新CFO：AIが財務機能を書き換える | Figma CFO Praveer Melwani

AIによってファイナンス機能が「先月何が起きたかの照合」から「次に何をすべきかの意思決定」へと移行しつつある——FigmaのCFO、Praveer Melwani（プラビール・メルワニ）はそう主張する。a16zのSeema Amble（シーマ・アンブル）とIvan Makarov（イヴァン・マカロフ）が「You Need a New CFO」と題した論考を書いたことを受けての対談で、両者はAIがCFOの職務をどう書き換えるかを、Figmaの実例を通じて掘り下げた。Melwaniは2017年、Figmaに最初のビジネスオペレーション担当として入社し、後にCFOとしてIPOを導いた人物である。当時の自動化といえば数百行のSQLを書き、クエリの完了を待ち、財務データとプロダクトデータを手作業でつなぎ合わせる作業だった。現在では債権回収のワークフローが自動化され、コーポレートファイナンスは複数システムにまたがる乱雑なデータを数分で照合し、コーポレートデベロップメント（M&A担当）チームは買収候補のプロダクトをAIでプロトタイプ化し、Figma経営陣の「人格」を模したシミュレーションに対して投資メモを事前にぶつけることまでやっている。

Melwaniの中心的な主張は、単に従来の仕事を速くするのではなく、ファイナンス人材が時間を使う対象そのものを変えるべきだという点にある。CFO組織を「交通整理役（traffic cop）」から「ビジネス・イネイブラー」へと転換するというのが彼の言葉である。同時に彼は、AIにアウトソースしてはいけないもの、Excelがまだ消えない理由、次世代のCFOに創業者が何を求めるべきかについても語った。AIが生む「スロップ（slop、低品質な大量生成物）」は現実のリスクだと認めつつ、内部実験がやがて中央集権的な「システム層」を必要とする理由、そして「AIを使えるか」ではなく「ビジネスを理解し、出力を吟味し、明確に伝え、思考を外注せずに自動化を使えるか」を採用基準にしていることを明かしている。

3:01自動化の前史——SQLと手作業が「魔法」を可能にした時代

MelwaniはFigma入社当時、自動化の仕組みが一切整っていなかったと振り返る。彼が効果的に動くためには、SQLの中に住み込み、データテーブルを構築し、財務情報を編成して社内の会話を駆動する必要があった。具体的には、プロダクトのメトリクスと利用データをStripeの財務情報にマッピングするため、400〜500行のSQLを書いて「ゴールデンテーブル」を作成し、それをGo-to-Market系の各システムに渡していたという。一日中クエリエディタに張り付き、クエリの完了を待ち、一発で正しく動くことを祈る——そんな日々だった。

その後データサイエンティストを採用し、自分が作ったものをETLプロセスに組み込んでもらい、SalesforceやMarketoなど当時の各システムに同じ情報を流せるようにした。この経験から得た最大の学びは、「定義の一貫性」の価値である。何が真実で何が事実かを議論する段階を抜けられれば、本当に重要な「どうビジネスを伸ばすか」に集中できる。Ambleは、20代前半の若者がプロンプトの実行時間に不平を言うのを聞いて、SQLクエリの完了を何時間も待ち、挙句に失敗する痛みを知らない世代だと説明したと笑いを交えて語り、Melwaniも「まさにその通り」と応じた。

Makarovは、自身がWebflowやFigmaにいた頃、Covid期に利用が急増した際、データが壊れたのかと思い、原因究明に数週間かかった経験を挙げる。それが今日では、利用や収益のスパイクを1時間以内に特定できる世界になったと指摘した。Melwaniも、パンデミック初期にビジネスが急拡大し、ちょうどその頃にa16zとの提携が始まったと振り返る。彼は毎朝コンテキストを再構築し、時間単位のダッシュボードや日次メトリクスを常に確認して異常を早期に察知する。チームはそれを「自分たちと同じ立場でアイデアを持ち、最良のビジネスを作ろうとするカウンターパート」と見ているという。

データを見る頻度の変化について、Makarovは自分たちが大学時代には月次・四半期だったのが週次になり、クラウド化で大きな週次ダッシュボードが定番になり、今は日次が可能になったと整理した。Melwaniは、入社初期には有料プランに申し込む30人ほどの一人ひとりを、個人アドレスかビジネスアドレスか、連絡すべき相手かをライン単位で確認していたと明かす。今ではどの方向への動きがどんな影響を及ぼすかを理解しており、大きな問題になる前に捉えれば数千ドル規模のコストを防げる一方、逆方向ならより多くのリソースを投じられる。目標は、チームや社内の他の人々にも同じメトリクスへの当事者意識を持たせ、「来週でいいや」ではなく即座にトリアージする文化を作ることだという。

