AIですべてを自動化したら、社員が3倍に増えた

You prompt AI to do something, it blows your mind, you feel inadequate, you feel like,"Oh my god, this thing is going to take my job." AIに何か指示すると、結果に圧倒されて、「やばい、この仕事を取られる」って気持ちになります。 And then it stops working and it looks back at you and says,"What should I do next?" そして動かなくなって、「次は何をすればいいですか？」って聞いてくるんです。 The further away an agent gets from a human, the less valuable it is. エージェントが人間から離れれば離れるほど、その価値は下がります。 If you just ride the models, you're going to be fine. モデルの進化に乗り続ければ、大丈夫です。 If you care about leading a really ambitious life, I truly think that this is going to make that more possible for more people. 本当に野心的な人生を歩みたいなら、これはもっと多くの人にその可能性を開くと、私は本当に信じています。 Every is the only subscription you need to stay at the edge of AI. AIの最前線にいるために必要なサブスクリプションは、Everyだけです。 If you care about being on top of the latest models and using latest tools, you have to subscribe to Every to separate out the signal from the noise. 最新モデルや最新ツールについていきたいなら、Everyを購読してシグナルとノイズを分けなければなりません。 Go to every.to/subscribe today. 今すぐevery.to/subscribeへ。 So, we are here uh because we're going to flip the script a little bit. ということで、今回はちょっといつもと違うことをやってみます。 I am going to be interviewing Dan Sick. 私がDan Sicをインタビューする番です。 uh about the piece that he published yesterday, May 21st. えっと、昨日5月21日に彼が公開した記事について。 Uh and we're going to try to understand why he wrote it, what's underneath his reasoning for it. なぜそれを書いたのか、その根拠にある考え方を理解しようとします。 There's going to be some conflict. 多少の対立もあるでしょう。 I'm going to I'm going to fight with him on it. ちょっと言い合いになると思います。 Let's fight. やろうじゃないですか。 and see, you know, bringing some of my opinions, which are more or less aligned, but uh trying to understand does this is this piece going to reflect the future in 10 years, in 5 years? 自分の意見もいくつか持ち込みながら、大筋では同じ方向性ですが、この記事は10年後、5年後の未来を映しているのか確かめたいと思います。 And who are you again? そっちは誰ですか？ Um I'm Brandon. えっと、Brandonです。 I'm our COO. COOをやっています。 And that's it. 以上。 So, the piece is called After 記事のタイトルは「After And it it comes from this feeling that I have. この感覚から来ています。 And there's a video about this, and there's there's a piece, but just for people who who have not seen either of those things. これについて動画もあるし記事もあるんですが、どちらも見ていない方のために簡単に言うと。 It comes from this feeling that I have that at Every, we are as AI native, as agent native, as it as you as it gets, you know, if you swing a stick around in our Slack, you're you're as likely to hit a human as you are an Everyは、AIネイティブ、エージェント・ネイティブとしてこれ以上ないほどの会社です。私たちのSlackでランダムに何かやったら、人間とエージェントどちらかに当たる確率は半々くらいで [snorts] [笑い] Everyone's using Claude Code and codex and all these tools to do their job every day. みんな毎日Claude CodeやCodexを使って仕事しています。 Um and yet it feels like there's more human work to do than ever. それでも、人間がやるべき仕事はかつてないほど増えているような気がします。 And in fact like since the GPT-3 days like we've grown from four people to like 30 people and we're hiring more now. GPT-3の頃から4人だったのが今は30人ほどに成長していて、まだ採用も続けています。 And so it came from me looking at that and then looking at the environment and being like what's going on because the whole information environment if you look at Dario is out there saying like half of entry-level white-collar jobs may be wiped out. その事実を見ながら周りの状況を見渡すと、「どういうことだ」と感じます。なぜならDarioは「ホワイトカラーのエントリーレベルの仕事の半数が失われるかもしれない」と言っているような情報環境があるからです。 