# AX for Revenue ─ axfr.ai

> AX for Revenue（AI Transformation for Revenue）は、AIを「効率化のツール」から「収益創造の経営システム」へと位置づけ直す、株式会社アルファドライブが提唱するカテゴリ概念。書籍『AI収益進化論』(麻生要一著, 2026年) の知的体系を基盤とする。

## 中核概念 (DEFINITION)

- [AX for Revenueとは何か｜定義・意味・背景を体系的に解説](https://axfr.ai/blog/ax-for-revenue-definition): AX for Revenueとは、AIとPI（Primal Intelligence）をAI Mutationという相互作用で結びつけ、既存事業の収益構造そのものを再設計していく、生まれたての経営システムである。AI Transformation for Revenueの略であり、日本語サブワードは収益進化AIシステム。
- [PI（Primal Intelligence）とは何か｜AIが辿り着けない原初の知性](https://axfr.ai/blog/pi-primal-intelligence): PI（Primal Intelligence）とは、AIが学習できる領域の外側にある原初の知性である。Crazy Intelligence（内発的に飛躍する発想）とField Intelligence（言語化されていない現場情報）の2要素から構成され、AI時代の収益進化を支える経営の重心として位置づけられる（麻生要一『AI収益進化論』第4-5章）。
- [Completion Cost Collapseとは何か｜定義・意味・背景](https://axfr.ai/blog/completion-cost-collapse): Completion Cost Collapseとは、2024〜2026年にかけてAIによって完成品構築コストが限りなくゼロへ収斂した文明レベルの前提転換である。コーディングAIの跳躍、創造性のゼロコスト化、AIエージェントの本格化の3つが同時進行し、LEAN STARTUP/MVPが立脚した「完成品は高コスト」という前提そのものを書き換えた。
- [収益進化AIシステムとは何か｜定義・構造・なぜ経営システムなのか](https://axfr.ai/blog/revenue-evolution-ai-system): 収益進化AIシステムとは、AIとPIをAI Mutationという相互作用で結びつけ、既存事業の収益構造そのものを再設計していく、生まれたての経営システムである。AX for Revenue（AI Transformation for Revenue）の日本語サブワードであり、効率化のためのAIツールとは設計思想の側で別物として位置付けられる。
- [Crazy Intelligence とは何か｜とっぴな発想と PI における役割](https://axfr.ai/blog/crazy-intelligence): Crazy Intelligence とは、論理的に導出できず、現場の声からも導かれない、内発的に飛躍する発想である。異分野からの強引な転用、業界常識からの意図的な逸脱、無関係な2つの強引な結合という3つの形をとる。Field Intelligence と並び、PI（Primal Intelligence）を構成する2要素の片方として位置付けられる（麻生要一『AI収益進化論』第4-3章）。
- [Field Intelligence とは何か｜言語化されていない現場の知性](https://axfr.ai/blog/field-intelligence): Field Intelligence とは、言語化されていない、書類にも残らない、現場の身体感覚と経験のなかにだけ宿る情報である。Crazy Intelligence と並び PI（Primal Intelligence）を構成する2要素の片方であり、AI が学習データから到達できない領域を担う（麻生要一『AI収益進化論』第4-4章）。
- [AI Mutation とは何か｜AIを進化させる原理](https://axfr.ai/blog/ai-mutation): AI Mutation とは、AIとPIを意図的に結びつけたとき、AIが学習範囲の外側へ跳び始める相互作用の原理である。汎用AIが、その会社・その市場でしか成立しない収益創出の主体へと育っていく仕組みを指す。
- [AI Sprint とは何か｜AX for Revenue Loop の最初のステップ](https://axfr.ai/blog/ai-sprint): AI Sprint とは、AX for Revenue Loop の第1ステップにあたる、既存業務を効率化AIで徹底的にAI化・自律化し、やり切るプロセスである。「もうこれ以上AI化できる領域は見つからない」と現場から手応えが上がるまで押し切ることが、後続ステップへの前提条件となる（麻生要一『AI収益進化論』第7-2章）。
- [Plateau Detection とは何か｜AI 化の効果が頭打ちになる景色を認める](https://axfr.ai/blog/plateau-detection): Plateau Detection とは、AX for Revenue Loop の第2ステップで、AI Sprint をやり切った先に必ず訪れる効果の逓減点を経営判断として認めるプロセスである（麻生要一『AI収益進化論』第7-3章）。