8:11採用基準——ケーススタディで「思考の外注」を見抜く

Melwaniが求める人材像は、AIの有無にかかわらず一貫している。極めて知的好奇心が旺盛で、ビジネスを深く理解しようとし、正しい成果につながる形で問題解決を図る人材である。AIは面倒で反復的な作業の時間を減らし、ビジネスの中の「魔法」を見つけて加速させる時間を増やすためのものだ。加えて、データへの習熟、的確な問いを立てる力、返ってきたデータを構造化して意味づけ、丁寧に伝える能力を重視する。

現在VP Financeを採用中だというMelwaniは、選考プロセスにおけるケーススタディを「神聖なもの」と位置づける。公開企業であるFigmaには外部データが豊富にあるため、あえて情報をあまり与えない。見るのは、利用可能なツールをどう使うか、パズルのピースをどう組み合わせて意味のあるモデル出力にするか、そして出力を作るだけでなくその仕組みを本当に理解しているかどうかだ。面接では、構築した構造を本当に理解しているか、どの部分が変化に最も敏感かをテストしたか、ビジネスが実際にどう動くかについて強い直感を持っているかを突っ込んで問う。そして最も重要なのが、それを効果的に伝えられるかである。

「誰でも好きなLLMを開いてモデルを作ることは簡単にできる。だが、それが実際に自分の思考を可能にする有効なツールとして使えているか。今日、思考を外注してはいけない。AIは自分を助け、力を与えるツールとして使うべきだが、思考する主体であり続けることが極めて重要だ」とMelwaniは強調する。Ambleは、これはAIの有無にかかわらず優れた採用に当てはまるとしつつ、AIがある分だけ、成果物の背後に思考があることを確認する説明責任と徹底性がより多く求められると補足した。

10:44Figma内部の自動化事例——回収・経費精算・M&Aデューデリジェンス

Melwaniは、この1年で「新しいツールと働き方を受け入れよう」と促す段階から、次々と優れたアイデアが押し寄せる段階に移ったと語る。全社集会には「Fig Nation」というセグメントがあり、他の人がAIで何を作ったかを共有するが、ファイナンスチームは常にそこに現れるという。クレジット・回収チームのKajalは、請求書追跡から現金回収、NetSuiteとの照合までワークフロー全体を自作システムとして再構築した。これにより、売掛金回転日数を本当に重要な対象に集中して短縮できるようになり、与信チェックの再構築やデータセットの結合も自動化した。彼が作ったツールを他の誰でも活用できる形になっている点が大きい。

コーポレートデベロップメントチームの事例はさらに興味深い。デューデリジェンスのチェック項目の一つに「そのプロダクトをバイブコーディングで再現できるか」が加わったという。Makarovが「以前はデューデリジェンスのその部分をプロダクトチームに頼む必要があったのか」と尋ねると、Melwaniは「今もプロダクトチームとは協働するが、自分が作ったもの、見たものを提示できることで信頼性が大きく高まる」と答えた。同チームはプロダクト出身ではなくファイナンス畑の人間だが、ドキュメント重視の文化で投資メモやM&Aメモを書いてきた。読み手は経営陣やプロダクトリーダーで、テーマや問いには共通パターンがあり、リーダー各自が問題を見る独特の視点がある。

そこでチームは、各リーダーの「人格」をスキルセットとして作り、投資メモをそのシミュレーションに通すようにした。Melwaniいわく「これはPraveerならこう言う、Dylanならこう言う、CROのSeanならこう言う、と互いにやり取りする。すると、どこを厚くすべきか、追加デューデリジェンスが必要か、よくあるフィードバックとして何を問うべきかが見えてきて、全員が集まるサイクルタイムが短縮される」。Melwaniはこれを、ワークフローを置き換えるツールであり、理解し学ぶためのツールでもあると位置づけ、「これだけ速くアイデアを練れるなら、世界最高のファイナンス組織を採用・構築できると楽観している。人が求めているのは学び、投資されていると感じられる環境だからだ」と語った。

