二つの駆動モード｜「AIで完結する領域」と「AIを使いこなす人間」を分ける

二つの駆動モードとは、AIとの共創を設計する出発点となる業務の二分法である。①AIで完結する自律AIエージェントと、②AIを使いこなす人間。前者は定義済み成果を監督下で自走させ、後者はPIを注ぎAIを学習範囲の外側へ跳ばす。設計判断はどの業務に①と②を割り当てるかにある。

AIは効率化から、収益の創造へ。この移行を実装するとき、最初に問われるのは「どのAIを買うか」ではない。「どの業務を、誰が駆動するか」である。AlphaDriveが整理する共創オーケストレーションの中核には、業務を二つの駆動モードに分けて編成するという設計判断がある。本記事はその二分法を構造論として提示する。実装の全体像はAX for Revenueの実装論を参照のこと。

二つのモードの定義

①の自律AIエージェントは、定義済みの成果を、人間の監督下でAIが自走させるモードである。インプット・成功基準・例外処理の境界が明示されており、AIは反復・拡張・最適化を担う。人間の役割はオーバーサイト――エラーの検知、エスカレーションの判断、ガバナンスの維持である。Gartnerが指摘するように、現状の多くの「agentic」と称されるユースケースは、本来このモードに収まるべき業務である（Gartner, 2025）。

②のAIを使いこなす人間は、成果がまだ未定義の領域で、人間が自らのPIをAIに注ぎ、AIを学習範囲の外側へ跳ばすモードである。ここでの人間は「AIに従属する操作者」でも「AIの出力を整える編集者」でもない。Field Intelligence（言語化されていない現場の肌感覚）と Crazy Intelligence（常識を超える発想）を AI に注ぎ込み、AI の出力を非連続に進化させる共同創作者である。書籍『AI収益進化論』が PI を「Human Intelligence と呼ばない理由」として整理した通り、②は人間 vs AI の構図ではなく、役割が違う関係として理解される（麻生要一『AI収益進化論』第4-5章）。

対比表：①自律AIエージェント vs ②AIを使いこなす人間

両者は優劣ではなく、扱う領域と設計思想の側で分かれる。

軸	①自律AIエージェント	②AIを使いこなす人間
何をするか	定義済み成果の反復・拡張・最適化	未定義成果の探索・跳躍・収益構造の書き換え
向く領域	効率の山（成果が定義済み）	進化の山（成果が未定義）
収束＝均質化の扱い	善。最適解への収束が価値	死。多様性こそ価値の源泉
人間の立ち位置	監督者（オーバーサイト）	共同創作者（PIの注ぎ手）
失敗モード	エスカレーション設計の欠落	受動的編集者への滑落

収束の扱いが、両者を分ける最も重要な軸である。①では収束が善である――同じ入力には同じ出力が返り、誤差が小さく、運用が予測可能であることが信頼を生む。一方②では収束は死を意味する。Sciences Advancesの実験は、生成AIが個々の作品の新規性と有用性を高める一方、参加者間のアウトプットがAIアイデアに「アンカリング」して類似度を上げることを示している（Doshi & Hauser, 2024）。PsyArXivのメタ分析もこの均質化効果が小さくない効果量で持続することを確認している（de Rooij, 2026）。②の領域では、この均質化こそが回避すべき敵である。

世界が見落としているのは②である

AIエージェントをめぐる議論は、二つの極に偏りやすい。一方は「人間 vs AIエージェント」――どこまでをAIに置き換えるかという代替の議論。もう一方は「人間＋1つのAI」――Copilot的に個人の生産性を上げるという拡張の議論。

しかしこの二極の間に、独立した第三のモードがある。②AIを使いこなす人間である。McKinseyが「エージェント型組織」の論考で示したように、AIスケールの上限は「人間が提供できる監督能力の総量」だけではない（McKinsey, 2025）。それはAIに任せて自走させる①の上限である。②の上限はまったく別の場所にある。それは「現場のPIをAIに注ぎ込める人間の数と密度」である。

