「何を知っているか」から「何ができるか」へ──AI活用の軸足はどこへ動いたのか

AI活用の軸足は「何を知っているか(知識の保有・回答精度)」から「何ができるか(能力の実行・タスク完遂)」へ動いている。エージェントの時代、AIは答える存在から業務を動かす実行主体へ変わった。事業で成果を出す鍵は、AIが何を知るかではなく、AIに何をさせ何を生み出すか、そしてそれを方向づける人の判断にある。

AIに対する世の中の問いの立て方が、ここ数年で静かに動いている。少し前まで、AIをめぐる関心の中心は「このAIは何をどこまで知っているか」「どれくらい正確に答えられるか」だった。いま、関心は別の場所へ移りつつある。「このAIに何をさせられるか」「どこまでの業務を完遂できるか」。

知識を問う時代から、能力を問う時代へ。この移行はツールの世代交代以上の意味を持つ。AIが事業に組み込まれる経路そのものが書き換わるからである。本稿は、その認識転換を構造として整理する。AIは効率化から、収益の創造へ ── そのタグラインが指す世界の入口にあるのは、この問いの転換である。

「知識」を問う時代 ── AIに何を答えさせるか

AI活用の初期段階、世の中の関心の中心は「知識」だった。AIがどれだけ広い領域を知っているか。どれだけ正確に答えられるか。どれだけ自然な文章を返せるか。検索の延長として、Q&Aの高度化として、文書生成のアシスタントとして、AIは「答える存在」だった。

この段階のAI活用は決して浅いものではない。社内文書の検索精度を上げる、問い合わせの一次回答を自動化する、専門知識の参照コストを下げる ── これらは確かな価値を生んできた。日本企業の生成AI導入も、まずこの「答える」用途から始まっている(McKinsey『State of AI 2025』、調査対象1,993名、105か国)。

ここでの評価軸は明確だった。事実関係の正確さ、文脈の読み取り、回答の自然さ、ハルシネーション(誤答)の低さ。これらの指標で測れる範囲に、AIの価値があった。

問いの形で言えば、こうなる。「このAIは、何を知っているか?」

「能力」を問う時代 ── AIに何をさせるか

しかしここ1〜2年、問いの形が変わり始めた。AIエージェントの登場である。

AIは「答える」だけでなく、「実行する」存在になった。ツールを使う。手順を踏む。複数のステップにまたがるタスクを完遂する。外部のシステムと連携する。人間の業務フローに入り込んで、業務そのものを動かす。

この変化は、Gartnerの整理にもはっきり現れている。同社の調査では、80%のCEOが「AIが組織の業務遂行能力に高度から中程度の変革を強制する」と予想し、戦略的焦点を「digital business(デジタルビジネス)」から「autonomous business(自律的ビジネス)」へシフトさせていると報告されている(Gartner CEO and Senior Business Executive Survey 2026、n=469)。digital businessは「組織が何をするかを変える」、autonomous businessは「組織がそれをどう行うかを変える」── 同社のアナリストの整理は、まさに知識から能力への軸足移行を捉えている。

McKinseyの最新調査でも、AIエージェントを「少なくとも1業務機能でスケール中」と回答した企業は23%、「実験中」を含めると62%に達する(McKinsey『State of AI 2025』、n=1,993)。AIが「答えるもの」から「動くもの」へ姿を変えるなかで、業務組織そのものが組み替えられ始めている。

この転換を象徴する技術標準が、エージェント・スキルである。業務手順・判断基準・必要なスクリプトをパッケージとしてAIエージェントに与えることで、AIに「何ができるか」を装着していく仕組み(エージェント・スキル)。ここでの評価軸は、もはや「正しく答えたか」ではない。「タスクを完遂したか」「業務として機能したか」「ビジネス上の成果に届いたか」である。

問いの形は、こう変わる。「このAIに、何をさせられるか?」

なぜこの転換が事業実装にとって決定的か

知識を問う段階のAIと、能力を問う段階のAIは、事業との接続のされ方が根本から違う。

知識を問う段階のAIは、構造的には「物知りな相談相手」である。情報を引き出し、判断材料を整え、選択肢を並べる。実行するのは人間であり、AIはその脇に立つ。価値の出し方は、人間の判断速度や情報処理コストの改善という形を取る。これは効率化AIが得意とする領域である。

能力を問う段階のAIは、構造的には「業務を動かす実行主体」になる。情報を引き出すだけでなく、引き出した情報をもとに次の行動を選び、実行し、結果を踏まえてまた次へ進む。人間がプロセスのループに毎ステップ立ち会う必要は、薄くなる。価値の出し方は、業務そのものの構造が変わるという形を取る。

この違いが、事業実装にとって決定的になる理由は、収益への接続経路に関わる。

知識を問う段階で生まれる価値は、多くの場合、コスト削減の文脈に回収されやすい。回答時間が短くなった。検索効率が上がった。資料作成が速くなった ── いずれも価値だが、売上の構造そのものを書き換えるところまでは届きにくい。

能力を問う段階で生まれる価値は、業務の構造そのものに介入する。誰に・何を・どう売るか、というビジネスの基本構造のうち、「どう売るか」の運営の仕組みがAIによって動き始める。そこから「誰に・何を」の輪郭が変わっていく可能性が開ける。書籍『AI収益進化論』が「効率化AI」と「収益進化AI」を設計思想の側で2つに分けたのは、この差異を捉えるためである(麻生要一『AI収益進化論』第5章)。

