経営者のAI講演を、一言一句理解する
聞き取れない原因は、知識量ではありません。出てきた単語を「技術の話・制度の話・組織の話」のどれに振り分けるかが決まっていないだけです。振り分け方を決めれば、9割は迷わなくなります。
結論：最短ルートは「用語集から入らないこと」
用語集を先に読んでも定着しません。順番はこうです。
- 4語だけ覚える「学習と推論の違い」「エージェント」「コンテキストとトークン」「ガードレール」。この4つが全部の土台です。残りは後回しでいい。
- 講演の全文書き起こしを読む要約記事ではなく全文。経営者の講演は、語の使い方までセットで読まないと意味が取れません。分からない語が出たときだけ辞典に戻る。
- エージェントを自分の業務で1つ使う議事録から作業を洗い出させて期限管理までやらせる、など。体験すると「エージェント」の説明が不要になります。
- 小さいツールを1つ自分で作るこれをやらないと「生産性が20倍」という話の温度が読めません。半日で終わる規模のものを1つ。
- 自社を「〇〇×AI」の1文で書く書けなければ、まだ理解できていないという判定に使えます。
詳細な4週間の進め方は後半にあります。まず教材として、実際の講演を解体します。
教材：南場智子氏が2026年に何を言ったか
DeNA会長（2026年6月に社長兼CEOへ復帰）の南場智子氏は、2026年に立て続けにAIについて話しています。経営層のAI講演の語彙が、ほぼ全部この中に入っているため教材に適しています。
| 日付 | 場 | 位置づけ |
|---|---|---|
| 2026年3月6日 | DeNA×AI Day 2026「Proof.」 | 自社主催イベントのクロージング基調講演。エンジニア・スタートアップ・大企業経営層向け。語彙の密度が最も高い |
| 2026年5月12日 | 2026年3月期 決算説明会 | 社長復帰の発表と、3年での組織改革の宣言 |
| 2026年6月27日 | 第28回定時株主総会 | 15年ぶりに代表取締役社長兼CEOへ就任 |
| 2026年7月3日 | IVS2026（京都） | 起業家・VC向け。組織論と事業創造の話が中心 |
| 2026年8月5日 | 2027年3月期 1Q決算 | AIによる新規事業創出を成長の軸に置く方針 |
講演の主張を5点に圧縮すると
1. 開発の現場が実際に変わった
一部プロジェクトで人が5%・AIが95%という比率になり、生産性が20倍になった。リーガルチェックは9割、ライブ配信の審査工数は6割削減、QAの工数は半減。数字が出ている点が重要で、可能性の話ではなく実績の話として提示されています。
2. AIは「ツール」から「スタッフ」になった
AIを社員として登録し、Slack上で毎朝のようにやり取りしている、という具体例が語られています。ここで出てくる枠組みがプロンプト → コンテキスト → エンバイロメント（環境）エンジニアリングという3段階です。この3語の関係が分かるかどうかが、講演を理解できるかの分岐点になります。
3. 人が浮いても、誰も自分から申告しない
生産性が上がっても、人員に余剰が出たと自ら報告してくる部署はない。だから経営側から「乱暴なリーダーシップ」で人材シフトを起こす必要がある、という主張です。マネージャーの評価項目に「人材の輩出」を入れる、という具体策まで提示されています。AI導入がうまくいかない理由を技術ではなく組織に置いている点が、この講演の芯です。
4. 基盤モデル企業は「無慈悲」である
基盤モデルを持つ企業は取れる領域を全部取ってくるので、中途半端な専門性のサービスは一撃で消える。勝ち筋は「〇〇×AI」の〇〇側の複雑性と深さにある、という整理です。提携相手であり同時に最大の競合、という二面性の話をしています。
5. ベロシティ（回転数）が至上命題
差別化が難しくなったため、プロダクトの優位性そのものよりも直して回す速度と流通（ディストリビューション）が勝敗を決める。さらに買い手も売り手もAIになる前提（エージェントtoエージェント）で戦略を組む必要がある。日米差は「回転数」と「夢の大きさ」の2点だけ、という言い方もされています。
出典：DeNA公式・AI Day 2026 全文／講演動画／IVS2026 全文／東洋経済（決算説明会）。引用は要旨で、原文は各出典で確認してください。
解体1：プロンプト・コンテキスト・エンバイロメントの3段階
この3語は「AIの使い方の進化」を段階で表しています。ここが分かると、講演の技術パートは全部つながります。