HBR×BCGの実証研究は、AIを「従業員」として扱う組織で、個人の説明責任が低下し、論理的エラーの検出率が18%低下することを示した（HBR/BCG, 2026）。①の領域でAIに過剰な人格を与えるとオーバーサイトが緩む。一方②の領域では逆の問題が起きる――AIを単なる「ツール」として扱うと、PIを注ぎ込む共同創作の関係が立ち上がらない。二つのモードを混同せず、それぞれに合った関与設計をすることが要諦である。

②は放っておくと①の劣化版に滑り落ちる

②の最も深刻な失敗モードは、外圧によるものではなく、内側からの劣化である。AIの出力が十分に流暢で見栄えがする時代において、人間は「自分で考える」より「AIの出力を追認する」方が早く感じる。これを繰り返した結果、②の駆動者は徐々に「AIの出力をただ編集する人」へ後退する。

Walton らの大規模フィールド調査では、AI協働ツールを与えられた参加者の50%が完全に受動的で、アルゴリズムを動かすだけで一切の入力を行わなかったという結果が報告されている（ACM/Swansea, 2025）。注目すべきは、能動的に関与した参加者のセッションでは設計品質の改善率が420%に達したのに対し、受動的参加者では124%に留まった点である。同じツール、同じ時間、同じ環境でも、②であり続けるか①の劣化版に落ちるかで、成果は3倍以上違う。

②を②であり続けさせることは、自然には起きない。むしろ放置すれば必ず滑り落ちる。この力学とその回避設計については受動的編集者の罠で詳述する。②を②であり続けさせる仕組みづくり自体が、マネジメントの能動的責務である。

境界は固定ではなく可動である

①と②の境界は、一度決めて終わりではない。AlphaDriveが整理する共創オーケストレーションの動的原理は、両者の境界がAX for Revenueの4ステップと連動して呼吸する、という点にある。

いま②が担っている領域も、やり方が定まり成果が定義可能になれば、①に降ろせる。新しい売り方の試行錯誤を②で繰り返し、再現可能な型に到達したら、その実行は①に移譲する。逆に、①で頭打ちになった領域はPlateau Detectionが検知し、②へ引き上げてPIを注ぎ直す。McKinsey State of AI 2025が示すように、AI採用率は88%に達しながらEBITへの寄与は5%未満に留まる企業が多数を占める。これは①の領域で頭打ちに達した状態の典型であり、②への引き上げが必要なシグナルである。

呼吸のリズムは以下の通りである。

AI Sprintで既存業務を①に任せ切る。やり切った先に必ずPlateauが訪れる。それを認識し、②へ引き上げる。経営者と現場が現場に降りてPI Injectionを行い、AIを学習範囲の外側へ跳ばす。N=1の兆しが見えたら、それを戦略と業務モデルとして拡大し、再現可能な型に至った段階で①に降ろす。そして次のテーマで再び①に任せ切る。Loopのたびに、①と②の割り当ては組み替えられる。

どこを、どちらに任せるか

判定の軸は三つに整理できる。

第一に、成果の定義度。成果が明示的に定義され、成功基準が言語化できるなら①が機能する。成果がまだ言語化できず、何が「正解」かを探索する段階なら②が必要である。

第二に、収束の意味。同じ入力には同じ出力が返ることが価値であるなら①である。同じ入力に対して多様な出力が出ることに価値があるなら②である。書籍『AI収益進化論』が示すように、「まだ存在しない型を作る」領域では収束は敵である（麻生要一『AI収益進化論』第2-4章）。

第三に、信頼の源泉。予測可能性・再現性・監査可能性が信頼を生む業務は①が向く。McKinseyの調査は、AI高業績企業が「モデル出力にいつどのような形で人間検証を要するかのプロセスを定義する」ことを他社の3倍超の確率で実装していると示している（HITL, McKinsey 2025）。この設計は①の領域で特に強く効く。一方、人間主導の判断と現場の肌感覚が信頼を生む業務は②が向く。

これら三軸は、業務を全社レベルで分けるものではない。同じ部門の中、同じプロセスの中に①と②が混在する。粒度ごとに割り当てを設計する考え方は毛細血管モデルに整理した。①は太い動脈のように同じ流路で確実に届ける役割を担い、②は毛細血管のように、現場の組織や顧客に合わせて分岐する役割を担う。

