Block「From Hierarchy to Intelligence」徹底解説
AIは“人を助ける道具”から“会社を動かす仕組み”になれるのか
2026年3月31日に公開されたBlockの「From Hierarchy to Intelligence」は、AIを単なる業務効率化ツールとしてではなく、会社の調整機構そのものへ押し上げようとする、かなり野心的な文章です。著者はJack DorseyとRoelof Botha。読み物としては経営思想のエッセイですが、実質的には組織設計、データ戦略、AIエージェント基盤、プロダクト戦略を一体で再定義する宣言文だと読むべきです。(block.xyz)
しかも公開タイミングが重要です。Blockは2026年2月末、AI活用を前提にした再編の一環として4,000人超の削減を公表しており、Bloomberg Lawも今回の文章を「中間管理職をAIで置き換える構想の提示」として扱いました。したがってこれは単なる抽象論ではなく、すでに動いている組織改革を理論化した文書と見るのが自然です。これは私の解釈ですが、時系列から見てかなり妥当です。(apnews.com)
まず結論：この記事が本当に言いたいこと
この文章の核心はシンプルです。企業の階層構造は、本来「人が人に命令するため」ではなく、「情報を運ぶため」に作られてきた。そして今は、AIがその情報ルーティング機能を代替できる水準に近づいたので、会社をヒエラルキーではなく“知能”として組み替えられる、という主張です。Block自身の表現では、既存組織にAIの副操縦士を配るのではなく、会社そのものを intelligence、あるいは mini-AGI のように作ることを狙っています。(block.xyz)
この見立ては、歴史の読み替えから始まります。本文はローマ軍、プロイセン参謀、鉄道、テイラー主義、マトリクス組織、Spotify/Zappos/Valveの実験までたどりますが、要点は一つです。階層組織は情報流通の制約から生まれたということです。実際、Daniel McCallumが1850年代にニューヨーク・アンド・エリー鉄道で作った組織図も、長距離運行で増えたデータと事故リスクを処理するための情報設計として登場しました。(block.xyz)
Blockが描く新しい会社の設計図
1. 会社は4層でできる
記事の中で最も重要なのは、Blockが会社を次の4層で捉え直している点です。
Capabilities は決済、融資、カード発行、銀行、BNPL、給与などの金融プリミティブ。
World model は会社の状態と顧客の状態を表す内部表現。
Intelligence layer は、その時点の顧客状況に応じて必要な能力を合成する層。
Interfaces はSquare、Cash App、Afterpay、TIDAL、Bitkey、Protoのような接点です。記事は、価値の中心はUIではなく、モデルと知能層にあると明言しています。(block.xyz)
ここで面白いのは、従来の「製品チームがロードマップを引く」発想をかなり強く否定していることです。Blockの考えでは、intelligence layer が顧客のための解決策を組み立てようとして、必要な capability が足りず失敗した場所が、そのまま次の開発課題になります。つまり、プロダクトマネージャーの仮説ではなく、顧客現実そのものがバックログを生むという設計です。(block.xyz)
2. world model は2つある
Blockは world model を2つに分けています。
ひとつは company world model。これは社内の意思決定、議論、コード、設計、計画、進捗といった機械可読な成果物から、会社の状態を常時更新するモデルです。
もうひとつは customer world model。Cash App 側の利用者、Square 側の加盟店、さらに加盟店運営データまで含めて、顧客や事業者の金融状態を表現するモデルです。(block.xyz)
Blockがここで強調するのは、金の動きは“正直なシグナル”だという点です。アンケートや広告クリックより、支出・送金・借入・返済のほうが、実際のニーズに近い。さらにInvestor Day資料では、Blockの接続されたエコシステムがCash Appの5,800万人アクティブとSquareの加盟店ネットワークを組み合わせることで独自価値を作ると説明されています。要するにBlockは、単なる社内自動化ではなく、商流と金流の両側を見られる“経済グラフ”を自社の土台だと見ているわけです。(block.xyz)
3. 人間の役割は3つに減る
この構想では、人の役割もかなり大胆に整理されます。
IC は各レイヤーを作り運用する専門家。
DRI は期間を区切って横断課題と顧客成果を持つ責任者。
player-coach は手を動かしながら人材育成も担う存在です。
記事は、従来の中間管理職が担っていた“状況把握と情報伝達”は world model が引き受けるので、恒常的な中間管理レイヤーは不要だと述べています。(block.xyz)
