LayerXの「Bet AI Day 2026」を考察する：AIネイティブ経営のあり方

LayerXの「Bet AI Day 2026」から、経理・デザイン・人事など5部署に共通するAI活用の構造を読み解きます。
中心にあるのは、判断と手続きの分離、判断基準の文書化、任せる範囲の境界設計です。
日本企業が今日から持ち帰れる実践と、簡単には移植できない前提を整理します。

2026年9月3日にLayerXが開いた「Bet AI Day 2026」のアーカイブが、9月9日に公開されました。全10セッションに登壇したのは、エンジニアだけではありません。デザイン、金融事業、リスク管理、そして人事まで、部署をまたいだ顔ぶれでした。

これを見た尾原和啓さんが、「AIネイティブ経営とは何かが、全部署に染み込んで共進化している」と評していました。

この記事では、その「染み込み」と「共進化」が具体的に何を指しているのか、そしてそのうち日本企業が自社へ持ち帰れるものは何かを、公開資料のファクトから整理します。

1 登壇したのはエンジニアだけではなかった
2 LayerXが定義したのは「組織AI」
3 5部署が別々の言葉で同じ結論に着地した
4 中央が握ったのはコストと情報管理だけ
5 持ち帰れるもの、持ち帰れないもの
6 よくある質問（FAQ）

登壇したのはエンジニアだけではなかった

まず、イベントそのものの事実からです。

「Bet AI Day 2026」は2026年9月3日、東京ポートシティ竹芝で開かれました。オフラインは完全招待制、同時にオンライン配信もあり、本編とプレイベントを合わせた参加登録は延べ3,820名。9月9日にアーカイブ動画と登壇資料が公開されています。

テーマは「AIエージェントと働く未来に、Betしよう」。松本勇気CTOは開催にあたって「AIエージェントは、どこまで任せられるのか。この問いに、私たち自身の実践をもってお答えします」とコメントしています。

注目すべきは登壇者の顔ぶれです。福島良典CEOと松本勇気CTOに加えて、セキュリティ、経理プロダクトの開発、AI基盤の開発、デザイン、金融事業、リスク管理、全社インフラ、そして人事。

技術カンファレンスに人事が登壇するとき、話題はたいてい「エンジニア採用」です。ところが今回のHR部長のセッションは、採用オペレーションそのものをエージェント化した実装の話でした。部署の広さ自体が異常なのです。

背景には行動指針の変更があります。LayerXは2025年4月1日、行動指針の一つだった「Bet Technology」を「Bet AI」へ更新しました。Bet AI Dayは、その指針を対外的に体現する場として2025年8月に始まり、今回が2回目にあたります。

LayerXが定義したのは「組織AI」

ここで、先に数字を置いておきます。

LayerXのLLM社内利用は、平均30万円／人・月。コミット数ベースで見た開発速度は3倍以上。従業員は1年で400名から750名規模へ、バクラクのプロダクト数は8から13へ増えています。

この規模でAIを使い倒したうえで、キーノートが打ち出したのが「組織AI」という言葉でした。

資料の言い方はこうです。「この3年で個人単位のAI活用は進んだ」「これからは組織全体でのAI活用の最適化へ」。そして目指す状態を「組織の全員が、同じ品質・同じ安全基準でAIを業務に活用できる」と定義しています。

対になるのが「個人AI」です。その課題として挙げられているのは、プロンプトが属人化する、再現性がない、ナレッジが蓄積されない、コストが見えない、といった項目。「Aさんの使い方がすごいらしい」という噂だけが社内に流れている状態、と言い換えてもいいと思います。

ここで一つ、正確に切り分けておきます。LayerXは「AIネイティブ」を定義していません。資料の中では形容詞として使われているだけで、定義されているのは「組織AI」のほうです。

ただし、近い定義は経営陣が別の場で語っています。福島CEOは社内座談会で「シンプルに言うと、『仕事の完了を売る会社』だと考えています」と述べ、松本CTOは「人が『仕事をする必要がない状態』をつくる。人は『承認ボタンを押すだけ』くらいの状態に業務を落とし込む」と語っています。

では、人の仕事を奪う話なのか。公開情報を見るかぎり、そうは読めません。

この1年で従業員は400名から750名規模へ増え、直近1年の正社員入社は375名。福島CEOは「お客さまとのコミュニケーションが必要な職種に関しては積極的に人を採用して、AIを活用することで生産性を上げていきます」と述べています。

一方で松本CTOは、前年の資料で「1人あたりの売上生産性を2倍、間接部門費用を半分にする」という目標も掲げています。人を減らすのではなく、人の配置と予算の配分を組み替える、というのが公開情報から読み取れる実像です。

