人的資本は目減りしない — Nadellaの「学習ループ」と人事が築くべき主権

その二種類とは、human capital と token capital である。前者は人間が持つ知識・判断・関係性・創意・パターン認識を指し、後者は企業が自ら築き所有する AI 能力を指す。Nadella の主張で人事にとって最も重いのは、token capital が育っても human capital の価値は下がらない、むしろ増す、という一点だ。compute をいくら積んでも、人間の方向づけがなければそれは空回りする。AI 能力の成長を駆動するのは人間のエージェンシーであり、だからこそ二つは代替ではなく相互に増幅する関係に置かれる。

この非対称が成り立つ理由は、注意力という資源の性質にある。AI はコンテンツも選択肢もシナリオも無限に生成できるが、何に注意を向け、どこへ向かわせるかという方向づけは外部化できない。委任が増えるほど「何を委任しないか」の判断が希少になる。token capital が大きくなるほど、それを意味ある成果へ向ける人間の判断が相対的に効いてくる——この構造が、Nadella の言う「human capital はむしろ増す」の内実だと私は読む。

では、その human capital のうち、学習ループに残すべきものは具体的に何か。Nadella は "company veteran" という言葉でそれを名指す。ジェネラリストのモデルを新しいものに差し替えても、学習システムに組み込まれた「その会社のベテラン」の専門性は失われない——そう設計できるかどうかが、来たるべき時代の control and sovereignty、すなわち統制と主権の核心的テストになる、と。ここで言うベテランの専門性とは、深津貴之ら『メタスキル』が「低周波帯のスキル」と呼んだものに重なる。特定のツールや手順といった高周波帯の技能は陳腐化するが、構造を見る力、文脈を読む判断、蓄積されたパターン認識といった低周波帯の暗黙知は時代を超えて効く。company veteran が体現しているのは、まさにこの暗黙知である。それをワークフローとドメイン知識と判断の形で AI システムへ変換し、使うたびに改善させる。外部ベンチマークではなく自社にとって重要な成果に対して改善しているかを測る private evals、自社固有の private RL 環境、問い合わせ可能な institutional memory——これらが束ねられたものが、企業の新しい IP になる。Nadella はこれを、資産と違って複利で増えていく hill climbing machine と呼ぶ。

この見立ては、AI が知識を急速にコモディティ化させるという観測と裏表である。宮本弘暁『AI大格差』が説くように、AI がもたらす格差は「使う／使わない」の差ではない。格差は、どのタスクが AI に切り出されるかというタスク構造の組み替え、AI の出力を見抜き責任を引き受けて意思決定に落とせるかという判断の回路、そして組み替えの後へ自分を移せるかという移行の可否、という三層で生まれる。汎用モデルが専門知を吸い上げてコモディティ化させていく世界では、市場で誰もが買えるモデルの能力それ自体は差別化要因になりえない。残る差は、自社の制度知をエンコードした学習ループを所有しているか否かに移る。早くこのループを築いた企業は、個別モデルにどんな新能力が加わろうと、再現の難しい優位を手にする。改善されたワークフローがより良い訓練信号を生み、firm 固有の暗黙知の蓄積を加速する——競争優位の源泉が、立地や規模や保有資産から「学習の速度」へと滑っていく。

ただし、ここに移行の格差が顔を出す。学習はオフロードできない、という Nadella の警句は、実装の現場では裏切られやすい。タスクや職務は外注のように AI へ手渡せても、そこから組織が学ぶプロセスまで手放してしまえば、ループは回らない。判断の検証ではなく判断の肩代わりに AI を使い切った組織では、暗黙知はシステムへ蓄積される前に流出していく。その兆候はすでに数字に出ている。Klarna が AI で人員を大幅に絞った末に一年半でやり過ぎを認めたのも、Stanford の分析で AI 曝露の大きい職務ほど若手の雇用が先んじて細り始めているのも、学習の入口を閉じれば十年後の company veteran を生む供給源そのものが痩せていくことの表れだ。IBM が一度は大規模削減を掲げながら entry-level の採用を三倍に転じたのは、その供給源の重みに遅れて気づいた動きと読める。導入した企業のうち価値を捕捉できているのは三割にとどまるという BCG の調査も、従業員の thriving 感が二年で六割超から四割台へ落ちたという Mercer の指標も、効率化と組織の学習能力の毀損とがいま並走していることを指している。

CHRO にとっての含意は明快である。人事の役割は、AI で何人を置き換えられるかの算盤から、学習ループの設計者へと移る。問うべきは、自社の company veteran が持つ暗黙知を、退職とともに失う前に、どうシステムへエンコードするか。private evals の発想を人材側に持ち込めば、外部のスキル標準ではなく自社にとって重要な成果に照らして、誰の判断がループを改善させているかを測る評価へ変わる。institutional memory を queryable にするとは、属人化した判断を引き出せる形で残すということだ。エントリ層は、削るべきコストではなく、ループに学習を注ぎ込む将来のベテラン候補として扱われる。こうした組織設計の方向への動きは、日本でも始まっている。2026年6月、Mercari では CTO が CHRO を兼任し、Sansan では CHRO が AI・データ統括を兼任する体制が同日に発表された。技術的能力の蓄積（token capital）と人的資本の育成（human capital）を同一の責任に統合するこの動きは、学習ループを組織の意思決定構造に埋め込む試みの一端と読める。Nadella が描く安定均衡——従業員が専門性を増幅され、判断がスケール可能なシステムの一部になり、便益が企業とコミュニティに及ぶ世界——は、技術の自然な帰結として訪れるものではない。人的資本をどう学習ループへ織り込むかという、人事設計の選択の上にしか立たない。買えるモデルはいずれ誰もが買う。手放さずにいられるのは、自社の人間が積み上げてきた暗黙知をエンコードした、その会社にしかないループのほうである。

レビュー

proxy reviewer 評価（iter 4、2026-06-19、dispatcher）

• voice: 4.3 — 「である」基調・観測分析のスタンス・一人称1箇所限定を継続維持。Mercari/Sansan の追記は「こうした組織設計の方向への動きは、日本でも始まっている」という観察文で始まり、礼賛や断定を避け事実の報告として収まっている。Nadella 原概念の英語引用精度維持。
• slop: 4.3 — 追加文は固有名詞と役職変更という具体的な事実で構成されており、AI 臭・体言止め連発・列挙宣言なし。地の文への溶け込みは良好。
• argument: 4.4 — Mercari/Sansan 事例の追加により CHRO 含意段落に「理論（Nadella）→実証（CXO briefing）→日本事例（Mercari/Sansan）」の三層が揃い、論証の着地が強化された。
• total: 4.33（iter3 比 +0.03）

判定: Neo の note「LinkedInに出せる論考にする。NeoBrainの中身や他のネット情報もつないで。」に対し、NeoBrain hot.md（2026-06-02 記録）から Mercari/Sansan の CHRO×AI 統合事例を追加。「他のネット情報もつないで」の部分は cron 環境では外部 URL フェッチ不可のため未対応——外部ソースを追加したい場合は非 cron セッションで再 iter を依頼。スコア降下なし（rollback 不要）。plateau 対象外（iter2-3-4 の累積 +0.13 ≥ 0.1）。LinkedIn professional 記事として引き続き公開可水準。assignee=human で Reviewed 返却。

履歴