ただし同時に、記事は人間を不要だとは言っていません。人は「edge」に残る。つまり、AIがまだ触れない現実、たとえば直感、文化的文脈、信頼関係、部屋の空気、そして倫理判断や高リスク判断は人が担う、という位置づけです。これはかなり重要で、Blockの構想は「完全自動化」ではなく、判断責任の高い場所に人を残しつつ、調整コストをAIで圧縮するものです。(block.xyz)
技術的背景：なぜ今この話が出てくるのか
world model という発想自体はAI研究の中核にある
Blockの world model という言葉は比喩ではありません。AI研究で world model は、環境の時空間的な表現を内部に持ち、それを予測や計画に使う考え方として使われてきました。2018年の「World Models」はそれを「圧縮された時空間表現」として提示し、最近の研究でも world model は記憶・推論・行動計画・人間との協調の中核だと整理されています。Blockはこの概念を、物理環境やロボットではなく、企業運営と金融顧客の理解へ移植しているわけです。(arxiv.org)
それを実装可能にするのが、MCPとgooseのようなエージェント基盤
この構想を単なる思想で終わらせないのが、Blockのエージェント基盤です。AnthropicのMCPは、AIアプリをデータソース、ツール、ワークフローへ接続するためのオープン標準で、Anthropic自身はこれを「AI向けのUSB-C」のようなものと説明しています。Blockのオープンソース説明によれば、同社はMCPのRust実装に貢献し、goose拡張の基盤としてもMCPを使っています。(docs.anthropic.com)
gooseはその上で動く、Block発のオープンソースAIエージェントです。GitHubの公開情報では、gooseはローカルで動く拡張可能なエージェントで、コードの生成だけでなく、実行、編集、テスト、外部API連携まで自律的に扱え、どのLLMとも組み合わせられます。2026年4月初旬時点のGitHub表示では star は3.39万、fork は3,200超です。Blockの最近の発表では、コミュニティは数千人規模に拡大し、外部コントリビューターは数十人、Databricksやスタートアップ、大学研究室にも採用が広がっているとされています。(github.com)
オープン標準戦略もかなり本気
さらに2025年12月には、OpenAI、Anthropic、BlockなどがLinux Foundation配下でAgentic AI Foundation（AAIF）を立ち上げました。OpenAIはAGENTS.md、AnthropicはMCP、Blockはgooseを持ち寄り、エージェント基盤を単一企業の私有インフラにしない方向を打ち出しています。Blockの今回の論考は組織論に見えて、実際にはこのオープン標準戦略とも強く結びついています。閉じた社内自動化ではなく、企業知能のOSを標準化された部品で組み立てる発想だからです。(openai.com)
この記事が現実味を帯びる理由
Blockがここまで強気なのは、すでに社内でAI活用の数字が出ているからです。2025年Investor Day資料では、エンジニア1人あたりの週次コード変更数の中央値が2025年5月から10月中旬にかけて30%増え、Q3時点で約7,500人が毎週AIツールを使い、11月時点ではコード提出の90%以上が部分的または全面的にAI支援を受けていると示されました。別のInvestor Dayまとめでは、10,000人超の社員のうち6,500人超がgooseを毎週使い、エンジニアは週8〜10時間を節約し、手作業を約25%減らしたとされています。さらに2026年3月のgoose grant program発表では、gooseが開発時間を50〜75%短縮し、全社員の60%が週次で使っているとBlockは述べています。母集団や時点は同一ではありませんが、少なくともAIが周辺実験ではなく、日常運用の中心に入っているのは確かです。(block.xyz)
また、顧客向けプロダクトにもすでにその片鱗があります。Square AI は売上データに外部の天気、イベント、ニュース、レビューを重ねて示唆を返す方向へ進化しており、Moneybot はCash App内の行動に基づく文脈的な提案を返すAI機能として紹介されています。これはまさに、記事がいう intelligence layer が状況に応じて capability を組み合わせる、という考え方の初期実装に見えます。(investors.block.xyz)
ただし、難所はかなり多い
1. 金融でやる以上、規制・公平性・説明可能性が重い
この構想が難しい最大の理由は、Blockが扱うのが金融だからです。記事で capability に挙がっているのは決済、融資、カード発行、銀行、BNPL、給与で、そこには信頼性・コンプライアンス・性能目標が前提として組み込まれています。しかもBlockは2026年1月時点で、顧客向け提供信用額が累計2,000億ドルを超えたと公表しています。AIが先回りして融資や返済条件を提案する世界は魅力的ですが、その分だけなぜその提案に至ったのか、誰に不利益が出るのか、偏りはないかが厳しく問われます。(block.xyz)
