允中 凹非寺より
量子位 | 公衆号 QbitAI
AIが産業を再形成し始めたとき、あるトップビジネススクールが再び考えているのは、未来にはどのようなビジネスリーダーが求められるのかということだ。
AIはコードを書き、分析を行い、方案を生成し、さらには複雑なタスクを自律的に実行し始めている。
しかし、ひとつの問題が、いまだ解決されていないように見える。
AIが答えを出したとき、その答えが実行に値するかどうかを誰が判断するのか？
例えば、ある企業が調達の最適化を必要としているとする。AIはサプライヤーの見積もり、納期、在庫コスト、期待収益を同時に計算し、数十種類の組み合わせの中から数学的な意味での最適案を見つけ出すことができる。
しかし、もしコストが最も低い方案がサプライチェーンリスクの増大を意味するなら、もしある部門の効率向上がかえって企業全体の利益を損なうなら、最終的にどう選択すべきなのか？
今年7月、交通大学安泰MBAのAI戦略実践ワークショップは、まさにこうした調達意思決定の問題を教室に持ち込んだ。
参加者は異なる役割に分けられ、大規模モデルと最適化アルゴリズムを活用して、コスト、効率、リスクと収益の間で3回の意思決定を行った。
興味深いことに、技術ツールが強力になるほど、経営課題はむしろ明確になった。
最適解を計算することはひとつのことであり、それを企業が実際に実行可能な意思決定に変えることは、まったく別のことである。。
これはおそらく、AIが産業の深水区に入ってから起こりつつある、人材の変革なのだろう。
AIはますます強くなっているのに、企業は別の能力にお金を払い始めている
まず、あるデータを見てみよう。
マッキンゼーの2025年グローバルAI調査によると、回答者の88%が、自分の組織はすでに少なくとも1つの業務機能でAIを常態的に使用していると答えた。
しかし、企業全体での全面的な大規模展開を本当に実現している割合は、わずか7%にすぎない。
「AIを使う」から「AIを使いこなす」まで、その間には依然として大きな溝があるようだ。
かつて企業がAIについて語るとき、より多く関心を寄せていたのはモデルのパラメータ、推論能力、計算コストだった。
今、ますます多くの問いがビジネスそのものに向かっている：
あるエージェントは本当に既存のワークフローに溶け込めるのか？一つのインテリジェントシステムは業務指標を改善できるのか？先進的に見えるAI方案は、持続可能なビジネスリターンをもたらせるのか？
このような変化は、技術人材の価値を再定義しつつある。
非常に代表的な現象が、FDEの人気だ。
FDEとはForward Deployed Engineer、前线部署エンジニア（最前線展開エンジニア）のこと。伝統的な意味で黙々と開発に打ち込むエンジニアとは異なり、こうした人材はしばしば顧客の現場に深く入り込み、実際のビジネスを理解し、技術展開とアプリケーション提供の間のつながりを打通する必要がある。
彼らはモデルとエンジニアリングを理解するだけでなく、顧客の問題を聞き取り、業務プロセスにおける複雑な制約を理解できなければならない。
言い換えれば、企業が求めているのはもはや技術を作り出せる人だけではなく、技術を本当に使いこなせる人でもある。
しかし、FDEは変化の一部にすぎない。
さらに先を見ると、AIが補助ツールから業務システムへと進化するとき、技術の実用化には組織構造の調整、資源配分、戦略選択、さらにはビジネスモデルの再構築までが関わってくる。
AIソリューションは投資する価値があるのか?新しいシステムが導入された後、既存のポジションはどう調整されるべきか?人とエージェントはどう協働すべきか?効率と安全、短期的な利益と長期的な競争力の間で、どうバランスを取るべきなのか?
