2026-07-28-token-capital-lt

トークン資本と GitHub Copilot ゆるよな Gh-CUG #04 | 2026/07/28 ※完全に個人の意見・解釈

同じプロンプト、また打ってない？ GitHub Copilot との会話で成果物は増える。でも判断基準と失敗例は、会話の中に置き去りになる。 ① 説明する ② 直してもらう ③ 保存する ④ また説明する やってほしいことを Copilot に伝える 期待と違うところを 修正してもらう うまくいった成果物を ファイルに残す 数日後、似た仕事で 同じ説明をやり直す 会話にあった判断基準・失敗例は、どこにも残っていない 増えているのは成果物だけ。毎回の入力が、作業ではなく「再説明」になっている。 3

トークン資本ってなんやねん AI を使うほど強くなる会社は、いったい何を貯めているのか。

サティアさんが言った、2 つの資本 企業が育てるのは human capital と token capital。片方がもう片方を置き換える関係ではない。 人が目標を決め、承認した判断 を残す human capital token capital 人とチームに貯まる力 ・目標を決めて、優先順位をつける ・前例のない場面で判断する ・社内外の信頼と人脈 ・AI が賢くなるほど、大事になる 会社に形で残る AI の力 AI の結果から人が学ぶ ・承認済みの手順と社内ルール ・自動で判定できる合否の基準 ・失敗例と、次に直すべき点 足し算ではなく掛け算。そして駆動するのは人の側。方向づけがなければ、計算資源は空回りするだけ。 https://x.com/satyanadella/article/2066182223213293753 Satya Nadella - A frontier without an ecosystem is not stable Satya Nadella - A frontier without an ecosystem is not stable https://x.com/satyanadella/article/2066182223213293753 5

• https://x.com/satyanadella/article/2066182223213293753

トークン資本は、トークンの消費量ではない API トークンの残高でも消費量でもない。企業が自ら構築し、所有する AI 能力のこと。 こういう話ではない ○ 自社で管理し、実務で回せる AI 能力 × トークン消費量 / API 残高 × うまくいったプロンプト集 ・業務ルールと承認済みの手順 ・評価ケースと失敗例 ・渡し方の取り決めと、確認のしかた ・モデルが変わっても再実行できる合格条件 ・誰が所有し、いつ廃止するかの取り決め × いちばん良いモデルを選ぶこと 6

Learning Loop は、人と AI の往復 人と AI の認知の往復（cognitive loop）の上に、企業が意図して作る仕組みが Learning Loop。 AI 人 ① 実行する ② 人が評価する AI が手順に沿って成果物を出す 承認・却下し、理由を言葉にする Learning Loop ④ 次の実行 ③ 決まった場所へ戻す 前回の続きから始められる 決まりは文書、判定はスクリプト 三回目の入力へ戻したとき、最初の一周が閉じる。この Loop 自体が、企業の新しい IP になる。 https://x.com/satyanadella/article/2066182223213293753 Satya Nadella - A frontier without an ecosystem is not stable Satya Nadella - A frontier without an ecosystem is not stable https://x.com/satyanadella/article/2066182223213293753 7

• https://learn.microsoft.com/ja-jp/dynamics365/guidance/implementation-guide/business-intelligence-reporting-analytics-overview

なぜ ecosystem が要るのか この Loop が要るのは一社の中だけではない。 産業や国の単位でも、同じ構図が起きている。 frontier model だけ frontier ecosystem 企業 企業 国 model 産業 国 model 産業 従業員 従業員 知識がコモディティ化し、経済価値が少数へ集中する = 社会からの許諾（societal permission）を失う 企業・産業・国が自分の Loop を持ち、 従業員の専門性も増幅される いちばん大きい絵はこれ。ここから視点を、自分の会社・組織まで下げていく。 8

モデルが変わっても、会社の判断基準を失わない スケールを会社に戻す。何を合格とするかを自社の評価セットで決めておく。 自社の評価セット（例: 技術記事） 今のモデル ✓ 一次情報を取得できたか ✓ 主張と出典が対応しているか ✓ 社内情報・個人情報が混ざっていないか 同じ評価を そのまま再実行 ✓ 体裁が整っているか ✓ 読者が次に実行できる手順があるか 次のモデル モデルを変えて能力が消えるなら、それは借りた知能。 残るなら、それが資本。 9

用語の関係を、一枚で 土台にあるのが cognitive loop。その上で 2 つの資本を回す仕組みが Learning Loop。 人が目標を決め、承認した判断 を残す human capital token capital 人とチームに育つ 企業が構築し、所有する AI 能力 ・野心的な目標を決める（human agency） ・文脈を読む力、例外判断、信頼 ・結果からパターンを見抜く ・AI が賢くなるほど重要度は上がる ・承認済みのルールと作業手順 ・自社の合格条件（private evals） ・実際のやりとりで鍛える学習環境 ・あとから引ける組織の記憶 AI の結果から人が学ぶ 往復が Learning Loop ＝ 新しい IP。model は部品、各社が Loop を持つ状態が ecosystem。 https://x.com/satyanadella/article/2066182223213293753 Satya Nadella - A frontier without an ecosystem is not stable Satya Nadella - A frontier without an ecosystem is not stable https://x.com/satyanadella/article/2066182223213293753 10

