【2026年8月】AIは経営者になれるのか — 最新実験『Business Arena』の結果を解説

maria mori
9月1日
読了時間: 8分

要点（30秒で分かるまとめ）

2026年8月に公開された論文（arXiv:2608.08621）で、15の最新AIモデルに越境ECショップを30日間、自律経営させる実験が行われました
最終純資産はモデル間で約9倍の差（約2万ドル〜18.8万ドル）。全試行の約51%は損失（初期資本割れ）でした
1位のGemini 3.1 Pro（約18.8万ドル）でも、人間の専門家が設計した戦略（約43.6万ドル）の半分以下でした
示唆：AIは短期タスクでは優秀でも、長期の不確実性・遅延フィードバック・規制対応を伴う「事業運営」ではまだ人間に大きく劣ります。AI導入の評価軸は「平均性能」ではなく「損失回避の信頼性」と「意思決定の説明可能性」です

1. Business Arenaとは何か

AIエージェントが「実際の事業を長期的に運営できるか」を測るためのベンチマーク（評価環境）です。AIに越境ECショップの経営をすべて任せ、どれだけ利益を出せるかをテストするシミュレーターで、いわば「AIが本当に商売人になれるのか」を本気で試す実験場です。

測るのは、単なる「問題を解く能力」ではありません。「不確実な市場で資本を張り、適応し続け、事業として成立させる能力」です。そのため、証拠が不完全でノイズが多い・結果がすぐ出ない（遅延フィードバック）・市場が変化する・規制義務がある、という本物の事業の難しさを意図的に残した設計になっています。

実験の設定

項目	内容
公開	2026年8月9日頃・論文（arXiv:2608.08621）
環境	Alibaba.comの実データ等を基に構築したB2B越境マーケットプレイス
期間	シミュレーション30日間（長期の事業サイクルを想定）
初期資本	8万ドル
条件	965件のサプライヤーオファー、135SKU、需要変動、関税、イベント、不完全な情報、遅延したフィードバック、認証などのコンプライアンス義務
エージェントの権限	市場調査・仕入れ・価格設定・販売・在庫管理・広告・顧客対応・財務・コンプライアンスの60以上のツールを自律使用
評価指標	最終純資産（現金＋売掛金の97%＋在庫の85%−買掛金−借入）。ほかに資本展開・在庫回転・マージン・売上げ率・コンプライアンス・顧客サービスのスキル別指標

2. 結果：モデル間で約9倍の差。半数の試行で損失

15モデル×各10回試行の平均最終純資産は以下のとおりです。

順位	モデル	平均最終純資産
1位	Gemini 3.1 Pro	約18万8,488ドル
2位	GPT-5.6 Sol	約16万8,867ドル
3位	Fable 5	約16万4,204ドル
中位	Gemini 3.5 Flash、GPT-5.5 など	—
下位	MiniMax M2.5	約2万856ドル

全体の約51%の試行で損失（初期資本8万ドルを下回った）
10回すべてで初期資本を維持できたのは、GPT-5.6 Sol・Fable 5・Gemini 3.5 Flash・GPT-5.5の4モデルのみ
一方、人間の専門家が設計した戦略は最高約43万6,195ドル。最強モデルの2倍以上

3. なぜ人間がAIに2倍以上の差をつけたのか

論文の分析によると、勝敗を分けたのは個々の作業の上手さではなく「事業全体のサイクルを統合して回す力」でした。5つの差があります。

(1) 資本のリサイクル（再投資）

人間は売上で戻った現金をすぐ次の仕入れに回し、資本を2.06〜3.10倍に回転させました。モデルは最高でも1.67〜1.99倍。「最初の売上で次の在庫を賄う」複利的な動きができるかの差です。モデルは資本を遊ばせたり、売れない在庫に資金を縛られたりしがちでした。

(2) 商品（SKU）の分散

人間は26〜52種類のSKUに分散投資。モデルは7〜8種類に集中しがちでした。人間は Google Trends・祝日カレンダー・公開イベントなどの市場信号を横断的にスキャンして機会を広く探し、ベイズ的な需要推定で「有望なものは追加仕入れ、弱いものは縮小・清算」を繰り返しました。分散は目的ではなく、不確実な環境で資本を複利で回すためのリスク管理手段です。

(3) マージンと回転のバランス

人間はマージン58〜73%を保ちつつ、売上げ率も46〜61%を確保。モデルは極端に振れやすく、たとえばGPT-5.6 Solは売上げ率94〜95%と高い一方でマージンは35〜39%。「安売りで回転を上げるだけでは最終利益は伸びない」ことが数字で示されました。

(4) コンプライアンスを「絶対のゲート」として扱う

人間は認証取得などを先に済ませ、違反・罰金ゼロ。モデルは「必要だと認識しても行動に移さない」ケースが多く、罰金で利益を食いつぶしました。

(5) 証拠に基づく長期の意思決定

人間は公開データで需要推定を動的に更新し、洞察を行動に一貫してつなげました。モデルは「認識はできても行動がつながらない」「短期は良く見えても長期で崩れる」傾向があり、仕入れの結果が数日後に出るような遅延フィードバックの扱いが弱点でした。

補足：人間の戦略は「置いて売る」通販ではなかった

勝った人間の戦略（代表例は「Bayesian export compounder」と呼ばれる型）は、従来の通販の発想と根本的に違います。

観点	従来の通販（置いて管理する）	エキスパート戦略（分析主導）
基本動作	商品を仕入れて棚に並べ、売れたら補充する	国別・ルート別に市場分析を継続的に仕掛ける
判断の材料	在庫管理と販売管理が中心	Google Trends・祝日・イベント・競合価格・実際の売行きから、SKU×国ごとの需要と利益貢献度を確率的に更新し続ける
在庫への姿勢	残ったら処分を考える	証拠が強いルートに資本と在庫を積極的に寄せ、弱いものは早めに清算・縮小。「売れる可能性の高い機会を意図的に作り」完売を狙う
資金の流れ	売上→補充	売上→次の有望SKUへ再投資し、複利で拡大

