本記事はAlec Coughlin氏によるゲスト記事です。Alec氏は、企業リーダーがAIの誇大広告や「エージェントウォッシング」を見抜いて、実際にビジネス価値を生み出すものに集中できるよう支援しています。彼は「AI with Alec（英語）」というポッドキャストとソートリーダーシップのプラットフォームを主催し、企業のAI変革に関する実践的なガイダンスを提供しています。

企業のAIトランスフォーメーションはノイズに満ちています。ノイズからシグナルへと移行するために、すべてのCEOが集中すべき4つの重要なポイントがあります。

1. アプリケーション中心からデータ中心、そして知識中心のアーキテクチャーへ

Dataiku/Harris Pollの調査「グローバルAIコンフェッションレポート：CEOエディション」によると、米国CEOの74%が、測定可能なAIのビジネス成果を実現できなければ、2年以内に職を失うだろうと認めています。

さらに、CEOの82%が、AIは今後3年以内に不可欠な競争優位性の差別化要因になると考えています。しかし現在、CEOは自社のAIイニシアチブの35%が、実際のインパクトよりも見栄えを重視した「AIウォッシング」であると認めています。これらは、意味のあるビジネス価値を提供するのではなく、イノベーションに取り組んでいる姿勢を示して、評判を高めるために設計されたものです。

では、CEOが2年以内に職を失わないためには何をすべきでしょうか？どうすれば「AIウォッシング」を避け、代わりに強固な基盤を構築し、即座にそして長期的に「意味のあるビジネス価値」を提供して、ビジネスを将来にわたって保護できるのでしょうか？

答えは、大規模言語モデル(LLM)によって可能になった「アプリケーション中心からデータ中心、そして知識中心アーキテクチャーへの企業の大きな転換」の重要性を認識し、それを活用するために技術/データスタックの近代化に投資することです。

LLM以前は、SaaSアプリケーションが特定の問題を解決して価値を提供できるようにデータベースが構築されていました。残念ながら、アプリケーション同士は必ずしも相互に通信しないため、サイロ化されたデータセットを生み出しました。

その結果、あるアプリケーション内の同じプロセス、顧客、見込み客、従業員などに関するデータは、別のアプリケーション内にある同等のデータと重複していましたが、これを調整するスケーラブルな方法は実際にはありませんでした。しかし、LLMはこのすべてを変えました。

LLMが言語やデータなどを理解する能力のおかげで、SaaSアプリケーション間に築かれていたすべての壁は崩壊しているかのようです。その結果、あるアプリケーションのデータが別のアプリケーションのデータと通信できるようになり、より完全で豊かなデータセットを生成できるようになりました。

この変革は、バリューチェーン全体に影響を及ぼします。とくに、企業がAIエージェントを業務に導入する際にその影響は顕著です。LLMは、このアーキテクチャーの転換を可能にする基盤技術として機能します。LLMは、アプリケーション中心からデータ中心のアーキテクチャーへの企業の移行を促進することで、より洗練された意思決定とインテリジェントシステムを可能にする認知基盤として機能します。

先駆的な組織は、ナレッジグラフを通じて周辺世界の認知が形式化される知識中心アーキテクチャーへと進化しており、人間とAIエージェントのコラボレーションによる潜在能力を大規模に解放しつつあります。このアーキテクチャーの進化は、2つ目の重要な焦点である「決定論的アプリケーションから確率論的アプリケーションへの移行」につながっていきます。

2. AIがソフトウェアを飲み込む: 決定論的アプリケーション vs. 確率論的アプリケーション

「組織が現在依存しているSaaSアプリケーションのうち、18〜24ヶ月後にも存在しているものはいくつあるだろうか？」

これは実際にあった質問であり、最近、複数のFortune 1000企業の上級ビジネスリーダーから私が実際に受けたものです。素晴らしい質問ですが、答えるのは非常に難しく、Fortune 1000企業の上級リーダーにとって、現在もこれからも「外部購入、自社構築、パートナー提携のどれを選ぶか？」という企業にとっての課題の複雑さを示しています。

決定論的アプリケーションは、アプリケーション中心アーキテクチャーの基礎です。簡単に言えば、決定論的アプリケーションとは、事前に決められた方法で、事前に決められた有限のユースケースに対してのみ使用されるように設計されたものであるといえます。

確率論的アプリケーションは、LLMをアーキテクチャーの中核部分として構築されるため、インテリジェントに動作します。上記の決定論的アプリケーションの制約とは異なり、思考して適応する能力を持っており、より多くのことができて、時間とともにより価値あるものになるため、はるかに多くの価値を生み出します。

これは重要な疑問を提起します。確率論的な代替手段が優れた能力を提供するのに、なぜ組織は決定論的アプリケーションを構築し続けるのでしょうか？しかし、現在従来型のSaaS業界がディスラプションと再構築の渦中にあることを見ると、答えは明らかなようにも見えます。

