ナチケット・デシュパンデ氏は、インペタス・テクノロジーズの最高経営責任者（CEO）である。
顧客対応型AIエージェントを本番環境に導入した企業の4社に3社が、すでにそれを撤回している。この調査結果は、10カ国の2500人以上の上級意思決定者を対象としたシンチの「2026年AI本番環境パラドックス」レポートによるものだが、同時期に発表されたデロイトの「エンタープライズにおけるAIの現状2026」も、導入は加速している一方で実行は遅れているという結論を出している。多くの取締役会では、テクノロジー、ベンダー、あるいは自社の組織的準備態勢に疑問を抱く傾向がある。しかし、それは誤った診断である。モデルは日々強力になっている。新機能、新モデル、新ソリューションは、実際に動作を見ると魔法のように見える。しかし、多くの企業内部では、AI実験、パイロット、導入済みソリューションのROI（投資収益率）は頑固なまでに薄く、市場の喧騒が大きくなるほど、経営陣は自分たちに何か問題があるのではないかと疑い始める。
答えは、企業に問題があるわけではないということだ。欠けているのはコンテキスト（文脈）である。モデルが一般的に何ができるかと、あなたの企業のために──あなたのデータ、あなたの顧客、あなたのプロセス、あなたの働き方で──何ができるかの間にあるギャップである。
このギャップを埋めれば、ROIは現れる。無視すれば、どれだけモデルをアップグレードしてもパイロットを救うことはできない。
AIはあらゆる問題を解決できるが、すべての問題を解決できるわけではない
CEOの間で最初に見られる誤解の1つは、エージェント型AIがあらゆる問題の解決策であるという信念である。多くの点で、エージェント型AIはほぼあらゆる問題を解決できる。しかし、すべての問題を解決できるわけではない。
この区別は重要である。リーダーシップにとって最初の問いは、エージェント型AIソリューションをどこに適用し、どこに適用しないかである。テクノロジーは新しく、市場には潤沢な資金が投入されているため、リーダーたちはAIが何でも解決できると信じるよう促されている。それは、どこに適用すべきかを知ることとは異なる。
これはCEOにとって困難な環境を生み出す。取締役会は目に見えるAIの進展を求める。ベンダーはエージェントを数時間で生成できると言う。社内チームは、準備が整うまでに何年ものデータ作業が必要だと言うかもしれない。
答えは、完璧を待つことでも、活動を示すためにあらゆる場所にエージェントを展開することでもない。適切なユースケースを特定し、適切なコンテキストを設計し、そこから構築することである。
顧客は共感だけを求めて電話してくるわけではない
カスタマーサービスは、最も実証されたAIユースケースの1つであり、同時に最も頻繁に撤回されるものの1つでもある。多くのソリューションは、自然言語、人間らしい会話、感情を美しく処理する。しかし、顧客の問題が解決されなければ、それらはすべて意味がない。
配送遅延について電話してくる顧客は、共感を求めているわけではない。彼らは荷物がどこにあるのか、いつ到着するのか、到着しなかった場合にあなたが何をするのかを知りたいのだ。その答えは、あなたの注文管理システム、配送業者との統合、サービスポリシーの中にある。モデルの中にはない。未解決の問題で終わる心地よい会話は、解決で終わる素っ気ない会話よりも悪い結果である。
その解決には、企業のコンテキストが必要である。製品情報が必要かもしれない。顧客のアカウント詳細、注文履歴、在庫状況、配送情報、社内システムをナビゲートする能力が必要かもしれない。それがなければ、モデルは雄弁だが役に立たない。
企業コンテキストの3つの層
企業コンテキストは3つの層で機能し、それぞれを意図的に設計する必要がある。
第1は、トランザクションデータである。顧客アカウント、注文、配送、請求、請求書、その他ERP、注文管理、社内システムにある情報である。このコンテキストは、あなたと顧客の関係を反映しているため、独自のものである。エージェントは、この顧客がTier 2契約を結んでおり、更新まで47日あり、2カ月前に未解決の請求紛争があったことを知る必要がある。
