目次
生成AIは「予測できない変化」の最前線にある
2023年以降、生成AIをめぐる環境の変化は異常なまでに速い。GPT-4がリリースされた週に競合モデルが登場し、半年前に最先端だったAPIが廃止予告を受ける。スタートアップが「来年の市場」を予測することは、もはや構造的に不可能に近い状況だ。
こうした環境でも事業計画書を書こうとする起業家は後を絶たない。しかし、Sarasvathy（2001）が指摘するように、ナイト的不確実性（Knightian uncertainty）の下では確率分布そのものが存在せず、期待値計算は論理的な根拠を失う（Sarasvathy, 2001, p. 250）。生成AIスタートアップが置かれた環境は、まさしくこの状態である。不確実な環境での起業家意思決定の全体像は「エフェクチュエーションとは何か」で整理している。
エフェクチュエーション理論はそもそも不確実性に対処するために設計された思考フレームワークである。Sarasvathy（2001）がシンク・アラウド実験で発見したのは、熟達した起業家が予測不可能な環境で「逆算」ではなく「手元の手段から出発する」という意思決定を繰り返すという事実であった。生成AIという変化の激しいフロンティアは、エフェクチュエーションが最も威力を発揮する文脈と言える。
GPT・Claude APIを「手中の鳥」として定義する
手中の鳥の原則は、起業家の手段を「Who I am / What I know / Whom I know」の3カテゴリに分類する。生成AIスタートアップの文脈では、これらの手段にAPIアクセスという新たな次元が加わる。
Who I amとしてのAI接続性。 OpenAI APIやAnthropicのAPIにアクセスできる開発者であること、あるいはそうした開発者と繋がっていること自体が、今日の手段となる。クレジットカード1枚でGPT-4oやClaude Sonnetを呼び出せる環境は、10年前の「プログラミングスキルを持つ起業家」と同じように、参入障壁を劇的に下げた手段の民主化である。
What I knowとしてのドメイン知識×AI活用能力。 生成AIそのものの技術を深く知っていることよりも、特定のドメイン（医療・法律・教育・製造等）の内側を知っていることの方が、差別化の源泉になっている。Sarasvathy（2008）が強調するのは、起業家の「専門知識は業界の外から調達した汎用情報ではなく、経験から来る暗黙知である」という点だ（Sarasvathy, 2008, p. 15）。AIが汎用的な知識を安価に提供するようになった今、逆説的にドメイン固有の暗黙知の価値が上がっている。
Whom I knowとしての初期ユーザーネットワーク。 Sarasvathy（2008）の研究では、熟達した起業家は市場調査より先に「誰が最初の顧客になってくれるか」を考えることが多かった（Sarasvathy, 2008, p. 16）。生成AIスタートアップにおいても、APIを使って解決できる問題を抱えた人が自分のネットワーク内にいるか、という問いが出発点になる。
許容可能な損失：AIプロジェクトのコスト構造を逆算する
生成AIスタートアップが従来のソフトウェア開発と根本的に異なる点の一つは、稼働コストが変動費になることだ。従来のSaaSは固定費（インフラ）が主だったが、LLMを使うサービスはAPIコールごとに費用が発生する。この構造変化は、許容可能な損失の原則の適用に直接影響する。
Sarasvathy（2008）が定義する許容可能な損失は、金銭・時間・評判の3軸で構成される（Sarasvathy, 2008, pp. 37–41）。AIスタートアップにとって、この3軸はどう機能するか。
金銭的損失の上限設定。 MVPの開発と初期テストに費やすAPIコスト、開発者の時間コスト、インフラ費用の合計を「失っても許容できる範囲」で設定する。重要なのは、「このプロジェクトが全損してもキャッシュフローと精神的安定を維持できるか」を事前に確認することだ。OpenAI・Anthropic・Google等のAPIはすべてpay-as-you-goであり、月に数千円から実験できる。この低い参入コストはAffordable Loss設計を容易にする。
時間的損失のタイムボックス化。 「2週間・80時間でプロトタイプを作れなければ捨てる」といった時間的な損失上限を設けることで、コミットメントエスカレーション（埋没費用への執着）を防げる。Dew et al.（2009）はこの概念を行動経済学の観点から分析し、損失許容ラインの事前設定が意思決定の歪みを防ぐと論じている（Dew et al., 2009, pp. 115–118）。
評判リスクの管理。 生成AIプロダクトはハルシネーションや有害出力のリスクを持つ。「どのような失敗が自分・組織の評判に許容できない影響を与えるか」を事前定義することは、AIプロダクトにおいて特に重要だ。ユーザーデータを扱う場合のプライバシー問題、誤情報拡散リスク等を許容可能な損失の評判軸に組み込んでおく必要がある。
レモネード原則：ピボットをポジティブに設計する
生成AIスタートアップが経験する「想定外」は多い。当初予定していたモデルが廃止される、APIの価格が急変する、競合が同じ機能を無料で出す——こうした出来事は因果論的な計画では「脅威」だが、エフェクチュエーション的にはレモネード原則の適用機会である。