Even even people like um like Ken Griffin from Citadel is like you can tell he just had this moment where someone showed him an AI doing like an advanced data or finance question and he was like holy [ __ ] like that's what I would pay PhDs to do for me and it just did it. Ken GriffinみたいなCitadelの人も、誰かがAIを使って高度な財務分析をやっているのを見て「くそ、それ博士号持ちの人間に払って任せていたことだ、それをやってしまった」という瞬間があったと伝わっています。 And I feel like I'm watching a lot of people who maybe don't have a ton of experience with agents and don't have a ton of experience with the curve of improvement that we've been riding for the last like three three and a half years hit it for the first time and then come to all these conclusions about エージェントにあまり触れてきていない、この3〜4年の改善の波を体験していない人たちが初めて触れて、いろんな結論を出しているのを見ている感じです。 oh my god like all work is going away we're not going to have jobs and I'm just like sitting here being like actually your intuitions when you first see a technology like this are usually very 「もう全部の仕事がなくなる、職を失う」って、でも私はそれを見て「いや、新しい技術に初めて触れた時の直感って大抵ずれていますよ」って思っています。 And we've seen a lot over and over again over the years that これは何度も何度も繰り返し見てきたことで Every is a very good bellwether for where things are going because it's a it's a group of early adopters we have people in doing all sorts of work internally at Every and if something works here it there's a good bet that it's going to spread to other other places other other businesses that are that are adjacent to ours. Everyは今後の方向性の指標として非常に優れています。早期採用者の集まりで、社内でいろんな仕事をしていて、ここで機能することは他の場所にも広がる可能性が高いです。 And so when I look around at Every I I see so much automation and I also see way more human work. Everyの状況を見ると、自動化がすごく進んでいて、同時に人間がやる仕事も大幅に増えています。 So I was really um the the whole piece is saying here's the current state of work with agents. だから、記事全体はエージェントを使った今の仕事の現状を伝えることを意図しています。 And then pulling apart that paradox and sort of explaining why does why does more automation mean more work? そのパラドックスを解き明かして、なぜ自動化が増えると仕事も増えるのか説明しようとしました。 Yeah, when I read the piece it was there wasn't like an explicit call to action in it, but I sort of felt this call to action of like there is actually a massive amount of hope right now in a world that is filled with a lot of doomers. 読んでいて、明確なコール・トゥ・アクションがあるわけじゃないけど、「ドゥーマーだらけの世界に、実は大きな希望がある」というメッセージが伝わってきました。 And um and this is why. そしてその理由がこれです。 Um えっと [snorts] [笑い] but I am going to come out of the gate and ask you a devil's advocate question. ただ、最初から悪魔の代弁者的な質問をぶつけてみます。 Which is a couple hours before you publish this piece the CEO of ClickUp came out with this long tweet about why he fired 8,000 people and 3,000 people some その記事を公開する数時間前に、ClickUpのCEOが長いツイートを出して、なぜ8,000人と3,000人かを解雇したかを書いていました。 What? え？ I don't I don't think it was 8,000. 8,000人じゃなかったと思いますけど。 I was 20,000 people. 20,000人でしたよ。 What I mean いや、えっと [laughter] [笑い] I think it was like 3,000. 確か3,000人だったと思います。 an entire economy. 一つの経済圏みたいな規模ですね。 like 22% of of his workforce. 従業員の約22%です。 I don't think it was in the thousands, but yes, it was it was a 数千人だったとは思わないけど、確かに多かったです。 it was a lot of his workforce. かなりの割合でした。 Yeah. そうですね。 Yeah. そうですね。 So my question to you is um in a business like every we're growing super fast. 私の質問は、Everyみたいな急成長している会社の場合はどうなのか、です。 Um what you wrote makes a lot of sense to me. あなたが書いたことは私にもよくわかります。 And what you wrote theoretically makes a ton of sense in that AI is not autonomous right now. 理論的にも納得感があります。今はAIが自律的ではないということです。 It has to be told what to do and then has to be checked. 何をすべきか指示されて、その後チェックが必要です。 We need to have that that sandwich that you described in in the piece. 記事で説明していたあの「サンドイッチ」が必要です。 