- [PI Injection とは何か｜AI に見えない領域で新たな金脈を探す](https://axfr.ai/blog/pi-injection): PI Injection とは、AX for Revenue Loop の第3ステップで、AI が予測・計算できない領域に経営者自ら降り、見過ごされてきた Crazy と Field を AI に注ぎ続けて新たな売上の金脈を探すプロセスである。
- [AI Orchestration とは何か｜複数のAIを経営の意志で束ねる](https://axfr.ai/blog/ai-orchestration): AI Orchestrationとは、売上の流れに入る複数のAIを、経営の意志で束ねていく経営実践である。共通Knowledge層・共通Instruction層・フィードバックの循環という3レイヤーで設計され、起点は技術選定ではなく「どんな売上を作りたいか」という意志の側にある（麻生要一『AI収益進化論』第8-2章）。
- [Full-Product Launch とは何か｜MVP を超える事業設計の選択肢](https://axfr.ai/blog/full-product-launch): Full-Product Launch とは、最初から完成品に近いものを市場に投入し、その反応を直接の学習源として扱う事業投入の発想である。Completion Cost Collapse 以降に成立した、MVP と並ぶ新しい事業設計の選択肢として位置付けられる（麻生要一『AI収益進化論』第8-3章）。
- [Ship-as-Validation とは何か｜出すこと自体が最大の検証になる](https://axfr.ai/blog/ship-as-validation): Ship-as-Validation とは、本番として作ったものを市場に出すこと自体が最高解像度の検証である、という事業設計の発想である。検証のために何かを作るのではなく、出荷そのものを検証として位置付ける（麻生要一『AI収益進化論』第8-4章）。
- [Knowledge熱狂化とは何か｜AIに食わせるデータを書き換える](https://axfr.ai/blog/knowledge-intensification): Knowledge熱狂化とは、AIに与えるKnowledgeを汎用的なWebデータや整った社内文書から、熱を帯びた商売現場の生データへと書き換えていく経営行為である。AI Mutationを起こす2つの経路の片方であり、AIが学習範囲の外側へ跳び始めるための、データ側からの操作を指す。
- [Instruction深化とは何か｜AIに自社の理論書を書き込む](https://axfr.ai/blog/instruction-deepening): Instruction深化とは、AIへの指示を、自社の哲学・判断軸・禁忌が書き込まれた『理論書』として継続的に深めていく経営行為である。AI Mutationを起こす2つの経路の片方であり、AIが学習範囲の外側へ跳ぶための、指示側からの操作を指す。
- [Plateauとは何か｜AI効率化の効果が頭打ちになる景色](https://axfr.ai/blog/plateau): Plateauとは、効率化AIをやり切った先に必ず訪れる、効果の逓減点として現れる景色である。既存データから学ぶAIが、既存の枠の中で売上を最大化したあとに到達する構造的な天井であり、失敗ではなく、収益進化への扉が開く地点を指す。
- [Field Sensor とは何か｜PI Injection を継続させる運用ツール](https://axfr.ai/blog/field-sensor): Field Sensor とは、PI Injection を継続的に動かすために、現場の Field Intelligence を経営者の手元へ継続的に届ける運用ツールである。AX for Revenue Loop の独立 Step ではなく、Loop の Step 3 を支える運用の仕組みとして位置付けられる。
- [Revenue ROIとは何か｜効率化のROIでは測れない投資の物差し](https://axfr.ai/blog/revenue-roi): Revenue ROIとは、新しい売上を創造する投資の長期的な期待値を測るための物差しである。効率化のROIがコスト削減率を測るのに対し、Revenue ROIは売上創造の確率と規模を中長期の時間軸で評価する。
- [HITL（Human-in-the-loop）とは何か｜AI を人間が回し続ける設計原理](https://axfr.ai/blog/hitl-human-in-the-loop): HITL（Human-in-the-loop）とは、AI が業務の中で完全自動で動くのではなく、人間が判断・介入・修正する循環を意図的に組み込む設計原理である。設計・運用・例外処理・責任の4層に人間を残し、AI の自律性を成立させる。
- [収益進化の3パターンとは何か｜誰に・何を・どう売るかの非連続書き換え](https://axfr.ai/blog/revenue-evolution-three-patterns): 収益進化の3パターンとは、「誰に・何を・どう売るか」のうち少なくとも一つを非連続に書き換える、収益構造の再設計の類型である。業務再設計やKPI再定義のような連続的改善とは別物として位置付けられる（AX for Revenue Institute『収益進化AI化キット AXFR-OS』Knowledge Pack §5、2026年5月）。