実務に落とすとこうなります。第1段は「聞き方」なので個人技です。第2段は「社内のどの情報を、どうAIに届けるか」なので情報整備の話になります。第3段は「AIにどの権限を渡すか」なのでガバナンスと権限設計の話、つまり経営の意思決定です。だから経営者がこの語彙で話すようになりました。
解体2：学習と推論。「AIは高い」がどちらの話か
金額の桁が合わない議論の原因は、ほぼこれです。
解体3：新しい単語が出たときの振り分け方
この記事でいちばん持ち帰ってほしいのがこれです。知らない単語が出たら、意味を調べる前に3つのどれかに振り分ける。これだけで話の筋を失わなくなります。
頻出40語：講演の文脈での意味
辞書的な定義ではなく「講演でどういう含みで使われるか」と「取りこぼしやすい点」を書いています。取りこぼしやすい点の列が本体です。
技術の話
| 用語 | 講演での意味 | 取りこぼしやすい点 |
|---|---|---|
| サンドボックス（技術） | AIやコードを本番から切り離して安全に試す隔離環境 | 隔離すれば安全だが権限が狭く価値も出ない、というトレードオフの話をしている |
| エージェント／エージェンティック | 目的を渡すと自分で情報を取り、手順を決め、完遂するAI | チャットボットの延長ではない。本質は権限と実行 |
| 学習（training） | モデルそのものを作る工程 | 担い手は世界で数社。自社の費用には出てこない |
| 推論（inference） | できたモデルを使う工程。利用ごとに課金 | 自社のAI原価はここ。粗利の議論はこの単価で決まる |
| スケーリング則 | 計算量・データ・規模を増やせば性能が上がる経験則 | 保証ではない。近年は「推論時に多く考えさせる」方向へ軸足が移っている |
| GPU／コンピュート | AIの燃料である計算資源 | 兆円の話は基盤モデル層。アプリ層の必要投資とは桁が違う |
| RAG（検索拡張生成） | 社内文書を検索して都度AIに渡す方式 | モデルを賢くするのではなく渡す情報を賢くする手法 |
| ファインチューニング | モデル自体を追加学習で自社に寄せる | 2026年時点では、まずRAGとコンテキスト設計で足りることが多い |
| 蒸留（distillation） | 大きなモデルの振る舞いを小さいモデルに移す | 劣化版を作る話ではなくコスト戦略。法務論点にもなる |
| マルチモーダル | 文字だけでなく画像・音声・動画も扱える | 便利機能ではなく、IPやエンタメの事業機会という文脈で使われる |
| トークン | 文章を刻んだ処理単位。課金単位でもある | 精度施策とコスト施策が同じレバーになっている |
| コンテキスト | 一度にAIに渡せる情報の窓 | 広ければ良いわけではない。ノイズは判断を鈍らせる |
| コンテキスト・エンジニアリング | 渡す背景情報の設計 | プロンプト術の次の段階。すでに「もう一段先」が語られている |
| ガードレール | AIに許す行動と出力の範囲の設計 | 倫理の話ではなく実装課題。権限設計とほぼ同義 |
| アラインメント | AIの目的を人の意図に沿わせること | 研究の話と製品の話が混在しやすい |
| ハルシネーション | もっともらしい嘘を出力すること | 「減らす」より「検証手段を渡す」が実務解 |
| プロンプトインジェクション | 外部データに指示を埋め込んでAIを乗っ取る攻撃 | エージェント時代の最大級のリスク。権限を持つAIほど危険 |
| MCP | AIを社内ツールやデータにつなぐ標準的な差込口 | 地味だがエージェント実用化の前提。配管の話 |
| オンプレ／クラウド／エッジ | 自社設備／他社基盤／端末側で処理 | エッジは遅延と安全性の話。クラウド前提の議論と混ぜない |
| オープンウェイト／クローズド | 重みが公開され自社環境で動かせる／API経由のみ | 「オープンソース」とは別概念。学習データは非公開が普通 |
| 基盤モデル／ファウンデーションモデル | 汎用の土台モデルとその提供企業 | 提携相手であり同時に最大の競合という二面性 |
| フィジカルAI | 物理法則を理解して自動運転やロボットを動かすAI | ロボットの話ではなく、産業構造が情報系AIと違うという主張 |
| ベンチマーク／eval | 共通試験での比較／自社業務での評価基盤 | ベンチマーク1位≠自社で使える。evalの有無が本番化を分ける |
