マックス・サーキズ氏は、AIエージェント管理プラットフォームNavetixの創業者兼CEOである。
この1年間、AIに関する議論は「エージェント」、つまり最小限のプロンプトで推論し、デジタルツールを操作し、計画を生成できるシステムを中心に展開されてきた。これは意義ある前進だが、計画立案とエージェンシー（実行力）は同じではない。
AIとの多くのやり取り──旅程の作成、レストランの推薦、ワークフローの概要説明──は、依然として画面上のテキストで終わる。ユーザーは最終的なステップを自ら実行しなければならない。別のアプリを開き、支払い情報を入力し、予約を確定し、配車を手配する必要がある。
真のエージェンシーは、AIがユーザーに代わってこれらのステップを確実に完了できるようになったときに始まる。デポジットの支払い、配車の手配、本人確認をユーザーの追加操作なしに実行することだ。
この転換こそが、AI競争が展開される場所になると考えている。次の段階は、最も賢いモデルだけでなく、AIが現実世界で行動できるようにするインフラストラクチャーに依存する可能性がある。
現実世界でのエージェンシーに必要なもの
AIを回答エンジンから実行システムへと進化させるには、複数のインフラストラクチャーが連携して機能する必要がある。
第一に、アシスタントはデフォルトで表示される場所を必要とする。デバイス、オペレーティングシステム、日常的なアプリが、ユーザーの意図が始まる場所を形作る。第二に、AIは信頼されたシステム内で動作しなければならない。ソフトウェアが予約を行い、取引を開始し、個人情報にアクセスする場合、プラットフォームはユーザーの本人確認を行い、エージェントが実行できるアクションを定義する必要がある。
第三に、現実世界のタスクには取引が伴うことが多いため、AIエコシステムには、ユーザーを他の場所に送ることなく購入を可能にする決済基盤が必要だ。最後に、実行はリクエストを配送された製品、確定した予約、または物理的なサービスに変換するフルフィルメントネットワークに依存する。
これらの要素が組み合わさることで、現実世界でのAIエージェンシーの実用的なスコアカードが生まれる。デフォルトのアシスタント配置、取引の検証と権限、プラットフォームが制御するスタックの深さ、そして開発者が新しい機能でシステムを拡張できるかどうかだ。これらのレイヤーを最も多く制御する企業が、AI計画から現実世界での実行への最も明確な道筋を持つことになるだろう。
AIエージェンシーへの異なる道筋
今日の主要なAIプレーヤーは、まったく異なる出発点からエージェンシーにアプローチしている。
OpenAIのChatGPTは、対話型AIを主流にもたらし、大規模なグローバルユーザーベースを獲得した。同時に、その製品は主にサードパーティのアプリケーションやサービスの上に位置するインターフェース内で動作しており、現実世界での実行は外部統合やパートナーシップに依存することが多い。
グーグルは、意図が行動に変わる主要な場所をより多く制御している。検索は大規模に商業的意図を捉え、マップ、ショッピング、Google Payなどのサービスは発見と取引を結びつける。これにより、グーグルはナビゲーション、購入、地域サービスなどの現実世界のアクションに近い位置にいる。多くの取引が依然として外部の販売業者やパートナーに依存しているとはいえ、アシスタントがユーザーに代わって購入を完了できるAI駆動型チェックアウトの初期実験は、意図を取引に直接結びつけ始めている。
一部の地域エコシステムは、より統合されたモデルを示している。Yandexのような企業は、AIアシスタントと配車、マッピング、地域発見などのサービスを単一のプラットフォーム内で組み合わせている。このような環境では、共有インフラストラクチャー、ユーザーID、サービス統合により、ユーザーはエコシステムを離れることなく、ナビゲーションからサービスの注文まで、タスクを完了できる。
同様のアプローチは、韓国のNaverにも見られる。そこではAIイニシアチブが、検索とコマースを統合する環境内で開発されている。より限定されたエコシステム内で運営することで、プラットフォームはユーザーの意図から完了した取引への移行に必要な外部依存関係の数を減らしている。
AIにおける次の競争レイヤー
ビジネスリーダーにとって、この転換は明確だ。知能は広くアクセス可能になりつつあるが、実行は依然として制約となっている。重要な問いは、もはやどのモデルが最も賢いかではなく、どのシステムが確実に行動できるか──意図がどこで始まり、取引がどのように承認され、タスクがどのようにエンドツーエンドで完了するか──である。
最優先事項は、AIが質問に答えるだけでなく、タスクを完了し始められる場所を見つけることだ。それは通常、すでに複数のステップ──検索、意思決定、取引、フルフィルメント──にまたがるワークフローを意味し、それらをどのように接続するかを考えることだ。多くの場合、機会はまったく新しいものを構築することではなく、すでに存在するシステム間の摩擦を取り除くことにある。
次に重要なのは、モデルそのものよりも、その周辺のレイヤーだ。AIがユーザーに代わって行動するには、権限付与、本人確認、決済、そして実際に作業が行われるシステムへのアクセスが必要だ。それがなければ、非常に有能なモデルでさえ、結果ではなく提案に限定される。
これはリスクプロファイルも変える。AIが行動を開始すると、ミスは抽象的なものではなくなる。間違った回答は一つのことだが、失敗した取引や誤った予約は別のことだ。それにより、信頼性、セーフガード、そして──おそらく直感に反するが──人間による監視が、特に決済や機密データに触れるシステムにおいて、より重要になる。
構造的な制約もある。ほとんどの企業は、おそらくフルスタックを制御できないだろう。実行は多くの場合、外部プラットフォーム──オペレーティングシステム、決済プロバイダー、マーケットプレイス──に依存しており、それは彼らのルールと経済性への露出を意味する。この依存関係は回避が困難だ。企業は、スタックの多くを自ら構築するか、パートナーへの依存度を高めるかを選択しなければならない可能性がある。