こうした問いに答えるのは、より強力なモデルだけでは不可能だ。それらは別種の複合能力を指している。技術の論理を理解できるだけでなく、産業の法則を見抜き、さらにビジネス判断を行い、組織変革を推進できる能力である。
だからこそ、AI時代の人材競争は、従来の技術職の枠組みを超えつつある。
技術能力がどんどん手に入りやすくなるにつれ、逆に、現実の問題を理解し、複雑な資源を組織し、ビジネス価値を生み出す能力が、より重要になっている。。
そこで問題が生じる。こうした人材は、どうやって育成すべきなのか。
AI時代、ビジネススクールも自らを再定義しなければならない
興味深い変化が、交大アンタイMBAの人材育成体系で起きつつある。
2026年7月29日、上海交通大学安泰経済管理学院は『AI時代のビジネス人材育成に関するアンタイ宣言』を発表し、人工知能がビジネス教育にもたらす課題に体系的に応えた。
その中で注目すべき判断の一つは、人は常に意思決定と責任の主体である。
というものだ。これは単純な人間と機械の関係に関する宣言ではない。
AIが膨大な情報を高速処理し、専門的な分析を出力できるようになった今、知識の獲得、ケース分析、標準化された問題解決を中心とした従来のビジネススクール教育の一部の教育方法も、必然的に衝撃に直面している。
かつては、より多くの経営知識を身につけることが、しばしばより強い専門的優位性を意味した。
しかし今日では、AIは非常に短時間で、一見完成された戦略分析、財務モデル、市場調査レポートを提供できる。
知識そのものがもはや十分に高いハードルを構成しないなら、ビジネススクールはいったい何を教えるべきなのか。
交大アンタイMBAが示した方向性は、知識や解法の伝授から、さらに一歩進んで、問題を定義し、自ら考え、分野を超えて統合し、価値判断を行う能力の育成へと転換すること。
である。これはまた、上海交通大学安泰経済管理学院の陳方若院長が推進するビジネス教育改革の考え方とも一脈相通じている。すなわち、教師を単なる知識や解法の伝授者と位置づけるのではなく、学生が現実の問題に正面から向き合い、複雑な状況の中で判断を形成するよう導くことをより重視するのである。
実は、交大アンタイMBAがAIに関心を持ち始めたのは、決して最近のことではない。
早くも2020年には、学院は人工知能MBAプログラムを開設し、AIとビジネス経営の融合を模索していた。
しかし2026年に入り、改革はもはやAI関連の授業をいくつか開講することに留まらなくなっている。
8月16日、交大アンタイMBAは「知能時代五鎖人材」育成体系を正式に発表した。
この体系は、本来分散していた五つの資源と能力をつなぐことを目指している。
智能との連携、科学技術イノベーションとの連携、産業との連携、世界との連携、交大との連携。
智能との連携は、経営者が人工知能の技術論理と応用の限界を理解できるようにする。科学技術イノベーションとの連携は、最先端技術と起業・イノベーションの結合を推進する。産業との連携は、ビジネス学習を現実の企業現場へと深める。世界との連携は、グローバルなビジネス視野を広げる。交大との連携は、上海交通大学の総合研究型大学としての学際的優位性をさらに発揮するものである。
その背後には、重要な人材育成の論理の変化がある。
未来のビジネスリーダーは、ビジネススクールの中だけで育成できるものではない。
なぜなら、現実世界の複雑な問題には、多くの場合、明確な学問的境界線がないからだ。。
スマート製造への転換には、工学技術、サプライチェーン、組織マネジメントの同時理解が必要である。AI起業には、製品開発、ビジネスモデル、資本資源と市場ニーズをつなぐことが必要である。企業の海外進出には、グローバル市場、技術競争、異文化組織、経営意思決定が関わってくる。
人材育成の目標がこれらの問題を解決することであるなら、ビジネススクールは自らの境界線を自ら打ち破らなければならない。
そして上海交通大学の工科、人工知能などの学問分野の蓄積、およびアンタイが長年築いてきた産業研究、科学技術ファイナンス、同窓生エコシステムは、まさに交大アンタイMBAのこのような学際的な人材育成の基盤を提供している。
10年間で1000個のAIシナリオを共創する。AIを教室に持ち込むだけではない
理念のほかに、改革には具体的な着地点も必要である。
交通大学安泰MBAが2026年に公表したある計画は、AI産業界らしさを感じさせるものだ。
