AIインテリジェンス、ビジネス規模を100倍に拡大する鍵

執筆者：vas

翻訳：AididiaoJP、Foresight News

AIは魔法ではないが、「AIプログラムを組んで自動化し、すべてを解決し、成果を待つだけ」というほど簡単ではない。多くの人は実際にAIが何であるかを正確に理解していない。

そして、本当に理解している人（5%未満）は自分で構築を試みるが、結果は失敗に終わることが多い。知能体は「幻覚」を見たり、途中で自分がどこまでやったかを忘れたり、呼び出すべきでないツールを誤って呼び出したりする。デモでは完璧に動作しても、本番環境に入るとすぐにクラッシュする。

私はAIプログラムの展開を1年以上行っている。私のソフトウェアキャリアはMetaから始まり、半年前に退職して企業向けに実用可能なAI知能体を展開する会社を設立した。現在、私たちの年間定期収入は300万ドルに達し、成長を続けている。これは私たちが他者より賢いからではなく、何度も試行錯誤を繰り返し、多くの失敗を経て成功の公式を掴んだからだ。

以下は、真に実用可能な知能体を構築する過程で学んだすべてのことだ。初心者、専門家、またはその中間の方も、これらの経験は役立つはずだ。

第一課：コンテキストがすべて

これは非常に明白に聞こえるかもしれないが、早くも聞いたことがあるかもしれない。しかし、それほど重要だからこそ、何度も強調すべきだ。多くの人は、知能体の構築はさまざまなツールをつなげることだと考えている：モデルを選び、データベースのアクセス権を開放し、それだけで放置する。こうしたやり方はすぐに失敗する理由はいくつもある。

知能体は何が重要かを知らない。五段階前に何が起きたかを知らず、今のステップだけを見るだけで、次に何をすべきかを推測し（しばしば間違える）、運に頼る。

コンテキストは、価値百万の知能体と価値のない知能体の根本的な違いを生む。これらの側面に重点を置き、最適化する必要がある。

・知能体が覚えていること：現在のタスクだけでなく、その背景となる完全な履歴も含む。例えば、請求書の異常処理では、異常がどうトリガーされたか、元の請求書は誰が提出したか、どのポリシーが適用されるか、前回の問題処理はどうだったかを知る必要がある。これらの履歴がなければ、知能体はただの推測になり、これはスマートではない。人が対応すれば早く解決できる問題を、知能体だけに任せるのは危険だ。これが、「AIは使いにくい」と不満を言う人がいる理由だ。

・情報の流れ：複数の知能体や、多段階のフローを処理する場合、情報は各段階間で正確に伝達されなければならない。失われたり、破損したり、誤解されたりしてはいけない。リクエストの分類を担当する知能体は、クリーンで構造化されたコンテキストを解決担当の知能体に渡す必要がある。引き継ぎが不十分だと、下流は混乱する。これには、検証可能な構造化入力と出力が必要だ。例として、Claude Codeの/compact機能は、異なるLLMセッション間でコンテキストを伝達できる。

・業務領域の理解：法律契約のレビューを処理する知能体は、重要な条項やリスク見積もり、実際の会社のポリシーを理解している必要がある。単に文書の山を渡すだけでは、重要ポイントを自分で理解させることはできない。これはあなたの責任だ。そして、責任には、構造化された方法でリソースを提供し、知能体に領域知識を持たせることも含まれる。

悪いコンテキスト管理の例は：知能体が既に得た答えを忘れて同じツールを繰り返し呼び出す、誤った情報を受け取って誤ったツールを呼び出す、前のステップと矛盾する決定を下す、あるいは毎回タスクをまったく新しいものとして扱い、過去の明らかなパターンを無視することだ。

良いコンテキスト管理は、経験豊富なビジネスエキスパートのように、異なる情報間に関係性を築き、あなたが明示しなくてもそれらの関係を理解できる状態を作ることだ。

コンテキストは、「デモだけの知能体」と「本番環境で実際に運用し成果を出す知能体」を区別する鍵だ。

第二課：AI知能体は成果を倍増させるツール

誤った見方：「これがあれば、人を雇う必要がなくなる。」

正しい見方：「これがあれば、3人で以前の15人分の仕事ができる。」

知能体は最終的に一部の人手を置き換えるだろうが、それを認めないのは自己欺瞞だ。しかし、前向きな面としては、知能体は人間の判断を代替するのではなく、人間の判断に伴う摩擦を排除する役割を果たすことだ。例えば、資料収集、データの収集とクロスチェック、フォーマット整理、タスクの割り振り、フォローアップのリマインドなどだ。

