「AI導入後に生産性の向上が感じられない」 何が足りないのか？
石野：では、以前からいわれているように日本企業は米国企業に後れを取っているのでしょうか。
福田：日本企業の方々とも話をしますが、これまでの大きな変化だったインターネットやクラウド、モバイルの登場などと比較しても、早いスピードでAIに投資している企業が非常に多い印象です。日本の場合、そもそも人材不足による切迫感がありますよね。AIエージェントの活用はその解決策になると思います。
一方で、今はFDEの重要性がクローズアップされていますが、自社の業務に対する深い理解が必要であるため、あまり深く考えずに外注していると結果的に後退してしまう。トレンドに流されず、自社の人材に投資をするべきです。
石野：「まずはChatGPTを全社に導入してみた」といった話は聞きますが、AIの中でも企業の資産になっていくものとそうでないものがありますよね。
福田：そうですね。私も最近まで、システム・オブ・レコード（SoR：System of Record）の上にシステム・オブ・アクション（SoE：Systems of Action）としてのAIエージェントが機能するという単純な考え方を持っていました。しかし、SaaS = システム・オブ・レコードというわけではありません。データがあっても、それだけですごいビジネスが生み出せるわけではないと。
長年ソフトウェア業界で働いてきましたが、これまでのソフトウェアは人の生産性を向上させる役割を果たす一方で、製品そのものが使うほどに良くなっていったり、学習して成長したりすることはありませんでした。つまり、使っている人の能力に結果が左右されるものだったのです。
しかし、AIエージェントの場合は、そのアウトプットに「良かった」「悪かった」「修正」というフィードバックをし、さらに「これが正しい」という報酬シグナルを与えれば学習してくれます。業務ごとのガイドライン、蓄積されているコンテキストの中で、短期および長期メモリをAIエージェントに反映させていく。単にデータを保有しているだけでなく、こうしたサイクル作りにしっかりと取り組んでいくことで、使えば使うほどAIエージェントが賢くなっていき、複利効果のように生産性が上がるのです。これが本来のAIの効果といえるでしょう。
一方で、このような仕組みを作らず汎用モデルを使うだけでは、大多数の人と同じレベルで動いているだけでなんの資産も残らないわけです。まだ、単純な壁打ちやシンプルなタスクの自動実行のためにAIを使っているケースが目立ちますが、仕組みを整えた企業との差は後々大きく響いてくるはずです。
石野：まさに。当社も全社員にClaudeを配布しており、データベースから自社のMCPをつないでいますが、これが単にコネクタでデータをつなぐだけでは見たいものがまったく見られない。業務上の役割などを細かく定義している企業はあまり多くないかもしれませんが、暗黙知をしっかり定義しなければ期待どおりには動かないと実感しています。
福田：AIに暗黙知を理解させるには、社内に業務プロセスを理解している人がいなければなりません。そういった人材の育成は不可欠です。
石野：当社の場合は、私の直下にエンジニアを一人つけて、現場オペレーションがわかる人と3人で一緒に仕組みを作っています。定義上は、エンジニアだけでもAIが正しく動くはずですが、たとえば請求書処理のような細かい業務プロセスをどうシステムにつなぐかは現場の視点が必要です。この話にもつながりますが、福田さんはAIを語る上で「ハーネス」という言葉をよく挙げていらっしゃいますよね。
福田：はい。ハーネスは本来「馬具」や「制御する」といった意味で使われますが、AIの世界ではいかにAIエージェントをコントロールするかが重要なテーマで、回答の良し悪しの判定や報酬シグナルのフィードバック、エスカレーション、業務のオーケストレーション、コンテキストなど全体を含めて「ハーネス」ということが増えてきています。これは私自身の理解ですが、ハーネスこそがAI活用において最重要ではないでしょうか。
石野：汎用的なAIモデルがなくなることはないと思いますが、その一方で、自社の業務を学習しハーネスが準備されたAIエージェントを構築していかなければ、本質的に生産性は上がらない。ここに今投資をすることで、1～2年後に大きく化けるかもしれません。