百業千企10×100 AIシーン共創計画。
計画によれば、今後10年間で交大安泰MBAは各業界の企業と連携し、1000項目のAI実践課題を実際に落地させることを共同で目指す。
これは1000問の従来型の教室での演習問題ではない。
その核心となる構想は、企業の実際の業務課題を人材育成の出発点にすることである。
従来のビジネススクールでは、ケースメソッド教学は通常、すでに起きたビジネス上の出来事に基づいており、学生は当時企業がなぜ成功したのか、なぜ失敗したのかを分析する必要があった。
しかしAIが急速に進化する環境では、多くの問題にはまだ成熟した答えが存在しない。
ある製造業の企業はAI駆動の生産プロセスをどのように再設計すべきか？サービス業のAgentはどの工程を引き受けるべきか？あるテックスタートアップは技術プロトタイプから商用化へどう進むべきか？
企業はまさにこれらの問題の解決策を探しているところかもしれない。
こうした未解決のリアルな問題を教室に入れれば、学生はもはや事後的な分析者ではなく、問題解決のプロセスに参加する機会を得ることになる。
このモデルを支えるため、上海交通大学は関連業界団体、研究機関および学院と連携し、AI時代の商科人材育成連盟を発足させ、カリキュラム、シーン、産業資源と人材育成メカニズムの協同を推進する。
そして計画から実践へと向かう中で、交大安泰MBAはすでに新たな進展を遂げている。
今年9月6日、交大安泰MBAは百業千企の第一陣AIシーンリストおよび共同構築エコシステムパートナーを発表し、AIオープンソース学習コミュニティDatawhaleと戦略的提携を締結するとともに、FDE人材専門育成計画を開始し、「AI+X」実践訓練コースおよびFDE厳選コースを公開した。
これらの取り組みは、企業のニーズ、技術力、実践ケースと交大安泰MBAのカリキュラムをさらに結びつけることになる。
特に注目すべきは、交大安泰MBAのこの育成体系が3つの実戦能力を重点的に掲げていることである。
AI4O、FDE、OPC。
AI4O、すなわちAI for Operationsは、AIを活用して企業運営を理解・最適化し、技術を真に運営効率とビジネス価値へと転換することを重視する。
FDEは工程の落地実装に焦点を当て、産業の現場に深く入り込み、業務課題を納入可能かつ検証可能なAIソリューションへと転換できることが求められる。
OPC、すなわちOne Person Companyは、AIによる支援の下での新たな起業・経営のあり方を指し、製品、市場から運営に至るまでのフルスタックの経営能力を重視する。
三つの関心対象となるシーンは異なるが、共通の問題を指し示している。
AI技術はどのようにして真に価値を創造するのか？
企業運営からエンジニアリング展開、さらには起業経営に至るまで、新しいビジネス人材が直面すべきものは、もはや伝統的な職能分担における単一のタスクではない。
これこそが、交大安泰MBAの改革が教室を産業の最前線、サイエンスパーク、研究開発拠点および研究室へと延長しようとする理由でもある。
何しろ、モデルの動作メカニズムを理解することと、AIプロジェクトを実際の企業で落地させることは、2つの異なる挑戦である。
真の能力の形成は、産業の現場で検証される必要がある。
育成目標からカリキュラムメカニズムまでの体系的アップグレード
もちろん、ビジネススクールがAI時代に真に適応するには、いくつかの新しい概念や新設講義だけではまったく十分ではない。
育成方法そのものも変える必要がある。
この改革において、交大安泰MBAは2027級に向けた一連の育成面の調整を同時に打ち出した。
その内容には以下が含まれる。修業年限を2年に統一し、40〜50単位の柔軟な単位制を実施し、実践科目が総授業時間の4分の1以上を占める。
教学の安排において、交大安泰MBAの非全日制プログラムは週末授業モデルを採用し、全日制CLGOプログラムは中国語授業、月に4〜5日間の集中方式を採用する。
これらの変化の背景には、キャリア形成のリズム、学習ニーズと産業実践の間の関係に対する再考がある。
すでに産業の最前線に身を置く管理者にとって、最も切実なニーズは、必ずしもビジネスの現場を一時的に離れ、比較的固定された知識訓練を集中して受けることではないだろう。
彼らはむしろ、現在直面している産業上の課題を教室に持ち込み、さらに教室で学んだ新しい手法を仕事や実践に持ち帰る必要がある。
