# AIは、文脈の分だけ速い。——AI-native の燃料は組織の記憶である > AI-native とは AI で仕事を速くし、実装コストを下げることである。だが AI の速さは文脈の供給量で決まり、 組織の文脈は記憶にしか存在しない。AI-native と組織の記憶をつなぐ、この研究の総論。 - Kind: THESIS - Published: 2026-08-23 - Canonical: https://kiokulab.com/notes/as-fast-as-context - Publisher: Kioku Lab (https://kiokulab.com) --- 「AI-native」という言葉は、インフレを起こしている。AIを導入した、AIを使っている、全社員にライセンスを配った——それだけで組織が AI-native を名乗る。 言葉を目的に戻すところから始めたい。**AI-native とは、AIで仕事を加速し、実装のコストを下げることである。** 姿勢ではなく、成果の話だ。そしてこの目的から出発すると、一本の因果の鎖が現れる。本稿はその鎖を、この研究全体の総論として短く書き切る。 ## 第一命題——AIの速さは、文脈の供給量で決まる 同じAIに、同じ依頼を二通り出してみる。 一通目。「A社向けの見積の連絡文を書いて」。AIは一般論のメールを返す。人がそれを直す。A社との経緯、先方の予算の都合、前回の約束——**背景を知っているのは人間だけ**なので、直す作業は人間に残る。 二通目。同じ依頼に、A社との合意内容・開始日の理由・過去のやりとりの要点が添えられている。AIはほぼ完成品を返す。 差を生んだのはモデルの性能ではない。**文脈(context)の供給量である。** そして一通目の世界では、使う人が毎回、背景を手で説明している——プロンプトに経緯を貼り付ける行為は、いわば最も原始的な記憶の呼び出しだ。この**説明のコスト**は使うたびに発生し、AIがもたらすはずだった加速を静かに食い潰す。多くの組織で「AIを入れたのに速くならない」の正体は、モデルではなく文脈の欠乏である。 ## 第二命題——組織の文脈は、記憶にしか存在しない では、その文脈はどこにあるのか。 個人の頭の中にはある。だが人は異動し、退職し、[卒業していく](/notes/tange-lab)。ファイルサーバーにもある、ように見える。だが[総説](/notes/organizational-memory)で確認したとおり、検索してもたどり着けない議事録や読まれないWikiは「保管」であって記憶ではない——そして[保管には期限すらある](/notes/handover)。 判断に持ち込める形で残っている組織の文脈——それを私たちは組織の記憶と呼んできた。つまりこうなる。**AIに供給すべき組織の文脈の実体は、組織の記憶そのものである。** 記憶を持たない組織がAIを使うとき、AIは毎回、入社初日の新人として働く。優秀だが、何も知らない新人として。 ## 第三命題——記憶は、渡せる形に整えてはじめて燃料になる ただし、会話ログを全部貯めて検索させれば済む、という話ではない。 LLMに過去を接続する技術(検索拡張生成)は既にある。問題はその先で、モデルに渡した情報が**信じてよいものか**を、テキストの山は教えてくれない。決まった話なのか、検討中の話なのか。誰の発言に責任があるのか。その合意はまだ有効なのか。——この区別なしに過去を流し込めば、AIは三年前に廃案になった方針を、現行の方針として滑らかに語り出す。 [Memory object](/notes/memory-object) の8つのフィールドは、実はこのために設計されている。型(`DECISION` / `COMMITMENT` / `ASSUMPTION` / `OPEN`)は「確定した判断か、外への約束か、未検証の前提か、未決定か」を、来歴(`provenance`)は「誰の判断か・人が確認済みか」を、見直し期限(`review_by`)は「まだ有効か」を、モデルに機械可読な形で伝える。**AIに渡すのは記録の山ではない。来歴と有効期限のついた、確認済みの判断である。** 文脈の供給とは、量の問題である以上に、整形の問題なのだ。 ## 合流——性能の面と、責任の面 [AIが記憶するとき、組織は何になるのか。](/notes/when-ai-remembers)で私たちは AI-native organization を「人が選び引き受ける層と、AIが記憶し実行する層の、責任境界から設計し直された組織」と定義した。あれは責任の面である。本稿の鎖は性能の面だ。二つを合わせて、定義は完成する。 > **AI-native organization とは、(1) AIが組織の文脈——すなわち構造化された記憶——に随時アクセスでき、(2) 人とAIの責任境界から設計された組織である。** (1)がなければ、AIは速くならない。(2)がなければ、速くなったAIが誰の責任でもない判断を量産する。性能と責任は、同じ記憶の構造の上に立つ——記憶の型と来歴が、モデルへの文脈供給と、人の責任の追跡を、**同時に**可能にするからである。 ## ガードレール——「全部録れ」ではない この鎖は、監視への招待状ではない。三つだけ釘を刺しておく。 - **量より質。** 未確認の要約を大量に流し込むより、確認済みの判断を少数渡すほうがAIは正確に速くなる。`confirmed_by_human` は倫理の要件であると同時に、文脈の品質保証である。 - **忘却は機能。** [記憶過剰は探索を殺す](/notes/when-ai-remembers)。`review_by` を過ぎた文脈は、供給時にその旨を添える——古い地図で速く走っても、着くのは間違った場所である。 - **記憶≠監視。** 供給すべきは判断の骨格であって、雑談の全文ではない。`visibility` が守るのは効率ではなく、人が安心して話せる場である。 ## 総論として 鎖を一本に畳む。 > AI-native の目的は、加速と低コストである。 > AIの速さは、文脈の供給で決まる。 > 組織の文脈は、記憶にしか存在しない。 > ゆえに——**組織の記憶を整えることは、AI-native の前提工事である。** 私たちが記憶の[定義](/notes/organizational-memory)を掘り、[最小構造](/notes/memory-object)を書き、[現場の記録](/notes/handover)を集めているのは、この一点に奉仕するためである。 では、その記憶を実装する既存製品とオープンソースは、何を一単位として残しているのか。2026年時点の違いは、[AIメモリ比較レポート](/notes/ai-memory-comparison-2026)で整理した。 **AIは、文脈の分だけ速くなる。組織の文脈は、記憶にしか存在しない。** --- ### 出典 - 関連記事:[組織の記憶とは何か](/notes/organizational-memory)/[Memory object の最小構造(v0.1)](/notes/memory-object)/[AIが記憶するとき、組織は何になるのか。](/notes/when-ai-remembers)/[丹下研究室の一年](/notes/tange-lab)/[担当が替わる。約束は残る。](/notes/handover)(Kioku Lab, 2026) - Lewis, P., et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. [arXiv:2005.11401](https://arxiv.org/abs/2005.11401) --- Source: https://kiokulab.com/notes/as-fast-as-context · Contact: info@kiokulab.com