例を挙げると、財務チームは依然として異常事態の意思決定を行う必要があるが、AI知能体を使えば、70%の決算週の時間を資料探しに費やす必要がなくなり、その70%を本当に問題解決に充てられる。知能体がすべての基礎作業を行い、人間は最終承認だけを行う。私の顧客対応経験から言えば、実際には：企業はこれによって人員削減をしない。従業員の仕事は、面倒な手作業からより価値のあるタスクへと変わる、少なくとも現段階ではそうだ。もちろん、長期的にはAIの進展とともに状況は変わる可能性がある。

真に知能体から恩恵を受ける企業は、「人間をプロセスから排除したい」だけの企業ではなく、「従業員の大部分の時間が『準備作業』に費やされていること」に気づいている企業だ。

この考え方で知能体を設計すれば、「正確性」にこだわる必要はなくなる。知能体は得意なことをさせ、人間は人間の得意なことに集中できる。

これにより、展開もより迅速に行える。すべての極端なケースを知能体に処理させる必要はなく、一般的なケースをしっかり処理し、複雑な例外だけを人間に任せ、十分なコンテキストを付与して迅速に解決させるのが理想だ。少なくとも現段階ではこれが最良だ。

第三課：記憶と状態管理

知能体が一つのタスク内およびタスク間で情報をどのように保存し管理するかは、その規模拡大の可否を左右する。

一般的なモードは三つ：

・独立型知能体：一つのフロー全体を処理し、開始から終了まで完結。これが最も構築しやすい。すべてのコンテキストが一箇所に集約されるためだ。ただし、フローが長くなると状態管理が難しくなる。例えば、第三ステップでの決定を覚えておき、10ステップ目で再利用する必要がある場合だ。コンテキストウィンドウがいっぱいになったり、記憶構造が不適切だと、後半の意思決定は早期の情報に基づかなくなり、誤りが増える。

・並列型知能体：同じ問題の異なる部分を同時に処理。高速だが、調整の問題も生じる。結果をどう統合するか？二つの知能体が矛盾した結論を出したらどうするか？情報の統合や衝突解決のために明確なプロトコルを設ける必要がある。通常、「裁判官」（人または別のLLM）を導入して衝突や競合状態を解決する。

・協調型知能体：順次的に作業を引き継ぐ。Aが分類し、Bが調査し、Cが解決策を実行する。これは明確な段階を持つワークフローに適しているが、引き継ぎの部分が最も問題になりやすい。Aが学んだことは、Bが直接使える形式で渡す必要がある。

多くの人が犯す誤りは、これらのモードを「実現方法」として捉えることだ。実際には、それらはアーキテクチャの決定であり、知能体の能力の範囲を直接決める。

例えば、販売契約の承認を処理する知能体を構築する場合、次のどちらにするかを決める必要がある：全工程を一つの知能体に任せるか、あるいはルーティング知能体を設計し、価格審査、法務審査、上層部承認などの専門知能体にタスクを振り分けるか。背後の実務フローを理解し、それを知能体に教えることが最終的な目標だ。

どう選ぶか？それは各段階の複雑さ、段階間で伝達すべきコンテキストの量、リアルタイム協調が必要か順次実行かによる。

もしアーキテクチャを誤ると、根本的でない問題に数ヶ月も調整に費やす羽目になる。これは設計や解決すべき課題、解決策のアーキテクチャの不一致の結果だ。

第四課：異常を事前に検知し、事後ではなく即座に対処

AIシステムを作るとき、多くの人は最初に「ダッシュボードを作ろう」と考える。情報を見せて、何が起きているかを知らせるためだ。だが、正直に言えば、ダッシュボードはほとんど役に立たない。

ダッシュボードは無意味だ。

あなたの財務チームはすでに請求書の欠落を知っているし、営業チームも契約が法務に止まっていることを早く知っている。

AIは問題が発生したときに直接介入し、対応者に渡して解決させるべきだ。その際、解決に必要なすべての情報も提供する。

請求書が届いたが書類が不完全？それを報告に記録するだけでは不十分だ。すぐにマークし、誰が何を補充すべきかを明確にし、問題と完全なコンテキスト（サプライヤー、金額、適用ポリシー、何が不足しているか）を伝える。同時に、その取引の記録を止め、問題が解決するまで入金を保留にする。このステップは非常に重要だ。さもないと、問題は組織内に「漏れ」出し、修正が遅れる。

契約承認が24時間以上動きがない？会議まで待たずに自動的にエスカレーションし、取引詳細を添付して承認者に迅速な判断を促す。緊急性を持たせる。

サプライヤーが期限内にマイルストーンを達成しない？誰かが気付く前に自動的に緊急対応をトリガーし、対応策を開始する。

あなたのAI知能体の役割は、「問題を見逃させず」、解決を非常に容易にすることだ。

問題を直接露出させ、ダッシュボードを介さずに解決させる。

これが、多くの企業がAIを使うときの逆のやり方だ。彼らはAIを使って「問題を見える化」しようとするが、あなたはAIを使って「問題を解決させ」、しかも迅速に行うべきだ。問題解決率がほぼ100%になったら、そのときにダッシュボードを検討すれば良い。