▶︎ あわせて読みたい：AIネイティブ企業は、社員ゼロで年商10億円まで行けるのか

5部署が別々の言葉で同じ結論に着地した

ここからが本題です。

9本の資料を並べて読むと、専門も語彙もまったく違う部署が、示し合わせたわけでもないのに同じ構造にたどり着いています。整理すると、5つになります。

1つめは、決まった手続きと、決まっていない判断を分けること。

経理プロダクトの担当は「定型処理は形式知化してエージェントに任せ、人間は慎重・重要な判断に集中する」と書いています。AI基盤の担当は「不確実性があるかどうか」でAIとワークフローを分岐させ、社内ツールの処理時間を109秒から20秒へ縮めました。金融事業では、人間に「比較・選択・組合せ」だけを残し、文書の作成・校正・レビューは人間の基準をそのままプロンプト化しています。

デザインの担当は、この切り分けをさらに一段深く言語化しています。判断には「見極める判断」と「決める判断」の2種類があり、「見極める判断はルールに落ちていく。決める判断は最後まで人に残る」と。

2つめは、その判断基準を頭の外に出して、文書にすること。

ここが「染み込み」の本体でした。すごい基盤の話が出てくるのだろうと身構えて読むと、中身の大半はテキストを書く作業だったのです。

バクラク Autopilotでは「Playbook」と呼ばれています。定義は「人もエージェントも、読めば同じ品質で業務ができる標準業務手順書」。資料に載っている実物には、こう書いてあります。

「支払期日：請求書に支払期日がある場合はその日付。記載がない場合は、請求書発行日の翌月末日。いずれも土日祝の場合は前営業日」

プログラムでもワークフロー設定でもありません。ベテランが新人に伝える言葉と、まったく同じ形式です。

デザイン側では「ハーネス」と呼ばれ、Markdownで書かれた判断基準の正典になっています。「なんか色が合ってない気がする」ではなく、ルールID付きで「生のカラーコードを使わず意味を持つトークンで指定する（MUST）」と書く。強度はMUST／SHOULD／MAYの3段階です。担当者の言葉を借りれば、「書ける。レビューできる。差分が残る。そして、全員に配れる」。

人事では、これが3層構造になっています。会社として何を評価するかの価値基準層、どの求人でも通用する評価の型の汎用層、面接のたびに増える個別最適化層。下の層ほど変化が遅く、上の層だけが日々育つ設計です。

3つめは、境界を先に引くこと。

ここが、今回いちばん驚いた一致でした。

Fintech事業のCISOは「任せるのは業務。任せないのは境界。」と書いています。そしてHR部長は「境界線を引いたからこそ、線の内側を思い切って任せられる」と書いている。

セキュリティと人事です。会議で隣に座ることすら少ない2部署が、独立に同じ命題を語っている。プールの深さ表示とコースロープがあるから思い切り泳げる、というのと同じ構造です。

Playbookの実物にも「支払金額が100万円を超える場合、必ず人間の確認を求める」というエスカレーション条件が、普通の日本語で書かれていました。

4つめは、差分を測って直し続けること。

経理は「バックテスト」を回しています。過去の承認済み申請とAIの生成結果が一致するかを検証し、ズレたらPlaybookを直す。その結果、スコープ内の申請の92.5%が自動化可能な水準に到達しました（一部の顧客へ提供中、仕訳以降は対象外）。

デザインは、AIレビュー付きのPRが339件。直近111件の37%が指摘を受け、修正して再度通すループが回っています。人事は、AIの下書きと人間の確定評価の差分を自動で転記し、AI自身に改善案を出させて、人がレビューしてプロンプトへ反映しています。

ソフトウェア開発の「デプロイして、計測して、直し続ける」という作法が、経理・デザイン・人事にそのまま移植されている。多くの会社のAI導入は、体重計を買った時点で終わっています。

5つめは、AIが「わからない」と言いやすい場所をつくること。

デザインのレビュー結果には「評価不可」という出力が用意されています。資料に載っている出力例では、理由がこう書かれます。「ハーネスに該当ルールの記載がないため。一般的なUX知識では補完しない」。

普通は逆をやります。AIが賢く埋めてくれたら嬉しい。でも埋められると、ルールの穴が永遠に見えません。だから「ここは判断できない」と言わせて、そのログをそのままルール追加の宿題リストにしている。担当者はこれを「ハーネスの限界がどこかをシステム自身に教えさせる」と表現しています。

そして重要なのは、5部署で呼び名がバラバラだという事実です。Playbook、ハーネス、三層構造、Zero Trustの拡張。もし本社が統一フォーマットを配っていたら、全員が同じ用語を使うはずです。使っていない。これは配布ではなく、それぞれのドメインの言葉への翻訳が起きている証拠だと考えます。

中央が握ったのはコストと情報管理だけ

では、誰も強制していないのに、なぜ全部署が同じ方向へ進化したのか。

全社インフラを担当する執行役員CISOの総括が、日本企業ではまず出てこない一文です。

「最初から『統一プラットフォーム』を作らなくて良かった」

理由も書かれています。複数のチームが同時にエージェント開発に取り組んでいて進化が速いので、ひとつのプラットフォームでは全部をカバーできない、と。

では野放しなのかというと、違います。中央が握るものを2つに絞っています。「共用できるものは積極的に共用するが、強制はしないポリシー。コストと情報管理の制御のみを行い、『コスパよく扱いやすいもの』に自然と流れるように」。