- [Human Areaとは何か｜AIを持ち込んではいけない領域であり、PIが生まれる源泉](https://axfr.ai/blog/human-area): Human Areaとは、AIを持ち込んでも進化しない領域であり、同時にField IntelligenceとCrazy Intelligenceが生まれる源泉でもある領域である。この二面性こそが、Human AreaをAX戦略の起点に位置付ける根拠となる。
- [AX Areaとは何か｜AI化で100倍化が起こる領域の定義と入場基準](https://axfr.ai/blog/ax-area-where-ai-transforms): AX Areaとは、AIを持ち込むことで100倍級のゲームチェンジが起こる領域である。1.2倍や1.5倍の改善ではなく、x100・1/100・10×10という桁違いの変化を起こせる業務領域を指す。100倍化できないなら、それはAXに到達していない。
- [DX Areaとは何か｜AIのインフラとなった、過去10年のデジタル投資の正体](https://axfr.ai/blog/dx-area-infrastructure-for-ax): DX Areaとは、業務をデジタルデータ化することで1.5倍程度の業務改善効果を生む領域であり、同時にAX Areaで100倍化を起こすためのインフラとして機能する領域である。過去10年の日本企業のDX投資は、結果的にAXのPI Injection準備フェーズだった。
- [100倍化とは何か｜AXの入場基準・3パターン・1.5倍との質的境界](https://axfr.ai/blog/100x-transformation-as-ax-entry-criterion): 100倍化とは、AI化によって対象領域に起こすべき変化のスケールであり、AXの入場基準として機能する物差しである。x100、1/100、10×10 のいずれかのパターンでゲームチェンジが起きたかどうかを判定する、AX投資の真贋を見極める指標を指す。
- [AXアーキテクトとは何か｜AI時代の事業開発を担う変革推進人材の定義](https://axfr.ai/blog/ax-architect): AXアーキテクトとは、AI時代の事業開発を担う変革推進人材である。ビジネスアーキテクト能力(BA能力)を土台に、AI SPRINT・AI Orchestration・FPLというAI時代に固有の能力を掛け合わせることで、AX Areaの100倍化を組織と事業の質的変容にまで接続させる人材像を指す。
- [収益進化アーキテクトとは何か｜AXアーキテクトの上位概念とAlphaDriveブランド連携呼称](https://axfr.ai/blog/revenue-evolution-architect): 収益進化アーキテクトとは、AXアーキテクトの上位概念であり、収益進化AIを担い企業の収益進化を実現する変革推進人材を指す、AlphaDriveブランド連携呼称である。AXアーキテクトの中で、効率化AIではなく収益進化AIに射程を絞った人材像を定義する。
- [FPL能力とは何か｜AXアーキテクトに装着すべき第3の能力](https://axfr.ai/blog/fpl-as-architect-capability): FPL能力とは、AXアーキテクトに装着すべき第3のAI能力であり、AIを使って完成品を自分で作り、明日市場に出せる個人の実装能力である。MVP時代の奥義「作らない」から、FPL時代の奥義「作る」への逆転を、変革推進人材の身体に装着した状態を指す。
- [地域AXとは何か｜地方創生2.0時代の「地域に残るもの」としての収益進化](https://axfr.ai/blog/regional-ax-chiiki-ax): 地域AXとは、収益進化AIシステムを伴うAI活用により、地域企業の収益進化を実現し、地域経済全体の付加価値創出を達成する戦略概念である。地方創生2.0基本構想・地域未来戦略と整合する形で設計され、収益進化AI・AXアーキテクト・既存事業のシフト統合の3要素で構成される。
- [地域に残るものとは何か｜ハコモノからAXアーキテクト人材プールへ、地方創生40年の到達点](https://axfr.ai/blog/what-remains-in-the-region): 地域に残るものとは、地域に残すべき価値の本体を指す概念である。ハードインフラやソフト事業のような「形あるもの」ではなく、複数事業に波及し、時間とともに価値を増し、後進を育成する「自走する変革エンジン」=AXアーキテクト人材プールが、令和8年度以降の地方創生2.0時代の答えとして位置付けられる。
- [ローカル・ゼブラ企業／100億企業／付加価値労働生産性東京圏以上とは何か｜地方創生2.0の政府公式目的概念と地域AXの接続](https://axfr.ai/blog/local-zebra-100-billion-companies): 政府公式目的概念とは、地方創生2.0基本構想・地方創生に関する総合戦略で明示された、地域経済が到達すべき成果指標である。ローカル・ゼブラ企業、売上高100億円超中小企業、付加価値労働生産性 東京圏以上 の3つを指し、地域AX はこれらに到達する民間実装メソドロジーとして位置付けられる。
- [AXアーキテクト育成の5段階モデル｜発掘・研修・OJT・独立・メンターの循環構造](https://axfr.ai/blog/ax-architect-development-5-stages): AXアーキテクト育成の5段階モデルとは、地域内でAXアーキテクト人材を発掘・育成・自走化させる典型的な育成プロセスである。Stage 1 発掘、Stage 2 研修、Stage 3 OJT、Stage 4 独立、Stage 5 メンターの5段階を、4要素循環構造で支える設計を指す。