第2は、業界とプロセスのコンテキストである。金融サービスにおけるローン組成に必要なコンテキスト知識は、オンラインショッピング、医療請求管理、製造サプライチェーンポータルとは大きく異なる。あなたの業界、ビジネスプロセス、顧客のすべてが、エージェントが必要とするコンテキストを形成する。
第3の層は、あなたのやり方である。すべての企業には、異なるワークフロー、承認、認可、システム、構造がある。2つの銀行が同じ業界で事業を行っているかもしれないが、銀行Aでは5万ドルを超える例外は地域信用担当者に回され、銀行Bでは同じ例外が委員会に回される。2つの小売業者が類似の製品を販売しているかもしれないが、返品ポリシー、エスカレーションルール、トーンは完全に異なる可能性がある。
その知識がエージェントにコード化されていなければ、従業員ほど効果的ではない。それは、大学を出たばかりの新人を雇うようなものだ。彼らはあなたがテストした技術的能力を持っているかもしれないが、初日は迷っている。彼らはまだ、あなたの働き方、誰に尋ねるべきか、何が文書化されているか、されていないかを学ぶ必要がある。
エージェントにも同じことが起こる。非常に有能なモデル上に構築され、一般的なスキルは極めて高いかもしれないが、あなたの企業のコンテキストは低い。そのコンテキストがなければ、効果的に機能することはできない。
コンテキストはコストと制御の問題でもある
エージェントシステムは意図ベースである。従来のシステムでは、ロジックをハードコードする。意図ベースのシステムでは、モデルに何をしたいかを伝え、モデルがそこに到達する方法を見つけ出す。
適切なコンテキストがなくても、出力は得られるかもしれない。しかし、どれだけのコストと時間枠で？
コンテキストがなければ、システムは反復を続け、トークンを消費し、コストを追加し、応答時間を遅くする可能性がある。また、モデルは本質的に二値的ではないため、部分的にしか信頼できない答えを生成する可能性もある。高い確率の答えが見つからない場合でも、確実性の低い答えを提供する可能性がある。
これにより、コスト、レイテンシ、リスクという3つの複合的な問題が生じる。コンテキストは、エージェントがより少ない反復で、より速く、より低い消費で正しい答えにたどり着くのを助ける。
CEOが今すべきこと
コンテキストは後付けにはできない。最初からソリューションに組み込まれ、適切な場所と時間に関連するコンテキストが利用可能でなければならない。
エージェントを構築する前に、データ基盤を構築する。どのようなデータが存在し、どこに存在し、ビジネスにおいて何を意味するかを示す、適切な品質のデータカタログとセマンティック層は、エージェント型AIが機能するか停滞するかを決定する、華やかではないインフラである。
狭く切り分ける。機能全体を一度にエージェント化しようとしてはいけない。狭く、意味があり、エンドツーエンドのプロセススライスから始める。銀行であれば、オンボーディング、ローンサービシング、またはローン組成の一部である可能性がある。時間の経過とともに、これらのユースケースの算術的な追加が針を動かすことができる。
何を決定論的に保ち、何を非決定論的にすべきかを決定する。ローン組成では、リスクチームと規制当局が承認する必要があるため、リスクモデルは決定論的なままである必要があるかもしれない。しかし、多くの形式の借り手文書の処理は、非決定論的AIの良い使用例かもしれない。
エージェント型AIは、すべての質問をモデルに投げかけることではない。適切な作業に対して適切なパターンを設計することである。
経営陣の会話は、「どのAIツールを使用しているか？」を超えて進まなければならない。より良い質問は、「AIが安全に実際の作業を行うために、どのようなコンテキストと制御プレーンが必要か？」である。
モデルは強力だが、あなたが教えるまであなたのビジネスを知らない。そのギャップを埋める企業は、エージェント型AIを約束から企業価値に変えるだろう。残りの企業は、展開を撤回し続け、なぜかと疑問に思い続けるだろう。