やり方は縛らず、お金と情報の出入りだけ押さえる。 水道の蛇口の使い方は各家庭の自由だけれど、メーターと配管だけは共通、という設計です。

具体的な打ち手も現実的でした。LLMゲートウェイ（LiteLLM）でコストを合算し、設定した上限を日次でフィードバックして「AIに仕事を頼むときの金銭感覚」を養う。ただし上限は「素早く緩和できる仕組み」とセットで、止めない設計になっています。

セルフホストのGit（Forgejo）を全社へ配ったのも効いています。全社員にGitHubのライセンスを配るのは費用的に厳しく、社外サービスと社内情報が混ざると事故りやすいから自前で建てた。結果、非エンジニアの生成物がほぼそこへ吸収され、pushするだけで認証付き領域に自動デプロイされる状態になりました。

そして興味深い事実が一つ。コスト状況を分析したところ、職種に偏りはなかったそうです。セールス、バックオフィス、デザイナー、エンジニア、どの職種にもヘビーユーザーがいた。社員が自作した「育休取得アドバイザー」という例まで出てきます。情シスが用意するユースケース一覧には、絶対に入らないものです。

経営側の打ち手も、同じ思想でした。福島CEOは2026年2月の講演で「まずAIの予算を取ることにしました。（中略）その費用を人件費と代替的にしようと決めました」と語り、「トークンコストイコール、人からAIに移った仕事量だと思っています」と定義しています。

ただし、ここで率直に押さえておきたい現状があります。

キーノートには「個人業務は劇的に効率化、他方で組織全体へのAIインパクトはまだ出ていない」という一文が入っています。ここまでやっても、まだ検証中だという自己申告です。福島CEOも先の座談会で、ARR100億円の達成について「世界のAIネイティブ企業の成長スピードの水準から見れば、『こんなに時間をかけてしまった』とも言えますし、経営者としては悔しさも残る」と振り返っています。

つまりこれは完成形の展示ではなく、途中経過の共有です。だからこそ、この先の発信を追い続ける価値がある事例だと思っています。

▶︎ あわせて読みたい：部門長までAIにした「全員AI部署」——NECが選んだ現実解

持ち帰れるもの、持ち帰れないもの

最後に、日本企業が自社へ持ち帰れる線を引きます。

明日から着手できることは、ひとつだけです。ツールを買う必要もありません。

自分の業務を「見極める仕事」と「決める仕事」に仕分けてみる。 デザイン担当が示した切り分けが、そのまま使えます。出てきたものの良し悪しを見極める仕事は、基準さえ書き出せばAIにも回せる。正解がひとつではない問いに答えを決める仕事は、人にしか残せない。

自分の1日の作業を思い浮かべて、どちらに入るかを並べてみる。それだけで、任せられる範囲の地図が引けます。

「うちの業務は複雑すぎて書けない」と思うかもしれません。ところがLayerXの資料は、逆のことを言っています。「同じ業務ルールの会社は、一つも存在しない。個社運用を単一の仕組みで解けるのが、LLMの強み」。

従来のシステム化は、共通部分だけを型にはめて、個社の差分を人間の運用でカバーしていました。LLMは各社のルールをそのまま解釈して実行できる。標準化しなくていいのです。今のままを書けばいい。ここは発想が本当に逆転します。

逆に、持ち帰りにくいものも正直に挙げます。

月30万円／人のトークン投資は、多くの企業には出せません。トップが自分でエージェントを作るという習慣も簡単ではない。福島CEOは「AI活用を浸透させようとする段階では、トップが権限委譲という言葉に逃げないことが、とても大事です」と述べています。DX推進室への丸投げでAI活用が止まる理由が、ほぼこの一文で説明できてしまいます。

そして文化。執行役員CISOは前年のBet AI Dayの資料で「色々な仕組みよりも、この文化が最も強く作用して Bet AI が進んでいる」と明言していました。ここでいう文化とは、オープンに互いへ聞き合える相談の環境のこと。仕組みではなく、日々の会話です。

ただ、日本の歴史ある企業のほうが有利な点も一つあります。書き出す価値のある暗黙知の量です。スタートアップには、そもそも書き出すべき30年分の判断基準がありません。蔵に眠った味噌のようなもので、持っていること自体が資産。問題はレシピ化していないことだけで、レシピ化は今日から始められます。

そしてLayerX自身も、ここまでがっつりBet AIした結果、事業がどこへ向かうのかはこれからです。答え合わせはまだ先。その続きも、しっかり追いかけていきたいと思います。

AIエージェントを組織へどう入れるかは、動画のほうが実例を追いやすいテーマです。最新ツールの動きもまとめて解説しています：https://www.youtube.com/@iketomoch

判断基準を書き出してAIに渡す、という今回の考え方をそのまま自分の仕事へ落とし込むなら、『Claude 最強のAI自動化術』が近道になります：https://amzn.to/4eTUVG1

読んで終わりにせず、2時間で自分専用の仕組みを1つ作って帰りたい方は、いけともハンズオンをどうぞ。録画・資料・手順書つきで、あとから受講することもできます：https://handson.workstyle-evolution.co.jp/