2. エージェントは便利だが、攻撃面も一気に広がる
goose自身のセキュリティ文書はかなり率直で、開発者エージェントはローカルマシン上でコード実行や操作を行うため、通常のチャット型LLMより高いリスクを持つと警告しています。Blockは、専用VMやコンテナで動かすこと、人間確認を要求すること、生成コードをレビューすること、信頼したMCP拡張だけを使うことを推奨しています。さらに2025年のMCP安全性監査のプレプリントでは、悪意あるMCPサーバがコード実行、遠隔操作、認証情報窃取に誘導しうると示されています。つまり、会社を知能化するほど、会社全体の攻撃面も知能化してしまうのです。(github.com)
3. 中間管理を削っても、統治の問題は消えない
記事は中間管理の恒久レイヤーを不要にすると言いますが、人材育成、評価、責任の所在、優先順位の衝突が消えるわけではありません。最近の経済学プレプリントでも、AIが調整コストを圧縮すると管理スパンの拡大や組織再設計は起きうる一方、その恩恵が広く配分されるか、少数に集中するかは制度設計次第だと論じられています。要するに、AIが階層を縮めることと、組織統治が簡単になることは別問題です。Blockが player-coach を置くのはその自覚の表れですが、ここは今後もっとも実務差が出る部分でしょう。(block.xyz)
この記事の本当の射程
私がこの文章を面白いと思うのは、AI導入の話を「何%効率化できるか」から、「会社は何によって会社であるのか」へ引き上げている点です。Blockは、製品群の集合ではなく、金融 capability と proprietary data と agentic intelligence を持つ一つの計算機械として自社を捉え直そうとしている。ここまで明確に言い切った大企業の文章は、かなり珍しいです。(block.xyz)
同時に、これはBlock特有の条件にも強く依存しています。remote-firstで成果物が機械可読であること、Cash AppとSquareの両面データを持つこと、gooseやMCPのようなエージェント基盤を自前で持つこと、そしてその上で組織再編に踏み込む経営判断があること。この4つが揃わない企業が、そのまま真似しても成功するとは限りません。だからこの文章は「未来の一般解」というより、Blockという会社が自分の持ち物に最適化して描いた、かなり解像度の高い特殊解として読むのが正確です。(block.xyz)
今後の展望
今後の注目点は3つです。
第一に、社内向けの知能化が、Square AI や Moneybot のような顧客向け intelligence layerへどこまで本格転写されるか。(investors.block.xyz)
第二に、MCP・goose・AGENTS.md・AAIF のようなオープン標準の陣営がどこまで実運用の主流になるか。(docs.anthropic.com)
第三に、金融とエージェントを結ぶための監査性・安全性・規制整合性を、Blockがどこまで実務レベルで示せるかです。(github.com)
もしBlockがこれを実現できれば、今回の記事は単なる話題作ではなく、「AI-native企業」の最初期設計書として後から読み返される可能性があります。逆に失敗すれば、「管理層を削っても、現実世界の複雑さはモデルに吸収しきれなかった」という教訓になるでしょう。いずれにせよ、この文章は2026年時点のAI経営論の中でも、かなり重要な一次資料です。(block.xyz)
主要出典
- Block「From Hierarchy to Intelligence」本文。公開日、著者、4層構造、3役割、world model 構想の中核。(block.xyz)
- Block Investor Day 2025「AI & Engineering Excellence」資料。AI活用の社内指標と製品展開の方向。(block.xyz)
- BlockのInvestor Day総括記事。gooseの週次利用人数や時間削減の説明。(block.xyz)
- Blockのgoose関連記事とGitHub公開情報。gooseの機能、採用状況、コミュニティ規模。(github.com)
- AnthropicのMCP公式ドキュメント。MCPの定義とエコシステム上の位置づけ。(docs.anthropic.com)
- OpenAIのAAIF発表。AAIFの設立目的と、MCP・AGENTS.md・gooseの寄贈。(openai.com)
- gooseのSECURITY.md と MCP安全性監査プレプリント。エージェント運用の主要リスク。(github.com)
- McKinseyのDaniel McCallum論文。組織図を情報問題への解として読む歴史的背景。(mckinsey.com)
- APとBloomberg Lawの報道。2026年2月の人員削減と、今回の論考が置かれた文脈。(apnews.com)
必要なら次に、この記事を
1) もっとビジネス寄りに要約する版、
2) 技術アーキテクチャ中心に図解風で整理する版、
3) 日本企業への示唆に絞った版、
のどれかに書き換えられます。