2025年に入ってから、益々AIについては遅れを取れなくなっているなと感じています。特にAIエージェントについては、新しいサービスや機能がどんどん増えてきており、正直見切れていない部分もかなりあるなと感じました。そこで、この1週間は生成AIに関するウェビナーを10個くらい受講しました。その中で学んだこと、感じたことを共有します。

AIエージェントによる自動開発の可能性

AIを活用した自動開発が進む中、開発者には新たな役割が求められています。特に、自動開発のでは、AIがコーディングしている間、開発者に空き時間が生じます。その空き時間の使い方として、他の自動コーディングツールを活用し、並行して開発を進めることで、最適なソリューションを選択可能にしたり、DeepResearchなどで詳細な調査を行なうなどで有効活用ができます。

それから、これからの開発者にはマネジメント能力がより一層重要になってくると感じました。AIに適切な指示（プロンプト）を出し、バグを管理しながら品質を担保するなど、ただ開発をしてきたこれまでとは違い、AIを使ってそれ以上の品質を出していくためにマネジメントする必要があります。

またウェビナーでは、最新のAIコーディングツールについても言及がありました。
ーーーーーーーーーーーーーーーー
・Windsurf
特徴：AIエージェント特化
強み：プロジェクト全体のコンテキストを理解し、適切な修正を行う
注意点：データ整形や事前設定が必要

・Cursor
特徴：LLM補助型 IDE
強み：コード補完やリファクタリングに強い
注意点：プロジェクト全体の理解は浅い

・Cline
特徴：高速処理型 AI
強み：処理能力が高く、コード生成が速い
注意点：文脈を無視して暴走することがある
ーーーーーーーーーーーーーーーー

↓

【適切なツールの選び方】

・AIに開発をある程度任せるなら → Windsurf
・補助ツールとして使うなら → Cursor
・爆速で試したいなら → Cline

AIエージェントとは

AIエージェントは、1つのAGIの中に数十億のエージェントが（脳内）ネットワークのように存在するイメージ。AGI（汎用人工知能）と通常のAIの関係は、IoTとITの関係に似ています。

【AIエージェントの3つのポイント】

・自律的な判断・行動
・総合的なタスク管理
・継続的な学習と改善

AIエージェント時代において、企業が競争力を維持するために重要なのは以下の3点です。

・経営者のビジョン → 明確な指針を示す。
・データの蓄積・整形 → 有用なデータを持つことが鍵。
・プロダクト開発と社内活用 → まず社内で実証実験を行い、改善を繰り返す。

企業におけるAIエージェントの段階的適応

企業がAIを活用して業務を変革するには、自動運転技術の発展と同じように段階的なレベルアップが必要です。

ーーーーーーーーーーーーーーーー
・レベル1
戦略：企業内の積極活用
概要：生成AIの導入で生産性向上
主な取り組み：照会応答の効率化、文書作成、ミーティング録音・要約
コア技術：RAG
↓
・レベル2
戦略：全体業務の再設計
概要：生成AIと他技術を組み合わせ業務を最適化
主な取り組み：コールセンターの自動化、営業・マーケティング最適化
↓
・レベル3
戦略：競争優位性確立
概要：独自データを活用しビジネスモデルを変革
主な取り組み：企業エージェント導入、新規事業創出
ーーーーーーーーーーーーーーーー

ちなみにRAGとは、ユーザーの質問後に、事前に与えていた整形したデータとその質問をAIが読み込んで回答する、というような仕組み。簡易的なものを体験したい方は、GoogleのNotebookLMを使ってみてほしい。資料を与えた上で質問すると、その資料に沿った回答が得られるといった具合だ。

SoftbankのCristalとデータ活用

SoftbankのCristalは、企業の全データを統合し、業務支援を行うAIエージェントです。企業内のデータを整理し、実際の業務で活用できる形にすることができます。これはまだ開発途中らしいですが、リリースされたら日本国内ではシェアを獲得できるサービスなのではないかなと感じています。

AIエージェント時代の課題

長期記憶の活用とアクセス方法が重要 → Cristalの活用で解決可能
データプラットフォームの整備は必須 → データ整備が進んでいる企業ほど、AIの恩恵を受けやすい

データ品質のジレンマ

社内のデータを整備する際、ジレンマがある。それは、正しいデータ（知識）を知っている人たちが忙しくて、意味あるデータを得られない。むしろ、そのデータの今後の重要性（AIに食わせたら自分達の作業がどれほど簡略化されるかなど）をわからずに、雑なデータを与えてしまうと、なんの見返りも得られない。逆に、AIを推進したい開発者側は、その重要性はわかっているが、現場の意味ある知識を把握できておらず、故に最大限有益なデータにならない可能性が高い。

現場のデータ：実運用には必要だが、忙しくて雑になりがち。
開発側のデータ：理論的には正しいが、現場の実用性が低い。
↓
雑なデータ：AIのパフォーマンスを大きく低下させる。

まとめ

AIエージェント時代では、適切なデータ整備が競争力を決める要素になります。
企業はデータ品質を高め、適切なAIツールを活用することで、次世代のビジネスに適応していく必要があります。

今後も、AIエージェントがもたらす変革に注目し、最適な活用方法を模索していきましょう。