ツールの作り方は混在している。コーポレートデベロップメントはCodex上で作業し、回収チームはChatGPTのエージェント向けスキル構築機能を使ってワークフロー自動化を組んだ。さらにFigma自身の「Figma Make」——自然言語プロンプトでアプリやウェブサイトを作り、バックエンド付きでホストできるツール——を使う例も出てきた。Melwaniは、これによりファイナンス側からプロダクトへのフィードバックもできるようになるのではないかと期待を込める。

16:02「スロップ」のリスクと、それでも解き放たれる「魔法」

Makarovは、無制限のトークン時代を経て「スロップ」という言葉が会議で飛び交うようになったと指摘する。あるCFOは、AIの利用が毎日無制限のドキュメント生成を招き、誰もが数分で10本の文書を書けるようになった結果、何も見つからなくなったと語ったという。さらに、若くツールに慣れた人材を採るのか、ワールドクラスを知るシニアを採るのかという採用論争にも触れ、「ワールドクラスが何だったかを忘れてしまうこと」への懸念を示した。Melwaniは「時にはある」と認めつつ、社内ではブランディングに関するポリシーを整備していると説明する。

彼の原則は明確だ。「思考を外注してはいけない。誰かに消費を求めるものを出すなら、それは相手の時間・労力・エネルギーを奪う。読む、要約する、シンプルにする、同じ水準のレビューを自分にも課すべきだ。別の場所から始めるのは全く構わないが、互いの時間をどう使うかに思慮深くあるのは全員の責任だ」。半焼けの成果物に「本当に理解しているのか」と突っ込む場面もある一方、設定の仕方次第で反復速度が驚くほど速いと感心する場面もあるという。

具体例として挙げたのが、2027年計画に向けた旅費交通費（T&E）レビューだ。Navan、Zip、Rampという異なるデータソースに散在する情報を、コーポレートファイナンスチームが結合した。オフサイト出張なのか、サンフランシスコ在住者が単に訪問しただけなのか——こうしたファジーマッチのタグ付けが難所だが、「課題の95%はデータを正しい場所に置くこと」であり、モデルはこうした仮定を立てるのが得意だ。Melwaniは100%の完璧さは不要で、方向性として正しく、どこを重点的に締めるべきかを理解できる情報が欲しかっただけだと言う。チームはポリシー変更の提案を出力し、彼がその朝フィードバックを返すと30分後には可視化された形で返ってきた。「手作業ではできなかっただろう。スロップも起き得るが、適材適所で使えば魔法も解き放たれる」と総括した。

Makarovはこれに二点補足した。第一に、データが鍵であり、AIは複数ソースを消費してファジーマッチを素早く行い、方向性として正しいか精密な照合を実現する。以前はSQLを走らせて待ち、自分がBIアナリストになる必要があった。第二に、自動化の「筋肉」が育っていることだ。ある成長期企業のCEO/CFOは、1〜2カ月でチームが40〜50個のエージェントを作ったと語った。その9割はもう使われていないかもしれないが、手作業や退屈な作業があれば「まず自動化を考え、作ってみる」という動きが全員に生まれたこと自体が、エージェントを作ることと同程度に重要だという。

20:41ボトムアップの実験から中央集権的な「システム層」へ

MelwaniはMakarovの指摘に全面的に同意し、共有の仕組みの重要性を加える。内部監査チームはSOC監査のために、担当者にチケットへ情報を追加するよう追いかける作業に膨大な時間を費やす。しかし同じことをGRCチームもISOやSOC2監査でやっており、AP側も引当金計上で同様のやり取りをしている。ならば情報を引き出し、照合し、トリアージする動きを一つのプラットフォームにまとめてはどうか——ここで「システムチーム」が極めて重要になる。ボトムアップで各人が作ったものを調和させ、プロダクト化し、作成者や初期ビルダーの寿命を超えて生き残る形に再構築する。これこそCIO機能の進化形だとMelwaniは述べる。

Ambleは、ある成長期企業のカスタマーサクセス責任者が「各担当者がバイブコーディングした別々のダッシュボードを持ち、数字が違う」と嘆いていた例を挙げ、調整機能の必要性を補強した。Melwaniは、スペシャリストがアイデアを出し初期プロトタイプを作るのは得意だが、上流依存のチェックや、作成者が去った後のホスティング、他部門に同じニーズがないかの確認まで同じ人に担わせるのは適切でないと整理する。Figmaには前日、CoinbaseからCaspar SorensenがCIOとして加わったばかりで、面接ではCIO組織内に中央集権的なPM機能を作り、ビジネスチームと協働して効くものを見つけ、その上に他者が構築できる基盤を作る方法を議論したという。

