一週間かけていた検証作業を、AIに渡したら五分で片づいた。そんな報告が、いまアメリカの研究機関で相次いでいる。科学者が段階ごとに手を動かしていた工程を、AIが目標だけを受け取って最初から最後まで自分で走り切ってしまう。
『AIエージェント革命 「知能」を雇う時代へ』(シグマクシス著)は、こうした事例を積み重ねながら、話を「技術がどこまで進んだか」から「組織がどう変わるか」、さらに「人間に何が残るか」へと押し広げていく一冊だ。著者は変革支援を専門とするコンサルティングファームで、経営の数字と技術の仕組みを同じ地平で語れる書き手が揃っている。
「雇う」という言葉が指しているもの
著者はAIエージェントを、指示された作業をこなすだけのプログラムとは区別する。与えられた目標から自分で計画を立て、必要な情報を集めて分析し、外部のツールやシステムと連携しながら任務を遂行する主体だという位置づけだ。
だから本書は「使う」ではなく「雇う」という動詞を選ぶ。特定の役割を担う仮想の従業員を、新たに迎え入れる感覚に近いという。
従来のAIは、人間が手順を細かく言葉にして渡す必要があった。エージェントに渡すのは目標だけで、そこから先の段取りと実行、軌道修正はAI側の仕事になる。本書はこの転換を、指示する側とされる側の立場が入れ替わる出来事として描く。
著者はエージェントらしさを五つの条件で説明する。大規模言語モデルを中核に置くこと、目標から実行手順を自分で導くこと、外部システムを自分で操作すること、想定外の事態に応じて計画を練り直せること、そして人間の逐一の指示を待たずに任務を完了させようとすることだ。
「エージェントかどうか」を白黒で分けるのではなく、目標の複雑さや環境への適応度合いといった程度の差として捉える見方も添えられる。AIの発展段階を五段階で整理する見取り図も示されており、会話に応じるだけの段階、人並みに考えて答える段階の先に、自分で行動する段階が来ると位置づける。
エージェントはまだその途中の段階にすぎず、発明を助ける段階や組織まるごとを動かす段階が、その先に控えているという。
よく比較されるRPAとの違いも明快だ。RPAは決められた手順どおりに画面を操作するだけなので、レイアウトが少し変わっただけで止まる。エージェントはその場で状況を読み、必要なら計画を組み直しながら前に進む。
あらかじめ例外パターンを人間が一つずつ設定しておく手間が要らなくなる点が、開発の現場では効いてくる。
自律して動けるのは、目標を受け取ったあとに考える段階と実行する段階を分けて回す設計があるからだ、と本書は説明する。考えた末にツールを呼び出し、返ってきた結果をもう一度読み直して次の手を選ぶ。
この往復を止めずに繰り返すことが、自律稼働という現象の正体になっている。もうひとつ興味深いのが、専門家としての役柄を与えるだけでAIの受け答えの精度が上がるという指摘だ。
なりきらせると賢くなる、という点は人間の組織運営とそう変わらない。
複数のAIを組織として動かす
一体のAIに万能を求めるより、役割ごとに分けたほうが精度が出る。本書はこの発想を会社組織にたとえる。全体を差配する司令塔役と、専門タスクに特化した実行役の組み合わせだ。
四半期の実績データをまとめて報告書にせよ、という指示なら、社内の記録を探す係、数字をならす係、図にする係、要点を書く係へと自動で仕事が割り振られていく。
各エージェントにどこまでの範囲を任せるかというモジュール性の設計が肝心だと著者は言う。この分業がどれほど効くかは、難問ベンチマークの数字にも表れている。
単体のAIでは数パーセントしか正解できない試験で、複数のAIを連携させた自律型のリサーチツールは、その数倍から十倍近いスコアを記録した。分業そのものがコードの巧拙より成果を左右するという指摘は、開発者よりも経営層のほうが良い設計図を描ける場面がある、という示唆にもつながっている。
一方でリスクの質も変わる。エージェントが判断とシステム操作の両方を持つと、予期しないコード生成でデータベースが消える恐れが出てくる。本書が挙げる対策は、実行権限を読み取り専用に絞ること、重要な処理の前に人間の承認を挟むヒューマン・イン・ザ・ループを組み込むこと、本番と切り離した検証環境で事前にチェックを済ませることの三段構えだ。
導入検討で効いてくるのが、どの業務なら任せてよいかの線引きだ。曖昧な言葉での問い合わせや、過去資料の調査のような非定型の仕事は向いている。反対に向かないのは、常に高い正確性が求められる仕事だ。
確率で次の言葉をつなぐ仕組みで動いている以上、単純な計算でも揺らぎが混じりうる。一円のずれも許されない経理処理や、規定に沿った厳密な承認業務は、従来どおり決まった手順で動くプログラムに任せたほうがよいと本書は整理する。