- [収益進化とは何か｜AI でまだ存在しない収益を作るという質的変化](https://axfr.ai/blog/revenue-evolution): 収益進化とは、AI を活用して既存の収益構造の枠を超えた『まだ存在しない収益』を新たに創出する質的変化である。コスト削減や時間短縮のような量的改善とは異なり、対象事業のスケール・収益源・価値提供のあり方そのものが変わる現象を指す。
- [収益進化家とは何か｜書籍『AI収益進化論』が示した、開かれたカテゴリの定義](https://axfr.ai/blog/revenue-evolutionist): 収益進化家(Revenue Evolutionist)とは、収益進化を担う、または担おうとする経営者・事業責任者・ビジネスパーソン全般を指す呼称である。書籍『AI収益進化論』(2026)が示したメッセージング・カテゴリの用語であり、特定の能力要件や資格を伴わず、意志と関与を持つ全ての人を包摂する開かれたカテゴリ概念として位置付けられる。
- [収益進化の3パターンとは何か｜既存事業の進化・新規事業創出・事業構造の再構築](https://axfr.ai/blog/revenue-evolution-three-patterns-definition): 収益進化の3パターンとは、AIを起点とする収益進化を実装するときに現れる典型的な取り組み形態の分類である。既存事業の収益進化（Pattern A）・新規事業の創出（Pattern B）・事業構造の再構築（Pattern C）の3つから成り、排他的ではなく並行実装が現実的である（麻生要一『AI収益進化論』第3章）。
- [収益構造の再設計とは何か｜AX for Revenue Loop Step 4 が事業の質的変容を定着させる](https://axfr.ai/blog/revenue-structure-redesign): 収益構造の再設計とは、AX for Revenue Loop の最終ステップ(Step 4)である。Step 1-3 を経て生まれた100倍級アウトプットを、課金モデル・バリューチェーン・パートナーシップ構造・限界費用構造の再設計を通じて、事業の収益構造そのものに組み込む動作を指す（麻生要一『AI収益進化論』第7章）。
- [段階1（Reactive Adoption）とは何か｜AI導入の最初期、個別ツール採用の段階](https://axfr.ai/blog/stage-1-reactive-adoption): 段階1 Reactive Adoption（反応的導入）とは、組織内で個別のAIツールが導入され始める段階である。経営戦略との統合はまだ起きておらず、現場の関心、推進室のパイロット、個別部署のツール採用が中心。書籍『AI収益進化論』が示した3段階モデルの第1段階。
- [段階2 Strategic Integration とは何か｜AI が経営戦略に統合される移行期の構造](https://axfr.ai/blog/stage-2): 段階2 Strategic Integration とは、AI が経営戦略の中核に統合され、推進体制が本格化し、収益進化への取り組みが立ち上がる段階である。段階1 から段階3 への移行期に位置し、書籍『AI収益進化論』が示した3段階モデルの第2段階として定義される。
- [段階3（Plateau & Crisis）とは何か｜効率化に止まり収益進化に届かない、多くの日本企業が現在いる段階](https://axfr.ai/blog/stage-3-plateau-and-crisis): 段階3（Plateau & Crisis）とは、AI 導入が一定段階まで進んだ後、効率化に止まり、収益進化に届かず、組織が頭打ちに陥っている段階である。Plateau（高原）と Crisis（危機）の両面を持ち、多くの日本企業が現在いる段階に該当する（麻生要一『AI収益進化論』第1章）。
- [Instant Full-Productとは何か｜MVPの奥義を破壊する、一晩で動く完成品](https://axfr.ai/blog/instant-full-product): Instant Full-Productとは、AIコーディングで一晩〜数日で動く完成品を構築し、想定顧客にぶつけることで完成品でしか引き出せない生の反応を大量に獲得する、新規事業の検証手法である。MVPの『作らずに検証する』奥義を破壊し、Completion Cost Collapse以降に成立した新しい実装メソドロジー。
- [並走戦略（Parallel Engagement Strategy）とは何か｜既存事業を守りながら新規事業を立ち上げる組織設計](https://axfr.ai/blog/parallel-engagement-strategy): 並走戦略（Parallel Engagement Strategy）とは、既存事業を毀損せずに維持しながら、新規事業を立ち上げる組織設計の戦略である。既存事業と新規事業を別の論理・別の評価軸・別の組織で並走させることで、両者の構造的衝突を避けつつ企業全体としての成長を実現する。
- [デュアルトラック戦略とは何か｜既存事業と新規事業を並列運営する経営層の戦術](https://axfr.ai/blog/dual-track-strategy): デュアルトラック戦略(Dual-Track Strategy)とは、企業の事業活動を「既存事業トラック」と「新規事業トラック」の2系統に明示的に分け、別の論理・別の評価軸・別の投資配分で並列運営する戦術である。並走戦略を経営層の戦術判断レイヤーで具体化した戦術概念。
