AI company Anthropic has signed a comprehensive cooperation agreement with German insurance company Allianz. As part of the agreement, all Allianz employees will have access to the Claude Code coding tool, reports Techcrunch. For the sake of transparency, a system that logs all interactions with Anthropic’s AI tools will also be implemented at Allianz. “Together,…
ストックオプションは「枯渇する資源」である スタートアップの経営者が直面する最も悩ましい意思決定の一つが、ストックオプションの配分です。「創業初期から苦楽を共にしてきたメンバーには報いたい」「これから採用するハイクラスなCxOには相応の条件を提示しなければならない」「しかし、既存株主である投資家は希薄化を懸念している」。この三すくみの状態で、誰に、いつ、どれだけの権利を渡すべきか、正解のない問いに立ち向かわなければなりません。 ここで大前提として理解すべきは、ストックオプションは無限に湧き出る泉ではなく、極めて希少な枯渇する資源であるという事実です。一度発行して誰かに渡してしまえば、本人が退職して権利が失効しない限り、回収することは困難です。また、無計画に発行すれば、株式の持ち分比率が複雑化し、将来の資金調達やバイアウトの際に致命的な障害となるリスクすらあります。 本記事では、限りあるパイを最大限に活用し、会社の成長と個人の資産形成を両立させるための配分ロジックについて深掘りします。感情やどんぶり勘定ではなく、資本政策に基づいた冷徹かつ愛のある設計論を展開していきます。 1. 適切な「SOプール」のサイズとは？ 10%の攻防 まず最初に決めるべきは、会社全体としてどれくらいのストックオプションを発行するかという総枠、すなわちSOプールのサイズです。 日本のスタートアップ環境における標準的な目安は、発行済株式総数の10%から15%程度と言われています。なぜこの数字に収束するのでしょうか。それは、既存株主であるベンチャーキャピタル（VC）やエンジェル投資家が許容できる希薄化（ダイリューション）の限界がこのあたりにあるからです。ストックオプションを発行するということは、将来的に株式数が増え、既存株主の持ち分比率が下がることを意味します。投資家は経営陣や従業員のインセンティブが必要であることは理解していますが、自身の持ち分が過度に薄まることは避けたいと考えます。そのため、投資契約書において「SOの発行枠は10%（または15%）を上限とする」といった条項が盛り込まれることが一般的です。 この10%から15%という枠は、上場（IPO）までの全期間を通じての予算であると考えるべきです。例えば、シード期に社員全員に大盤振る舞いして枠のほとんどを使い切ってしまうと、シリーズAやシリーズBで重要な幹部を採用しようとした際に、渡せるストックオプションが残っていないという事態に陥ります。枠を広げるには株主総会での特別決議が必要ですが、既存株主の同意を得るのは容易ではありません。したがって、上場までにどのような組織図になり、どのタイミングで何名のキーマンを採用するかという逆算の採用計画に基づいて、慎重に枠を切り崩していく必要があります。 初期の配分計画としては、例えばシリーズAまでに枠の3%から5%を使用し、シリーズB以降の幹部採用のために5%から7%を残しておく、といった具合に、後半のフェーズに向けて十分な予備を持っておくことが鉄則です。枯渇したプールは、成長の天井を意味することになりかねないからです。 2. 配分における「階層」と「期待値」の設計 総枠が決まったら、次は個別の配分ロジックです。ここでは「誰に何株渡すか」を決定しますが、この際に階層と期待値という二つの軸で考えることが有効です。 まず階層による配分です。組織内の役割や責任の重さに応じて、付与する割合に傾斜をつけます。一般的に、後から参画するプロフェッショナルな経営幹部（CxOクラス）には、発行済株式の0.5%から1.0%、場合によってはそれ以上を付与するケースが見られます。これは、彼らがリスクを取って参画し、企業の時価総額を桁違いに引き上げる役割を担うからです。次に部長やVPクラスであれば0.1%から0.3%程度、一般社員やエンジニアであれば0.01%から0.05%程度といった具合に、市場相場や貢献期待度に合わせて基準を設けます。 ここで重要なのが、入社時期と貢献度のバランスです。創業初期にリスクを取って入社したメンバーには、現在の能力に関わらず、リスクプレミアムとして多めに配分したいと考えるのが人情です。しかし、ストックオプションの本質は「過去への功労」ではなく「未来への期待」に対する対価です。初期メンバーだからといって、将来の成長に貢献しない人に大量の権利を渡してしまうと、後から入社する優秀な人材との間に不公平感が生まれ、組織崩壊の火種となります。 