マトリクスを描く能力——それは、まだ人間のものだ。
Jay 発信 凹非寺
量子位 | 公众号 QbitAI
AIが「社長」になったら、10社くらい簡単に倒産しかけた……
プリンストン大学が最近、CEO-Bench というベンチマークを作成し、AIに500日間、仮想SaaSスタートアップを運営させた。
ところが、硅ベースのCEO 14人が出場した結果、生き残って元本を守れたのはたった4人。
しかもその4位は、なんと純粋な rule-based アルゴリズムだった……
AIが自律的に会社を運営する? AIに社長をやらせる??
少なくとも今のところは、まだ大きな疑問符が付く。
もちろん、突出した能力を見せたモデルもあり、すでに可能性を示しているものもある——
Fable 5 は500日で4,715万ドルを稼ぎ、世界最強の「AI社長」になった。
人工知能CEO大会
本題の“AI大炎上”名場面を見る前に、まずルールを説明しよう。
- 初期状態:元手100万ドル、顧客ゼロ。
- 目標:500日間のシミュレーション期間で、できるだけ多く稼ぐこと。
- 評価基準:終了時点で口座にいくら残っているか。途中で残高がマイナスになったら即破産、シミュレーション終了。
かなり分かりやすい。大富豪を遊ぶのに少し似ているが、やり取りの方法が違うだけだ。
中核となるのは Python API で、34個のツールと19個のデータベーステーブルがある。Agent は接続後、コードを書いたり、SQL でデータベースを問い合わせたりし、その結果に応じてワークフローを動的に調整できる。

ゲーム環境に含まれる変数も、はるかに多い。
価格戦略、広告出稿チャネル、研究開発予算の配分、インフラ拡張、カスタマーサポート体制——すべて自分で決めなければならない。
さらに シミュレーション型のソーシャルネットワーク もあり、AI はそこで投稿を見たり、顧客の苦情を確認したり、競合を監視したりできる。
会社のあらゆるものをほぼ操作でき、権限は無制限。人間のCEOとまったく同じだ。

ただしそれは、もう誰も会話欄から指示を打ち込んでくれないことも意味する。モデルは、あらゆる判断に自分ひとりで責任を負わなければならない。
これこそが、この“飢餓ゲーム”の最も面白いところだ——
広告を打っても、顧客が来るのは翌週かもしれない。研究開発に予算を投じても、製品品質の向上は数日後まで見えない……
コストはすぐに燃え尽きるのに、リターンはずっと遅れてやってくる。
これがCEOが最も恐れる「不確実性」だ。ひとつでも間違えれば、連鎖反応が起こる。
統計学ベースで力押しすれば何とかなる? 残念ながら、重要変数はすべて“暗黙的”に存在している。
顧客満足度、支払い意欲、最低品質の期待値——こうした指標は、解約率、問い合わせ件数、ソーシャルネットワークから逆算するしかない。
その一方で、外部環境は常に変化し続ける。競合は裏技を仕掛け、市場の好みは時間とともに変化し、さらにマクロな景気循環まである……
まさに“地獄級”の長期意思決定タスクだ。
文脈が爆発的に多すぎて、すべてのノイズが除去されるのを待ってから意思決定することは不可能だ。人間のCEOだって、多くの場合は直感で動いている。

結果は、やはり惨憺たるものだった。
14人の参加者のうち、大半はほとんど赤字で身ぐるみ剥がされたような状態だった。
GLM 5.1、Claude Haiku 4.5、Gemini 3 Flash、DeepSeek V4 Pro、Grok 4.20 の5人は、さらに途中で崩壊し、完走すらできず、“破産”で退場した。
黒字を出したAIは、たった3つ:
- Claude Fable 5、4,715万ドル;
- Claude Opus 4.8、2,780万ドル;
- GPT-5.5、2,130万ドル。
優勝は Fable 5 —— 世界で最も「社長向き」のモデルだ。
文句なしの1位で、元手を実に47倍に増やし、2位の Opus 4.8 を大きく引き離した。
しかも、Fable 5 は複数回の実行のうち、一度だけでなく何度も初期資金を上回る収益を出した唯一のモデルだった。
(ちなみに、安全制約はなお効いており、Fable 5 は何度も応答を拒否した)
だが、面白さはここで終わらない。
実は、利益を出した選手は4人いた。だが、4人目はLLMではなかった……
3つの最強“資本家”に続く4位の参加者は——
純粋な rule-based のヒューリスティックアルゴリズムだった。
言語モデルは一切使っていない。固定価格、固定割当、固定階層……すべてスクリプトで事前に設計されたルールだ。
信じられるだろうか。そんな“フォレスト・ガンプ”みたいな存在が、1,576万ドルを稼いだのだ。
Fable 5、Opus 4.8、GPT-5.5 を除くすべてのモデルを上回っており、Qwen 3.7 Max、Opus 4.7、GLM 5.2、Kimi K2.6 なども含まれている……