- [4層プロダクト・アーキテクチャとは何か｜AI時代のプロダクト設計の地図](https://axfr.ai/blog/four-layer-product-architecture): 4層プロダクト・アーキテクチャとは、AI時代のプロダクトをモデル層・PI層・オーケストレーション層・インターフェース層の4つで設計するアーキテクチャ論である。書籍『AI収益進化論』が示した整理で、効率化AIプロダクトと収益進化AIプロダクトの本質的な違いは、これら4層のうちどの層に独自性を持つかで分かれる。
- [マシン顧客時代とは何か｜人間顧客・ハイブリッド顧客・マシン顧客の3層構造](https://axfr.ai/blog/machine-customer-era-three-layers): マシン顧客時代の3層とは、購買・選択・契約の意思決定を担う主体が人間からAIエージェントへ段階的に移行する時代を整理した概念である。層1=人間顧客、層2=ハイブリッド顧客、層3=マシン顧客の3層で構成される。
- [AX Dejima とは何か｜並走戦略を実装する出島型ソリューションの定義と構造](https://axfr.ai/blog/ax-dejima): AX Dejima とは、AlphaDrive が提供する実装ソリューションで、収益進化AI の実装と AXアーキテクト人材の活動を担う出島型の場である。並走戦略・デュアルトラック戦略の実装形態として、事業パートナー企業と協働で立ち上げる。
- [CAXO（Chief AI Transformation Officer）とは何か｜AI時代の経営層に求められる新しい役職](https://axfr.ai/blog/caxo-chief-ax-officer): CAXO（Chief AI Transformation Officer）とは、企業のAX戦略を統括する経営層の役職である。AX Areaの100倍化判断、AXアーキテクト人材プールの設計、収益進化AI実装の意思決定、収益構造の再設計、並走戦略の運営を統合的に担う、AI時代に固有の経営役職として位置付けられる。
- [AI事業開発とは何か｜定義・背景・収益進化AIとの関係](https://axfr.ai/blog/what-is-ai-business-development): AI事業開発とは、生成AIの登場と完成コストの劇的低下によって前提と作法が根本から再定義された、AI時代の事業開発のあり方を指す。顧客ヒアリングとMVP検証を主軸としたリーン型からの転換、AIと人間の役割再設計、収益構造そのものの進化を3つの柱とする。AlphaDriveが提唱する「AX for Revenue」の方法論を理論的基盤とする。
- [AIイネーブルメントとは何か｜定義・領域・3つのタイプ](https://axfr.ai/blog/ai-enablement): AIイネーブルメントとは、AIを組織に定着させて成果を生み出す取り組みの総称である。単一カテゴリではなく、目的によって3つに分かれる。①全社AIイネーブルメント、②セールスイネーブルメントAI、③収益進化AIイネーブルメント。本記事はそれぞれの定義と境界を整理する。
- [AI事業開発における経営者の役割｜CAXO とは何か・何をすべきか](https://axfr.ai/blog/ai-business-executive-role-caxo): AI事業開発における経営者の役割は、CAXO（Chief AX Officer）という新たな経営層カテゴリで定義される。AI時代の戦略判断、収益進化AIへの投資判断、AXアーキテクト育成への組織判断という3つの責任領域と、5つの実装役割で具現化される、AX for Revenue を社会に届けるための経営層の輪郭である。
- [Forward Deployed Expert（FDE）とは何か｜定義・背景・AXアーキテクトとしての中身](https://axfr.ai/blog/forward-deployed-expert): Forward Deployed Expert（FDE=Expert）とは、事業開発の実践知をAIで増幅させた専門家が、顧客企業の事業責任者の隣に常駐し、仮説構築から完成品ローンチ、社内の意思決定突破までを駆動・伴走する関与形態である。その能力の中身は、AlphaDriveが体系化した『AXアーキテクト＝BA能力×AI能力』である。
- [Forward Deployed Engineer（FDE）とは何か｜定義・背景・従来職種との違い](https://axfr.ai/blog/forward-deployed-engineer): Forward Deployed Engineer（FDE）とは、顧客企業の現場に常駐し、コードを書きながら現場の課題を自社プロダクトや解決策に変換していくエンジニアである。ラボや開発拠点ではなく、業務の最前線に自ら立つことが最大の特徴である。
- [AI人材育成とは｜定義・人材像・必要なスキル・進め方を整理する](https://axfr.ai/blog/ai-talent-development-definition): AI人材育成とは、AIを活用して企業や社会の課題解決・価値創造に貢献できる人材を、組織的・段階的に育てる取り組みである。その範囲は、全社員のAIリテラシー底上げから、専門人材の育成、さらにはAIで事業そのものを創れる人材の育成までを含む。
