✨ 要約🔬 技術概要
新しいビジネスが誕生するとき、その最初の構造は、創業者たちが成功のために何が必要だと信じているかを反映していることが多い。起業における伝統的な見方では、会社を築くことは通常、チームを集めることを意味する。創業者は、業務を分担し、異なるスキルを補い、ベンチャーの複雑なタスクを管理するために、パートナーを迎え入れる。このアプローチは、人間の知識には限界があり、より多くの人々を集めることが問題解決のための最善の方法であるという考えに基づいている。しかし、生成人工知能として知られる新しいテクノロジーの波が、人々がこれらのタスクについて考える方法を変え始めている。単に反復的な作業を自動化する以前のツールとは異なり、この新しいテクノロジーは、テキストを生成し、コードを書き、情報を分析することができ、幅広い認知的義務をこなすことができるパートナーとして効果的に機能する。経済学者やビジネス学者の間の疑問は、このテクノロジーが企業の形成方法そのものを変えるのかどうかということである。それは、より多くの人々に起業を促すのか、それとも、起業するチームの規模や形を変えるのだろうか。
世界銀行グループのある研究者が、イギリスにおける新しい企業の誕生を調査することで、この問いに答えようとした。その研究は特定の期間に焦点を当て、2018年から2026年中盤までの間に設立された数百万の民間企業を追跡した。研究者はすべての企業を同じ方法で見たわけではない。代わりに、研究では業界ごとにグループ分けを行い、各業界の日々のタスクが大規模言語モデル（新しい人工知能の背後にある技術）によってどの程度支援される可能性があるかを測定した。金融や情報技術のような一部の業界は、これらのツールによる影響を受けやすいタスクを持っている一方で、農業や建設のような他の業界は、それらによる支援を受ける可能性が低いタスクを持っている。これらの異なる業界の企業が、テクノロジーが一般に広く普及した後、どのようにその構造を変化させたかを比較することで、研究者は、テクノロジーが実際に新しい企業の組織形態を再構築しているのかどうかを見極めることができた。
調査結果は、新しい企業が作られる数については変化していないものの、新しい企業がどのように組織されているかにおいて明確な変化があることを明らかにしている。データによれば、このテクノロジーは市場に参入する新しいビジネスの総数に急増をもたらすことはなかった。むしろ、それらのビジネスを開始するチームの構成を変えたのである。生成人工知能に最もさらされているタスクを持つ業界では、新しい企業は、責任者がより少ない人数で設立され始めた。具体的には、2025年から、新しい企業が複数のパートナーではなく、わずか一人のディレクターのみで始まる可能性が高くなるという顕著な傾向が現れた。研究によれば、テクノロジーへの露出度が高い業界ほど、一人のディレクターで始まる新会社の可能性が高まり、一方で三人以上のディレクターで始まる可能性は大幅に低下した。この変化は一時的な現象ではなかった。データは、これらの小規模なチームが、会社設立から6ヶ月後、および12ヶ月後においても依然として小規模なままであったことを示しており、これは起業家が初期の取り組みを組織する方法における持続的な変化を示唆している。
また、研究者は、このテクノロジーが企業の所在地や、創業者の事前の経験といった、ビジネス形成の他の側面を変化させたかどうかについても調査した。その証拠は、これらの分野における変化を支持していなかった。テクノロジーは、新しいビジネスが異なる都市に集まるようにすることもなく、また、それらを始める人々のバックグラウンドを変えることもないようであった。主要な影響は厳密に内部的なものであった。すなわち、チームがよりスリムになったのである。これは、テクノロジーによって、起業家が以前は二人目や三人目の人間を必要と感じていたタスクをこなせるようになったことを示唆している。特定の知識のギャップを埋めるために人間のパートナーを見つける代わりに、創業者は今や、それらの認知的義務を遂行するために人工知能に頼ることができる。これにより、創業者の複雑な業務を管理する能力が拡大しても、会社の形式的な構造は小さく保つことができるのである。
本研究は、生成人工知能はまだ大規模な新ビジネス創出の波を引き起こしてはいないものの、設立されるビジネスの構造を根本的に変えつつあると結論づけている。このテクノロジーは、「チーム」とは、人々のグループではなく、高度なツールに支えられた単独の個人であり得るという、新しい起業モデルを可能にしている。これは、企業が能力を失うことを意味するのではなく、むしろ、事業の極めて初期段階において複数の人々を集める必要性が減少していることを意味している。これらのツールが経済に統合されるにつれて、新しい企業を組織する標準的な方法は、よりコンパクトなリーダーシップ構造へとシフトしており、その変化はすでに新しい企業の公式記録の中に現れている。
テクニカル・サマリー：「小さく生まれ、小さく留まる：生成AIと新設企業の組織形態」
問題提起と研究課題
データと制度的背景
処置変数： LLMへの曝露度（Industry-level exposure）は、LLMによって実行または補助可能な職業的タスクに関する英国教育省（2023）の評価に基づいている。この尺度は、標準産業分類（SIC）コードを用いて17の広範な産業にマッピングされている。アウトカム変数： 主要なアウトカムは、設立時における正式なガバナンス構造に焦点を当てている。具体的には、創設取締役の数、単独取締役による企業の確率、および3人以上の取締役を持つ企業の確率である。副次的なアウトカムには、企業参入率、地理的集中度（グレーター・ロンドンへの登録）、および創業者の起業経験が含まれる。サンプル特性： 平均的な新設企業は1.257人の取締役から始まり、79.37%が単独取締役である。3人以上の創設取締役を持つ企業はわずか3.61%である。