したがって、配分ロジックとしては、ベースとなる役割給的な付与に加え、個人のパフォーマンスに応じた成果給的な追加付与を組み合わせるのが賢明です。例えば、入社時には標準的な数を付与し、その後、重要なマイルストーンを達成した際や昇格した際に追加で付与（リフレッシュ・グラント）を行うことで、常に「これから頑張る理由」を提供し続けることができます。一律バラマキ型の配分は、悪平等を生むだけであり、優秀な人材の意欲を削ぐ結果になりかねません。 3. 「べスティング（権利確定条件）」という手錠の活用法 誰にいくら渡すかと同じくらい重要なのが、どのような条件で権利を確定させるかという設計です。これをべスティング（Vesting）と呼びます。 ストックオプションをもらってすぐに行使できてしまえば、権利だけ持ってすぐに退職するというモラルハザードが起きかねません。これを防ぐために、時間の経過とともに段階的に権利を確定させる仕組みが必須となります。グローバルスタンダードであり、日本のスタートアップでも定着しつつあるのが4年べスティング・1年クリフという設定です。 1年クリフとは、入社後1年間は権利が一切確定しない期間（崖）を設けることです。もし入社して1年未満で退職した場合、ストックオプションは1個も手に入りません。これにより、短期離職を防ぐとともに、カルチャーマッチしなかった人材に株式を渡してしまうリスクを回避します。そして1年が経過した時点で、全体の25%（4分の1）の権利が一気に確定します。その後は、残りの75%が毎月、あるいは毎年均等に確定していき、入社から満4年が経過した時点で、ようやく全ての権利が行使可能になるという仕組みです。 このべスティング期間は、企業側にとっては従業員を引き留めるための「黄金の手錠」として機能します。しかし最近では、単なる時間経過だけでなく、パフォーマンス・べスティング（業績連動型）を導入する企業も増えています。「時価総額が100億円を超えたら行使可能」「年間売上高がXX億円に達したら行使可能」といった明確な経営目標を条件に組み込むことで、従業員の視座をより経営数値に向けさせることができます。ただし、あまりに複雑すぎる条件や達成困難な目標を設定すると、絵に描いた餅となりモチベーション効果が失われるため、シンプルかつ野心的な設計が求められます。 また、M&Aによるイグジット（会社売却）が起きた際の取り扱いについても、契約書であらかじめ定めておく必要があります。これをアクセラレーション条項（加速条項）と呼びます。例えば、4年べスティングの途中で会社が買収された場合、残りの未確定分をすべて一気に確定させて、従業員が買収対価を受け取れるようにするのか、それとも権利は消滅するのか。従業員保護の観点からは加速条項を設けることが望ましいですが、買い手企業からは「キーマンが辞めてしまう」と懸念されるため、交渉のポイントとなります。 4. 追加発行とリフレッシュ・グラントの考え方 会社が成長し、資金調達を重ねるにつれて、ストックオプションの価値や意味合いも変化していきます。ここで問題になるのが、初期に発行したストックオプションの希薄化と、既存社員へのモチベーション維持です。 シリーズA、シリーズBとラウンドが進むごとに、新しい株式が発行され、初期に付与されたストックオプションの持ち分比率（%）は物理的に低下していきます。しかし、会社の時価総額が順調に上がっていれば、比率が下がっても、1個あたりの価値金額は上昇しているため、経済的なメリットは守られます。これを従業員に丁寧に説明し、「%（シェア）」ではなく「円（金額）」で価値を認識してもらうコミュニケーションが重要です。 一方で、4年べスティングが終わった古参社員や、評価が著しく向上した社員に対しては、追加のストックオプションを付与するリフレッシュ・グラントを検討すべきです。シリコンバレーのテック企業では一般的ですが、常に「未確定のストックオプション」を持っている状態を作ることで、継続的なリテンションを図ります。この際、最初にもらった数と同じだけ渡す必要はありません。会社が成長しリスクが低下している分、後期に渡す数は少なくて然るべきです。「現在の年収の0.5倍から1倍程度の想定キャピタルゲイン」など、金額ベースで基準を設けて追加付与を行うと、不公平感を抑えつつ納得感のある設計が可能になります。 5. シミュレーション：上場時にどれくらいのリターンになるのか？ 最後に、設計の妥当性を検証するために、具体的な数字を用いたシミュレーションを行うことを強く推奨します。経営者の頭の中にある「これくらい儲かるはずだ」という感覚と、実際の計算結果には往々にしてズレが生じます。 逆算思考で考えましょう。まず、上場時の目標時価総額を設定します。仮に300億円とします。 次に、ターゲットとする人材に期待するキャピタルゲインの金額を設定します。例えば、これから採用するCFOには、上場時に1億円の資産を作ってあげたいと考えたとします。 この場合、必要な持ち分比率は単純計算で1億円 ÷ 300億円 ＝ 0.33%となります。 しかし、これはあくまで上場時の比率です。現在から上場までに、資金調達によって株式が希薄化することを考慮しなければなりません。