AI時代の採用とは、会社のリスクを『AIが剥がせる層』と『人にしか握れない核』に仕分け、残った一点に、AIを相棒に束ねて動かす一人を置くことだ。
採用で「席を埋める」のをやめる。AI時代は、リスクを仕分けて一点に賭ける — Gene Pool Engineering 2.0
採用の相談を受けると、たいてい最初に出てくるのは組織図だ。エンジニアが足りない、営業がいない、PMが欲しい。空いている席を見つけて、それを埋める人を探す。
でも、いま本当に効くのは逆だ。席を埋めるのをやめて、リスクを仕分ける。
この発想の原型を、Khosla Venturesが提唱した Gene Pool Engineering（遺伝子プール設計） という。そして今、AIがそれをもう一段ひっくり返している。
元の思想：会社は、採用した人間そのものになる
Gene Pool Engineering の出発点は一文に尽きる。
a company becomes the people it hires（会社は、採用した人間そのものになる）
初期の数人が、その後の文化も、解ける問題の範囲も、組織がどう進化するかも決めてしまう。だとすれば採用は「席を埋める」雑務ではなく、会社という生き物の遺伝子を、意図的に設計する行為だ。Khoslaはこれを "a team can be precisely engineered"（チームは精密に設計できる）と言い切る。
手順はシンプルだ。
- 最大のリスクを5つ書き出す — 会社が潰れるとしたら何が原因か。
- 各リスクに必要な専門性を定義する — 「PMが欲しい」ではなく「この壁を越えた経験がある人」。
- Centers of Excellence を3〜5つ特定する — その問題を既に解いた組織はどこか。競合だけでなく隣接業界やアカデミアまで。
- 各組織のトップ人材をリスト化する — そこにいるA+の人と深く話す。
- 多様な人を採る — 1つのリスクに、別々の会社・業界・年代から2〜3人。意図的に異質なチームを組む。
職務ではなくリスクから逆算する。これだけで、誰を採るかの基準が一段深くなる。
ここからが本題：なぜ「2.0」なのか
この設計図には、隠れた前提があった。「優れた才能は希少で、それを探し当てること自体が、会社の堀になる」。ステップ3と4 ——どの組織が解いたかを突き止め、そこの誰が本物かを洗い出す ——は、人脈とリサーチ力の総力戦で、そこに時間と金を払えることが優位だった。
AIは、この後半を壊した。「このリスクを解いた事例を持つ組織は」「その領域で名前が挙がる人は」を、いまは数分で広く浅く当たれる。探索は、もう堀ではない。
堀が消えると、希少さの在りかが移る。価値は「才能を探せること」から、「AIを相棒に束ねて、それでも残る一点を握れること」へ。これが2.0の核心だ。具体的には、設計図がこう更新される。
① 採用の前に「Step 0：リスクを2層に剥がす」を足す
リスクを5つ書き出したら、人を探す前に、各リスクをこう割る。
- AIが剥がせる層 — 再現可能で、言語化でき、検索・試作・ドラフト・定型判断に落ちる部分。エージェントが担える。
- 人にしか握れない核 — 曖昧さの中で筋を決める判断、外に対する責任、文脈の読み。ここはAIに渡せない。
多くのリスクは、外側の層をAIが剥がすと、残る核が驚くほど小さくなる。採用は、その核に対してだけ起動する。 「誰を採るか」の前に「この核は本当に人がいるか、AIで剥がし切れないか」を問う。
② 採るべき遺伝子が変わる ——実行の相棒は、AIが担う
優れた採用論に、Keith Raboisの「バレルと弾薬」がある。アイデアを最後までやり切る人（バレル）と、指示があって動く実行部隊（弾薬）を分ける考え方だ。
AI時代、その実行を担うのは、相棒として増えていくAIだ。だから希少さが反転する。処理量や調べ物の速さはコモディティになり、残って光る遺伝子は ——問いの立て方、筋を見抜く判断、核を最後まで握り切る力、そして何人ものAIを相棒として束ね、一人でチームを動かせる force multiplier であること。AI時代に設計すべきは、「AIを相棒に束ねられるバレル」だ。
③ チームは「大きく」でなく「濃く」設計する
ステップ5は「1リスクに2〜3人」だった。AIが各人の出力を何倍にもする今、ここは 「1リスクに、AIを相棒に動ける一人」 に縮む。遺伝子プールは人数で広げるのではなく、密度で濃くする。
④ 多様性の軸に「AIの多様性」が増える
Khoslaの多様性は、問題解決の引き出し・業界経験・創造性・年代の4軸だった。ここに 複数のモデル・複数のエージェントを"別の畑"として混ぜる 軸が加わる。同じモデルだけに頼ると、その癖と盲点に揃ってしまう。人と同じ理由で、AIも畑を混ぜる。
月曜からやる、たった一枚の表
求人票を開く前に、白紙に3列で書いてみてほしい。
| ① 会社が潰れる5つのリスク | ② AIが剥がせる層 | ③ 人にしか握れない核（＝採用する一点） |
|---|---|---|
| 技術の深い壁を越えられない | 先行事例の調査・試作・比較検証 | アーキテクチャの最終判断と、外さない責任 |
| 売り先が定まらない | 市場・競合・チャネルの洗い出し | 「誰の何を捨てて誰に賭けるか」の意思決定 |
| 採った人が活きない | 候補者の一次整理・面接の論点出し | 入社後3ヶ月の問いを設計し、伴走する判断 |
そして決定ルールはひとつ。③が埋まる行だけ採用し、③が空欄の行は採らない。 ③が空なら、そのリスクはAIで剥がし切れている ——人を足すと、むしろ遺伝子プールが薄まる。
③を採ると決めたら、求人票の主語が「職務（〇〇の経験5年）」から「この一点を握れるか」に変わる。面接で聞くことも変わる ——その壁を越えたことがあるか、AIを相棒のように使いこなせるか。(面接で私が必ず聞く5つの問い は、まさにこの一点を見るための質問だ。)
採用とは、席を埋める作業ではない。会社のリスクを AIが剥がせる層と人にしか握れない核に仕分け、残った一点に、AIを相棒に束ねて動かす一人を置く ——それが、AI時代に会社の遺伝子を設計するということだと思う。
自社の5リスクを「AIが剥がす層／人が握る核」で仕分ける30分を一緒にやってみたい人は、Xで声をかけてください。現場でHRとAIの両方を動かしている立場で、一緒にこの表を埋めます。
出典：Gene Pool Engineering for Entrepreneurs — Khosla Ventures ／ Barrels and Ammunition は Keith Rabois の2014年 Stanford「How to Operate」講演より（First Round Review のまとめ）
関連note
- AIエンジニアの採用面接で私が必ず聞く5つの問い — リスクから逆算した時に、面接で実際に何を聞くか
- AIエンジニアを採用しても活かせない組織のパターン — 設計せずに採った後で起きること