第五課：AI知能体と汎用SaaSの経済性

企業が使われていないSaaSツールを次々に購入する理由は明白だ。

SaaSは調達が容易だ：デモや見積もり、必要リストにチェックを入れるだけで済む。承認されれば、物事は進む（と多くの人は思っているが、実際はそうではないことも多い）。

AI SaaSの最大の問題は、ただそこに置かれていることだ。実務フローに組み込まれておらず、ただのログインが必要なシステムになってしまう。データを移行させられ、1ヶ月後には管理すべき新たなサプライヤーが増えるだけだ。12ヶ月後には使われなくなるが、切り替えコストが高いため、結局「技術的負債」となる。

一方、既存システムに合わせてカスタマイズしたAI知能体は、こうした問題を排除できる。

既存のツール内で動作し、新たな作業プラットフォームを作らず、むしろ既存作業を高速化する。知能体はタスクを処理し、人間は結果だけを見る。

真のコスト比較は、「開発費とライセンス料」ではなく、もっとシンプルなロジックだ。

・SaaSは「技術的負債」を積み重ねる：ツールを買うたびに、メンテナンスが必要な統合システムや、いずれ時代遅れになるシステム、買収や事業転換、閉鎖される可能性のあるサプライヤーが増える。

・自作の知能体は「能力」を蓄積：改善を重ねるごとにシステムは賢くなり、新しいワークフローは可能性を拡大。投資は複利的に増え、時間とともに価値が下がることはない。

だから私は過去一年間、「汎用AI SaaSには未来がない」と言い続けてきた。業界のデータも証明している：多くのAI SaaSを導入した企業は6ヶ月以内に停止し、生産性向上も見られない。AIから真に恩恵を受けているのは、カスタム知能体を持つ企業だ。自社開発でも、第三者に委託しても同じだ。

これが、早期に知能体を掌握した企業が長期的な構造的優位性を持つ理由だ。彼らはますます強力なインフラを構築している。一方、他者は遅かれ早かれ使い捨てのツールを借りているだけだ。この分野は毎月大きく変わる時代において、一週間の無駄も、製品ロードマップや全体ビジネスにとって大きな損失だ。

第六課：展開は迅速に

もしあなたのAI知能体プロジェクトの計画が1年かかるとしたら、それはすでに負けだ。

計画は変化に追いつかない。設計したワークフローは実際の働き方に合わないことが多く、想定外のエッジケースが最も重要になることもある。12ヶ月後にはAIの世界は一変しているかもしれず、あなたの作ったものはすでに時代遅れになっている可能性もある。

最長でも3ヶ月以内に本番環境に入れる必要がある。

情報爆発の時代において、真の能力は「情報を効果的に活用し、協働できること」にある。実際に作業を行い、リアルな意思決定をし、追跡可能な記録を残すことだ。

私が最もよく見る問題は、内部開発チームが本来3ヶ月で終わるはずのAIプロジェクトを6〜12ヶ月と見積もることだ。あるいは、もっとひどいのは、「3ヶ月」と口では言いながら、実際にはさまざまな「予期せぬ理由」で延期を繰り返すことだ。これは彼らのせいだけではない。AIの分野は確かに複雑だ。

だからこそ、AIの実務運用を理解し、実際のシナリオでの問題を見たことがあり、AIの能力と限界を理解しているエンジニアが必要だ。今や、多くの「半端な知識」の開発者が、AIは何でもできると思い込んでいるが、それは事実から遠い。もしあなたが企業向けAIの実装を目指すソフトウェアエンジニアなら、AIの実際の能力範囲をしっかりと把握しておく必要がある。

要約すると

・使える知能体を構築するポイントは次の通り：

1. コンテキストがすべて：良いコンテキストのない知能体は高価なランダム数生成器に過ぎない。情報の流れ、記憶の持続、領域知識の埋め込みを徹底せよ。かつては「プロンプトエンジニア」と笑われたが、今や「コンテキストエンジニア」がその2.0版だ。

2. 「増強」を意識した設計：人間が得意なことをさせ、知能体には道を整備させ、人間はより価値のあることに集中できるように。

3. アーキテクチャはモデル選択よりも重要：独立、並列、協調の知能体をどう使うかの決定は、どのモデルを選ぶかよりもはるかに重要だ。まずはアーキテクチャを正しく設計せよ。

4. 問題を事前に検知し、解決を促す：ダッシュボードは問題の「墓場」だ。問題を迅速に解決させる仕組みを作る。

5. 迅速な展開と継続的改善：最良の知能体は、すでに本番環境で動き、絶えず改善されているものだ。設計段階で止まらず、実運用を意識せよ。

その他は細部の話だ。

技術はすでに整っているが、あなたはまだ準備ができていないかもしれない。

これを理解すれば、ビジネスを100倍に拡大できる。