もし今後、20%程度の希薄化が見込まれるのであれば、現在渡すべき比率は 0.33% ÷ (1 – 0.2) ≒ 0.41% 程度必要だという計算になります。 このように、「何個渡すか」ではなく「出口でいくらにしたいか」から逆算して個数を決定することで、候補者に対するオファーの説得力も増します。「あなたは0.4%です」と言われるより、「目標時価総額300億円で上場した場合、あなたの持ち分は約1億円の価値になる計算です」と伝えられた方が、候補者の心は動きます。 ただし、シミュレーションには税金（約20%または最大55%）や行使価額のコスト（株式購入代金）を差し引くことを忘れてはいけません。実際に手元に残るネット（純）の利益をシミュレーションし、それが人生のリスクを取るに見合う対価かどうかを検証することが、誠実な資本政策の第一歩です。 まとめ ストックオプションの配分設計に、万人に共通する正解はありません。しかし、失敗する設計には共通点があります。それは「場当たり的なバラマキ」と「説明責任の欠如」です。 発行枠10%という限られた資源を、経営戦略という設計図に基づいて配分すること。そして、その意図と価値を従業員に対して透明性高く伝え続けること。この二つが揃って初めて、ストックオプションは紙切れではなく、組織を束ねる強力な武器となります。 Read…
As organizations accelerate their shift from traditional data center environments to hybrid and multi-cloud architectures, the scale and complexity of these initiatives demand a new caliber of project leadership. Having recently led a multi-year enterprise-wide data center transformation with global stakeholders, I’ve seen firsthand that technology alone is not what ensures success. Leadership is the…
注意を可視化すると、各トークンがどのトークンを参照しやすいかが見える。これはデバッグの手がかりになる。たとえば、モデルが誤って別の人物名を参照している、直近の否定語を見落としている、箇条書きの番号対応が崩れている、といった兆候が見えることがある。
一方で注意は、そのトークンが参照した情報の一部の経路に過ぎない。Transformerには残差経路があり、情報は注意だけでなくMLP経由でも運ばれる。したがって、注意が向いているからといって、それが最終出力の原因だと断定はできない。注意可視化は「疑う場所を絞る」道具であって、「説明」そのものではない。
プロービングは、ある層の内部表現から特定の属性が読み取れるかを調べる方法だ。たとえば品詞や依存関係、数の大小、文の話題などが内部表現に埋め込まれているかを、小さな分類器で測る。これにより、どの層でどの種類の情報が現れやすいかの傾向が分かる。
ただし、読み取れることは「そこに情報がある」ことを示すだけで、「モデルがその情報を意思決定に使っている」ことを示すわけではない。モデルは別の経路で判断している可能性がある。プロービングは能力の所在を推測する指標であり、因果の証明ではない。
モデルは層を通るたびに表現を更新し、最後に次トークンの分布を出す。途中の層でも「現時点で次に何が出そうか」を覗くと、どの段階で結論が固まり、どこで方向転換が起きたかが見える場合がある。これは、エラーの発生箇所を特定するのに役立つ。たとえば、序盤で誤った固有名詞に寄り始め、中盤で修正されずに固定されている、といった挙動が見えれば、プロンプトの与え方や根拠提示の仕方を変える方向性が立つ。
観察だけでは因果が分からない。そこで介入が必要になる。介入とは、特定の層や特定の注意ヘッドの出力を変えたときに、最終出力がどう変わるかを見ることだ。たとえば、ある注意ヘッドを無効化しても回答が変わらなければ、そのヘッドは少なくともそのケースでは決定的ではない可能性がある。逆に、特定の内部表現を別の入力のものに差し替えると答えが入れ替わるなら、その表現が因果的に効いている可能性が高い。
介入は強力だが、手間がかかる。どこを触るかの仮説が必要であり、結果の解釈も慎重さが要る。とはいえ、難しい不具合を追うとき、介入の考え方は「ブラックボックスに手を入れて確かめる」ための現実的な道具になる。
LLMの不具合は再現性が低いことがある。温度やtop-pが影響し、同じ入力でも出力が揺れる。まずは生成設定を固定し、できるだけ決定的に再現させる。その上で、入力を最小化し、どの文が効いているかを切り分ける。根拠文を入れた場合は、どの根拠が効いているかを一つずつ抜いてテストする。こうした“最小再現”ができると、注意可視化や層の観察、介入が意味を持つ。