Takeaways
かなりドラマチックだ。
ただ、勝敗そのものよりも、この過程から得られる示唆のほうが、むしろ価値があるかもしれない。
この論文のコアな Takeaway は2つある——
1、探索 > 慎重さ
かなり直感に合う発見だと言える。
モデルのメモを見ると、GPT-5.5 と Claude Opus 4.8 は、状況の変化に応じて新しい戦略を継続的に試していた。顧客獲得を強化したり、階層を調整したり、サポートと研究開発の予算を見直したりしている。
それに対して Claude Opus 4.7 は、挫折したときに主にコスト削減と現金温存を選んでいた。
この保守的なやり方は、最後まで生き残ることはできても、利益は生まない。

ことわざにもあるように、「生きてるだけで丸儲け」だ。
だがビジネスの世界は“勝者総取り”であり、生きているだけでは、実はあまり意味がないこともある。
成功するCEO になるには、「賭ける」能力が必須だ(bushi)。
それに加えて、この論文では4つの重要な能力次元も整理している。
- 隠れた情報を見つける:たとえば、特定の顧客層に最も効く広告チャネルはどれか
- 未来を予測する:4週間先のキャッシュフロー予測の誤差で測定
- 変化に素早く適応する:競合の動きをどれだけ早く察知できるかで測定
- 先回りして計画する:Agent のノートにある if-then のシナリオ分析の出現頻度で測定
この4次元では、Opus 4.8 と GPT-5.5 はいずれも他モデルの平均を上回っていた。
2、コーディングAgentは万能ではない。
Harness は最近のホットトピックだが、この研究もそれを扱っている。
ただし、結論はかなり一般的な見方に反している。
研究者は Claude Code で Opus 4.7 を、Codex で GPT-5.5 を動かした。
その結果、両者とも行動回数が大きく減り、パフォーマンスは大幅に低下した……
分析の結果、原因はシステムプロンプトにある可能性が指摘された。
コーディングAgentのシステムプロンプトはソフトウェア開発向けに最適化されており、それをCEO役に無理やり当てはめると、かえって足かせになる。
無理やり“鞍”を載せるくらいなら、むしろ裸馬のほうがいい。
最近は SaaS 株が急落し、世界中の投資家が「ソフトウェアの終わりだ」と叫んでいた。編程Agent + MCP + Skill があれば、あらゆるものを食い尽くせるようにも見える。
だが、この研究は別の見方を示している。
Agent も大規模モデルと同じで、業界ごとに専用の Harness フレームワークが必要であり、垂直領域への深い適応が欠かせない。
そしてそれは、モデル各社がこぞってアプリ層を侵食し始めた今、新たな増分市場を生み出す可能性がある。
そもそも、誰もが Codex を使って自分で一からワークフローを組めるわけではない。Agent とのやり取り自体に学習コストがあるし、同じ Harness で何でも御せるわけでもない。
ライティングAgent、HR Agent、財務Agent……大多数のユーザーには、やはり究極まで最適化された垂直プロダクトが必要だ。
マトリクスを描く人
1997年、Apple が破産するまで残された時間はあと90日だった。
そこでジョブズは、あの有名な 2×2 マトリクス を描き、2つの軸を示した——コンシューマー向けとプロ向け、デスクトップとノートブック。

そして大胆に、Apple の製品ラインの70%を切り捨て、この4つのマスにだけ製品を作ると宣言した。
その後の展開は誰もが知っている。iMac、iPod、iPhone。
これは、ジョブズが Apple に復帰したときの“神業”だった。極度の不確実性のなかで、完全に直感だけを頼りに、無数の可能性を極めてシンプルな枠組みに圧縮したのだ。
テック史における偉大な転換を振り返ると、その多くはこうした「純粋な直感」から生まれている:
黄仁勳は AlexNet が鮮烈に登場した後、周囲の反対を押し切って NVIDIA の未来をディープラーニングに賭けた;
Ilya Sutskever は曲線が少し上向いた段階で、確信を持って 「All in Scaling Law」 と叫んだ;
Anthropic はコーディング領域の可能性をいち早く嗅ぎ取り、皆がマルチモーダルを追うなかで Coding に舵を切り、OpenAI に不意打ちを食らわせた……
今の AI は、与えられた各マスに、指定されたテンプレートどおり色を塗ることはできる。
だが、そのマトリクスを描く能力は——
まだ人間のものだ。
公式ブログ:https://ceobench.com/