実証戦略
平行トレンドへの挑戦： 生のイベントスタディによれば、LLMへの曝露レベルが異なる産業間では、2023年以前から創設チームの規模に関して異なる軌道を描いていた。したがって、標準的な平行トレンドの仮定は無効である。推奨される仕様： 本研究では、「曝露度に応じた線形事前トレンド」からの偏差を推定する。このモデルは、処置前期間（2018Q1–2022Q4）において、アウトカムのトレンドが産業の曝露度に応じて線形に変化することを許容する。ポスト2022年の偏差は、これら特定の線形トレンドの継続に対する偏差として推定される。
仕様には、セクター固定効果、四半期固定効果、および曝露度と線形時間トレンドとの交互作用が含まれる。
ポスト2022年の偏差は、曝露度との四半期ごとの交互作用を通じて捉えられる。
推論： 処置の変動がわずか17の産業間にしか存在しないため、従来のクラスター頑健な標準誤差は信頼できないと判断される。著者は、有効なp値を導出するために、Webbの6点ウェイト（1,999回の反復）を用いた制限付きワイルド・クラスター・ブートストラップを使用している。期間： 結果は、移行期（2023–2024年）と普及期（2025–2026年8月）の2つの期間に集計される。
主な結果
組織の圧縮（Organizational Compression）： 新規企業の総数に統計的に有意な変化は見られない。しかし、新設企業の「組織形態」には有意な変化が見られる。
創設チームの規模： 2025年以降、LLMへの曝露度が1標準偏差上昇すると、創設取締役の数は0.026減少する（事前2023年平均と比較して2.1%の減少）。分布の変化： 単独取締役による企業を設立する確率は1.77パーセントポイント上昇する。逆に、3人以上の取締役を持つ企業を設立する確率は0.54パーセントポイント低下しており、これは事前2023年平均と比較して14.3%の減少を意味する。タイミング： この変化は2023–2024年の移行期に始まり、2025–2026年の期間においてより顕著になる。
持続性： これらの組織的な違いは設立後も持続する。設立後6ヶ月および12ヶ月において、LLMへの曝露度が高い産業の企業は、外挿された事前トレンドと比較して、活動的な取締役が約2.1〜2.2%少ない。3人以上の取締役を持つ企業の減少も、これらの期間において持続している。
その他のマージン： 本研究では、LLMへの曝露が以下の事項に影響を与えるという統計的に有意な証拠は見つからなかった。
企業の総参入数。
参入企業の地理的集中度（点推定値はグレーター・ロンドンからの緩やかなシフトを示唆しているが、推奨される推論法の下では統計的に有意ではない）。
創業者の過去の起業経験の割合。
頑健性と偽造テスト（Falsification）
創設取締役の代替的な定義（例：ユニークな個人数 vs 役員任命記録）。
法人取締役またはSICコードが変更された企業の除外。
代替的な事前期間の開始日およびプレースボ・ブレイク（事前2023年のプレースボ期間において効果は見られなかった）。
リーブ・ワン・セクター・アウト（Leave-one-sector-out）分析（どの産業を除外しても結果は維持される）。
より柔軟なトレンド仕様（各セクター独自の線形トレンドを許容するもの）。ただし、クラスター数が限られているため、これらの非常に柔軟なモデルでは統計的有意性が境界的となる。
意義と主張
理論的貢献： 本研究の結果は、知識ベースの組織論（例：Garicano, 2000）を支持しており、テクノロジーが認知能力へのアクセス・コストを低下させると、起業家はより小さな正式なチームを編成することを示唆している。これは、AIが主に起業の「有無」に影響を与えるという見解とは対照的である。先行研究との区別： AIへの曝露が高いセクターで企業創出が増加するという研究（Marchesi and Tang, 2025; Cai et al., 2025など）とは異なり、本研究では参入への影響は見られず、明確な構造的圧縮が見られる。著者は、事前2023年の長期的な歴史を持つ英国の設定は、明示的にモデル化すべき既存のトレンドを明らかにするという点で独特であると述べている。限界： 著者は、推定値は産業への曝露に関連する簡約化された結果（reduced-form changes）を示すものであり、企業レベルの採用に関する直接的な証拠ではないことを明記している。本設計では、LLMの曝露と相関する他のポスト2022年の産業ショック（例：需要の変化、金融条件）を排除できない。さらに、「取締役」は「従業員」と同義ではない。本研究の結果は、総雇用レベルではなく、正式なガバナンス構造を記述したものである。
結論として、本論文は、生成AIによって起業家が本来であれば追加のチームメンバーを必要としたであろう能力にアクセスできるようになり、その結果、企業創出のペースを変えることなく、よりスリムな正式ガバナンス構造を持つ「小さく生まれ、小さく留まる」現象が起きていると論じている。
毎週最高の 経済学 論文をお届け。
スタンフォード、ケンブリッジ、フランス科学アカデミーの研究者に信頼されています。
受信トレイを確認して登録を完了してください。
問題が発生しました。もう一度お試しください。
スパムなし、いつでも解除可能。
週刊ダイジェスト — 最新の研究をわかりやすく。 登録 ×