現状については「Figmaらしく、ツールが追いつくより速く成長してきた」と率直に認める。組織が構築できるよう後押ししつつ、その上にインフラを作って人を減速させたくないため、今は「混沌とした中間（messy middle）」にいると表現する。チームによっては中央集権化が進み、他ははるかに速く自律的に作ってしまったため、今それをどう支援するかを模索している段階だ。Ambleは、Go-to-Marketエンジニア、タレントエンジニア、ファイナンスエンジニアといった「分散したビルダー」の概念が各社で模索されており、エンジニアリング背景を持つファイナンス人材の場合も、他チームからプロダクトエンジニアを借りる場合もあり、その人物像はまだ定まっていないと述べた。

Melwaniはこれをデータサイエンスチームの協働モデルに重ねる。データサイエンティストは協働するチームの文脈を深く理解するほど良い仕事をし、プロダクトチームに付く人はPMやエンジニア以上にプロダクト直感を身につけて中核チームの一員と見なされる。ファイナンスを支えるデータサイエンティストには会計畑出身者もおり、返金や回収不能といった用語のニュアンス、チェック・アンド・バランスの必要性を理解しているからこそ、より良いビルダーになれる。ファイナンスエンジニアも同様に、共有された理解を土台に他者の思考の枠組みを押し広げられるという。

26:20定義の所有権、Excelの座、そして「ビジネスリーダーとしてのCFO」

Makarovは、創業者だけの20人規模の企業が投資家向け報告や事業判断に使う主要指標の定義を作り、後からファイナンスが採用される場合、定義の所有権は誰にあり、見直し頻度は変わったのかと問うた。Melwaniは、出力は自分のチームが所有すると明言する。Figmaは初期企業より統制が多く、ボードや経営陣に対して「今日出しているものは1カ月前と同じで、過去の数字は変えていない。何も隠していない」と示せる一貫性が、自身の信頼の源だと語る。成長に伴い開示の議論は常にあり、収益報告でも一貫性を保ち、後から振り返って心地よく、長く生き残る意思決定をしたいとする。ビジネスを考える別の方法を見つけることは歓迎しつつ、一貫性にも価値があると強調した。

最も自動化を進めたのは誰かという問いには、特定の個人を挙げることを避けた。「誰か一人を挙げられるが、すぐ別の誰かが違うものを作ってくる。予測モデルの一部を担う人から、競合ベンチマークや価格調査を自動化するビジネスオペレーション担当まで、全員だ。互いに競い合うことが、互いを高め合いたい組織を作る」。自身の役割については、初期は自分が違うやり方でやる姿を見せることが「あなたにも期待している」というシグナルになったと振り返る。速く動けた人は、データセットの構造やアーキテクチャを理解しており、モデルが決定論的に判断する箇所と推論する箇所を見分け、それが許される作業か否かを判断できる。社内のショー・アンド・テル、ハッカソン、他のファイナンスリーダーとの対話から得た知見の社内展開が、このリズムを支えている。

Makarovは、CFOやファイナンス担当者から「また仕事が楽しくなった」という声をよく聞くと述べる。かつては2〜3週間の照合や決算に追われていたのが、今はビジネスに目を向けインサイトを出せるようになった。ある超成長企業は「速く動くため、オフ・ザ・シェルフの製品を何でも買うしかない」と言ったという。Melwaniは、絶対に失敗できない中核的なシステム・オブ・レコードは買うと明言する一方、チームが楽しんでいるのはワークフロー自動化の領域だとする。「自分の一日を振り返ってほぼ考えずにやっていることは何か、それをどう拡張して時間を再編成するか」。仕事が面白くなったのは速く探索できるからであり、探索の自由を与えたポリシーが「ここにいたい」という定着につながっていると語る。

さらにMelwaniは、AIツールへのアクセスを採用の武器としてもっと活用すべきだと主張する。テック業界外から来る人材にとって「これが全く新しい世界への入口で、学ぶことを許されるなら本当にクールだ」と映るという。Makarovも、福利厚生として「モデルやツールへのアクセス」を語るべきだという考えに同意した。Melwaniはそれに加え、周囲の人が何を作っているかを見て感じられることが重要で、面接プロセスを通じて「実際に作っている」ことが伝わる組織に人は惹かれると述べた。