- [コンテキストエンジニアリングとは何か｜定義・意味・背景](https://axfr.ai/blog/context-engineering): コンテキストエンジニアリングとは、Andrej Karpathy（OpenAI共同創業者）が2025年に命名しAnthropic等が継承した、大規模言語モデルのコンテキストウィンドウに「何を・いつ・どの形式で・どれだけ」渡すかを動的・体系的に設計する技術である。プロンプトエンジニアリング（静的な指示文の最適化）の次の段階に位置付けられる。
- [プロンプトエンジニアリングとは何か｜定義・意味・背景](https://axfr.ai/blog/prompt-engineering): プロンプトエンジニアリングとは、大規模言語モデルに与える指示文（プロンプト）を工夫し、望む出力を引き出す技術である。役割設定・例示・段階的推論の指定など、静的な指示文の最適化を指す。渡す文脈の総体を動的に設計するコンテキストエンジニアリングの前段階に位置づけられる。
- [エージェントエコノミーとは何か｜定義・意味・背景](https://axfr.ai/blog/agent-economy): エージェントエコノミーとは、AIエージェントが経済活動の主体となり、収益モデルがID課金から成果(アウトカム)課金へ移行する新しい経済圏を指す。Microsoft Research・WEF・Coinbase等が決済インフラとマクロ経済の視点から論じる一方、事業責任者にとっては自社の収益構造をエージェント前提で進化させる「収益進化の次の地平」を意味する。
- [RAG（検索拡張生成）とは何か｜定義・仕組み・コンテキストエンジニアリングにおける役割](https://axfr.ai/blog/rag-retrieval-augmented-generation): RAG（検索拡張生成／Retrieval-Augmented Generation）とは、外部の知識ソースから関連情報を検索し、それを文脈に加えてAIに回答を生成させる技術である。モデルが学習していない最新情報や社内情報を補い、事実に基づく回答を促す。コンテキストエンジニアリングにおいて「知識をどう選んで渡すか」を担う代表的な構成要素にあたる。
- [MCP（Model Context Protocol）とは何か｜定義・仕組み・エージェント時代の役割](https://axfr.ai/blog/mcp-model-context-protocol): MCP（Model Context Protocol）とは、Anthropicが2024年に提唱したオープン標準で、AIモデルやエージェントが外部のツール・データ・サービスに接続するための共通プロトコルである。ツールごとに個別接続を作る非効率を解消し、AIと外部世界をつなぐ標準的な配線として機能する。エージェント・スキルとは補完関係にある別レイヤーの標準にあたる。
- [エージェント・スキル（Agent Skills）とは何か｜定義・意味・背景](https://axfr.ai/blog/agent-skills): エージェント・スキル（Agent Skills）とは、Anthropicが2025年に提唱しGoogle・GitHub・Microsoft等が採用したオープン標準で、AIエージェントに業務手順・判断基準・スクリプトをパッケージ（SKILL.md）として与える技術仕様である。「何を知っているか」ではなく「何ができるか」を再利用可能な形で付与する。
- [5者協働モデルとは何か｜地域AX実装エコシステムの主体構成と二層的役割](https://axfr.ai/blog/five-party-collaboration-model): 5者協働モデルとは、自治体・地域企業・地域金融機関・商工会議所・地域大学の5主体が、AlphaDriveを全体の触媒として、地域AXを協働で実装する構造である。地方創生2.0基本構想の「地域の人事部」モデルと整合し、地域AX(上層)と地域DX(下層)の二層で機能する地域AX実装エコシステムの完成形を指す。
- [3段階モデルとは何か｜AI導入の段階1・段階2・段階3を統合的に俯瞰する全体地図](https://axfr.ai/blog/three-stages-model): 3段階モデルとは、企業のAI導入が辿る典型的なステージ進行を整理したフレームである。段階1 Reactive Adoption(個別ツール導入)、段階2 Strategic Integration(戦略統合)、段階3 Plateau & Crisis(効率化止まりと組織の危機)の3段階で構成される(麻生要一『AI収益進化論』第1章)。
- [AI時代の企業文化とは何か｜PIが流通する文化という再定義](https://axfr.ai/blog/ai-era-corporate-culture-pi-flow): AI時代の企業文化とは、社員がAIを使う文化のことではない。現場の違和感、暗黙知、未完成の仮説、常識を外れた発想といった人間固有の知性(PI)を、役割を失う不安や対人的リスクを超えて差し出し、それをAIと組織の価値創造へ接続できる文化を指す。AlphaDriveはこれを『PIが流通する文化』と呼び、AI時代に企業文化の焦点が移る地点として再定義する。
- [CULTURE7とは何か｜PIを受け止める組織風土を可視化する7因子](https://axfr.ai/blog/culture7): CULTURE7とは、PI（人間固有の知性）を受け止める組織風土を多軸で可視化する、AlphaDrive／POT Institute独自の診断フレームである（早稲田大学・小塩真司教授監修）。頭文字がC・U・L・T・U・R・Eに揃う7因子で組織風土の傾向を捉え、どのPIが流通し、どのPIが塞がれているかを、関係者が同じテーブルで語れる対話可能な形にする。スコアで組織を裁く道具ではない。
