ナデラが提唱する「トークン資本」とは | AI時代に企業が構築すべき学習ループを解説

目次

2026年6月15日、Microsoft CEOのサティア・ナデラがXに長文エッセイ「A Frontier Without an Ecosystem Is Not Stable（エコシステムなきフロンティアは安定しない）」を投稿した。閲覧数は6,400万件を超え、テック業界を中心に大きな反響を呼んでいる。

このエッセイの核心は明快だ。AI時代の企業価値は「どのモデルを使うか」ではなく、「モデルの上にどんな学習ループを構築するか」で決まる。本記事では、ナデラが提示した概念を原文に沿って整理し、日本企業にとっての示唆を考える。

#「人的資本」と「トークン資本」という二つの柱

ナデラはまず、今回のAIシフトが過去のプラットフォーム転換と本質的に異なる点を指摘する。

This transition is different than any previous platform shift. In the past, we used digital systems to enhance human capital. This is the first time we can create a real cognitive loop between people and digital systems.

過去のデジタル化は人間の能力を「補助」するものだった。しかしAIは、人間とシステムの間に本物の認知的フィードバックループを構築できる。これは仕事の概念そのものを変える転換だとナデラは述べている。

そのうえで、すべての企業が構築すべき二つの資本を定義した。

人的資本（Human Capital） は、従業員の知識、判断力、人間関係、創意工夫、パターン認識で構成される。業務経験を通じて蓄積される、組織固有の暗黙知そのものだ。

トークン資本（Token Capital） は、企業が構築し所有するAI能力を指す。汎用モデルをそのまま使うことではなく、自社のワークフロー、ドメイン知識、蓄積された判断力をAIシステムに転換し、使うたびに改善される仕組みを作ることだ。

ここで重要なのは、ナデラが「トークン資本が成長しても人的資本の価値は低下しない。むしろ高まる」と明言している点だ。

I believe human agency will be the driver of token capital growth. Humans will set ambitious goals, connect dots across domains, build relationships, and recognize patterns that matter most. Without human direction, you have compute running in circles.

人間がゴールを設定し、領域を横断して点をつなぎ、関係を構築する。その方向づけがなければ、コンピュートはただ回り続けるだけだ。AIに仕事を委ねる時代だからこそ、人間の判断力の価値が増す、という逆説的な主張である。

#学習ループという「丘登りマシン」

ナデラのエッセイで最も実践的な概念が学習ループだ。

The real opportunity is not in picking the best model but instead in building a learning loop on top of models where human capital and token capital compound.

「最良のモデルを選ぶこと」に本当の機会があるのではない。モデルの上に、人的資本とトークン資本が複利的に増幅し合う学習ループを構築することこそが機会である。

この学習ループを構成する要素として、ナデラは三つの柱を挙げている。

プライベート評価（Private Evals）: 外部ベンチマークではなく、自社の業務成果に対するモデル性能の内部評価基準。モデルが自社のビジネスにとって重要な成果に対して改善しているかを測る。

プライベート強化学習（Private RL）: 汎用的な学習データではなく、組織内部の実際の業務トレースに基づいてモデルを強化する仕組み。外部に公開されない、自社固有のフィードバックでAIを鍛える。

組織的記憶のナレッジベース化: 長年にわたり組織に蓄積された暗黙知や判断基準を検索可能にし、トークンの利用をより効率的にする。

ナデラはこの学習ループを「丘登りマシン（hill climbing machine）」と表現した。局所的な最適化を繰り返しながら、組織全体の能力を押し上げていく仕組みだ。そして「ほとんどの資産とは異なり、これは複利的に成長する」と述べている。

Every improved workflow generates better training signal, which accelerates the accumulation of tacit knowledge unique to the firm.

改善されたワークフローがより良い学習シグナルを生み、それが組織固有の暗黙知の蓄積を加速する。この循環を早期に構築した企業は、個々のモデルの性能向上とは独立した、複製困難な優位性を持つことになる。

#AI時代の「主権テスト」

ナデラは、学習ループの構築にあたって一つの重要なテストを提示している。

A company should be able to switch out a 'generalist' model without losing the 'company veteran' expertise built into their learning system. This is the key 'test' of your control and sovereignty in the era ahead.