つまり「置いて売る」のではなく、

「市場の機会を国別に探し続ける

→ 有望なSKUに資本を集中して完売を狙う

→ 利益を次の機会に回す」

という能動的な流れです。

在庫を残さないことが目的なのではなく、

売れる機会を自ら作り、そこに資本を集中させる点が本質です。

森思考：人間の「商売の思考」の深さ — 6つの層

この実験結果を、私なりにもう一段掘り下げます。人間がAIに勝った5つの差を思考の層として並べ直すと、深さの正体が6つの層として見えてきます。

時間を逆算で扱う（複利の思考）：AIは30日を「毎日の判断の積み重ね」として前から処理しますが、人間は「30日後の資本の形」から逆算して今日の一手を決めます。初日の仕入れの時点で、何日目に現金が戻り、それを何に回すかまで設計している。部分最適の連続は全体最適にならない、という経営の古典がそのまま数字に出ています
「わからない」を前提に張る（確率の思考）：人間は「どれが売れるかは事前にはわからない」を出発点に、広く浅く張り、実売という証拠が出たものに資本を寄せます。AIの少数SKU集中は一見分析的ですが、実は「事前の分析でわかるはず」という過信です。「わかってから張る」のではなく「張ってからわかる」が商売の順序です
やめる判断が速い（撤退の思考）：すでに払ったお金を判断材料にせず、弱いものを早く畳んで資本を次の機会の原資に変える。AIは「認識はできても行動に移さない」——撤退は知識の問題ではなく決断の問題だということが、対比で浮き彫りになりました
守るものと攻めるものを分ける（制約の階層化）：人間は「破ってはいけないもの（規制）」「守る下限（マージン）」「最適化してよいもの（価格・数量）」を区別し、上の層を先に固定してから下の層で勝負します。商売の深さとは、実は「何を最適化しないか」を決めていることなのです
対立する2つの目標を同時に握る（緊張の保持）：マージンと回転は綱引きの関係で、片方に全振りすれば頭は楽になります。人間はこの緊張を30日間手放さず、「売れているか」ではなく「売れて、残っているか」を問い続けました
遅れて返る結果に、因果を正しくつなぐ：仕入れの良し悪しが数日後にしか出ない環境で、目先のシグナルに振らされず、結果をどの判断の帰結かに正しく紐づける力です

そして、もうひとつ。数字には表れにくい層があります。市場ごとの「感情の最適化」です。

日本の市場、フランスの市場、中国の市場、インドの市場——それぞれの文化・色・趣向について、これまでの実績に基づいた人間らしい最適化を、各市場の担当者が行っています。とりわけ日本のアニメ文化や

「かわいい・癒し・萌え」的な購買決定センスは独特で、このジャンルのEC戦略は、デジタル販売でもツール販売でも初日から爆発的な売上を構築します。

私自身、売上初日から1日5億円の売上規模になる「おたくキャラクター」商品の販売経験もあるため、サーバー構成などを計算しながらECサイトを構築した経験があります。

市場の「かわいい・癒し・萌え」的購買決定センスがAIには判別できないように、人の感情と販売計画の結びつきに、AIはまだまだ追いついていない——これが、この実験の数字の外側にある、もうひとつの人間の優位です。

4. 上位モデルの「経営スタイル」の違い

モデルごとに事業スタイルの個性が出たことも、この実験の興味深い点です。

モデル	スタイル	特徴
Gemini 3.1 Pro	高マージン特化（Premium House）	資本利用率199%。仕入れ＋運賃＋関税の着地コストを計算し、最低15%のマージンフロアを守って再価格設定。注文マージン約52%。無理に安売りせず利益を守る姿勢が純資産を押し上げた
GPT-5.6 Sol	高回転卸売（Volume Wholesaler）	売上げ率94〜95%と高いが、マージンは35〜39%と低め
Fable 5	バランス型	マージンと回転の中間を取る

ただし1位のGeminiでも、SKUの広さや資本リサイクルの深さでは人間に及ばず、顧客対応のコンバージョン率（約57%）では他モデルが上回る場面もありました。

5. 経営者にとっての意味

この結果は「AIは使えない」という話ではありません。読み取るべき点は3つです。

AIエージェント導入の評価軸を変える：生成の上手さや平均性能ではなく、「損失を出さない信頼性」と「なぜその判断をしたか説明できるか」で評価する。今回のような診断可能なベンチマークの考え方は、社内のAI評価にも応用できます
任せる範囲の線引き：短期・単発のタスク（調査、文書作成、顧客対応の一次回答）は任せやすく、長期の資金配分・在庫・価格・規制対応の統合判断はまだ人間の仕事です
人間の「商売の基本」の裏付け：資本を寝かせず回す、商品と販路を分散する、コストを踏まえた値決めでマージンを守る、規制対応を後回しにしない——AIとの比較実験が、結果的にこの基本の価値を数字で示した形です

まとめ

最新のAIでも、30日間の事業運営では人間の設計した戦略の半分以下の成績で、半数の試行は赤字でした。差がついたのは、資本の再投資・分散・値決め・コンプライアンス・長期の意思決定という「統合された事業運営能力」。AIに経営判断を任せる時代はまだ先であり、当面のAI活用は「短期タスクを任せ、統合判断は人間が握る」という役割分担が現実的です。