Ambleは、2020年に同僚のAngelaと書いた、ファイナンスチームがデータ照合層に時間を奪われ、戦略的ファイナンスに割く時間が最小になっているというピラミッド図を引き合いに、実際に戦略により多くの時間を割けるようになったかを尋ねた。Melwaniは、自身の役割では戦略の比重が増えてきたとしつつ、他の人にも同じ余白を作ることに意味があると語る。セルフサーブ事業を担当するチームを、先週・先月の照合から解き放ち、実験やトレンド、追加投資すべき領域に向かわせることこそが、はるかに engaging だという。同じ見た目・感触の資料作成を自動化し、注釈や発見、理解に時間を振り向ける。あるチームリーダーはFigma内でプラグインを作り、素早くアイデアを練るようになった。ただしビジネスの複雑性は常に追いかけてくるため、それとどう時間を確保するかの綱引きは続く。

37:31次の12〜18カ月——効率化の先、監査対応、そして変わらない人間の技能

Ambleの「今後12〜18カ月で何が変わるか」という問いに対し、Melwaniはまず組織編成の理想を語る。ビジネスの複雑性がそれを支える必要性より速く伸びる場合にのみ人員を追加したいとし、定常的なビジネスリズムの部分はむしろ人数を増やさずに回せる方向に動き始めているという。ただしFigmaは新製品を出し、チームや事業を買収し続けるため複雑性は依然として効率化を上回っている。それでも期間比較では確実に効率は上がっていると述べた。完全自動化の可能性については、決定論的な部分から始め、完全に信頼できる出力になるまで情報を注ぎ込みたいとする。業務上重要なシステムで監査対応可能な出力に到達するのは極めて難しく、監査人をどう納得させるかも興味深い議論になるとしつつ、時間をかけて到達するだろうと展望した。「ビジネスの複雑性が同じなら、1年後に同じ人数は必要ないだろう」とも語った。

Makarovの「Excelは脅威にさらされているか」という問いには、「ノー。Excelは私の愛の言語だ」と即答する。ケーススタディが重要であるのと同じ理由で、Excelは直感を構築するツールであり、多くの人が依然としてモデルを作っているからだ。Figmaの比喩を引いて、自然言語で最初の一歩を出せるのは良いが、カラーホイールを手で回して色合いを確かめるように、手で触って練る方がはるかに簡単な場合があると説明する。Excelは信頼と理解を構築する方法であり、将来もっと良いものが出ても引き剥がすのは難しいと述べた。AmbleもExcelで思考を整理すると同意し、モデルはまだ予測やモデル構築に十分ではないが、空間的な整理の価値は残るとした。Melwaniはさらに、20タブのモデルをモデルに通して「どこが針を動かす要素か、どこが敏感か」を理解する出発点にする活用法を挙げ、実際に有効だと語った。

Makarovは、大学でAIをどう教えるかという問いに教授が「シラバスを何度も変えざるを得ず、結局基礎に戻り、分析的思考やExcelを教えている」と答えた例を紹介した。Melwaniは「多くが変わったが、多くは変わっていない。優れたファイナンス人材の核となる能力は今もそこにあり、手持ちのツールをどう使ってより良い意思決定をするかは常に動く的だ。SQLが自分にとってそうだったように、AIは新たな解錠だ。適応し続ける優れたファイナンス人材には長寿がある」と応じた。

「You Need a New CFO」の主旨はマインドセットの転換、つまり自動化ファーストで考えることだとAmbleが確認すると、MelwaniはCEOと同じくらいのビジネスオーナーシップとオペレーショナルな厳格さを持ち、何としても勝ちたいと願う人材を採用すべきだと助言する。P&Lの理解とツールセットで変革を編成するが、求めるのは「交通整理役」ではなくビジネスリーダーだ。会計の基礎や計画プロセスの編成能力は当然必要だが、この役割で人を際立たせるのは、ビジネスを理解しているか、変革を起こせるか、ビジネスモデルの理解を単純化して全員を同じ方向に走らせられるかである。Makarovは、公開企業のFigmaでもシード期でも、創業者やCEOがファイナンスに求めるのはビジネスへの追加の意見とインサイトであり、顧客や行動、指標の入出力を理解する基本は変わらないと述べた。