Sarasvathy（2008）のレモネード原則は、「予期しない出来事を避けるのではなく、それを活用して事業を再定義する」という原則だ（Sarasvathy, 2008, pp. 18–19）。生成AIの文脈では、この原則はピボットの設計と深く関連する。
例えば、法人向け営業支援ツールを開発していたスタートアップが、顧客からの「社内ドキュメント検索に使いたい」という要望を偶発的に受け取る場面を想像してほしい。因果論的アプローチは「それは想定外なのでスコープ外」と判断しがちだが、エフェクチュエーション的アプローチは「この予期せぬ用途が新たな手段（Whom I knowの拡張）になるか」を問う。ピボットをレモネード原則として設計するには、プロトタイプ段階から「外れた使われ方」を記録・歓迎する文化が必要だ。
AI時代の「クレイジーキルト」：コミットメントを集める方法
エフェクチュエーションの第四原則「クレイジーキルト（Crazy Quilt）」は、自発的なコミットメントを持つパートナーとの協力関係構築を優先する。生成AIの文脈では、このパートナーシップの形が従来と大きく異なる。
Sarasvathy（2008）が強調するのは、クレイジーキルトのパートナーは採用した従業員でも資金を出した投資家でもなく、「共に未来を作りたい」という自発的意思を持つ協力者だということだ（Sarasvathy, 2008, pp. 22–23）。AIスタートアップにとって、この協力者は初期ベータユーザー、オープンソースへの貢献者、同じAPIを使う開発者コミュニティなどの形を取ることが多い。
Discordサーバーやコミュニティフォーラムへの参加は、クレイジーキルトの現代的な形態だ。「こんなものを作ろうとしているが一緒に試してくれないか」という問いかけに対して自発的に応じる人は、最初の顧客候補であるとともに、プロダクトの方向性を共に定義するパートナーでもある。
「予測なき実行」がAIスタートアップに与える構造的優位
因果論的アプローチで生成AIスタートアップを立ち上げようとすると、計画フェーズで詰まる。市場規模が不明確、技術の進化速度が速すぎて3年後の前提を置けない、競合の動きが予測不能——これらはいずれも事業計画の前提を崩す要因だ。
エフェクチュエーションは「計画しない」のではなく、**「計画の根拠として予測ではなく現在の手段と許容可能な損失を使う」**という点で異なる。Sarasvathy（2001）の論文が提示した核心命題は、「コントロールできる限り、予測する必要はない」というものだった（Sarasvathy, 2001, p. 245）。AIスタートアップが本当にコントロールできるのは、今日どのAPIを使い、誰に見せ、何を学ぶかという行動の連鎖だけだ。
この「予測なき実行」が生み出す構造的優位は、実験速度の速さにある。計画フェーズに時間を費やさず、Affordable Lossの範囲内でプロトタイプを動かし、ユーザーのフィードバックから手段を再定義する。このサイクルを速く回せるチームが、予測精度を競うチームより長期的に高い学習量を蓄積する。
今日始める「AIエフェクチュエーション」の3ステップ
生成AIスタートアップにエフェクチュエーションを適用するための最初の3ステップを示す。
- 手段の棚卸し（30分）: 「自分はどのAI APIにアクセスできるか」「どのドメインの問題なら内側から分かるか」「誰がベータユーザーになってくれるか」を書き出す。これがBird in Handの棚卸しだ
- Affordable Lossの定義（15分）: 「このプロジェクトに投じていい自己資金の上限」「タイムボックス（例：4週間）」「評判的に許容できない失敗の種類」を明文化する
- 最小のアクション設計: 棚卸した手段を使い、Affordable Lossの範囲内で動くプロトタイプを2週間で作れるかを確認する。作れない場合は手段か損失上限の再設定が必要だ
生成AIの変化速度は、エフェクチュエーションが不得意な「安定した市場での効率的な計画実行」を不可能にしている。逆に言えば、エフェクチュエーション的な意思決定スタイルを持つ起業家にとって、AI時代は最もやりやすい環境になっているとも言える。
引用・参考文献
- Sarasvathy, S. D. (2001). Causation and effectuation: Toward a theoretical shift from economic inevitability to entrepreneurial contingency. Academy of Management Review, 26(2), 243–263.
- Sarasvathy, S. D. (2008). Effectuation: Elements of Entrepreneurial Expertise. Edward Elgar Publishing.
- Dew, N., Sarasvathy, S. D., Read, S., & Wiltbank, R. (2009). Affordable loss: Behavioral economic aspects of the plunge decision. Strategic Entrepreneurship Journal, 3(2), 105–126.
参考書籍