計算をさせたい場面では、AIに答えそのものを出させるのではなく、正確な処理コードだけを組ませて、実行は別の環境に任せるという工夫が有効だという。
数字で見る、経営が動き出す理由
金融保険業では、AI活用によって労働時間のおよそ四分の一が削減できるという試算がある。これを国内メガバンクの財務規模に当てはめると、リテール部門だけで年間五百億円規模の人件費相当が浮く計算になり、経常利益の数パーセントに相当する。
実際に動いた企業もある。DeNAは既存事業の運営人員をおよそ半分に絞り込み、浮いた人員をAI領域の新規事業へ集中させる方針を打ち出した。シンガポールのDBS銀行は臨時従業員の一部を段階的に減らす一方、AI専門人材を新たに千人規模で育てている。
米ウォルマートは、人手不足でこれまで交渉すらできなかった取引先二万社を対象に自律交渉AIを試し、参加企業の六割強と合意にこぎ着けた。しかも人間の担当者と話すより満足度が高かったという意外な反応まで得ている。
「AI導入によって実際に業務効率化による時間的余裕が生まれた場合、経営者にとって重要なのはそのリソースをどこに再配分するかという意思決定である」
浮いた時間をただの削減で終わらせるのか、次の成長領域への再配分に回すのか。本書が繰り返し突きつけるのはこの分岐点だ。
実務の値段が下がっている話は、金融の外にも広がっている。人間なら数か月がかりになる学術論文の下ごしらえを、複数のAIを組み合わせた研究支援の仕組みがわずか数時間でまとめ上げた例や、海外の大手企業が新しい自律型ツールを公開した翌日には、有志の手でオープンソース版の再現が動き出していた例が本書には並ぶ。
潤沢な計算資源を抱える大企業だけが最先端を握る時代ではなくなりつつある、という兆しである。
AIに向かって設計を変える動き
エージェントが人間の代わりにウェブを巡回し比較し購入するようになると、これまで人の注意を引くことで成立してきた広告のビジネスモデルが根本から揺らぐ。
個人の秘書役であるAIがフィルターとして機能し、見たくないものは表示されなくなるからだ。企業側は、人間向けの見やすい画面だけでなく、他社のAIが直接買い付けに来やすいデータの構造を裏側に用意する発想が要る。
同時に、誰もが瞬時にアクセスできる公開情報の値段は下がり、現場でしか得られない一次情報や暗黙知の価値が上がっていくと本書は見る。では実務のほとんどをAIに任せられる世界で、人間に残るのは何か。
本書が挙げるのは、どの作業を選び結果にどう責任を持つかという意思決定、リアルの体験でしか得られない身体性、そして何かをしたいという意志の三つだ。
確率にもとづいて次の言葉を選ぶ仕組みである以上、「これがしたい」という出発点だけはAIの側に立てられないというのが本書の見立てである。
明日、指示ではなく目標を渡してみる
導入を検討するなら、プラットフォーム選びが最初の分かれ道になる。自社の競争優位に直結する業務にはPythonで細かく制御できる型を、日常業務の改善にはノーコードで素早く組める型を、と本書は使い分けの基準を示す。
まずは書き込み権限を持たせず、人の承認を挟む形でノーコードのプロトタイプを一本動かしてみるのが、本書が薦める最初の一歩だ。
ただし本書が扱うのはあくまで技術と経営の設計までで、導いた打ち手を現場でどう合意形成するかという調整には踏み込んでいない。マルチエージェントの仕組みを一から構築したい実装者にとっても、抽象度が高いままで終わる箇所が残る。
読み進めるうちに居心地が悪くなるのは、エージェントに何を頼むかを決めるのが結局は自分だと気づかされるからだ。目標という一文を書けるかどうかが、任せられる範囲の広さをそのまま決めてしまう。指示を細かく積み上げる仕事のやり方に慣れているほど、この本が突きつける問いは重く響く。
合わせて読みたい
読み終えたあとにもう一段深掘りしたい人へ、3冊を挙げておく。
『生成AI時代を勝ち抜く事業・組織のつくり方』梶谷健人 AIで浮いた時間をどの事業に振り向けるかを、組織設計の側から正面に扱った一冊。DeNAやDBS銀行の決断を自社の状況に置き換えて考える助けになる。→記事を読む
『問題発見力を鍛える』細谷功 実行の仕事がAIへ寄っていくほど、人に求められるのは問いを組み立てる力になっていく。本書が終盤に置いた意志の話と、そのままつながる内容だ。→記事を読む
『オードリー・タン デジタルとAIの未来を語る』オードリー・タン 人間を中心に据える発想から離れて設計するという視点は、技術を社会全体と調和させる思想へつながっている。倫理と公共の側から技術を読み直したい人に向く。→記事を読む
