ENGORGIOの働き方
私たちのビジネス
ENGORGIOは、SaaSプロダクト開発とアドバイザリーとしての２つの顔を持ちます。
そして、ENGORGIOは、営業職を配置していません。これは戦略コンサルティングファームにおいて、パートナーが「提案」し、プロジェクトを「デリバリー」してビジネスインパクトにコミットしているという働き方と同じです。
これは、その他の大手コンサルティングファーム（Big 4や総合系）やシステムインテグラーとは異なります。つまり、これらの企業は、営業職が存在（Go to Market：GTM）し、提案フェーズとデリバリーで、人もフェーズも分かれている状態です。これはGTMの時点で顧客との関係性構築が始まっていると考え、曖昧な相互認識を具体化していくスタートラインです。GTMからデリバリー部隊への引き継ぎは、この関係性をリセットする以外の何者でもありません。
そこで、我々は、GTMとデリバリーの分断をなくし、提案の瞬間に握った顧客との“判断の前提”を、プロダクトの実装・運用の最後まで持ち運ぶことが重要だと考えます。そのために、エンドツーエンドの働き方そのものを設計しています。
そしてもう一つの大きな方針が、AI Nativeな働き方を自社で徹底的に追求し、そのノウハウを顧客に還元することです。AIを“導入する”のではなく、仕事の回し方（運用モデル）をAI前提に再設計し、ビジネスインパクトの獲得（これがAI Native）までを射程に入れています。
1. “オベリスク型”体制
従来のコンサルは、裾野の広い“ピラミッド”になりがちです。一方で近年は、AIがジュニア層の作業（調査・要約・分析補助など）を自動化し、チームを細く高くする（オベリスク化する）**方向に構造変化が起きる、という議論が出ています。
ENGORGIOは、パートナーが提案からデリバリーまでインパクトをベースにコミットしていることから、元々この流れを前提として体制を設計します。
前衛（意思決定と品質）：パートナー／リードが、当事者として、論点・判断・品質に責任を持つ
本体（設計と実装）：少数精鋭のコアチームが、構想〜設計〜実装〜定着まで一気通貫でやり切る
外縁（専門性の接続）：必要に応じて、デザイン／データ／エンジニアリング等を強化
人数で押すより、文脈の摩耗を減らし、判断と実装・インパクトを直結させる。それが狙いです。
特にAIが台頭してきた昨今では、この流れは加速し、むしろオベリスクであることが自然な流れと考えられます。
経験あるパートナーがデリバリーとインパクトにコミット（“レビュー役”ではなく“当事者”）し、主力部隊と共にAIを使い倒して、最終責任者がデリバリーに時間を投下できる構造をつくります。それが「最高品質の成果」を実現するという考え方に基づいています。
2. プロジェクト志向ではなくプロダクト志向
提案とデリバリーをフェーズ分けしても、“人の入れ替え”をしません。
プロジェクト型の弱点は、成功条件が「資料の完成」「PoCの終了」「一度きりのリリース」になりやすいことです。
しかし現実の価値は、そこから先です。
現場で使われる
意思決定が変わる
KPIが改善し続ける
障害や例外に耐えながら、運用が回る
この“続ける領域”に本来の価値があります。
だからENGORGIOは、デリバリーを Build（作る） だけで終わらせず、Run（動かす） と Improve（育てる） を含むものとして扱います。
プロジェクトとして「作って終わり」ではなく、プロダクトとして「動かし続ける」までが成果です。
プロダクトとして物事を見ると、フェーズ境界で人が入れ替わることは避け、インパクトを出し続けるための継続的な開発と運用を見据えた体制とプロセスを設計する必要があります。
しかしながら、一方で「提案」段階で顧客と合意形成とモメンタムを共有することは、スライドの文言ではなくニュアンスとしての“判断の芯”だからです。
何を問題として定義したか（問題設定）
何を捨て、何を取りにいくか（トレードオフ）
どこで意思決定するか（判断条件）
何をもって「できた」とするか（品質基準）
これらはデリバリーで必ず現実の制約に晒され、前提の再編集（＝判断の更新）が起きます。だからENGORGIOは原則として、提案した人がデリバリーする（プロダクトチームに入る）を採用しています。
3. 全員が正社員で完全に内製化
日本におけるプロジェクト型の前提は人をリソースとみなし、フェーズで人の入れ替えが多発することです。顧客やサービスベンダー（SIerなど）に限らず、所属会社が異なる人たちを時間単価で売買し、都度チームが学習した知見とチームとしての働き方がリセットされていきます。