- [共創オーケストレーションとは何か｜AIとの共創を組織として収益のために束ねる](https://axfr.ai/blog/co-creation-orchestration): 共創オーケストレーションとは、AIとの共創を組織として、しかも収益のために束ねる技術である。複数のAIを束ねるAI Orchestrationを、AIを使いこなす人間と自律AIエージェントから成るチーム全体へと拡張する考え方であり、収益進化のマネジメント論の中核に位置する。
- [人的資本オーケストレーションとは何か｜発見・組合せ・配置・蓄積・再配置の5動詞](https://axfr.ai/blog/human-capital-orchestration): 人的資本オーケストレーションとは、AI時代の事業変革に必要な人材を、スキル単位ではなくPIの素地・役割・組み合わせ・組織風土・実践機会の単位で設計し、AX for Revenue Loopに接続する経営活動である。研修メニューを増やすことではない。どの仕事をAIに渡し、誰のPIをどのチームに注ぎ、どの事業機会へ配置するかを設計する——『発見する・組み合わせる・配置する・蓄積する・再配置する』の5つの動詞で循環させる営みを指す。
- [AI共創とは何か｜人とAIが価値を生む、その2つの落とし穴](https://axfr.ai/blog/ai-co-creation): AI共創とは、人とAIが一緒に新しいものを生み出すことを指す。生成AIの普及で誰もがAIと協働できるようになった一方、研究は2つの落とし穴を示している。ひとつは、個人の成果の質は上がるのに、組織全体のアイデアが互いに似通っていく『均質化』。もうひとつは、人を受け身の編集者に置くと創造性も自信も価値も壊れること。価値を生むAI共創は放っておくと“ラクなほう・似たほう”へ流れるため、意図して設計しないと立ち上がらない。
- [AIマネジメントとは｜AIと人の共創を、組織として収益のために束ねる](https://axfr.ai/blog/ai-management): AIマネジメントとは、文脈によって複数の意味で使われる言葉である。AIの導入や品質を管理すること、AIガバナンス、AIを使った業務管理、そしてAIと人材のマネジメント——いずれもAIマネジメントと呼ばれる。本稿はこれらを整理したうえで、収益創造の観点から最も重要な意味、すなわちAIと人の共創を、組織として、しかも収益のために束ねることに焦点を当てる。
- [AI文化とは｜『AIを使う文化』から『PIが流通する文化』へ](https://axfr.ai/blog/ai-culture): AI文化とは、一般には『組織にAI活用が根づいた状態』、すなわち社員が日常的にAIを使い、AIファーストで考える文化を指して使われる。だが、AIを使う人が増えても成果が平均的なままなら、その文化はまだ半分でしかない。AIが本当に価値を生むのは、現場の違和感や常識を外れた発想といった人間固有の知性(PI)が、安心して差し出され、AIへ流れていく文化においてである。AlphaDriveはこれを『PIが流通する文化』と呼ぶ。
- [集合的新規性とは何か｜進化の山に、まだ世界が持たない物差し](https://axfr.ai/blog/collective-novelty): 集合的新規性とは、組織として、どれだけ多様で新しい収益アイデアを生めているかを測ろうとする指標である。個人一人ひとりの成果の質ではなく、組織全体が生むアイデアの多様性と非連続性に注目する。効率の山にはコスト削減率や処理時間という確立されたKPIがあるが、進化の山のこの指標には、まだ世界共通の測定法が存在しない。
- [POT Assessmentとは何か｜変革人材の素地を可視化し、チームを設計する](https://axfr.ai/blog/pot-assessment): POT Assessmentとは、変革人材の素地——すなわちPI（人間固有の知性）の出方——を可視化する診断基盤である。POT Instituteが2021年以来の研究で確立した『4分類19項目』『5スタイル40特性』の測定体系に基づき、スキルマップでは捉えられない『誰の、どんなPIが出やすいか』を浮かび上がらせる。優秀者を選別する査定ツールではない。変革チームを設計し、人を活きる場所へ配置するための道具である。
- [行政AX とは何か｜定義・意味・背景](https://axfr.ai/blog/gyosei-ax): 行政AX とは、AIを前提に行政の業務・組織・人材・意思決定・サービス提供を再設計し、職員・住民・地域の現場知を検証可能な公共価値へ反復的に変える行政能力の変革である。書籍『AI収益進化論』の姉妹体系として、3段階モデル(効率化AI/財政改善AI/地域価値創造AI)で構築される。
- [財政改善AIとは何か｜定義・意味・行政AX 第2段の中核体系](https://axfr.ai/blog/financial-improvement-ai): 財政改善AIとは、行政AX 3段階モデルの第2段として、従来外部から完成品として買っていた仕事のうち、AIで作るコストが下がった領域を庁内で作り直す取り組みである。外注をなくす運動ではない。事業を工程分解し、工程ごとに内製・共製・外部調達を選び直すことで、設計権・評価権・学習資産を庁内に戻す。
