今日のAIを活用したワークフローを可能にするシステムを構築しているオートメーション技術のリーダーたちが、組織や個人がAIをコア業務に実装する方法を学ぶにつれて、市場がどのように変化しているかを説明している。
ZapierのCEO兼共同創業者であるウェイド・フォスター氏は、AI駆動の自動化の役割は単に雑務から数分を削減することではなく、より重要なのは、これまで全く実行できなかった業務を自動化することだと考えている。MakeのCEOであるファビアン・ファイト氏も、企業の実質的なオペレーティングシステムは、硬直的な「もしこれならばそれ」というフローから、はるかに自由度の高いエージェントへと拡張し、最も有用な業務は複雑な中間領域に存在すると同意している。
企業向け自動化企業Tray.aiのCEO兼共同創業者であるリッチ・ウォルドロン氏は、オーケストレーションにガードレール、切り替え可能なモデル、そしてプロトコルの変化に対応するガバナンス層が伴う場合にのみ、企業はその中間領域を信頼するだろうと述べている。これらのアイデアを組み合わせると、小規模チームと大企業の両方に適用できるプレイブックが浮かび上がってくる。
市場は「タスク」から「能力」へと移行している
10年間、自動化とはアプリを連携させることを意味していた。例えば、フォーム送信をCRMにプッシュしたり、サポートシステムでチケットを更新したり、特定の操作後にSlackチャンネルに通知したりするなどだ。これらは常に確実な方法で特定の順序で実行されるべき、非常に有用な「決定論的」タスクだが、自動化のリーダーたちによれば、その価値は漸進的なものだという。
自動化を2種類の機械を持つ工場のように考えてみよう。一つの機械は毎回同じことを行う決定論的システムだ。もう一つは次のステップを選ぶために判断を使う確率論的システムだ。企業はかつて最初の種類だけを所有していた。今では両方を混ぜることができる。その組み合わせこそが成果が現れる場所だ。
Zapierのウェイド・フォスター氏は、チームがAIと自動化を使って、これまで手をつけたことのない業務を行うときに真の価値が生まれると言う。単にタスクの効率を数パーセント向上させたり、数分を削減したりするのではなく、新しい能力を創出することだ。
「本当に大きな価値の解放が見られるのは、これまで行っていなかった業務を自動化する機会を特定したときです」とウェイド・フォスター氏は述べた。
Makeのファイト氏はスタックをスペクトラムとして捉えている。一部のステップは確実でなければならない。一部のステップはLLMが読み取りや分類を行う必要がある。エッジにはツールを選択し目標を追求するエージェントが存在する。
「AIはビジネス価値を創出するために自動化を必要としています。そして自動化がより強力になるためには、AIも必要です...私たちはこれを本当にスペクトラムとして考えています」とファイト氏は述べた。
Tray.aiのリッチ・ウォルドロン氏は、特に予測的、確率論的な自動化システムにはガードレールが必要だと言う。彼はエージェントは欲しいが混沌は望まないCIOたちと会っている。
「ガバナンスを持つことが絶対に必要です。特にAIシステムがMCPを使用してデータソースに接続する能力が高まっている中で。MCPはかなり新しいものです。それをコントロールし、制限できる必要があります」とウォルドロン氏は述べた。
境界のないエージェントは、ドリフト、データの拡散、ツールの肥大化を招く。これは特に「バイブコーディング」ツールへのアクセスの容易さ、自動化やAIエージェントがユーザーの日常ツールにますます組み込まれていることから顕著だ。
ウォルドロン氏によれば、現在成功しているチームは部門ごとに範囲を分割し、ビジネスと連携してITに所有権を保持させ、漠然とした「AIがすべてを行う」という野心よりも具体的な成果を定義している。
AI対応自動化における新たな実践
これらの会話を通じて、自動化の効果的な使用に関する一貫したパターンが浮かび上がっている。彼らによれば、始めるための最良の方法は、労力の大きいタスクではなく、レバレッジの高いタスクを見つけることだ。これまで自動化できなかったワークフローを探すことだ。イニシアチブが時間を節約するだけなら、探し続けるべきだ。
次に、彼らは自動化設計において目的を持つべきだと言う。プロセスをマッピングし、決定論的でなければならないステップをマークする。モデルベースの判断は、明らかに結果を改善する場所にのみ挿入する。「これを毎回必ず行ってください!!!」とLLMにプロンプトを出すだけで決定論的な問題を解決しようとしないこと。
ファイト氏は判断をどこに配置するかを決定する方法について良い概要を提供している。支払い投稿、ID確認、記録作成には厳格な自動化を使用する。メールを読んだりチケットを分類したりするためにモデルステップを追加する。ツールを選択し目標を追求するための薄いエージェントをエッジに配置し、範囲とデータに制限を設ける。
自動化のリーダーたちはまた、自動化がどのような影響を与えているかを知るために、重要なことを測定することを確実にすべきだと強調している。解決までの時間、初回接触での解決、サイクルタイム、SLA遵守、エラー率を追跡する。
ループ内に人間が存在し、望ましくないアクセスやシステム動作を防ぐためのガードレールが設置されていることを確認する。エージェントに宇宙全体を所有させないこと。ツールへのアクセスを与えるが、境界でのID確認、承認、ログ記録を要求する。ウォルドロン氏の「ゲートウェイプラスコントロール」モデルは安全なアプローチだ。
自動化チームを小規模で効率的に保つ。反射的な採用に抵抗する。習慣ではなく、システムの限界が要求する場合にのみ人員を追加する。完璧でなくても、何かを迅速に実装し、継続的に改良する。
これらの実践の証拠として、自動化のリーダーたちは大きな顧客事例を挙げている。KlarnaのAI自動化ツールとアシスタントは、顧客チャットの大部分を処理し、初年度に10億円単位の利益影響が予測されている。Intercomは、チャットで始まったエージェントが現在はメールやその他のチャネルにわたって機能していることを説明しており、これはファイト氏の「決定論的プラスAIステッププラスエージェント」スタックの実用的な例だ。
労働力のシフト
自動化技術のリーダーたちは、重要なタスクを実行する自動化がますます効果的になるにつれて、組織がチームを管理し人員配置する方法に変化が生じていることを目の当たりにしている。
フォスター氏は、特にプロセスを文書化し改善するために取り組む際に、小規模グループが自動化に全力を注ぐとパフォーマンスが向上すると考えている。自動化を推進する中で、新規採用に対する抵抗がある。
フォスター氏はシンプルに「痛みを感じるまで採用しないでください」と述べている。
現実はまだ定まっていない。自動化とAIの実践は流動的で、用語が衝突し、「エージェンティックAI」はしばしば広く受け入れられた定義なしに使用されている。ほとんどの購入者は、AIの実世界での価値のより明確な証拠と、企業の知的財産や顧客、従業員、利害関係者との関係を保護するためのより安全なガードレールを求めている。
AIテクノロジーの変化のペースは、ガバナンス、採用、変更管理が追いつくよりも速く進み続けている。企業はまだ自動化からの短期的な成果を追求しながら、より狭く、より慎重なレーンでAIをパイロット運用している。一方でベンダーの状況は変化し続けており、異なるプレーヤーがそれぞれ市場の支配的なシェアを獲得しようと競っている。これはすべて、組織がこれらの部分を組み合わせ、価値を得て、市場が形を見つけるにつれてコントロールを維持する方法を見るための重要な年になることを意味している。