汎用モデルを入れ替えても、学習システムに組み込まれたベテラン社員の専門性が失われないこと。これが「来たるべき時代における自社のコントロールと主権の重要なテスト」だとナデラは断言する。

この主張は、特定のAIベンダーへのロックインに対する明確な警鐘だ。GPT-4oからClaude、Geminiへとモデルを切り替えても、自社が蓄積した組織知やワークフローの改善が保持されるアーキテクチャを設計すべきだということである。

裏を返せば、これはMicrosoftというプラットフォーム企業のポジショントークでもある。「モデルは交換可能であるべき」という主張は、Azure上でOpenAI以外のモデルも提供するMicrosoftの事業戦略と一致している。ただし、主張の本質的な正しさは、それとは独立して評価できる。

#グローバリゼーションの教訓とフロンティアエコシステム

エッセイの後半で、ナデラは経済史の教訓を引きながらAIの未来を論じる。

Think about what happened in the first phase of globalization where entire industrial economies were hollowed out by outsourcing. The GDP numbers looked fine on the surface, but the displacement was real and the consequences are still being felt.

グローバリゼーションの第一段階で何が起きたか。アウトソーシングによって産業経済が空洞化し、表面的なGDP数値は問題なく見えたが、置き換えは現実であり、その影響はいまだに残っている。ナデラはこの構造をAI時代に持ち込むべきではないと主張する。

少数のAIモデルがすべての経済的リターンを獲得し、産業全体の知識がコモディティ化される世界。そのような未来に対する「社会的な許可（societal permission）」は存在しないとナデラは述べた。

その代替として提示されたのがフロンティアエコシステムの概念だ。

Our priority has to be building a frontier ecosystem, not just a frontier model, so value flows broadly across every company, every industry, and every country.

フロンティアモデル（最先端の汎用AIモデル）の開発競争だけでなく、そのモデルの上にすべての企業が独自の価値を構築できるエコシステムを優先すべきだという主張である。

ナデラはこの思想を「プラットフォームは内部で獲得するよりも多くの価値をその上に生み出す」という、自身が長年信じてきた原則に基づくものだと述べている。これはWindowsやAzureで実践してきたMicrosoftのプラットフォーム哲学そのものだ。

#日本企業への示唆

ナデラのエッセイは、AI導入を検討する日本企業に対して三つの問いを投げかけている。

#問い1: 自社の「トークン資本」は何か

多くの企業がAIツールの「選定」に時間を費やしている。しかしナデラの論に従えば、重要なのはツール選定ではなく、自社の業務知識をAIが学習可能な形に転換する仕組みの設計だ。営業のベテランが持つ暗黙知、長年の顧客対応で蓄積されたパターン、業界固有の判断基準。これらを検索可能で、AIが参照・学習できる形にすることが「トークン資本」の構築にあたる。

#問い2: モデルを入れ替えても学習は残るか

自社のAIシステムが特定のモデルに依存している場合、モデルの世代交代やベンダー変更で蓄積した学習がリセットされるリスクがある。プライベート評価基準、ファインチューニングのデータセット、プロンプトライブラリ、ワークフローの最適化結果。これらがモデル非依存の形で管理されているかが、ナデラの言う「主権テスト」に対する回答になる。

#問い3: 学習ループは回っているか

AIを導入して業務を効率化した「だけ」では、学習ループは回らない。業務の結果がAIシステムの改善にフィードバックされ、改善されたAIがさらに良い業務結果を生む。この循環が設計されているかどうかが、短期的なコスト削減と長期的な競争優位の分かれ目になる。

#ナデラのエッセイが示すAIの方向性

ナデラのエッセイは、技術論でありながら政治経済学の文脈も含む、射程の広い論考だ。

「タスクや仕事をオフロードすることはできるが、学習をオフロードすることは決してできない」という一文は、AI時代の企業経営を考えるうえで本質的な洞察だ。AIに業務を任せることは可能だが、そこから何を学び、どう組織の知として蓄積するかは、人間が設計しなければならない。

同時に、この主張がMicrosoftのプラットフォーム事業にとって都合の良いナラティブであることも認識しておく必要がある。「モデルは交換可能であるべき」「エコシステムが重要」という主張は、Azure上で複数のモデルを提供するMicrosoftのビジネスモデルと整合する。

それでも、ナデラが描いた「すべての企業が独自の学習ループを所有し、人的資本とトークン資本を複利的に増幅させる世界」は、AI導入の方向性を考えるうえで有用なフレームワークだ。モデルの性能競争に振り回されるのではなく、自社固有の学習資産をどう設計するか。その問いに向き合う出発点として、このエッセイは読む価値がある。