これは非常に非効率であり、ビジネスインパクトにこだわるどころか、プロジェクトをやり過ごすという重力が働くため、品質も結果も担保できません。
上記の問題は、コンサル業界やIT業界に特有なものでもなく、どの業種業界においても「最高品質の成果をクライアントに提供する」ためには内製化することが最適だと信じています。
当社にはユニークな経験をもったプロフェッショナルの集まりであり、それをベースにした思考体系や心意気もっていると考えており、またENGORGIOの独自の知見を開発する仕組みが重層的に存在しています。そしてこれらを習得するためには当社に長く在籍することが必要であるため、正社員であることが重要であると考えています。
また当社とクライアント企業の関係は一つのプロジェクトで完結するものではなく、長期的な関係であることを願っており、少なくとも当社が顧客企業を支援する場合には、文化醸成とインパクトの獲得のための年単位の協働を前提で臨んでいます。
そしてクライアント企業と長期的な関係を構築するためには、パートナーはもちろんのこと、ノン・パートナーであるデザイナーやエンジニアもまたそのような姿勢でクライアント企業と相対することが求められます。
また一人がカバーできる範囲も様々です。能力と経験と成長する覚悟によって個人差があります。ENGORGIOは、人をリソースと見做さず、ユニークな人材の組み合わせによってチームとして機能し、その能力を何倍にも最大化することを目指しています。
だから物事を理解するための視点や学術的な背景、目の前で起こりうることへの視点と解釈を共有しておくことが、チームワークの土台となります。だからこそ、内製化し、日々のコミュニケーションの中で、この土台を培う必要があるのです。
4. ENGORGIOのPurpose/Mission/Belief
私たちはデザインとエンジニアリング、そしてAIにおける卓越性とイノベーションへの共通のコミットメントに突き動かされています。
Purpose
革新的な発想とテクノロジーで企業変革を実現し、意味のあるビジネスインパクトを生み出すこと
Mission
テクニウムの哲学に導かれ、テクノロジーと人を調和させて、組織のデータドリブンな意思決定と実ビジネスインパクトを支援すること
Belief
世界を変えることへの情熱
独自の視点で世界に力を与える
継続的な学びと成長
複雑さ・不確実性・曖昧さから学ぶ
イノベーション
コアビジネスを外部委託せず、自ら新たな能力を開発する
初心の心
初心者のマインドセットを持ち続ける
野心的に
模倣するのではなく、野心的に発明する
互いの尊重とコラボレーション
多様性を尊重し、共に協働する
5. AI Nativeを“自社で実装”し、ノウハウを顧客に還元
ENGORGIOは、AIを“便利ツール”として使うのではなく、AI前提で仕事の回し方を作り替えること自体を、日々の現場で実験し続けています。
5-1. AI Nativeで置き換えるもの（代表例）
会議・資料・ドキュメントの要約／論点抽出／比較
仮説生成〜検証の反復（調査設計、分析、実験、プロトタイピング）
データ／コード作業の加速（ETL、分析、評価、運用補助）
ドキュメント生成（意思決定メモ、設計書、運用手順、教育素材）
5-2. 人が握り続けるもの（AIに任せない領域）
問いの設定（何を最適化するか）
トレードオフとリスクテイク（何を捨て、何を残すか）
合意形成とガバナンス（誰が、何に責任を持つか）
“現場で回る形”への再編集（制度・運用・役割への落とし込み）
5-3. 顧客への還元（インパクトとして顧客内での実装をする）
0ベースのAI適応
データAIスタックとしてデータレイクハウスの実現
ワークフロー／エージェントの雛形（再利用テンプレ）
評価指標（精度・再現性・安全性・運用負荷の見える化）
定着のトレーニング（“使える”状態まで伴走）
5-4. AI Nativeを加速する自社プロダクトの開発
非公開
6. AI Nativeな新たな形態の模索
AI Nativeの世界では、従来型の「提案→資料→引き継ぎ」ではなく、“実装して成果を出す”ことを中心に据えた新興プレイヤーが台頭しています。
6-1. 大企業への“AI Nativeな運用モデル”の導入
あるAI Nativeなコンサルティング企業は「OpenAIと深いパートナーシップで、最大級の企業に共同でデプロイしている」と明記し、Fortune 500での大規模変革も打ち出しています。
