リチャード・クラフ氏はEY（アーンスト・アンド・ヤング）のグローバル・チーフ・データ・オフィサーであり、AI対応データ戦略とAI対応データガバナンスを推進している。
EYの調査によると、テクノロジー企業の幹部の半数以上が、2年以内にAI導入の大部分が自律型になると予想している。しかし、この水準の自律性を実現するには、データの活用方法とエージェント型AIの駆動方法について抜本的な再考が必要だ。
データだけではエージェント型AIの可能性を実現できないが、多くの企業は依然としてデータ資産を動的な資産ではなく静的なリポジトリのように管理している。エージェント型AIの可能性を最大限に活用するには、組織はデータ資産を継続的に洗練し、充実させ、再配布するメカニズムを採用し、潜在的なエネルギーを具体的なビジネス価値に変換する必要がある。
私はこのソリューションの重要な部分は、AI対応データ（AIRD）同意フライホイールだと考えている。この記事では、このモデルがエージェント型の未来にとって不可欠である理由と、実際にどのようなものかを説明する。
なぜフライホイールなのか？
エージェント時代において、データの価値と「表面積」はその可用性、ガバナンス、発見可能性によって決まる。人間は飛び回ったり、資産を見落としたり、疲労したりするかもしれない。しかし、AIエージェントは容赦ない：許可を与えれば、毎日24時間、データ資産のあらゆる隅々を検索する。
ほとんどの組織は単一の目的のためにデータを収集し、一度使用して次に進む。フライホイールモデルでは、すべてのデータセットが再利用可能な資産として扱われ、慎重に整理され、幅広いアプリケーションにアクセス可能になる。データ同意フライホイールは、AIエージェントによるデータの使用が新しい出力と新しいデータを生成し、それがシステムに戻されて継続的な改善を促進するフィードバックループだ。これは好循環であり、エージェント型AIシステムの拡張を可能にするものである。
例えば、エージェントが金融取引を処理する際、洞察や推奨事項を生成するだけでなく、新しい構造化データ（分析結果、監査証跡、注釈付きフィードバックなど）を作成し、将来の意思決定、トレーニング、コンプライアンスに活用できる。
フライホイールアプローチを採用する方法
AIRD同意フライホイールを実践で構築する際、3つの重要なアプローチを検討する：
1. AI対応データファクトリー
データが人間と機械の両方によって発見可能で、信頼され、容易に使用できるようにするためには、AI対応データである必要がある。AIRDはビジネスコンテキストが豊富で、適切にフォーマットされ、綿密に管理され、エージェントがそれを解釈して使用するために必要なメタデータで強化されている。
EYでの戦略の中心は「AIRDファクトリー」だ。大規模なAIRDを作成するプロセスを産業化し合理化することを目指し、自動化ツール、厳格なガバナンスフレームワーク、深い人間の経験を組み合わせてデータのクレンジング、充実化、分類を行う。
これはエージェントプラットフォーム、従来のビジネスプロセス、サードパーティのソースによって生成されるすべてのデータのキュレーションと許可を担当する。これは高品質データの信頼性の高いジャストインタイムのサプライチェーンと考えてほしい。最初から品質とコンプライアンスを組み込んでいる。
2. モデルトレーニングと継続的改善
2つ目の重要な要素はモデルトレーニングだ：AIRDに深いドメイン知識を注入し、パフォーマンスを継続的に向上させる。
私たちにとって、これは税務、コンサルティング、監査などの分野における何千人ものEYの専門家の経験をコード化し、それを基盤モデルに組み込むことを意味する。その結果、質問に素早く答えながら、関連性があり、正確で、実際の実務に根ざしたアドバイスを提供するAIエージェントが生まれる。
しかし、モデルトレーニングは一度きりの作業ではない。実際、「トレーニング」と「運用」の区別はあいまいになっている。プロンプトエンジニアリング、監視付き微調整、強化学習（RL）、モデル蒸留などの技術による継続的な改善が現在の標準だ。特にRLは、人間の見習いが仕事を通じて学ぶのと同様に、モデルが反復的にタスクを試し、フィードバックを受け取り、自己改善することを可能にする。
このプロセスにおける重要なツールは合成データであり、機密情報を保護しながらモデルをトレーニングし、新しいユースケースを立ち上げ、企業全体でソリューションを拡張するのに非常に価値がある。RL手法は自然に合成例を生成し、モデル蒸留は大規模モデルの出力に基づいて、より小さく効率的なモデルを構築するのに役立つ。
合成データは万能薬ではないが、スケーリング、匿名化、エージェント型AIの多様なニーズをサポートするための重要な要素である。
3. エージェントプラットフォーム
すべてはAIエージェントがAIRDを分析し、それをビジネス成果に直接適用できるエンジンに集約される。エージェントプラットフォームはあらゆるエージェント主導の変革の基盤であり、モデルがホストされ、エージェントが開発され、インテリジェンスとワークフローが調整されて人間の能力を拡張し、クライアントと社内チームの両方に変革的な成果をもたらす。
しかし、エージェントプラットフォームはテクノロジーだけの問題ではない。堅牢なデータアクセスと許可メカニズムを組み込み、適切なユーザー（およびエージェント）が適切なタイミングで適切な目的のために適切なデータにアクセスできるようにすることが重要だ。ここで、ガバナンス、リスク管理、プロセスの卓越性への長年の投資が実を結ぶ。
EYでは、エージェントプラットフォーム戦略もデータエージェントの使用によってAIRDファクトリーにフィードバックしている。これらのスマートで自律的なヘルパーは、資産のカタログ化、品質監視、ガバナンスポリシーの適用、フローの合理化、さらにはビジネス用語をクエリ対応形式に変換するなど、舞台裏で働いている。リスクにフラグを立て、改善を提案し、データ資産の健全性を維持する。
今後の道のり
フライホイールを通じて、データはエージェント型AIの真の可能性を解き放つために使用できる。しかし、AIエージェントが新しい価値あるデータを生成し、さらに大きなAIアクティビティを引き付ける同意データフライホイールの完全な力はまだ出現しつつある段階だ。現時点では、組織は基盤となる作業に集中する必要がある：データをクリーンアップし、充実させ、自律運用の準備を整えることだ。
エージェント革命は既に到来しており、このエネルギーを活用する組織と取り残される組織の違いは、今日のデータ準備への取り組みにあるだろう。組織がAIRD同意フライホイール戦略を早く開始するほど、データをビジネスを前進させる燃料に変えることができる。
この記事に反映されている見解は著者の見解であり、必ずしもEYのグローバル組織またはそのメンバーファームの見解を反映するものではない。
