AI業界は大きな転換期を迎えている。反応型AI（予測に基づくインサイト）から、企業に代わって行動する能動型AI（エージェント）への移行である。人間が複雑な業務をこなすためにより多くの情報を必要とするのと同様に、AIも能力を広げるには質の高いデータへのアクセスを拡大する必要がある。自律的に行動するエージェントには、単に次の単語を予測するモデルよりもはるかに多くの文脈が求められる。
SymphonyAIのCEOであるSanjay Dhawanは先月、この点を簡潔に述べた。「汎用エージェントは、管理された条件下では本当に印象的に見えることがある。しかし、企業の業務現場では苦戦し始める。そこには制約、相互依存関係、判断を要する場面があり、現場で働いたことのある人には自明でも、それを見るよう教えられていないモデルには見えないものだからだ」
さらに、AIエージェントはタスクを完了するまでに複数の手順を踏むことが多いため、正確かつ効率的に機能するには各段階で関連する文脈が必要となる。この進化により、データ品質の重要性はいっそう高まっている。いかなるAI変革も、その土台となるデータの接続性と信頼性の強さを超えることはできない。
完璧なデータを持つ企業は存在しない
ファーストパーティデータはかつてよりクリーンにはなったが、決して完璧ではない。スパース性、量、鮮度はいずれも重要だが、最も一般的な課題は分断化である。中心的な課題は、構造化データ（属性や行動など）と非構造化ナレッジ（文書や過去のコンテキストなど）を統合し、AIがそれらに基づいて行動できるようにすることにある。
一般の人々でさえ、基盤となるデータが重要であることを本質的に理解している。筆者の会社であるProsper Insights & Analyticsが最近実施した調査によると、米国成人が近年のAIの発展について抱く上位3つの懸念は、AIには人間の監督が必要である（40.4%）、AIはハルシネーションのように誤った情報を提示し得る（40.3%）、AIが使用するデータについてより多くの開示と透明性が必要である、というものだった。
AIは水平的な技術であるため、データの問題はあらゆる業界に当てはまる。マーケティングを例に取ろう。多くのマーケティングチームはいまなお、CRM、ウェブ分析、イベント収集ストリームが別々に存在するなど、データサイロを抱えたまま運営されている。効果的なAI推論のために自律的なワークフローを実現するには、統合されたクリーンなデータストリームが必要だ。正確性を確保しながらこうした統合を構築することは大きな技術的ハードルとなるが、クリーンで統合されたデータストリームを確立できれば、因果AIを採用できる。
因果AIには継続的なフィードバックループが必要だ
因果AIは、統計的相関だけに頼るのではなく、真の原因と結果の関係をマッピングすることで、物事がなぜ起きるのかに焦点を当てる。構造的因果モデルとグラフを用いて「もしも」のシナリオや反事実を検証するため、その提案は非常に透明性が高く、現実世界で条件が変化してもバイアスや誤りが生じにくい。
ほとんどのシステムはトランザクションデータや予測シグナルに基づいて動いているため、確率を詳細に示すことはできても、因果関係を示すことはできない。何が結果を引き起こしたのかを特定するには、行動し、観察し、それを戻すというフィードバックループが必要である。AIによって、このフィードバックループははるかに緊密かつ賢くなり得る。
ごく最近まで、このフィードバックループを実現するのは困難だった。関連するすべての情報を取得する技術が存在しなかったためだ。例えばマーケティングでは、何が有効か、どのオーディエンスに有効か、各クリエイティブがどのように機能するかといった組織知は、厳密には人々の頭の中にだけ存在していた。それが蓄積され、複利的に効いていくことはなかった。別の言い方をすれば、すべてのキャンペーンはゼロから始めなければならなかったのである。
「マーケティングは非常に可視性が高く、消費者に直接接する分野であるため、誰もが意見を持つ。最適なキャンペーン戦略に関する合意形成には、承認の追跡、ステークホルダーからのインプットの調整、アセットの作り直しに多くの時間が費やされる」と、Auxiaの共同創業者兼CEOであるSandeep Menonは筆者に語った。「エージェントが実行を担うようになれば、マーケティングチームの役割は、目標設定、戦略立案、ガードレールの定義、アウトプットのレビューへとシフトする。これにより、AI時代の新しいタイプのマーケター、すなわち『10倍マーケター』が誕生し、実行よりも創造的思考と戦略により集中できるようになり、学びが蓄積されていく」
複利的インテリジェンスには文脈の取得が不可欠
記録を取得することから文脈を取得することへ移行したとき、学びは蓄積されていく。企業が既に持つ信頼できる情報源だけでなく、そこに至るまでに必要だったすべてのものを取り込まなければならない。結果だけを見ても、多くは学べない。何が議論され、何が決定され、その決定がどのようになされ、結果がどうだったのか、そしてそれらすべての理由を収集できれば、AI投資からリターンを得る道筋に乗ることになる。
「以前は5人が数週間かけて行っていたことが、今ではAIエージェントのチームと連携する1人のスーパーマーケターによって実現可能となった」とMenonは付け加えた。「スーパーマーケターは、エージェントを使って数カ月分のキャンペーン成果に関するインサイトを数分で明らかにし、ギャップに基づく新しいクリエイティブアプローチを提案し、各ユーザーに対して適切な体験を大規模かつ自律的に提示している。3年前であれば、これを世に出すのに大人数のチームで数カ月を要していた」
これが可能なのは、チームが実行に必要なすべての文脈とガードレールをエージェントに提供できるようになったからである。つまりエージェントは、以前ならチーム内の5人から15人のメンバーに分散していた企業の選好、専門知識、ブランドガイドライン、組織知にアクセスできるということだ。要するに、文脈こそが王なのである。
GartnerのDistinguished VP AnalystであるRita Sallamは5月のイベントで、こう述べた。「文脈、すなわち組織のデータ内にある特定の関係性やルールに対する明確な理解がなければ、AIエージェントは正確に機能できず、ハルシネーションを起こし、バイアスを持ち込み、信頼性の低い結果を生み出す可能性がはるかに高くなる。堅牢なデータレイヤーに支えられた包括的な文脈構造を採用できない組織は、データの非効率を固定化し、財務コストの増大だけでなく、法的損害や評判上の損害にも直面することになる」
あなたの会社が法律業務を手がけているにせよ、タイムズスクエアで次の大型広告を制作しているにせよ、目標は同じである。従業員が退職するときに知能が社外へ流出するのではなく、企業全体にその知能を分散させることだ。適切な基盤を提供する限り、エージェントはまさにそれを実現する助けとなる。
開示事項：上記で言及した消費者センチメント調査は、筆者の会社であるProsper Insights & Analyticsが実施したものである。これは全米小売業協会が使用しているものと同じデータセットであり、経済ベンチマーク用としてAmazon Web Services、Databricks、London Stock Exchange Groupから入手可能である。