• https://x.com/satyanadella/article/2066182223213293753

GitHub Copilot で、一周まわす 視点をもう一段下げる。いちばん小さいスケールは、自分の現場。開発でも、それ以外でも。

同じ一周を、自分の現場でまわす 言い方は開発でも業務でも同じ。器の名前が違うだけ。 ① 決める ② 出す ③ 見る ④ 戻す 目標と合格条件を 書いて残す AI に案を 出させる 人が確認して直し 理由を残す 規則は instructions 判定は自動チェックへ 次の一周は、この一周の結果を読んだ状態から始まる 開発なら Issue と CI、業務ならチケットと確認リスト。 器が違うだけで、一周の形は同じ。 12

会話を、次回へ残す形に変える うまくいった会話を、GitHub Copilot と GitHub が次回そのまま読める場所へ移す。 会話の中にあったもの 次回へ残す形 例 いつも守る規則 AGENTS.md / copilot-instructions.md 文体、コーディング規約、実行前後の確認 ファイル種別ごとの規則 .github/instructions/*.instructions.md frontmatter の applyTo で対象を指定 何度も使う作業手順 Agent Skills 調査、テスト、デプロイ、文書生成の手順 役割と使えるツール custom agents（.agent.md） 読み取り専用の調査役、実装役、レビュー役 良し悪しの判断基準 判定スクリプトと、自社の評価セット 出典があるか、形式が揃っているか、前の間違い 残す先は設定ファイルだけではない。 Issue・Pull Request・レビュー・テスト・CI も、判断が残る場所。 https://qiita.com/aktsmm/items/7285c83f684b1582a741 Learning Qiita -ほ AI ） を 使う どLoop 強く なる会社は何を貯めているのか（ トークン資本と Qiita - AI を使うほど強くなる会社は何を貯めているのか（トークン資本と Learning Loop） https://qiita.com/aktsmm/items/7285c83f684b1582a741 13

• https://qiita.com/aktsmm/items/7285c83f684b1582a741

うまく貯まらない 4 パターン 貯めているつもりで、次の実務で効かなくなるパターン。 作ったが、次の実務で使わない プロンプト集だけが増える 効果を測れず、結果を戻せないので Loop が閉じない 前提データやツールが変わると、そのままでは再現できない 長い instructions へ全部入れる 成功例しか残さない 常時ロードで、そのタスクに不要な規則まで文脈に入る 途中で何を間違えたかが消え、次の評価条件にならない モデルの回答をそのまま組織知にしない。出典・レビュー担当・確認日・適用範囲をセットで残す。 14

GitHub Copilot は、入口であって全部ではない 落とし穴も踏まえたうえで、位置づけを整理する。 所有するのは企業、GitHub Copilot はその入口。 こう言い切ると危ない ○ Copilot は Learning Loop の入口 × GitHub Copilot = トークン資本 × 入れれば Loop が回りだす ・人の判断が最も高頻度で出る場所にある接点 ・その判断を GitHub に残せるから一周が閉じる ・所有し、版管理し、評価するのは企業の側 ・開発以外の業務には、別の器が要る × 設定ファイルを置いたら完成 トークン資本を所有するのは企業。製品はその接点であり、実行環境です。 でも、GitHub Copilot は入り口としては最適！ 15

最初の一周を、今週の仕事ひとつで作る 1. 選ぶ 2. 測る 3. 戻す 2 回以上 AI に頼んだ仕事を 1 つだけ選ぶ 変更前の説明時間・修正回数 既知の失敗の再発率 次に同じ仕事が来たとき 同じ条件で測れる形へ戻す 企業は、学習だけは外注できない。 大きな基盤を先に作らず、まず一周、閉じてみる。 https://qiita.com/aktsmm/items/7285c83f684b1582a741 Learning Qiita -ほ AI ） を 使う どLoop 強く なる会社は何を貯めているのか（ トークン資本と Qiita - AI を使うほど強くなる会社は何を貯めているのか（トークン資本と Learning Loop） https://qiita.com/aktsmm/items/7285c83f684b1582a741 16

• https://qiita.com/aktsmm/items/7285c83f684b1582a741

今日の持ち帰り human capital token capital Learning Loop 人とチームに育つ力 目標を決め、承認する 会社に形で残る AI の力 手順・合格条件・失敗例 その二つを回す仕組み 決める→出す→見る→戻す 入り口は GitHub Copilot。 今週の仕事ひとつから、最初の一周を閉じてみてください。 https://qiita.com/aktsmm/items/7285c83f684b1582a741 Learning Qiita -ほ AI ） を 使う どLoop 強く なる会社は何を貯めているのか（ トークン資本と Qiita - AI を使うほど強くなる会社は何を貯めているのか（トークン資本と Learning Loop） https://qiita.com/aktsmm/items/7285c83f684b1582a741 17

• https://qiita.com/aktsmm/items/7285c83f684b1582a741