まったく同じ構造を持っています。AI は学習範囲の外側へ自力で跳べない ―― この事実が、跳躍層を人間の領域として残す理由であり、同時に、Crazy Intelligence が AI には絶対に出せない理由でもあります。
価値の根源層は、Field Intelligence の議論と地続きです。「終着点の人間が何を望んでいるか」を定義する仕事は、現場で、人と向き合いながらしか、できません。これは Field Intelligence が現場でしか生まれない、という話と、同じ構造です。
3層の議論を一度通過した方は、ぜひ PI のページもあわせて読んでみてください。同じ構造が、別の角度から立ち上がっているのを、感じていただけるはずです。
マシンカスタマー時代の3層は、AlphaDrive の仕事の前提でもあります。 人間の役割が移動していく時代に、何を一緒に動かせるか、お話ししませんか。