| オブザーバビリティ／監査ログ | AIが何を見て何をしたか追える状態 | ガバナンスは規程ではなく記録で担保する |
| バイブコーディング | 自然言語で指示して動くものを作る | 経営者本人が手を動かしているかの指標語として機能している |
| AGI／ASI | 汎用人工知能／それを超える知能 | 「来るかどうか」ではなく「社会の準備が間に合うか」の文脈で語られる |
制度の話
| 用語 | 講演での意味 | 取りこぼしやすい点 |
|---|---|---|
| サンドボックス（規制） | 産業競争力強化法の新技術等実証制度。期間と参加者を限定して既存規制の適用外で実証する | 技術のサンドボックスと同じ単語。別記事で詳述 |
| ヒューマン・イン・ザ・ループ | 重要な操作は人が承認する設計 | 思想ではなく権限設計。どこに承認を置くかの実装判断 |
| ガバナンス | AI利用のルールと責任分界 | 禁止事項を並べる話ではなく、記録と権限の設計 |
| 著作権・肖像・声の権利 | 生成物と学習データの権利関係 | タレント・IP事業では最優先論点。ツール選定基準にIP補償の有無が入る |
組織・事業の話
| 用語 | 講演での意味 | 取りこぼしやすい点 |
|---|---|---|
| AX（AIトランスフォーメーション） | AI前提に業務と組織を組み替える変革 | DXが既存業務のデジタル化なのに対し、AXはフローそのものを作り直す |
| ベロシティ | 気づいた瞬間に直して回す速度 | 開発が速いという話ではなく、学習ループの回転数 |
| PoC死／本番化 | 実証で止まる現象／運用・監視・責任分界まで作り切ること | 「AI導入しました」の大半はまだPoC段階 |
| 内製化 | 外注せず自社で作れる状態 | 全部作る話ではない。直せる状態を持つことが本質 |
| 人材シフト | 生産性向上で浮いた人を新事業に移すこと | ここが詰まるのが最大のボトルネック。技術ではなく経営の問題 |
| 〇〇×AI | 自社の深い領域にAIを掛ける勝ち方 | 〇〇の複雑性と深さが薄いと基盤モデルに飲まれる |
| バーティカルAIエージェント | 業界・業務に特化したエージェント | 汎用モデルに飲まれない条件が「深さ」であるという主張とセット |
| ディストリビューション／GTM | 販売チャネル・到達手段 | プロダクト差別化が難化した分、勝敗がここに移ったという論点 |
| A2A（エージェントtoエージェント） | 売り手も買い手もAIになる前提 | 検索・UI・広告の前提が崩れるという含意。SEOの意味が変わる |
| ユニットエコノミクス | 1件処理あたりの粗利 | 推論コストが原価に直入りするので、AI事業の成否はここで決まる |
| コングロマリット・ディスカウント | 多事業を持つと企業価値が割り引かれる現象 | 「成長企業と見られていない」という悔しさの話はここに接続する |
4週間の学習ルート
合計で1日15〜20分。教材を買う必要はありません。
手を動かす
- AIエージェントを自分の業務で1つ使う（議事録→作業洗い出し→期限管理）
- バイブコーディングを1回。半日で終わる社内ツールを1つ完成させる
体系化とアウトプット
- 技術の基礎は東大松尾・岩澤研の無料講座で「学習／推論／スケーリング則／蒸留」だけ拾い読み
- 制度用語は内閣官房の規制サンドボックスを1本
- 自社を「〇〇×AI」の1文で書き、社内で15分の要約を話す
「基盤モデル企業が無慈悲であるとはどういう意味か」「ベロシティとは何の速度か」「AXとDXはどう違うか」を、自分の言葉で説明できたら合格です。用語を暗記できたかどうかは判定基準になりません。
1つだけ注意点
この種の講演には、聞き手を動かすための強い言葉が意図的に使われます。「乱暴なリーダーシップ」や「無慈悲」はその典型です。そのまま自社に持ち込むと、生産性向上より先に組織の不安が来ます。
この講演が説得力を持つのは、生産性の数字を先に出し、そのうえで人材シフトの必要を語っているからです。順番が逆になると、同じ言葉は単なる人員削減の予告として受け取られます。語彙を借りるときは、数字と順番もセットで借りてください。
自社の言葉に翻訳するところまで
用語が分かっても、自社の業務にどう当てるかは別の作業です。AI COMPASSでは、業務の棚卸しから自動化の設計、社内展開の型づくりまで伴走しています。
AI顧問について