確率論的アプリケーションのもう1つの大きなメリットは、使用されて相互作用するたびに、よりスマートになり、学習し、適応し、進化することです。これにより、次にそれを使用する人やAIエージェントにとってさらに多くの価値が生まれ、AIエージェントが人間の業務を拡張する上での影響が強化されます。

3. エンタープライズAIエージェントは人間を拡張する

人間とエンタープライズAIエージェントのコラボレーションから価値を生み出すための、最速かつ最も低リスクな方法は何でしょうか？

Jeff Bezos氏が言うように、変わらないものに焦点を当てることです。彼は次のように述べています。「『今後10年間で何が変わるのか？』という質問を非常に頻繁に受けます。これは非常に興味深い質問であり、とても一般的な質問です。しかし、『今後10年間で何が変わらないのか？』という質問を受けることはほとんどありません。そして、2つ目の質問の方が実際にはより重要であると私は考えています。なぜなら、時間の経過に関わらず安定しているものを中心にビジネス戦略を構築できるからです。（略）長期的に見ても真実だとわかっていることがあれば、それは多くのエネルギーを注ぐ価値があります。」

AI優先の技術スタックを活用した少人数のクロスファンクショナルチームが、従来のチームの何倍もの結果を生み出せることが明らかになってきています。また、企業向けのAIエージェントには、成功事例も失敗事例も幅広く存在することが明らかになってきました。そこで、Jeff Bezos氏の言葉に従い、変わらないものに焦点を絞りましょう。

変わらないビジネス目標に焦点を当てた少人数のクロスファンクショナルチームを作り、AI優先の技術スタック上で運用し、共通のデータ中心または知識中心アーキテクチャーを利用して、エンタープライズAIエージェントたちとコラボレーションして、AI優先のアプローチを運用するのです。

とくに興味深い点として、先駆的な組織は、動きの遅い競合他社に先んじて競争優位上の障壁を構築できます。これらのインテリジェントシステムは相互作用のたびにより価値あるものになり、時間とともに複利的に増大する利益を生み出すため、他社への障壁は指数関数的に成長する可能性があります。

4. 取り組みの例：B2B営業チームをパワーアップ

企業向けAI技術がもたらす可能性と実際の適用状況には、まだ大きなギャップがあります。その顕著な例として、AIファーストでAIネイティブな最新技術を利用した営業活動と、従来型のB2B営業プロセスとの違いが挙げられます。

McKinseyの「Seizing the Agentic AI Advantage」によると、「組織はエージェント優先モデルを中心にITアーキテクチャーを再構築すべきです。このモデルは、ユーザーインターフェース、ロジック、データアクセス層が人間のナビゲーションではなく、初めからマシンとの相互作用のために設計されます。このようなモデルでは、システムは画面やフォームではなく、マシンにとって可読なインターフェース、自律的ワークフロー、エージェント主導の意思決定フローを中心に編成されます。」

B2B企業がLLM対応の業務システムを構築し、その上で少人数のクロスファンクショナルな人間チームがAIエージェントと協力することにより、以前であれば3〜5倍の規模のチームが必要だった成果を実現できると私は考えています。

私が公開した「オントロジー対応インテリジェントシステム」のホワイトペーパー「AI-First企業になる：オントロジー対応インテリジェントシステム、GTMユースケース（英語）」と、このトピックに関する私の最近のニュースレターの考え方に基づいて、AIエージェントの「ビジネス理解」に必要な定義、関係性、ビジネスコンテキストをデータに取り込むことで、魔法が起こります。

堅牢なデータモデリングとセマンティックレイヤーを通じて、AIシステムに「ビジネスの真実」を素早く提供することで、高品質なセールスパイプラインをより速く生成し、短い販売サイクルでより大きな取引を成約できるようになります。

最後になりましたが、このインテリジェントシステム、人間、AIエージェント間のコラボレーションにより、人間は私たちが最も得意とする営業・マーケティングの側面に集中できるようになります。これは、ChatGPTが登場する以前には想像もできなかった世界です。Kurt Muehmel (DataikuのAI戦略責任者)が最近のAI with Alec（英語）への出演時に述べたように、「私たちは必然的に人間とエージェントのハイブリッド型労働に向かっていると思います。それをサポートするツールと組織内のマインドセットが必要です。」

さらに詳しく知りたい方は、AIwithAlec.comをご覧いただき、私のニュースレター、YouTubeチャンネルを購読するか、LinkedInやXでフォローしてください。

DataikuでAIエージェントを体験する

データエコシステムを活用してAIエージェントを構築し、最大のビジネスインパクトを実現しましょう。シンプルなタスク特化型エージェントから、複雑なマルチエージェントワークフローのオーケストレーションまで、コードもしくはノーコードを利用して構築できます。そして、ITチームは可視性とコントロールを活用できます。
→詳細はこちら

原文：Avoid AI Agent Washing: 4 CEO Priorities for Signal Over Noise