その一方で、交通大学安泰経済管理学院のMBAは、多様なキャリア発展のニーズに応えるため、さまざまな育成方向を設け続けている。
人工知能MBAはAIとビジネスマネジメントの融合に注力し、テックファイナンス（科技金融）MBAは科学技術イノベーションと金融リソースをつなぎ、CLGOは工学とオペレーションマネジメントにわたる学際的な育成を重視し、IMBAはグローバルなビジネス視野と国際的なマネジメント能力に焦点を当てている。
それぞれの方向の上にあるのは、交通大学安泰MBAが絶えず拡大している知能、科学技術イノベーション、産業、グローバルというリソースのエコシステムの共有である。
この視点から見ると、学制、単位、カリキュラムの改革は、単なる教育制度の変化ではない。
より深層にある変化は次の点にある。MBA教育は、相対的に固定された知識の伝達から、実際の産業ニーズに向けた継続的な能力構築への転換を試みている。。
そして、この改革が成功したかどうかを判断するには、結局のところ産業の現場に立ち返るしかない。
受講生は、解決する価値のあるビジネス課題を特定できるのか。専門を越えたチームに効果的な協働をさせられるのか。技術的なソリューションを実際のビジネス成果に転換できるのか。
こうした能力は、授業を一度聞いたからといって自動的に身につくものではない。
それらは、実践、判断、振り返り（レビュー）を重ねる中で磨かれなければならない。
これはつまり、ビジネススクールには最新の技術変化への理解が必要であるだけでなく、産業からのフィードバックを継続的に得ることがさらに必要だということでもある。
AI時代、本当に希少なのは「課題を定義できる人」かもしれない
最初の問いに戻ろう。
AIがますます強くなる中、未来のビジネスリーダーには何が求められるのか。
その答えの一部は、交通大学安泰MBAのあのAI戦略実践ワークショップから見出せるかもしれない。
モデルがすでに複雑なデータの分析や大量のプランの比較をこなせるようになったとき、人間が本当にやるべきことは、ビジネス目標を特定し、さまざまな意思決定の代償を理解し、不確実性の中で選択を行うことである。
さらに重要なのは、そうした選択を組織に受け入れられ、実行され、最終的に結果を生み出させることだ。
技術力は企業に何ができるかを決め、ビジネス判断は企業が何をすべきかを決める。
今日、AIがコード開発、コンテンツ制作、製品デザイン、さらには起業のハードルを下げつつあるのを目の当たりにしている。
しかし、ハードルの低さは複雑さの低さを意味しない。
ますます多くの人がAIを借りて、かつてはチームでなければ成し得なかった生産力を手にできるようになると、ニーズの理解、協働の編成、信頼の構築、責任の引き受けといった価値は、かえっていっそう際立つだろう。
技術者にとって、今後のキャリアアップとは、エンジニアからより熟練したエンジニアになることだけではなく、技術的問題の解決からビジネス課題の定義へ、一つのプロジェクトの管理から一つの産業シーンの統括へと進むことも含まれるかもしれない。
ビジネスマネージャーにとって、AIはもはや技術部門に任せられる選択科目ではなく、未来の企業の動かし方を理解するための基礎能力となりつつある。
これこそが、交通大学安泰MBAの今回の育成改革が応えようとしている時代の命題である。
AI宣言から五チェーン人材育成体系、百業千企のシーン共創からAI+X実践カリキュラム、さらに学制、単位、育成メカニズムの体系的な調整に至るまで、交通大学安泰MBAは、より長期的な問いに答えようとしている。
技術が絶えず進化し続けるとき、ビジネススクールは未来のためにどのような人材を育てるべきか。
その答えは、すべてのマネージャーをアルゴリズムの専門家にすることでも、誰もが最新のAIツールを追いかけることでもない。
科学技術イノベーションを理解し、かつ実際の産業に根ざし、グローバルな視野を持ち、かつ独立した判断を下せる複合型のビジネスリーダーを育てることである。
AIはますます多くの答えを提供できる。。
しかし、どのような問いを提起すべきか、どの方向を選ぶべきか、そして最終的な結果に責任を負うべきかを決めるのは、依然として人間である。。
おそらく、これこそがAI時代のビジネス教育が本当によそって守るべきであり、再定義するに値する核心的価値なのだろう。
*本記事は量子位（QbitAI）の許諾を得て掲載したものであり、見解はすべて原著作者に帰属する。