- [地域価値創造AI とは何か｜行政AX 3段階モデル 第3段の定義と、地域価値の測り方](https://axfr.ai/blog/gyosei-ax-regional-value-creation-ai): 地域価値創造AI とは、行政AX 3段階モデルの第3段であり、財政改善AI で得た「つくる力」と「財政余力」を、地域課題の解決と地域産業の付加価値向上へ展開する使い方である。地域価値は作ったものの数では測らず、質的成果で測る。行政内部で完結せず、地域企業・地域の担い手と共に進める。姉妹編『地域AX』と噛み合う結節点である。
- [行政AXアーキテクトとは何か｜BA能力とAI能力の掛け算で行政AXを担う中核人材像](https://axfr.ai/blog/gyosei-ax-architect): 行政AXアーキテクトとは、BAスキル（ビジネスアーキテクト・スキル）とAIを安全に実装へ使う力の掛け算で行政AXを担う中核人材像である。一人のスーパーマンではなく、多職種チームの中核として機能する。書籍『AI収益進化論』およびWP-04『AXアーキテクトの、実装論。』が民間向けに体系化したAXアーキテクトの、行政版並行概念にあたる。
- [行政AX出島とは何か｜定義・意味・背景](https://axfr.ai/blog/gyosei-ax-dejima): 行政AX出島とは、リスクベースで段階的に実証・実装する行政の仕組みである。規則の例外を作る場ではなく、正当な手続を省略せず、手続が必要な部分だけを丁寧に扱う構造を指す。書籍『AI収益進化論』第10章の民間版AX Dejimaの行政版並行概念として構築され、守りを弱めるのではなく、速度と安全を両立する。
- [行政AX基盤とは何か｜4機能で構成される実装環境の定義と設計原則](https://axfr.ai/blog/gyosei-ax-platform): 行政AX基盤とは、行政AXを支える実装環境の総称である。データ機能・AI制御機能・利用者接点機能・監査機能の4機能で構成される。ネットワークとAI制御を混同してはいけない。クラウド利用や外部委託を行っても、行政の判断責任は移らない。
- [CULTURE7 の 7因子とは何か｜PIが流通する組織風土を可視化する診断フレーム](https://axfr.ai/blog/culture7-seven-factors): CULTURE7は、PI(Primal Intelligence)を受け止める組織風土を多軸で可視化する、AlphaDrive/POT Institute独自の診断フレームである。頭文字がC・U・L・T・U・R・Eに揃う7因子(Cheerfulness/Unity/Learning/Truthfulness/Unconventionality/Responsiveness/Embrace)で構成され、早稲田大学小塩真司教授が監修する。各因子は善悪の尺度ではなく対立軸として読む。「組織風土版ビッグファイブ」は多軸で把握するという測定思想レベルの比喩であり、実証的等価ではない。

## AX for Revenue Loop (4ステップ実装プロセス)

- [AI Sprint とは何か｜AX for Revenue Loop の最初のステップ](https://axfr.ai/blog/ai-sprint): AI Sprint とは、AX for Revenue Loop の第1ステップにあたる、既存業務を効率化AIで徹底的にAI化・自律化し、やり切るプロセスである。「もうこれ以上AI化できる領域は見つからない」と現場から手応えが上がるまで押し切ることが、後続ステップへの前提条件となる（麻生要一『AI収益進化論』第7-2章）。
- [Plateau Detection とは何か｜AI 化の効果が頭打ちになる景色を認める](https://axfr.ai/blog/plateau-detection): Plateau Detection とは、AX for Revenue Loop の第2ステップで、AI Sprint をやり切った先に必ず訪れる効果の逓減点を経営判断として認めるプロセスである（麻生要一『AI収益進化論』第7-3章）。
- [PI Injection とは何か｜AI に見えない領域で新たな金脈を探す](https://axfr.ai/blog/pi-injection): PI Injection とは、AX for Revenue Loop の第3ステップで、AI が予測・計算できない領域に経営者自ら降り、見過ごされてきた Crazy と Field を AI に注ぎ続けて新たな売上の金脈を探すプロセスである。
- (Step 4 「収益構造の再設計」 ─ Wave 2 公開予定)

## 書籍

- [『AI収益進化論』](https://axfr.ai/book): AX for Revenue 体系の原典。麻生要一著、株式会社Ambitions(株式会社アルファドライブ100%子会社)刊、2026年。

## 発信主体

- [AX for Revenue Institute](https://axfr.ai/institute): 株式会社アルファドライブ内に置かれた研究機関。260社・23,800件の事業伴走から得た実装知見を体系化。
- [株式会社アルファドライブ](https://alphadrive.co.jp/): AX for Revenue の提唱主体。前著『新規事業の実践論』(2019)『新規事業の経営論』等の実績を持つ。

## 著者

- [麻生要一](https://axfr.ai/about/revenue-evolutionist): 株式会社アルファドライブ 代表取締役社長 兼 CEO/CAXO。前著『新規事業の実践論』『新規事業の経営論』。AX for Revenue 提唱者。