核心内容の要約
AI時代において、GoogleのJeff DeanやMetaのYann LeCunといったトップクラスの科学者たちが大企業を離れて起業する傾向が増しています。その根本的な原因は、個人の研究目標（自由な探求、独自の技術路線の検証、長期的な価値の追求）と企業の制約（製品の納期圧力、戦略の一致要求、リソース配分の制限）との間の矛盾が激化していることにあります。シリコンバレーのHR専門家Tom Zhangへのインタビューを通じて、Google、Tesla、Tencentの人材管理の仕組みを比較し、非専門家の管理者が専門家をどのように管理するか、研究の価値をどのように評価するか、中国の企業が人材を見極める際の課題などについて探求しており、AI時代の人材問題に対処するためのアイデアを提供しています。
1. なぜトップクラスの科学者は大企業で働きたがらないのか？——個人の追求と企業の制約の矛盾
トップクラスの科学者が辞める理由は、給料が少ないからや職位が低いからではありません。それは「志が合わなければ協力できない」ということです：
- 個人が何を求めているか？ 彼らには自分たちの「北極星」があります。例えばYann LeCunは「物理世界を理解するモデル」の研究を望んでおり、林俊旸は基礎的な大規模モデルから「世界モデルと身体化された脳」へと研究分野を変えています。これらは長期的な投資が必要で、すぐに商業的なリターンが見えない先端分野です。
- 企業が何を欠いているか？ 大企業にはKPI（鍵績指標）の圧力があります。製品は期限内にリリースされなければならず、投資はリターンが必要であり、研究方向は企業の戦略と一致していなければなりません（例えばMetaは迅速に収益化できる大規模言語モデルを重視するかもしれませんが、LeCunの世界モデルではない）。
- AI時代に火がついた 以前は大企業が安定した資金や十分な計算能力で科学者を引き付けていましたが、現在は技術の進化が速すぎるため、研究成果が直接製品競争や資本投入と結びついており、科学者の個人的な影響力が職位をはるかに上回っています。そのため、矛盾も自然と激しくなっています。
2. Google、Tesla、Tencentの人材管理：3つの全く異なるアプローチ
これら3社はトップクラスの人材を争っていますが、管理方法は大きく異なります：
- Google：賢い人に自由を与える
コアは「賢い頭脳は管理される必要がない」という考え方です。例えば、管理者はデータを使って人々を説得し（Project Oxygenプロジェクトでは優れた管理者の特徴を研究）、重要な決定は皆で議論して合意に達します。従業員には自発的なイノベーションを奨励します。簡単に言えば、お金と計算能力を与え、安心感を提供し、研究したいことを自由にさせます。
- Tesla：使命による驱动+高圧的な突破
マスクが目標を設定します（例えば「火星への旅行」）。チームはその道筋を探すだけです。組織はフラットで、マスクが直接第一線のエンジニアと対話し、極端なプレッシャーで突破を促します（コードは車に搭載されなければならず、製品は量産可能でなければなりません）。使命のために燃える人だけが残り、耐えられない人はすぐに排除されます。
- Tencent：実用的な二重のアプローチ
専門分野（Tチャネル）と管理分野（Mチャネル）に分かれています。技術に携わりたい人は専門家として、管理したい人は管理者として働きます。迅速な製品の提供が求められる一方で、試行錯誤も許されます（例えばAI大規模モデルの探求）。特徴は「安定性」で、採用されるのは実証された人材です。
3. 非専門家の管理者はどのように研究員を管理するか？——無闇な指示をせず、まず目標を定める
技術を理解していない上司は科学者をどのように管理すればいいのでしょうか？重要なのは「大切なことに集中し、細かいことは放っておく」ことです：
- まず明確な目標を定める：ケネディが「10年以内に月面着陸」と言ったように、マスクが「火星への旅行」と言います。管理者はロケットの仕組みを理解する必要はありません。チームに「何をすべきか」を伝えれば、残りは専門家に任せます。例えばDeepSeekの梁文锋が「AGI（人工一般知能）の実現」という目標を定めたら、チームはその方向で取り組みます。
- 目標、リソース、境界を管理し、細部は気にしない：上司が管理すべきは「このプロジェクトが企業の戦略に合っているか？どれだけのGPUが必要か？セキュリティリスクはないか？」です。技術を理解していなければ、同業者の専門家に評価を依頼し、自分で無闇に判断しないようにします。
- 内部投資家のように行動するが、底線は持つ：科学者が要求を出した場合（例えば1万枚のGPUが必要と言った場合）、上司はその合理性を判断しますが、単純に5千枚に値切るのではなく、提案の論理を見ます。同時に倫理やセキュリティのラインを引きます（例えば違反したデータの使用を許さない）。
4. 研究の価値はどのように評価するか？——論文や特許だけでなく
企業が研究を評価する際には、論文の数や特許の数だけを見るべきではありません。「実際の影響」を見る必要があります：
- 数に惑わされない：IBMは29年連続で特許数でトップでしたが、製品の影響力が追いつかなくなり、その後は数を追求しなくなりました。論文をたくさん発表しても実用的な製品が出ないチームもあります。これは「形式主義」です。
- 「インパクト（影響力）」を見る：例えばAlphaGoは囲碁を変え、AlphaFoldはタンパク質の構造問題を解決しました。これらこそが真の価値です。プロジェクトが成功しなくても、その過程で見つかった新しい方向性（例えば便利なメモ帳の発明）も成果として認めるべきです。
- 失敗を許容しながらも甘やかさない：研究には不確実性がありますが、合理的な失敗は許されますが、ただ時間を無駄にすることは許されません。例えばGoogleは先端研究により長い検証期間を設け、Teslaは短期のタスクには迅速な検証を行います。重要なのは段階的な進捗と信頼性です。
5. 中国の企業が人材を見極める際の課題：「大企業のレッテル」だけを見ない
中国の企業は「オーラを持つ」人材を採用することを好みますが、よく間違いを犯します。問題は以下の点にあります：
- レッテルに依存し、人材を見極める能力がない：多くの企業は「GoogleやOpenAI出身か」「海外の経験があるか」だけを見ていますが、実際の能力やチームとの適合性を無視しています。例えばDeepSeekは地元の若者たちを採用しましたが、大企業のレッテルはなくても成果を出しており、潜在力の方が重要だということを示しています。
- 「馬を競わせる」のではなく、「馬を見極める」べきです：人材は実際に働いて才能を発揮するものです。面接だけで判断するのではありません。华为は「将軍は戦いで育つ」と言っており、従業員に実際のタスクで自分を証明させます。
- 小規模企業はどうすればいいか？ まずビジネス目標を明確にし、既存の人材を活用して成果を出した後でより優秀な人材を引き付けます。最初から夢のチームを作る必要はありません。段階的に現実的な体制を構築していきましょう。
総括
AI時代において、大企業がトップクラスの科学者を留められない根本的な理由は「目標の不一致」です。この問題を解決するためには、適切な管理方法（例えばGoogleの自由なアプローチやTeslaの使命志向）、管理者が「大切なことに集中し、細かいことを放っておく」能力を身につけること、合理的な評価システムの構築、そして「大企業のレッテル」への執着を捨てることが必要です。結局のところ、人材は不足しているわけではありません。不足しているのは人材を見極める目とその能力を活かすメカニズムです。