Melwaniは最後に「創造性」を加える。奇妙な指標を作るという意味ではなく、ビジネスを少し違う光で捉え、それを変革の駆動力とし、意見を持つことだ。適切に設計すれば、ファイナンス組織は社内戦略を大いに動かす影響力のある層になり得るという。Ambleは、投資家やボードのレベルでも分析の深さと反復の速さが増し、ボード会議前の問い合わせ対応のサイクルが短絡化してファイナンスチームの負担が減ったと付け加えた。自動化の始め方については、Makarovが「常にデータの完全性から始まる。初期企業は何も追跡していないことすらあり、まずそれを整える必要がある。決算を閉じたい、ボード更新を送りたいという最初のファイナンス採用者の優先事項と相反するが、堅固な基盤なしにはそれもできない。数週間で収益の計算方法がそのビジネスモデルに合っていないと気づくこともある」と述べ、Ambleが「初期段階のクリエイティブなARRほど酷いものはない」と冗談を挟んだ。データから報告の厳格さ、指標、そしてストーリーを作る。IPOを見据えるとストーリーの重要性が増すが、それはシリーズBの資金調達など、より早い段階に前倒しされているという。

Ambleは、CFOやコントローラーの夕食会を数年主催する中で、9カ月ほど前に市場が段階的に変化したと振り返る。「AIで税務メモやオンボーディング文書を作っている」から「データ照合やワークフローの自動化という中核を実際にやっている」へと移り、リーダーたちは「これをやらないと組織内で遅れていると思われる」と語るようになった。かつて自動化ハッカソンをファイナンスが制するなど考えられなかったが、それが変わったのはクールだと述べた。Melwaniは、社内の「メイカーウィーク（ハッカソン）」で初期はどう参加すればいいか分からなかったのが、今は空き時間があればアイデアが百万個あると笑う。最後にAmbleが謝意を述べ、対談は終了した。

結びに

このエピソードが残すのは、AIがファイナンスにもたらす変化の本質は「同じ仕事を速くすること」ではなく「何に時間を使うかを変えること」だという明確なメッセージである。Melwaniの証言は、SQLと手作業でデータを編成していた時代から、回収ワークフローの自作システム、経費のファジーマッチ照合、買収候補プロダクトのバイブコーディング、経営陣の人格シミュレーションに対する投資メモの事前検証まで、具体的な進化を伴って説得力を持つ。同時に彼は、スロップのリスク、思考の外注への警告、Excelの存続、監査対応の難しさ、そして「混沌とした中間」という現実を隠さない。最も印象的なのは、採用基準がAIの有無ではなく、ビジネス理解、出力の吟味、明確な伝達、そして思考する主体であり続けることだという点である。ファイナンスが「交通整理役」から「ビジネス・イネイブラー」へ移るという枠組みは、CFOだけでなく、AI導入を進めるあらゆる組織のリーダーにとって参照点になる。

要点

• FigmaのCFO Praveer Melwaniは、AIの本質的価値を「先月の照合」から「次に何をすべきかの意思決定」への移行に置き、CFO組織を「交通整理役」から「ビジネス・イネイブラー」へ転換すべきだと主張した。
• 入社当時は400〜500行のSQLを書き、クエリの完了を待ち、財務とプロダクトデータを手作業で結合していたが、その経験から得た最大の学びは「指標定義の一貫性」の価値だった。
• コーポレートデベロップメントチームは、買収候補のプロダクトをバイブコーディングで再現してデューデリジェンスのチェック項目にし、さらに経営陣各人の「人格」を模したシミュレーションに投資メモを事前に通してサイクルタイムを短縮している。
• 経費レビューではNavan、Zip、Rampのデータをファジーマッチで結合し、100%の完璧さではなく方向性として正しい情報を得ることで重点領域を判断した。Melwaniいわく「課題の95%はデータを正しい場所に置くこと」。
• AIの「スロップ」は現実のリスクであり、Melwaniは「思考を外注してはいけない。誰かに消費を求めるものは相手の時間を奪う」と、読む・要約する・シンプルにする同じ水準のレビューを課す原則を強調した。
• ボトムアップのエージェント実験は、作成者の退職や重複を防ぐため、CIO組織のような中央集権的な「システム層」でプロダクト化し、他者がその上に構築できる基盤にする必要がある。Figmaは現在その「混沌とした中間」にある。
• 採用ではケーススタディを重視し、ツールの使い方だけでなく、モデル構造の理解、感度分析、ビジネスへの直感、伝達力を問う。「AIを使えるか」ではなく「思考する主体であり続けられるか」が基準である。
• MelwaniはExcelを「愛の言語」と表現し、直感と信頼を構築するツールとして存続すると断言。ビジネスの複雑性が変わらなければ1年後に同じ人数は不要になるとしつつ、監査対応可能な完全自動化には時間がかかると見る。