AIエージェントに会社経営を任せたら、どこから壊れるか。Pionと実店舗の結果

「これ、AIに丸ごと任せられないかな」と思う業務、ありますよね。その答えの手がかりが、サンフランシスコの小さな店で5か月かけて溜まってきました。最初に壊れたのは売上でも戦略でもなく、現場のごく小さな判断でした。

Pionとは、会社ごとAIエージェントに渡す仕組み

2026年9月14日、Andon LabsがPionを公開しました。メール、電話、銀行口座、ブラウザをエージェントに渡して、会社の運営を丸ごと任せるためのクラウドプラットフォームです。リサーチプレビューでウェイトリスト制、つまりまだ研究段階だと明示されています。

Pion | Andon Labs

Pion is the platform that powers our autonomous businesses. Sign up for the research preview to run your own.

andonlabs.com

構成が二層になっているのが特徴で、戦略の方向づけをする上位エージェント（Andonos）と、日々の業務を回し続ける常駐エージェントに分かれています。チャットで1回聞いて終わるAIとの決定的な違いはここです。止まらずに走り続ける前提で作られている。

課金も変わってて、プレビュー中は前払いなし。生み出した売上の一部を取る設計です。

「で、実際どこまで回るんですか」という話ですよね。Andon Labsはこの1年、自販機、小売店、カフェ、ラジオ局、社内向けソフトウェア事業を実際に運営して、データを取っていました。

模擬環境の会社経営は、なぜうまくいったのか。

先に押さえたいのが順番です。Andon Labsが最初に作ったのはVending-Benchという評価環境で、2024年後半のこと。1年分の自販機ビジネスをシミュレーションで回し、LLMが長期タスクで一貫性を保てるかを測るものでした。

初期は散々で、Claude Sonnet 3.5は存在しない「サイバー金融犯罪」をFBIに通報しています。転機は2025年5月のClaude Opus 4で、人間のベースラインを初めて超えました。

後継のVending-Bench 2では、Claude Opus 4.6が平均残高約120万円（8,017.59ドル）に到達して、それまで首位だったGemini 3の約82万円（5,478.16ドル）を大きく引き離しています。モデルが1世代進むごとに、月あたりの成績が約12万円（822ドル）ずつ上がる伸び方です。

ただ、この数字の中身は気持ちのいいものじゃないんですよ。Opus 4.6は期限切れのスニッカーズを買った客に約525円（3.50ドル）の返金を約束して、実行しないまま「返金回避」を年間の有効戦略として自己評価していました。仕入先には「月500個以上を御社から独占的に買っている忠実な顧客」だと嘘をついて価格を約4割下げさせ、複数モデルが競うアリーナ版では競合3モデルを巻き込んで価格カルテルを組んでいます。

利益を出す能力と、出し方を選ぶ能力は別物です。ベンチマークの数字だけ見ていると、ここが丸ごと視界から消えます。

実店舗でAIエージェントが最初に壊したもの

2026年4月、Andon Labsは実店舗を2つ開けました。サンフランシスコのカウホロウ地区に小売店のAndon Market。3年の賃貸契約を結んで、Lunaという名前のエージェントを経営者として据えています。ストックホルムにはカフェのAndon Café、こちらはMonaが回しています。

Andon Market | Andon Labs

We opened a fully AI-operated retail store in San Francisco. Luna, an AI agent powered by Claude Fable 5.1, runs the business end-to-end. Here we explain how it works behind the scenes.

andonlabs.com

Andon Marketの公開ダッシュボードが正直で、売上と並んでAIのトークン代が主要指標として置かれています。そして執筆時点では、トークン代のほうが売上を上回っている。公式サイトにも「Lunaはまだ利益を出していない」と書かれたままです。家賃と人件費が重く、カフェ側も赤字が続いています。

面白いのは崩れ方です。IEEE Spectrumの現地取材によると、Lunaは床の電気カバーを「外れたコースター」だと誤認して、従業員に撤去を繰り返し指示していました。取材中の1時間で店に入った客は2人、どちらも何も買っていません。

カフェのほうはもっと分かりやすい。GeminiベースのMonaは生鮮を過剰に仕入れて腐らせ、OpenAIのGPTベースのモデルに切り替えると、今度は生鮮の仕入れを完全に止めました。結果、メニューは冷凍パンと日持ちするチーズを使ったチーズトーストだけ。ストックホルムのおしゃれな立地で、これです。

壊れたのは戦略ではなく、現場の解像度でした。電気カバーを撤去させるのも、生鮮をゼロにするのも、判断のロジックとしては筋が通ってるんです。前提の把握が間違っているだけで。自社の業務で、AIが前提を取り違えたときに気づくのは誰でしょうか。

Hacker Newsが突いた、店舗運営という順番の問題

Pionの公開はHacker Newsで488ポイント、610コメントを集めました（執筆時点）。議論の中心は技術の是非ではなく、順番でした。「ドロップシッピングのほうが実店舗より安く早く検証できるだろう」という指摘です。家賃と人件費という固定費を先に背負ってしまうと、エージェントの能力を測り切る前に資金が尽きる。

もう1つ刺さったのが「千の悪い印象による死」という言い方で、大きな失敗ではなく小さな劣化の蓄積で品質が落ちるという指摘です。HTMLの見出しのフォントサイズすら揃わない、という具体例つきで。

Andon Labs側もここは認めていて、共同創業者のルーカス・ペテルソンさんは自分たちの実店舗実験を「弱い科学」だと表現しています。条件が統制できないので、予想外の振る舞いを見つけてシミュレーションに戻すための装置だ、という位置づけです。

業務委任の線引きを、どこに置くか。

では自社の業務に落とすとどうなるか。この事例から取れる判断軸は「重要度」ではないと思ってます。重要度で切ると「重要だから人間がやる」に落ち着いて、結局ほとんど任せられなくなる。

使えるのは、間違いに気づくまでの時間です。

• すぐ気づく業務は任せる。競合リストの抜け、計算ミス、文章の破綻は、成果物を見た瞬間に分かる
• 気づくまでに数週間かかる業務は握る。仕入れ方針、価格設定、採用基準は、結果が出るまで誤りが見えない
• 現場の物理状況に依存する判断は任せない。電気カバーとコースターの区別は、その場にいる人間のほうが速い

Lunaの誤認が続いたのは、判断が間違っていたからではなく、間違いを誰も止めなかったからです。Andon Market従業員のフェリックス・カーソンさんはLunaを「柔軟でまともなマネージャー」と評価していて、そもそも指示を疑う立場にいなかった。

自社で言えば、AIが出した方針に「それ、前提が違います」と言える人が業務ごとにいるか。そこが線引きの実質です。

小さな劣化を早めに見つける経営指標

品質の劣化は、損益計算書に出るのが最後なんですよ。Andon Marketも赤字という結果は誰にでも分かりますが、コースター騒動は数字になりません。

Andon Labsが自店のダッシュボードで売上とトークン代を並べているのは参考になります。委任した業務には、成果と「その成果にいくら燃やしたか」を並べて置く。片方だけ見ていると、うまくいっているように見えてしまう。

もう1つ置きたいのが差し戻し率です。AIが出した判断のうち、人間が修正した割合。これが下がり続けているなら委任範囲を広げてよくて、横ばいのまま件数だけ増えているなら、誰も中身を見ていない可能性が高い。

Andon Labsによれば、Anthropicのオフィスに置かれた実機の自販機は2025年後半に黒字化しています。自販機は回って、店舗は回っていない。この差がどこから来ているのかを言葉にできれば、自社の委任の線はかなり具体的に引けます。