LLMを完全に説明することは難しいが、挙動を調べる技術はある。注意可視化は手がかりを与えるが、理由と同一視してはいけない。プロービングは内部に情報があるかを示すが、使っているかは別問題である。途中段階の予測を追うと、どこで誤りが固まったかが見える。介入は因果を探るための強力な発想であり、難しいデバッグで役に立つ。ブラックボックスを恐れるのではなく、観測と検証の手順を整えることが、LLMを安定運用するための技術になる。
Read More from This Article: ブラックボックスを扱う技術：LLMの挙動を調べる方法
Source: News
The early adoption pattern of generative AI — dumping all available data into a large language model (LLM) and asking it to “reason” — is proving unsustainable. Costs are ballooning, accuracy is wavering and compliance is becoming unmanageable. What began as a promising value-add is now fighting against the realities of enterprise-scale deployment. As we…
I’ve been in the tech industry for over three decades, and if there’s one thing I’ve learned, it’s that the tech world loves a good mystery. And right now, we’ve got a fascinating one on our hands. This year, two of the most respected surveys in our field asked developers a simple question: Do you…
For years, model drift was a manageable challenge. Model drift alludes to the phenomenon in which a given trained AI program degrades in its performance levels over time. One way to picture this is to think about a car. Even the best car experiences wear and tear once it is out in the open world,…
SAP está lanzando un salvavidas a los clientes que van con retraso en la transición desde los Compatibility Packs de S/4HANA en sus centros de datos. Aunque estaba previsto que los derechos de uso expiraran el 31 de diciembre de 2025 para la mayoría de los usuarios, el gigante alemán ha anunciado un periodo de…
El proceso de expansión de CaixaBank Tech avanza al ritmo esperado, según indican desde la propia compañía del Grupo CaixaBank, el banco con mayor base de clientes digitales del sector financiero español (12 millones de usuarios). La filial, que agrupa a los equipos especializados en tecnología y sistemas del banco, cuyos profesionales se centran en…
Tech industry sentiment suggests that AI agents will automate entire business processes, potentially transforming companies worldwide. Today’s reality is starkly different. Fifty-eight percent of enterprise IT decision-makers say their organizations are piloting AI agents, with the majority targeting process automation, workflow efficiencies, or customer service, among other use cases, according to AI adoption research published…