AIエージェントは現場業務の改革で真価を発揮する
piranka/Getty Images
サマリー：生成AIは期待が先行しており、企業・消費者ともに実態としての利用は限定的である。しかし、過去のインターネット革命と同様、長期的には社会を根本から変える可能性を秘めている。これからの2年で重要なのは、過度な期待を排し、エージェント型AIによる漸進的な価値創出に注力することだ。本稿では、バックエンド業務での具体的な成功事例を通じ、マルチエージェントシステムの構築手法や実装に伴う現実的な課題、必要な組織能力について詳述する。

10年先ではなく、次の2年で何ができるか

　過去2年間にわたり、誰もが生成AIに関する話題をたくさん耳にしてきた。しかし、生成AIがビジネスの世界をどう変えうるかについて熱狂的に語られるわりに、いま現在AIが何を実現しているのかを示す具体例を見つけるのは必ずしも容易ではない。企業はAIの実験から価値を生み出すことに苦労し、失敗していると報告するケースのほうが多い。

　消費者による導入率も、依然として比較的低いままだ。「革命」などの言葉が使われるにもかかわらず、データによれば大半のユーザーの利用頻度は毎日ではなく週に1回程度であり、SNSやグーグルのようなプラットフォームほど頻繁には利用されていない。これは、生成AIがまだ消費者の本当の習慣として根づいていないことを示している。時折利用され、集中的に使われることもあるが、日常生活の基盤にはなっていない。つまり、過熱したブームに現実がまだ追いついていないのだ。

　こうした報告はあるものの、生成AIはインターネットやスマートフォンと同じ規模の根本的変化をもたらすと筆者らは考えている。インターネットはおよそ20年にわたりイノベーションと企業の創出をもたらした。スマートフォン革命は、モバイルアプリに支えられて15年にわたる成長の時代を生んだ。生成AIも同じような変革の時代を牽引し、おそらく10年以上にわたり新たな価値を創出すると思われる。

　先述したようなパターンは、新しいテクノロジーにおいてはよく見られる（ガートナーのハイプサイクルでしばしば説明されるように、過度の楽観、次に幻滅、その後に本当の価値創出が生じる）。筆者らの見るところ、「経済のあらゆる領域がまもなくAIに置き換えられる」と大胆に主張する主要なAI推進派の多くは、AIを過大評価している。なぜなら、既存企業において実際に機能するAIを導入するのは容易ではないからだ。比較的クリーンなデータ、プロセスのマッピング、綿密な実験が必要であり、そのうえでなお人間の介在（ヒューマン・イン・ザ・ループ）が求められる場合が多い。

　とはいえ、舞台裏では着実な進展も見られる。それらの事例が示すのは、マルチエージェントシステムを用いて反復的なタスクを自動化、代替することで、より持続的かつ根本的な生産性向上につながる可能性である。

　リーダーは今後10年のうちに何が起きるのかを当て推量すべきではない。代わりに、次の2年間で現実的に何を達成できるのかを自問する必要がある。筆者らが2024年後半に実施したプロジェクトでは、エージェント型AIが（少なくとも短期的には）真のゲームチェンジャーとなることが証明され、企業に実質的な価値をもたらしている。ただし、プロジェクトごとの金銭的利益はプラスだが、いずれも目を見張るほどではないのも現実だ。このような漸進的な利益はリーン生産方式のそれと似ており、マイクロソフトCEOのサティア・ナデラも同様の例えを用いている。

　エージェント型AIシステムをうまく実装しているプロジェクト事例に関する筆者らの研究から、成功には何が求められるのかが判明した。ブームの過熱に惑わされず、このテクノロジーには何が可能なのかを理解し、その能力を明確な価値創出の機会と結びつけることである。また、実験と学びを通じてマルチエージェントシステムを実装するための、実践的なアプローチも必要だ。

エージェント型ワークフローという枠組みの台頭

　過去数年の間に、AI技術は少なくとも3つの異なる段階を経て急速に成熟してきた。

・プロンプティング（2022年）：初期には「パワープロンプト」（高度に設計された指示文）に大きな関心が寄せられた。概念実証（POC）ではプロンプトはうまく機能するように見えた。しかし本番環境では信頼性が急速に低下した。業務プロセスは通常、95～99％の精度を必要とする。筆者らは50以上の事例を見てきた経験を踏まえ、プロンプティングのみでは出力の精度が70％を超えることはめったになかったと推測する。