二つの駆動モードを編成する者

①と②を割り当てる主体は、技術部門でも個別現場でもなく、経営の意志である。書籍『AI収益進化論』が AI Orchestration を「複数のAIを経営の意志で束ねていくこと」と定義したように、二つの駆動モードの編成も経営の側にある（麻生要一『AI収益進化論』第8-2章）。AlphaDriveでは、この編成判断を担う役割をCAXOとして位置付けている。

①と②の編成は、組織図の固定的な役割分担ではない。Loopが回るたびに、テーマごとに、業務粒度ごとに、組み替えられる動的な編成である。共創オーケストレーションは、この動的編成を経営の中核能力として扱う立場をとる。詳細は共創オーケストレーションに整理した。

よくある質問

二つの駆動モードとは何か

業務をAIとの関係性で二つに分ける設計原理である。①AIで完結する自律AIエージェント（成果が定義済みの領域で、人間の監督下でAIが自走する）と、②AIを使いこなす人間（成果が未定義の領域で、人間がPIを注いでAIを学習範囲の外側へ跳ばす）の二つを指す。どちらが優れているかではなく、どの業務にどちらを割り当てるかが設計判断の中核である。

「AIを使いこなす人間（②）」は、AIに指示を出す人とどう違うのか

AIに指示を出す人は、自分の中にすでにある仮説を効率よく実行させようとする。②は、自分の中にもまだ言語化されていないField IntelligenceやCrazy IntelligenceをAIに注ぎ込み、AI単独では到達できない出力を引き出す共同創作者である。プロンプトの巧拙の話ではなく、現場で得た一次情報と、論理では導けない発想をAIの参照軸として書き換えていく営みを指す。詳細はPI Injectionを参照のこと。

なぜ②は①の劣化版に滑り落ちるのか

AIの出力が十分に流暢な時代において、人間は「自分で考える」より「AIの出力を追認する」方が短期的にラクだからである。Walton らの実証研究では、AI協働ツール利用者の半数が完全に受動的になり、設計品質の改善率が能動的参加者の3分の1以下に留まった。摩擦のない共創ほど均質化と受動化に滑り落ちやすい。この力学と回避設計は受動的編集者の罠で扱う。

①と②の境界はどう決めるのか／変わるのか

境界は固定ではなく可動である。成果が定義できない領域は②で扱い、型に到達したら①に降ろす。①で頭打ち（Plateau）に達した領域は、再び②に引き上げてPIを注ぎ直す。境界は Loopが回るたびに動く。Plateau Detectionは、①から②への引き上げが必要なタイミングを示すシグナルとして機能する。

二つの駆動モードはAX for Revenue Loopとどう連動するのか

AI SprintはAI Sprintを①にやり切らせ、Plateau Detectionが①の限界点を見極め、PI Injectionで②に引き上げてAIを跳ばし、収益構造の再設計で②の発見を型に変えて再び①に降ろす――というLoop全体が、①と②の境界の動的な再編成として進む。共創オーケストレーションは、このLoopと呼吸を合わせて駆動モードを編成する設計判断である。

②を担える人間はどこから来るのか

研修だけでは生まれない。現場への曝露と、逸脱を許す環境がなければ②は立ち上がらない。書籍『AI収益進化論』が PI Injectionの失敗パターンとして挙げる「現場の Field が経営者まで上がってこない」（信頼関係問題）は、②が立ち上がらない組織の典型的症状である。経営者自身が現場に降り、Crazy と Field を選び取る作業を続ける中でしか、②の担い手は育たない。この人材設計の論点は別の記事で扱う。

---

①と②の割り当ては一度決めて終わりではない。Loopのたびに、テーマごとに、業務粒度ごとに、組み替えられる動的な編成である。この動的編成を経営の中核能力として体系化するのが、AlphaDriveが提示する共創オーケストレーションである。AIを効率化の道具にとどめるのか、収益進化の駆動装置にまで引き上げるのかは、二つの駆動モードをどう編成するかという経営判断にかかっている。

発行: 株式会社アルファドライブ