事業で成果を出すには、AIが何を知っているかではなく、AIに何をさせて何を生み出せるかが問われる。問いの形が変われば、AIへの投資の評価軸も、組織の関わり方も、収益への接続経路も、すべて変わる。

ただし「何をさせるか」を決めるのは人である

ここに、思想的な核となる論点が現れる。

AIの能力が上がるほど、「何ができるか」の幅は広がる。技術的に実行可能なタスクの範囲は、半年単位で書き換わる。今日できなかったことが、来月にはできるようになる。エージェント・スキル、ツール使用、長期記憶、複数エージェントの協調 ── 能力の地平は、技術側から押し広げられ続ける。

しかし、その広がる能力を「何のために」「どの事業文脈で」「何を狙って」動かすかは、技術側からは決まらない。

ここに、別の地平が立ち上がる(別の地平フレーム)。

AIに何ができるかは、技術が決める。AIに何をさせるかは、人が決める。両者は対立ではなく、別の役割を担う関係にある。技術側の地平が広がるほど、それを方向づける事業側の判断の重みは、相対的に増していく。

書籍『AI収益進化論』はこれを「PI(Primal Intelligence)」という概念で整理した(麻生要一『AI収益進化論』第4章)。AIが学習できる領域の「外側」にある、原初の知性。Crazy Intelligence(論理から導けない発想)と Field Intelligence(言語化されていない現場情報)から構成される、人にしか持ち得ない知性である(同第4-3節、第4-4節)。

「PIはAIに足りないものを補うもの」という劣位補完の読み方は、書籍の整理から外れる。書籍 第4章の命名規律は明確で、「Human Intelligence」と呼ぶことを意図的に避けている ── 「人間 vs AI」の対立構図に概念を回収しないためである。

正しい整理はこうなる。AIの能力は、AIの能力として価値がある。PIは、AIには代替されない別の知性として価値がある。両者が「役割の違い」として並び立ったとき、AIに何をさせるかが決まり、その方向に沿って能力が事業の成果に翻訳される。

事業実装の現場で問われるのは、AIに何ができるかの目録ではない。自社の事業のどこに、PIによって方向づけるべき領域があるか。その判断こそが、能力の時代の事業責任者の中核業務になる。AX for Revenue Loop が Step 3 で PI Injection を置くのは、この構造を方法論として実装するためである(同第7章。具体的な実装方法は書籍と個別の対話のなかで扱う)(PI Injection)。

ここまで来て、ようやく「AIは効率化から、収益の創造へ」という言葉の意味が立体化する。知識を問う段階のAIは、効率化のなかで価値を出す。能力を問う段階のAIは、人の判断と組み合わさったとき、収益の構造を書き換える方向へ動き始める。

よくある質問

知識量の多いAIほど優秀ではないのか?

知識量はいまも重要な価値である。ただし、それだけで事業の成果が決まる段階ではなくなった、という整理が現時点の見立てになる。知識を問う段階は古くなったのではなく、その上に能力を問う段階が積み上がっている。両者は発展の関係にあり、知識を問う活用が劣るわけではない。事業で何を狙うかによって、評価軸の重心が動く。

「何ができるか」はエージェント・スキルのこと?

エージェント・スキルは、「何ができるか」を技術的にパッケージ化する標準のひとつである(エージェント・スキル)。本稿が論じる認識転換は、エージェント・スキルそのものではなく、その背後にある「AIへの問い方が知識から能力へ移った」という、より広い文脈の話である。エージェント・スキルは、その転換を象徴する具体的な技術設計として位置付けられる。

人の役割はどう変わるか?

AIが「答える」段階では、人は「判断する」役割が中心だった。AIが「実行する」段階に入ると、人は「何を実行させるかを決める」役割の重みが増す。事業のどの領域でAIを動かすか、何を狙って動かすか、何を成果と定義するか ── これらは技術側からは決まらず、事業の知性、つまり PI の側で決まる(麻生要一『AI収益進化論』第4章)。

事業責任者は何を問うべきか?

「自社のAIは何を知っているか」だけでなく、「自社のAIに何をさせているか」「何をさせるべきか」を問うことが、いまの事業責任者の中核業務になる。後者の問いは、技術部門だけでは答えが出ない。自社の事業の構造、顧客との関係、現場の Field Intelligence ── これらを把握している事業責任者の側に、問いの起点がある。

PI Injection とどうつながるか?

PI Injection は、AI に「何をさせるか」を方向づける動作を、AX for Revenue Loop のなかに位置付けた方法論である(麻生要一『AI収益進化論』第7章)。能力を問う段階のAIに対して、PI(Crazy Intelligence + Field Intelligence)を介して事業の方向を与える ── その関係を構造として整理したもの。本稿はその思想的な土台を扱っており、具体的な実装は別の文脈で扱う。

関連するAX for Revenueの概念

• エージェント・スキル
• PI Injection
• 別の地平フレーム
• コンテキストエンジニアリング
• Pillar 3: AX for Revenue を実装する
• 書籍『AI収益進化論』 ── 思想の原典

---

発行: 株式会社アルファドライブ 編集: AX for Revenue Institute 編集部 Theoretical Foundation: 麻生要一『AI収益進化論──完成品製造コストゼロ時代の収益創造』株式会社Ambitions、2026年5月