目的、目標、決定は代替することのない排他資源である
AI、GPUは目的、目標を自発的に持つことはできない。人間が目的、目標を持つことができるのは、人間には生まれて死ぬまでの時間の制限があり、体の大きさや認知能力が限定的であるからだ。
事業も、リーダーシップとしての目的がなければ容易に熱力学のエントロピー増大の法則に従い、ベルトラン競争、囚人のジレンマにより、粗利益は下がる方に、営業利益は0に近づいていく。コンペティティブROICやスケール&オペレーティングレバレッジを実現することができるのはひとえに目的、目標がなす成果であり、最適化問題を解く機械は、外部からの入力なしにコンペティティブROICやスケール&オペレーティングレバレッジを実現することは不可能である。(計算不可能)
そして、富の増大という問題は矛盾を孕む問題である。例えば、ホーチミンで最適化された行動は千代田区で成立するとは限らない。ホーチミンでうまくやっていく方法と丸の内でうまくいく方法は線形相関性がないどころか、論理矛盾することの方が多い。スタートアップの経営者は0から億、兆とスケールを上げていく。このスケールがほんの1桁変わるだけでも、全くもって矛盾を出力してしまうような可換性のない決定プロセスが多々ある。スケールアップする際には、次のスケールでは可換性を持つことがないと事前に証明できる目標、決定、行動、習慣を消去する必要があるのだ。
目的、目標、決定は代替することのない排他資源である
上記の思想が持つ構造的必然性を整理すると、以下の5つの命題として定義できる。
1. 有限性が生む「価値の非対称性」とAIの限界 AIやGPUは、与えられた目的関数(損失関数の最小化や報酬の最大化)を解く驚異的な計算機であるが、「なぜその関数を解くのか」というメタな問いを自発的に持つことはない。AIにとって時間はクロック周波数に過ぎず、身体的な痛みも死による喪失もないため、すべての選択肢が等価(フラット)だからである。 一方、人間は「寿命という絶対的な時間制約」と「身体・認知の限界」というサンクコストを背負って生きている。「すべてを手に入れることはできない」という有限性があるからこそ、「何を捨て、何に命(時間)を使うか」という価値の偏り(=目的・目標)が創発されるのである。この価値の偏りは思想、信念、信条、哲学と置き換えることもできる。
2. 排他資源としての「決定」——「捨てること」の代替不可能性 情報や計算力は複製・共有が可能な非競合財であるが、「決定(Decision)」の本来の語源が「切り捨てる(de-caedere)」であるように、ある目的を選び取ることは他の無数の可能性を消す行為である。 人間の時間と認知が有限である以上、「Aに張る」という決定は「非Aをすべて捨てる」という不可逆なトレードオフを伴う。AIは何万通りものシミュレーションを並列計算できても、自らの生存をかけて「この1つに絞り、残りの退路を断つ」という排他的な引き受け(コミットメント)をする際には膨大な演算資源が必要となり、制限時間内に解くことができないケースも多々あるだろう。この「退路を断つ決定」、は他者が模倣できない排他資源である。
3. 「目的の不在」が招く経済的エントロピーの増大 物理学において外部からエネルギーを投入し続けなければエントロピーが増大(無秩序化・熱的死)するように、市場経済においても、強い意志(目的)という「負のエントロピー」を注入し続けなければ、事業は必ず均質化へと向かう。
-
ベルトラン競争への転落: 独自の目的(顧客にどのような独自の価値を届けるか)が不在の企業は、他社と同じ土俵で「価格」という最も安易な変数に依存するようになる。
-
囚人のジレンマの常態化: 互いに「相手のシェアを奪うための値下げ・過剰サービス」を選択することがナッシュ均衡となり、業界全体の粗利益率が崩壊し、最終的に限界費用=価格となって営業利益はゼロへと収束する。自社内であれ、部門間競争で部門同士の生産性をお互いに下げ合うという競争がはじまる。
これは、目的を持たない組織が「局所的な最適化(目先の売上維持や競合追随)」を繰り返した結果として必然的に行き着く「経済的な熱的死」である。
4. 「最適化(計算)」と「レバレッジの構築(意思)」の断絶 コンペティティブROIC(資本コストを上回る超過利潤の持続的創出)や、スケール&オペレーティングレバレッジ(固定費をテコにした収穫逓増モデル)は、「現在のデータから導かれる局所最適解」に逆らうことでしか生まれない。 スケールやオペレーティングレバレッジを効かせるには、需要が確実視される前に巨大な固定費(設備、R&D、ブランド等)を投下する「非連続な賭け(不確実性の引き受け)」が必要となる。外部からの入力なしに動く最適化機械(AI)に経営を委ねれば、不確実な先行投資は「リスクが高い(期待値が計算できない)」として棄却され、変動費化や縮小均衡といった「安全な局所最適」へと収束してしまう。超過利潤の源泉は、計算可能なリスクの中にあるのではなく、ナイトの不確実性(計算不可能な領域)に対して資源を非対称に集中投下するリーダーシップの意思決定にある。そしてこの意思決定は規模拡大と一体であり、規模拡大前と拡大後の決定には常に矛盾が内包される。(同時に桁の違う2つの事業を同じフレームワークで実行することができない。)
5. 空間・スケールの「相転移」と事前消去(アンラーニング) 空間やスケールの移行において決定プロセスが矛盾を起こす現象は、物理学における「相転移(Phase Transition)」や、複雑系における「More is Different(量が変われば質が変わる)」の法則と完全に一致する。
-
空間の非対称性: カオスの中で機動的に隙間を突く局所最適と、高度に制度化・信用構造化された空間で巨大なレバレッジを動かす最適解は、前提となるゲームのルールが正反対である。
-
スケールの非可換性: 売上1億円(10^8)のフェーズで正解のように思われる「創業者自身がすべての商談に出て、例外的な個別対応で顧客をねじ伏せる」という行動は、100億、1兆円(10^12)のスケールでは組織のボトルネックとなり、オペレーティングレバレッジを破壊する原因へと反転する。
過去のデータを学習して延長線上の最適解を出す機械や、過去の成功体験に縛られた人間は、この「桁が変わることで昨日の正解が今日の毒になる」という非線形な矛盾を乗り越えることができない。通常、組織や人間は「現在うまくいっている行動」を強化しようとするが、スケールを1桁上げるためには、まだその習慣が利益を生んでいる段階で「このやり方は次の桁では構造的に破綻する」と論理的に見抜き、自ら破壊・消去しなければならない。
事業が桁を変えてスケールし、高いROICとオペレーティングレバレッジを獲得していくプロセスとは、何かを足していくこと以上に、「次の次元に持ち込めない現在の正解を、推論と予測により事前消去し続ける連続的な自己否定のプロセス」である。