ポイントは、AIエージェント単体ではなく、企業の運用モデル（サイロを跨ぐ文脈流通）に踏み込んでいる点です。
6-2. AI Nativeツールと“埋め込み型”で、イノベーションを推進
あるAI Nativeなコンサルティング企業は、自社を「AI-native tools」を用いたサービスとして掲げ、「クライアントチームに埋め込み、end-to-endで共創する」と打ち出しています。
また、AIがコンサルの体制をピラミッドからオベリスクへ変えるという文脈でも、同社のリーダーが論考の担い手として登場しています。
6-3. 研究×訓練×ツール開発を一体化し、“実行”を中心に据える
あるAI Nativeなコンサルティング企業は「Stop planning, start executing」を掲げ、組織の深い調査・ハンズオン研修・専用ツール開発を一体で提供し、チーム構成として“技術者・起業家・デザイナー”を明記しています。
“資料納品”より、現場が使い始めるところまでを主戦場にしているのが特徴です。
各社目指すところは同じです。ENGORGIOは、ENGORGIOのアプローチでこれらの新興企業らと共に、日本企業のAI Native化に貢献します。
7. 流行りで終わらせない：コンピューターサイエンス × デザイン × 戦略を組み込む
AI Nativeで成果を出すには、AIエージェントの前に“土台”が要ります。ENGORGIOは、流行りのエージェント実装に寄り過ぎず、次の3つのエッセンスを最初から統合して設計します。
7-1. 戦略のエッセンス：問い・価値・運営モデルをデザインし改善
何を勝ち筋にするか（価値仮説／優先順位）
どこで判断するか（意思決定設計／KPI）
どう回すか（プロダクト志向と運営／ガバナンス）
7-2. デザインのエッセンス：文脈・体験・運用に落とす
現場のジョブ／ジャーニーに合わせてワークフローを再設計
使われるUI/UX・プロンプト・レビュー導線まで含めて設計
変化を“運用”として定着させる（教育・ルール・習慣）
7-3. コンピューターエンジニアリングのエッセンス：データAIを“再利用可能な基盤”に
AIエージェント以前に、データとガバナンスが不十分だと、精度も安全性もスケールもしません。そこで鍵になるのが データレイクハウスのような統合基盤です。レイクハウスは、データAIスタックへ進化を続けており、比較的新しいテクノロジーコンセプトです。
ENGORGIOがここで扱う“コンピュータサイエンスの守備範囲”は、例えば以下です。
データAI戦略デザイン
データAIスタック（データ・メタデータ、ガバナンス、セマンティック、コンピュート、アプリケーション）
AIに関するハーネスレイヤの導入と評価（Eval、回帰テスト、監査ログ、品質指標）
セキュリティ／プライバシー（取り扱い・境界・監査）
プロジェクト志向からプロダクト志向
運用設計（アジャイル、DevOps、CI/CD、MLOps/LLMOps）
エージェントは“最後に載る実行レイヤ”。
その前に、戦略（何を最適化するか）とデザイン（どう使われるか）とエンジニアリング（どう確実に運用するか）が揃って初めて、AI Nativeは「継続的な成果」になります。
8. 向いているテーマ／向かないテーマ
向いている
戦略〜データ/AI〜組織構築と運用まで、意思決定が連鎖するテーマ
「一度限り作る」のではなく「継続的に回る」までがインパクトになるケース
経営・現場・テックの前提がズレており、擦り合わせ自体が価値になるケース
向かない（ENGORGIOは実施しない）
プロジェクトでの人貸し
人海戦術が前提の大量作業
仕様固定で、文脈の再編集がほぼ不要な単純実装のみ
おわりに：働き方は、インパクトの品質を決める“構造”
品質を担保するには「パートナーの高関与」「内製による知見蓄積」といった“構造”、つまりオベリスク型が望ましい。
さらにAI時代は、体制そのものがピラミッドからオベリスクへ変わり得るという構造変化が実際に生じており、さらにAI Nativeな働き方によって、さらに強化されています。
ENGORGIOは、
オベリスク型 × プロダクト志向（提案〜デリバリの一気通貫） × （戦略×デザイン×エンジニアリング）という形で、変革を「一発のプロジェクト」で終わらせず、継続的に回る仕組みとして意識改革、組織改革、ビジネスモデル変革をすることを目指しています。
以上