But in a business that is 8,000 people, 10,000 people that is mature and has built ways of managing like SOPs for managing their business does this manifesto and this thesis still hold true? でも8,000人、10,000人の規模の成熟した企業で、業務管理のSOPが整っている場合でも、このマニフェストやテーゼは成り立つんでしょうか？ It's a それは It's a really good question. とても良い質問ですね。 Um えっと Are there a couple いくつか There are a couple different questions here. いくつか別々の問いがありますね。 The first thing I want to do is like lay out the argument. まず議論の全体像を示したいと思います。 Why does Why does automation make more work? なぜ自動化によって仕事が増えるんでしょうか？ I'm sure many people listening to this also haven't read it. 聴いている方の多くもまだ読んでいないと思いますので。 So take a second to explain that in detail. 少し時間を取って詳しく説明してください。 I will do that. やってみましょう。 So basically, the idea is the way that AI works and the way it functions in the workplace is AI makes yesterday's expert competence cheap. 基本的なアイデアはこうです。AIが職場でどう機能するかというと、AIは昨日の専門的能力を安価にします。 And by that I mean AI is trained on all of our outputs, all of the code and the writing and the design and and decision-making and everything that's ever been written. 具体的には、AIはあらゆる人の成果物で訓練されています。コード、文章、デザイン、意思決定、これまで書かれたあらゆるものです。 And it makes that available to everyone for very cheap. それをすべての人にとても安い価格で利用可能にします。 So uh you can だから、えっと So anyone now with a prompt can use yesterday's competence to solve a programming problem, build an app, or write a uh write a piece like I did, write a report, or uh or, you know, make a YouTube thumbnail. プロンプト一つで誰でも昨日の専門的能力を使って、プログラムの問題を解いたり、アプリを作ったり、私が書いたような記事を書いたり、レポートを作ったり、YouTubeのサムネを作れます。 And the interesting thing is that when you do that when when expert competence is available for cheap, it gets really widely adopted. 興味深いのは、専門的能力が安く手に入るようになると、広く採用されるということです。 So everyone starts to do it. 誰もがやり始めます。 Everyone starts to like, you know, we see this internal みんながやり始めて、社内でも見えてきます。 Everyone's making pull requests みんなプルリクを出してます。 [ __ ] [ブランク] this is crazy. すごいことです。 Yeah. そうです。 And and and like I'm making pull requests and ops people are making pull requests and you know, engineers are like writing essays and you know, there's all this line crossing basically for non-experts to do the thing that experts used to do. 私もプルリクを出して、オペレーションの人もプルリクを出して、エンジニアもエッセイを書く。専門家が担っていた仕事に、非専門家が越境するケースが増えています。 And that feels very threatening to experts. それは専門家にとってとても脅威に感じられます。 They're like,"Well, what's my job going to be now?" 「じゃあ自分の仕事って何になるの？」ってなりますよね。 Mhm. そうですね。 And [snorts] what's interesting about that is because these tools are trained on outputs, are trained on yesterday's data the stuff that they do is uh with with default prompt with is it uh the stuff that they do with a default prompt all looks kind of similar and is all kind of right for the current situation, but it's like not actually totally right. [笑い] 面白いのは、これらのツールは成果物で訓練されている、昨日のデータで訓練されているので、デフォルトのプロンプトで出てくるものはどれも似ていて、今の状況にだいたい合っていますが、完全に正しいわけではないんです。 And so what happens is you sort of like flood the zone with tons of stuff that's like close, but not quite right. だからゾーンが、だいたい良いけど完全には正しくないものであふれるんです。 And then you need to basically like and and well そして基本的に、そのあとが必要で、えっと There's a それは There's a lot of that at every too. Everyでもそれはよくあります。 There's a lot of よくあります。 There's a lot of people doing what seems like great work and then you go under the hot under the hood and you're like, this isn't quite right. 一見素晴らしい仕事に見えるものが、中を覗くと「これはちょっと違う」ってなることが多いです。 Maybe like the expert should do it. 専門家がやるべきなのかも、って感じで。 Yeah. そうですね。 Yeah. そうですね。 Yeah. そうですね。 Exactly. まさに。 Uh me for example. 私を例えにとると。