カレン・エイブラムソン（She/Her）、ウォルターズ・クルワー・コーポレート・パフォーマンス＆ESG CEO。
マッキンゼーの調査によると、世界中の組織の78%がすでに少なくとも1つのビジネス機能にAIを統合している。同様に、KPMGの調査では、2027年までに米国の企業財務部門の99%が財務報告プロセスにAIを活用するようになると予測している。
しかし、これらの印象的な導入率の裏には厳しい現実がある。MITの最近の調査によると、生成AIパイロットプロジェクトの95%が測定可能なビジネスインパクトを生み出せていないという。
実験と変革の間の溝は広がりつつある。そして次の波であるエージェント型AIは、製品構築と提供方法を根本的に再考しない限り、その溝をさらに深めることになるだろう。
エージェント型AI：企業テクノロジーにおける「インターネット的瞬間」
エージェント型AIとは、単にコンテンツを生成するだけでなく、定義された境界内で自律的に学習、記憶、行動するシステムを指す。デロイトは2024年に、生成AIを使用している企業の4分の1が2025年にエージェント型システムのパイロットを実施し、その数は2027年までに倍増すると予測している。
企業チームにとって、この変化はインターネットの出現と同じくらい大きな影響を持つ可能性がある。エージェント型AIは、静的なインターフェースや直線的なワークフローではなく、エコシステム全体にわたる動的で非同期的なオーケストレーションを通じて、仕事の進め方を再形成するだろう。
ソフトウェアシステム間の通信とデータ交換を可能にするアプリケーション・プログラミング・インターフェース（API）が製品となる。APIはエージェントシステムがツールと対話し、アクションをトリガーし、リアルタイムでコンテキストを取得できるようにする接続組織である。
そして製品の成功は、ユーザーが従うワークフローだけでなく、ユーザーが日々遭遇するツール、プロセス、データフローの全エコシステムを理解する能力にますます左右されるようになる。
なぜほとんどのAIツールが失敗するのか、そして何を変えるべきか
上記で引用したMITの同じ調査によると、中核的な問題はモデルの品質、規制、インフラではない。それは学習ギャップだ：フィードバックを保持せず、コンテキストに適応せず、時間とともに改善しないAIシステムの問題である。
MITが調査した企業のAIユーザーは、ChatGPTやCopilotなどのコンシューマーグレードのツールの柔軟性と即時的な有用性を称賛した。しかし彼らは、カスタムまたはベンダーが売り込むAIツールを圧倒的に拒否し、それらを脆弱で過剰設計され、実際のワークフローと合っていないと評した。
そのため、「成功する」生成AIやエージェント型AI機能を提供しているベンダーは汎用ツールを構築しない。彼らはワークフロー内に自らを組み込み、コンテキストに適応し、狭いが価値の高い足がかりから拡大していく。これらのAIシステムは学習し、統合し、進化するから成功するのだ。
製品リーダーへの新たな使命
エージェント型の世界では：
• 私たちが知っている製品は消えていく。
• ユーザーインターフェースはオーケストレーション層に溶け込む。
• 設計はますます反復的で、シナリオベースで、サンドボックス化されたものになる。
機能不全の機能は不便を引き起こすかもしれないが、不正確な結果を生み出す自律型エージェントははるかに大きなリスクをもたらし、より高い監視基準を必要とする。
リスクは高くなり、責任も大きくなる。その責任を果たすために、ガバナンスとガードレールを最初から製品に組み込む必要がある。ロードマップは反復的なままで、エージェントが運用され新たな学びが生まれるにつれて進化すべきだ。最後に、リリースサイクルは継続的な調整をサポートし、リスクに対応するペースを保つために加速する必要がある。
製品開発チームは、単に痛点を解決することをやめ、自律性を解決することに取り組み始める必要がある。エージェントがどれだけ独立して行動できるか、そしていつ人間の介入が必要かを明確に特定することが重要だ。ソフトウェアがどのように動作するかの透明性も、信頼構築においてますます不可欠になる。
最も重要なのは、製品開発者が機能について考えることから行動について考えることへとシフトしなければならないことだ：仕事がどのように行われるか、データがどこに流れるか、そしてエージェントがエコシステム内でどのように相互作用するかについてだ。
成功の姿
MITの研究によると、社内でAIツールを構築している企業は、外部ベンダーと提携している企業の2倍の頻度で失敗している。しかし、MITの調査ではまた、AIで成功している経営幹部は、生成AI製品を選択する際にプロセス固有のカスタマイズを優先していることも分かった。
私が主張したいのは、ほとんどの経営幹部が実際に必要としているのはカスタマイズではなく、構成可能性だということだ。過度にカスタマイズされたソリューションは、多くの場合、製品アップデートを遅らせ、API統合を複雑にし、スケーラビリティを制限する。生成AIの分断を乗り越える可能性が最も高いAIソリューションは：
• 構成可能であること。 過度なカスタマイズの硬直性なしに、迅速な反復、シームレスな統合、環境間の適応性をサポートする柔軟なアーキテクチャで設計されている。
• ワークフローだけでなく、エコシステム向けに構築されていること。 顧客の業務に深く組み込まれ、仕事がどのように行われるかを明確に理解しているベンダーによって開発されている。
• 分散モデルで実装されていること。 中央集権的な説明責任を維持しながら、生成AIの実装に関する権限を分散化する組織は、一貫して高い採用率と迅速な展開を経験する。
• 明確なROIを提供すること。 エージェント型の時代では、AIへの継続的な投資は透明性と測定可能なインパクトに依存している。企業は、コストを削減し、生産性を向上させ、目に見え、説明可能で、整合性のある結果を提供するエージェントに投資する。
あなたはもはや製品が何をするかだけに責任を負うのではない。製品がどのように学習し、行動し、統治されるかにも責任を負うのだ。
